I. DATOS BASICOS DEL PROYECTOI.1 Titulo:

“SISTEMA INTELIGENTE PARA EL RECONOCIMIENTO DE RUBRICAS DIGITALES EN TRAMITE DOCUMENTARIO PUNO-2008“

I.2 Autor: Ing. Richard Williams Asqui Ventura

1.3 Resumen:En la actualidad hay pocos sistemas inteligentes creados en nuestra región para el reconocimiento de Firmas o Rubricas digitalizadas, para esto se propone ayudar al reconocimiento de las rubricas digitales de los documentos de tramite en nuestra región de Puno 2008, el sistema podrá reconocer automáticamente cualquier firma digitalizada de forma eficiente, para todo esto se utilizara herramientas como el escáner o un Cámara fotográfica digital, también se diseñara y construirá un algoritmos de reconocimientos de firmas digitalizadas, también se utilizara redes neuronales para el reconocimiento de las firmas digitalizadas, como ayudara el sistema de reconocimiento de firmas digitalizadas.

El sistema ayudara a reconocer e identificar las firmas digitalizadas en nuestra región de puno 2008.

1.4 Asesor:

M.Sc Pedro Quispe Quispe

1.5 Lugar de ejecución: Puno

1.6 Fecha de inicio: 1 de Enero del 2008.

1.7 Fecha de finalización: 16 de Setiembre del 2008.

II. METODO DE LA INVESTIGACION

-1-

Antecedentes de la investigaciónAutor: Cesar Armando Beltran Castañon, 2007.TESIS: Análisis y conocimiento digital de formas biológicas para el diagnostico automático de parásitos de genero EIMERIA - Universidad de Brasil.

Autor: Guido Humberto Cayo Cabrera, 2004TESIS: Prototipo neurogenetico aplicado en el reconocimiento bidimensional estáticas: rostros, código barras y firmas UNA-PUNO

Autor: Pedro Bejar Muños, 2004TESIS: Diseño de un sistema de reconocimiento de voz mediante el uso de redes neuronales UNA-PUNO

Autor: Percy Huata Panca, 2004TESIS: Sistema Experto para la producción de Quinua, Quenopodium quinoa Willd, en la cuenca del Titicaca UNA-PUNO

2.1 Planteamiento y Definición del Problema

Actualmente todos los procesos manuales se están siendo automatizados en nuestra Región de Puno, el problema surge en la necesidad del reconocimiento de rubricas digitales, para dar como valido a la rubrica y corresponda a dicha persona sea la verdadera, dando seguridad a los documentos digitales que son gestionados a través de los medios de comunicación como Internet, o también los que son utilizados en oficinas digitalmente.

En nuestra región es necesario y hace falta un sistema inteligente de reconocimiento de rubricas digitales.El sistema de verificación y validación de rubricas en nuestra región de puno es actualmente un proceso mecánico y manual siendo este proceso ineficiente.

-2-

Los documentos de tramite de cualquier institución en nuestra región, pueden ser manipulado y hasta falsificado con fines nada buenos, el sistema inteligente de reconocimiento de rubricas digitales ayudara a evitar estos actos delictuosos y perjudiciales para algunos.

Viendo la necesidad del reconocimiento de rubricas digitales, se desarrollara un sistema inteligente capaz de reconocer las rubricas digitales a través de un algoritmo que se elaborara e implementara, utilizando como herramientas equipos como el scanner, cámara digital, para la captura digital de la rubrica que se quiere reconocer y dar como valido, de cualquier persona que sepa hacer su rubrica en nuestra Región de Puno.

Podemos encontrarnos con documentos con rubrica que no son validos después de comparar las rubricas y decir que ese documento es falso.

De acuerdo a los grandes avances de la ciencia y la tecnología debemos estar al nivel de otros países, que gran parte de sus problemas lo tienen automatizado.

También es una necesidad desarrollar sistemas inteligentes porque no existen sistemas que comparen rubricas digitales.Es Importante este sistema inteligente de reconocimiento de rubricas digitales, para evitar documentos fraudulentos.

También es importante porque dará a conocer nuevas técnicas de reconocimiento de rubricas, así contribuirá con la ciencia e investigación que es tarea de las maestrías y doctorados, a todo esto surge la siguiente pregunta.

¿Será posible reconocer las rubricas digitales de las personas para dar como valido a las mismas?

-3-

2.3 OBJETIVO GENERALDesarrollar un sistema inteligente de reconocimiento de rubricas digitales en tramite documentario PUNO 2008.

2.3.1 OBJETIVOS ESPECÍFICOS

Analizar y Diseñar un Sistema Inteligente. Implementar un algoritmo para reconocimiento de rubricas. validar a las rubricas digitales. Mostrar las ventajas y desventajas de este sistema inteligente,

con el método tradicional.

2.4 FORMULACIÓN DE HIPÓTESIS.El Sistema inteligente de reconocimiento de rubricas digitales dará como valido a las rubricas en los tramites documentarios PUNO 2008.

-4-

2.5 OPERACIONALIZACIÓN DE VARIABLESVARIABLE DIMENSION INDICADOR CATEGORIA INSTRUMENTO

MED.1. INDEPENDIENTE

Sistema Inteligente.

1.1. Diseño

1.2. Eficiencia

1.1.1. Presentación de pantalla.

1.1.2. Facilidad de uso

1.1.3. Facilidad de interpretación

1.2.1. Portabilidad

1.2.2. Información oportuna y real

1.2.3. Seguridad de Base de Datos

. Bueno

. Malo

. Fácil

. Difícil

. Interpretable

. No interpretable

. Portable

. No Portable

. Bueno

. Malo

. Alto

. Bajo

CuestionariosY observación

Cuestionarios

Cuestionarios

Métricas de software

Cuestionarios

Métricas de software

2. DEPENDIENTE

Reconocimiento de rubricas

2.1. Satisfacción del usuario

2.1.1. Tiempo de acceso

2.1.2. Versatilidad.

2.1.3. Interactividad

. Rápido (1 a 20 seg.). Lento ( 20seg a mas)

. Alto

. Bajo

. Alta

. Baja

Cuestionarios y Observación

Cuestionarios y Observación

Cuestionarios y Observación

-5-

2.6 REVISIÓN DE LITERATURA Métodos o procedimientos a utilizar.

La metodología que se utilizara en el presente proyecto es la metodología XP que es exitosa porque enfatiza la satisfacción del cliente y promueve el trabajo en equipo.

     En XP, las actividades improductivas han sido eliminadas para reducir costos y frustraciones.

   Esta metodología ha sido diseñada para solucionar el eterno problema del desarrollo de software por encargo: entregar el resultado que el cliente necesita a tiempo.

a.- CARACTERISTICAS

     El desarrollo bajo XP tiene características que lo distinguen claramente de otras metodologías:

Los diseñadores y programadores se comunican efectivamente con el cliente y entre ellos mismos

Los diseños del software se mantienen sencillos y libres de complejidad o pretensiones excesivas.

Se obtiene retroalimentación de usuarios y clientes desde el primer día gracias a las baterías de pruebas

El software es liberado en entregas frecuentes tan pronto como sea posible

Los cambios se implementan rápidamente tal y como fueron sugeridos.

Las metas en características, tiempos y costos son reajustadas permanentemente en función del avance real obtenido.

     Con estas características no es sorprendente que XP sea la metodología más apropiada para un entorno caracterizado por

-6-

requerimientos cambiantes originados por un mercado fluctuante y los propios avances de la tecnología y los negocios.

b.- CAMBIO DE PARADIGMA

    El cliente típico de servicios de desarrollo de software y paginas web tiene mucha dificultad para ofrecer desde el inicio información precisa y detallada del sistema que necesita. Esto es normal y la explicación radica en muchos factores, entre los principales, la falta de prototipos y las sucesivas oportunidades para mejorar el sistema que el cliente encuentra mientras este va tomando un forma mas tangible.

    El desarrollo de un entregable de características fijas a un costo fijo crea mas problemas de los que pretende solucionar. A pesar de ser el paradigma comercial mas usado en la actualidad es un modelo que desperdicia demasiadas oportunidades de entregar como resultado software no solo mas útil sino sobretodo mejor diseñado y más fácil de mantener. Además la dificultad natural en establecer las características exactas de un producto que inicialmente es solo un concepto genera diferencias muchas veces insalvables entre clientes y desarrolladores que originan la ruptura de las relaciones comerciales casi siempre ni bien el proyecto es finalmente entregado y en casos incluso antes.

    La solución radica en un manejo más eficiente de los cambios en los requerimientos y un fuerte enfoque en las pruebas de aceptación de cada etapa.

c.- GESTION DE CAMBIOS

     El cliente está en el pleno derecho de hacer cuantos cambios necesite al proyecto si con ello consigue un mejor resultado final. Para lograr esto, desarrolladores y clientes deben trabajar en conjunto y muy de cerca desde el primer día y las metas en términos de características, tiempos y costos deben ser reajustas permanentemente.

-7-

     Un desarrollador nunca debe eliminar características con el afán de disminuir tiempos o costos sin la aprobación del cliente. Un cliente no puede esperar cambiar reiteradamente los requerimientos de un sistema si ya los ha probado y aceptado sin incurrir en gastos adicionales.

d.- GESTION DE COSTOS

     XP crea transparencia y un clima de agilidad en la relación entre desarrolladores y clientes. El costo de hora/hombre por cada tipo de recurso es conocido y acordado desde el principio. Un proyecto de varios meses es divido en pequeños proyectos de pocas semanas de duración y las metas y cronogramas se van ajustando en tiempo real, de acuerdo al nivel de avance y las dificultades reales que ofrece el proyecto aceptadas en forma conjunta por desarrolladores y clientes.

    El tener que aceptar resultados de poca calidad o que no solucionan realmente los problemas de las organizaciones perjudica enormente a los clientes. El tener que enfrentar una gran cantidad de cambios y ajustes y el tener que regresar a etapas ya realizadas de una manera por cambios en los requerimientos y/o criterios de aceptación perjudica enormemente a los desarrolladores si es que no van a recibir una compensación económica por el esfuerzo adicional requerido.1

UML (Unified Modeling Language)

Lenguaje Unificado de Modelado (UML, por sus siglas en inglés, Unified Modelling Language) es el lenguaje de modelado de sistemas de software más conocido en la actualidad; aún cuando todavía no es un estándar oficial, está apoyado en gran manera por la OMG.

El UML cuenta con varios tipos de modelos, los cuales muestran diferentes aspectos de las entidades representadas

1 Peruserver(2005), Metodología Extreme Programing Recuperado el 02/10/2008. http://www.peruserver.com

-8-

TIPOS DE MODELO

Funcional: Muestra la funcionalidad del sistema desde el punto de vista del usuario, incluye:

o Diagramas de caso de uso Objetos: Muestra la estructura y la subestructura del sistema usando

objetos, atributos, operaciones y asociaciones, incluye: o Diagramas de clase Dinámico: Muestra el comportamiento interno del sistema, incluye: o Diagramas de secuencia o Diagramas de actividad o Diagramas de estados

UML Es un lenguaje de modelamiento para la especificación, visualización, construcción y documentación de los artefactos de un proceso de sistema intensivo. Dentro de un proceso de sistema intensivo, un método es aplicado para llegar o evolucionar un sistema. Como un lenguaje, es usado para la comunicación. Es decir, un medio para capturar el conocimiento (semánticas) respecto a un tema y expresar el conocimiento (sintaxis) resguardando el tema propósito de la comunicación. El tema es el sistema en estudio.2

Como un lenguaje para modelamiento, se enfoca en la comprensión de un tema a través de la formulación de un modelo del tema (y su contexto respectivo). El modelo abarca el conocimiento cuidando del tema, y la apropiada aplicación de este conocimiento constituye inteligencia.

Cuidando la unificación, integra las mejores prácticas de la ingeniería de la industria tecnológica y sistemas de información pasando por todos os tipos de sistemas (software y no - software), dominios (negocios versus software) y los procesos de ciclo de vida.

En cuanto a cómo se aplica para especificar sistemas, puede ser usado para comunicar "qué" se requiere de un sistema y "cómo" un sistema puede ser realizado.

2 Roger Presman (2002) “Ingeniería del software” Un enfoque Practico (5ta Edición)

-9-

En cuanto a cómo se aplica para visualizar sistemas, puede ser usado para describir visualmente un sistema antes de ser realizado.

En cuanto a cómo se aplica para construir sistemas, puede ser usado para guiar la realización de un sistema similar a los "planos".

En cuanto a cómo se aplica para documentar sistemas, puede ser usado para capturar conocimiento respecto a un sistema a lo largo de todo el proceso de su ciclo de vida.3

DIAGRAMA DE CASOS DE USO

Gráfica Nº1

DIAGRAMA DE SECUENCIAS

Gráfica Nº2

3 Roger Presman (2002) “Ingeniería del software” Un enfoque Practico (5ta Edición)

-10-

Carga de firmas

Digitalizadas

Usuario Comparar Firmas

Digitalizadas

Verificación de firmas

Digitalizadas

ComparaciónInteligente

<<Extend>>

<<Extend >>

DIAGRAMA DE ESTADOSGráfica Nº3

DIAGRAMA DE ACTIVIDADES

Gráfico Nº4

-11-

InicioCargar Firmas

DigitalesVerificaciónInteligente

FirmasFalsas

FirmasVerdaderas

Grabación de resultados

Fin

Inicio

Fin

Carga de Firmas

Digitales

VerificaciónInteligente

Mensaje

FirmaValida

Herramientas que dan soporte al ciclo de vida completo del software

a) Gestión de requisitos.Se utiliza para almacenar, examinar revisar, hacer el seguimiento y navegar por los diferentes requisitos del proyecto de software.

b) Modelado visual.Se utiliza para automatizar el uso del UML, es decir para modelar y ensamblar una aplicación visualmente. Con esta herramienta se consigue la integración con entornos de programación, se asegura que el modelo y la implementación siempre sean consistentes.

c) Herramientas de programación.Proporciona una gama de herramientas, incluyendo editores, compiladores, depuradores, detectores de errores y analizadores de rendimiento.

d) Aseguramiento de la calidad.

-12-

Se utiliza para probar aplicaciones y componentes, es decir para registrar y ejecutar casos de prueba que dirigen la prueba de un IGU y de las interfaces de un componente.

e) Costos de mantenimiento.El software convencional del prototipo desarrollado presenta un mantenimiento significativo en promedio porcentual del 70% de todos los costos de un software de instituciones dedicadas a diseños de programas similares dedicados a la informática.4

Conceptos sobre inteligencia máquina

1.- Máquinas Inteligentes

Al tratar de duplicar algunas de las funciones inteligentes humanas en las máquinas, se ha dado origen a las llamadas máquinas o sistemas inteligentes.

De estas máquinas, las más notables son las computadoras. Pero hay muchas otras clases de máquinas que se comportan apropiadamente en respuesta a varias señales y que también son llamadas máquinas inteligentes.

Los avances de las tecnologías de Hardware y de Software han mejorado la eficacia de los sistemas inteligentes, resultando en decisiones ‘’casi humanas’’, mejoras en la calidad de ejecución y en la robustez en la percepción, a velocidades y tolerancias sobrehumanas.

Las nuevas tecnologías de Hardware incluyen:

Procesadores Masivamente Paralelos. Implementaciones Especiales de Alta Velocidad de Sistemas

Cognoscitivos Difusos. Conceptos innovativos de procesadores asociativos que accesan datos

directamente sin búsqueda. Aceleradores celulares para computadoras personales.

Las nuevas tecnologías en Software incluyen:

4 CAYO Cabrera, G.H 2004, ”Prototipo neurogenetico aplicado en el reconocimiento bidimensional estáticas: rostros, código barras y firmas”

-13-

Redes Neurales Holográficas Avanzadas, Invariantes, de Alto Orden. Sistemas Expertos Difusos. Memorias Holográficas de Contenido Difuso Direccionable. Paquetes de Razonamiento Difuso, Toma de Decisiones y Control. Métodos de Programación para Visión Asociativa y Procesadores

Celulares. Ambientes de Software Orientados a Objetos. Herramientas de aplicación adaptativas Orientas a Usuarios.

Los sistemas inteligentes están diseñados para tratar con problemas altamente variantes, complejos, ruidosos, y confusos en:

1.- Administración.2.- Finanzas.3.- Manufactura.4.- Reconocimiento de Formas.5.- Instrumentación Adaptativa.6.- Procesos de control.7.- Robótica.8.- Diagnostico.9.- Bases de Datos Inteligentes.10.- Máquinas Diccionario, etc.

En las décadas pasadas, la inteligencia hecha por el hombre fue canalizada por dos caminos, la inteligencia artificial simbólica(sistemas expertos) y redes neurales(sistemas de aprendizaje adaptativo). Estas dos tendencias en conjunto con el razonamiento difuso han dado paso a grandes avances en las siguientes áreas cruciales.

Procesamiento de información (Soft): Aprendizaje Rápido, Asociaciones Difusas, Razonamiento y Control Difuso, Generalización.

Procesamiento de Información Masivamente en Paralelo: Hardware Concurrente, Paralelo, Asociativo, y Celular.

Las técnicas aplicadas en los sistemas inteligentes conducen en la elección de sistemas de razonamiento cuyo comportamiento emula el de la mente humana. Los sistemas deben de ser capaces de describir, evaluar y aproximar información con algún grado de difusión,

-14-

incertidumbre o incompletas. La meta última es hacer el procesamiento de información intuitivo que muestran los humanos:

1.- Razonamiento Inconsciente, Análogo, Paralelo y Distribuido.2.- Reconocimiento de Patrones.3.- Razonamiento Probabilístico. 4.- Razonamiento Inductivo en situaciones de información difusa o incompleta.

Los desarrollos recientes en el diseño y adaptación de los sistemas inteligentes, han proporcionado avances mayores en las siguientes áreas:

1.- Modelos biológicos; computadoras neurales y masivamente paralelas.2.- Computación concurrente; sistemas inteligentes en tiempo real.3.- Integración de Razonamiento, Información y Servicio.4.- Aprendizaje Rápido y Reconocimiento Invariante de Objetos.5.- Programación dinámica, genética y caótica.

2.- Modelando la Inteligencia

La inteligencia natural es abundante en todos los ámbitos de la naturaleza. Las redes neurales extraen sus principios de las ciencias del cerebro para modelar reconocimiento, aprendizaje, y procesos de planeación. La lógica difusa refleja muy cercanamente la manera en que razonamos los humanos con reglas aproximadas. Los algoritmos genéticos aprovechan directamente los conocimientos obtenidos a través de la investigación en genética, modelando los principios de Darwin de selección natural. Los Fractales asemejan vagamente la manera en que los sistemas vivientes repiten patrones mientras crecen. La teoría del caos usa mecanismos derivados de simulaciones matemáticas de procesos que nunca son exactamente los mismos dos veces. Los autómatas celulares modelan un universo de dos dimensiones de células vivientes y un conjunto simple de modos de interacción. Y la lista sigue.

-15-

La familia de métodos emergentes de solución de problemas que imitan la inteligencia forma parte de la computación cognoscitiva. La computación cognoscitiva substituye con técnicas de procesamiento mas inteligentes, las técnicas de programación tradicionales, largas y complejas. Estos modelos inteligentes se pueden aplicar a una gama mas amplia de situaciones ya que no tienen limitaciones, por ejemplo, a ser lineales.

Una desventaja de las técnicas de computación cognoscitiva es que, frecuentemente, no se puede probar su estabilidad de otra manera que con pruebas de campo extensivas. Las pruebas analíticas tradicionales son imposibles de obtener para un enfoque donde no se usa metodología analítica o no se sigue un modelo matemático.

Las tres tecnologías principales de la computación cognoscitiva son:

1.- Tecnologías Difusas (fuzzy). 2.- Tecnologías Neurales. 3.- Tecnologías Genéticas.

Las tres derivan su generalidad de la interpolación de soluciones a problemas desconocidos a partir de las soluciones a problemas que les son familiares.

3.- La Inteligencia en las Máquinas y Sistemas

Zadeh establece que el año 1990 debe ser visto como el comienzo de una nueva tendencia de el diseño de aparatos caseros, electrónicos de consumo, cámaras, y otros tipos de productos de alto consumo. Menciona que esa tendencia se relaciona con un incremento marcado en lo que el ha bautizado como el cociente intelectual de las máquinas (MIQ) de tales productos comparado con el que tenían antes de 1990. Ahora se tienen hornos de microondas y lavadoras que pueden figurarse sus condiciones de proceso para realizar sus tareas óptimamente, y muchos otros productos que manifiestan una capacidad impresionante de razonamiento, tomar decisiones inteligentes, y aprender de la experiencia.

-16-

La explotación de la tolerancia a la imprecisión y la incertidumbre soporta la habilidad humana de entender habla distorsionada, descifrar escritura manuscrita, comprender lenguaje natural, sumarizar texto, reconocer y clasificar imágenes, manejar vehículos en trafico denso, y mas generalmente, hacer decisiones racionales en un ambiente de imprecisión e incertidumbre. La computación cognoscitiva, que Zadeh llama computación suave (Soft Computing) usa la mente humana como modelo y al mismo tiempo, apunta a la formalización de los procesos cognoscitivos que los humanos usamos en la realización de las tareas diarias.

4.- Evolución del MIQ

Las aplicaciones industriales de la lógica difusa empezaron a principios de los 80’s con el control para plantas de cemento y el metro de Sendai diseñado por Hitachi, y sentaron las bases para el uso de la lógica difusa en el diseño y producción de productos de consumo con alto MIQ.

El primer producto fue una regadera de baño controlada con lógica difusa producida por Matsushita en 1987. Esta fue seguida por la primer lavadora controlada por lógica difusa, en 1989. En 1990 comenzó el crecimiento en el número de productos de consumo con alto MIQ. Poco después se comenzaron a emplear técnicas de redes neurales combinadas con lógica difusa en una gran variedad de productos de consumo, dotando a tales productos con la capacidad de adaptarse y aprender de la experiencia.

Los constituyentes principales de la computación suave, de acuerdo a Zadeh, son:

1.- Lógica Difusa(FL).2.- Teoría de Redes Neurales(NN). 3.- Razonamiento Probabilístico(PR).

Este ultimo (PR) incluye redes de creencias, algoritmos genéticos, partes de la teoría de aprendizaje, y sistemas caóticos. La lógica difusa (FL) esta relacionada con la imprecisión, las redes neurales con el aprendizaje, y el razonamiento probabilístico con la incertidumbre. Y en

-17-

general se puede decir que estas tres técnicas diferentes son complementarias en lugar de competitivas. Por esta razón, ha resultado ventajoso el empleo de FL, NN,PR en combinación, en lugar de usar alguno exclusivamente en el diseño e implementación de sistemas inteligentes.

El concepto de sistema inteligente ya no se aplica solamente a las computadoras, sino que su ámbito abarca un número creciente de aplicaciones que van desde los sistemas de control difusos, hasta los modelos que emulan sistemas complejos como los económicos, políticos, sociales etc., pasando por los edificios inteligentes, carreteras inteligentes y muchos otros mas.

5.- Manejo del conocimiento.

Con lógica binaria.

Con el advenimiento de las computadoras digitales, se creó toda una ciencia para el manejo de información mediante secuencias de ceros y unos. Esta forma de representación utiliza la lógica binaria como base para el almacenamiento y recuperación de información.

Para el manejo del conocimiento se utiliza un lenguaje simbólico. Estos símbolos se combinan mediante reglas y a partir de éstas pueden modelarse sistemas complejos. Por ejemplo, los sistemas expertos en inteligencia artificial. La principal desventaja de esta representación del conocimiento es que se necesitan demasiadas reglas para poder representar fielmente un sistema del mundo real. Básicamente porque hay una relación de uno a uno. Es decir, para un caso particular del sistema del mundo debe existir una regla en el sistema experto.

Con lógica difusa

La representación del conocimiento mediante lógica difusa permite disminuir drásticamente el número de reglas que se

-18-

necesitan para modelar un sistema. Mediante este enfoque, una regla difusa cubre varios casos dentro del sistema del mundo real.

 

6.- Áreas de la inteligencia artificial.

6.1 Sistemas Expertos.

La mayoría de las técnicas en el área de la inteligencia artificial caen muy lejos de competir con seres humanos o incluso animales. Los sistemas para computadora diseñados para ver imágenes, oir sonidos y entender el lenguaje sólo pueden obtener un éxito limitado. Sin embargo, en un área de la inteligencia artificial - aquella que razona con el conocimiento en un dominio limitado - los programas pueden no sólo aproximarse a la forma de actual humana, si no que a veces lo superan.

Estos programas emplean un conjunto de hechos, reglas y otros tipos de conocimientos de un campo determinado, así como de métodos para aplicar las reglas para hacer inferencias. Resuelven problemas en campos tan especializados como diagnosis médica, búsqueda de minerales y pozos de petróleo. Se diferencian substancialmente de los programas de computadora convencionales porque sus tareas no tienen soluciones algorítmicas y porque a menudo deben obtener conclusiones que se basan en una información incompleta o incierta. En la construcción de tales sistemas expertos, los investigadores han encontrado que el almacenamiento de grandes cantidades de conocimiento, y no el uso de técnicas de razonamiento sofisticdas, es lo que confiere la mayoría de la eficacia al sistema. Tales sistemas expertos de alto nivel, anteriormente limitados sólo a proyectos de investigación académicos, están ya empezando a penetrar en el mercado.

6.2 Construcción de un Sistema Experto.

-19-

Por el momento, la construcción de sistemas expertos no es susceptible de ser aplicada a todos los campos del conocimiento. Para aplicar la ingeniería de conocimiento a una tarea, se deben cumplir los siguientes prerrequisitos :

1. Debe haber al menos una persona experta que esté cualificada para realizar la tarea perfectamente.

2. Las principales fuentes de la capacidad de un experto deben ser conocimiento especializado, la toma de decisiones y la experiencia.

3. El experto debe ser capaz de dejar claros tales conocimientos especializados, procedimientos de toma de decisión y experiencia obtenida y también de explicar los métodos empleados para aplicarlos a una tarea concreta.

4. La tarea debe tener un dominio de aplicación bien definido.

A veces se puede construir un sistema experto que no cumple exactamente los prerrequisitos; por ejemplo, se podrían emplear para un problema las capacidades de varios hombres expertos, mejor que las de uno.

La estructura de un sistema experto es modular. Los hechos y otro conocimiento sobre el dominio en particular se pueden separar del procedimiento de inferencia - o estructura de control - para aplicar tales hechos, mientras que la otra parte del sistema - la base de datos general - es el modelo del "mundo" asociado con un problema concreto, su estado y su historia. También es deseable, aunque todavía no muy común, tener un lenguaje natural de relación para facilitar el uso del sistema tanto para el desarrollo como en el lugar de trabajo. En algunos sistemas complejos se incluye también un módulo de explicación, que permiten al usuario cuestionar las conclusiones del sistema y examinar el proceso de razonamiento que se ha seguido.

Un sistema experto se diferencia de los programas de computadora convencionales en varios aspectos importantes. En un programa convencional, el conocimiento relativo al problema y

-20-

los métodos a emplear con estos conocimientos están interrelacionados , de tal forma que es difícil modificar el programa. En un sistema experto existe, por lo general una clara separación entre el conocimiento general relativo al problema (el conocimiento base)obtenido de la información sobre el problema actual y los métodos (la máquina de inferencia) para aplicar el conocimiento general a dicho problema.

Con esta separación el programa se puede cambiar con simples modificaciones de conocimiento base. Todo sto se cumple en particular para los sistemas basados en reglas, en los que podemos cambiar el sistema con la simple adición o sustracción de reglas al conocimiento base.

6.3 Sistemas Basados en reglas.

La solución más popular para representar el conocimiento de un dominio (hechos y heurísticos) que es necesario para un sistema experto es mediante las reglas de producción (también conocidas como reglas SITUACIÓN-ACCIÓN o reglas IF - THEN). Un ejemplo sencillo de reglas de producción es el siguiente: SI la potencia que recibe una cápsula espacial no es suficiente Y se dispone de potencia de reserva suficiente Y la causa que produjo el primer fallo no se va a producir de nuevo, ENTONCES conectar el sistema de potencia de reserva. Los sistemas basados en reglas trabajan mediante la aplicación de reglas, comparación de resultados y aplicación de las nuevas reglas basadas en situación modificada. También pueden trabajar por inferencia lógica dirigida, bien empezando con una evidencia inicial en una determinada situación y dirigiéndose hacia la obtención de una solución, o bien con hipótesis sobre las posibles soluciones y volviendo hacia atrás para encontrar una evidencia existente (o una deducción de una evidencia existente) que apoye una hipótesis en particular.

Algunos ejemplos de sistemas expertos son:

6.4 DENDRAL.- Fue ideado a finales de los setenta para generar una representación estructural de las moléculas orgánicas a partir de

-21-

los datos de un espectrógrafo de masas. Tal solución tiene los siguientes pasos:

1. Obtener las limitaciones de los datos. 2. Generar estructuras candidatas. 3. Predecir espectros de masa con los candidatos. 4. Comparar los resultados con los datos.

Este sistema ilustra la solución común de resolver problemas en IA de "generación y prueba".

MYCIN.- fue diseñado a mediados de los setenta. Es un sistema interactivo que diagnostica infecciones bacterianas y suministra la terapia de antibióticos. MYCIN representa el razonamiento experto como una serie de reglas condición - conclusión, que relacionan los datos del paciente con hipótesis de infección y al tiempo estiman la "certeza" de cada regla. Trabaja hacia atrás con diagnosis hipotética, empleando reglas para estimar los factores de certeza de las conclusiones basadas en los factores de certeza de su historial para comprobar si la evidencia apoya la diagnosis. Si no hay información suficiente para comprobar la hipótesis, pedirá al médico datos adicionales y evaluarán en forma exhaustiva todas las hipótesis. Cuando ha finalizado, MYCIN da los tratamientos para todas aquellas diagnosis que han alcanzado un alto valor de certeza.

6.5 Lenguaje Natural.

El lenguaje es el medio de comunicación con todo el mundo. Estudiando el lenguaje, podemos entender más acerca del mundo. Podemos probar nuestras teorías acerca del mundo observando qué tan bien éstas soportan nuestro intento de entender el lenguaje. Y, si podemos construir un modelo computacional del lenguaje,

-22-

tendríamos una herramienta muy poderosa para comunicarse con el mundo.

En gran parte de la vida humana la comunicación lingüística ocurre como habla. El lenguaje escrito es una invención reciente y todavía juega un papel menos importante que el habla en muchas actividades. Procesar el lenguaje escrito (asumiendo que está escrito de una forma no ambigua) es más fácil, en algunas formas, que procesar el habla. Por ejemplo, para construir un programa que entienda el lenguaje hablado, necesitamos todas las facilidades de un reconocedor de lenguaje escrito y también conocimiento adicional para manejar todo el ruido y ambigüedad de la señal de audio. Así, es útil dividir el problema de procesamiento del lenguaje en dos tareas:

o Procesamiento del texto escrito, usando conocimiento léxico sintáctico y semántico del lenguaje y también la información del mundo real requerida.

o Procesamiento del lenguaje hablado, usando toda la información requerida en el punto anterior más conocimiento adicional acerca de fonología y también la suficiente información adicional para manejar las ambigüedades que son comunes en el habla.

Pasos en el Proceso.

Este proceso se divide en los siguientes pasos:

o Análisis Morfológico Las palabras individuales se analizan en su componentes, y los elementos que no son palabras, tales como puntuación, se separan de las palabras.

o Análisis Sintáctico Las secuencias lineales de palabras son transformadas en estructuras que muestran cómo se relacionan las palabras entre ellas. Algunas secuencias de palabras pueden ser rechazadas si éstas violan las reglas del lenguaje que determinan cómo se combinan.

o Análisis Semántico Se les asigna un significado a las estructuras creadas por el analizador sintáctico. En otras palabras, se hace un

-23-

mapeo entre las estructuras sintácticas y los objetos en el dominio de la tarea. Las estructuras para las cuales no es posible tal mapeo pueden ser rechazadas.

o Integración de Discurso El significado de una sentencia individual puede depender de la sentencia que le precede y puede influenciar el significado de la sentencia que le sigue.

o Análisis Pragmático La estructura que representa lo que se dijo es reinterpretada para determinar lo que significa actualmente.

Visión.

Al igual que sucede en el ser humano, la capacidad de visión proporciona un sofisticado mecanismo de percepción que permite a la máquina responder a su entorno de una manera inteligente y flexible. El uso de la visión y otros esquemas de percepción, están motivados por la constante necesidad de aumentar la flexibilidad y los campos de aplicación de los sistemas de robótica.

La visión artificial puede ser definida como los procesos de obtención, caracterización e interpretación de información de imágenes tomadas de un mundo tridimensional. Estos procesos, también habitualmente llamados visión por computadora, pueden a su vez ser subdivididos en seis áreas principales: 1) captación, 2) preprocesamiento, 3) segmentación, 4) descripción, 5) reconocimiento, 6) interpretación. La captación es el proceso a través del cual se obtiene una imagen visual. El preprocesamiento incluye técnicas tales como la reducción de ruido y realce de detalles. La segmentación es el proceso que divide una imagen en objetos que sean de nuestro interés. Mediante los procesos de descripción se obtienen características (por ejemplo: tamaño, forma) convenientes para diferenciar un tipo de objeto de otro. El reconocimiento es el proceso que identifica estos objetos (por ejemplo una llave inglesa, un tornillo, un soporte de motor). Finalmente, la interpretación le asocia un significado a un conjunto de objetos reconocidos.

-24-

Es conveniente agrupar estas diversas áreas de acuerdo con la complicación y delicadeza que lleva aparejada su implementación. Se consideran tres niveles de procesamiento: visión de bajo, medio y alto nivel. Debido a que no existen unas fronteras entre estos tres niveles, se utiliza un marco de trabajo útil para categorizar los diversos procesamientos que componen un sistema de visión artificial. Así se asocia a la visión de bajo nivel aquellos procesos que son primarios en el sentido de que pueden ser considerados "reacciones automáticas" sin requerir ningún tipo de inteligencia. Con este enfoque se trata como visión de bajo nivel a la percepción y el pre procesamiento.

Asociaremos a la visión de nivel intermedio aquellos procesos que extraen, caracterizan y etiquetan componentes de la imagen que se obtiene de la visión de bajo nivel. En estos términos, la segmentación, la descripción y el reconocimiento de objetos individuales pertenecen a la visión de nivel intermedio. La visión de alto nivel se refiere a procesamientos que tratan de emular la cognición. Mientras que los algoritmos de bajo y medio nivel conllevan un espectro de actividades bastante bien definidas, nuestro conocimiento y comprensión de los procesos de visión de alto nivel son considerablemente más difusos y especulativos, estas limitaciones dan lugar a la formulación de limitaciones e idealizaciones que tienen como objeto reducir la complejidad de esta tarea.

7.- Los nuevos sistemas inteligentes.

Los sistemas difusos y las redes neuronales han tenido un interés creciente de los investigadores en varias áreas científicas y de ingeniería. El número y variedad de aplicaciones de la lógica difusa y las redes neuronales ha ido en aumento. Variando desde productos de consumo popular y control de procesos industriales hasta instrumentación médica, sistemas de información y análisis de decisión.

-25-

La lógica difusa está basada en la forma en que el cerebro maneja información inexacta, mientras las redes neuronales están modeladas en la arquitectura física del cerebro. Aunque las inspiraciones fundamentales para estos dos campos son muy diferentes, hay un número de situaciones paralelas que apuntan a sus similitudes. Los sistemas difusos y las redes neuronales son estimadores de modelo libre y sistemas dinámicos. Ellos comparten la habilidad común de mejorar la inteligencia de los sistemas que trabajan en un ambiente de incertidumbre, imprecisión y ruido. Ambos sistemas y sus técnicas han sido aplicados con éxito a una variedad de sistemas de control y dispositivos para mejorar su inteligencia. Se ha mostrado que los sistemas difusos y las redes neuronales tienen la capacidad de modelar procesos complejos no lineales a un grado arbitrario de exactitud.

8.- Sistemas difusos.

En la década pasada, los sistemas difusos han desplazado a las tecnologías convencionales en muchas aplicaciones científicas y sistemas de ingeniería, especialmente en los sistemas de control y el reconocimiento de patrones. Tenemos también un rápido crecimiento en el uso de la lógica difusa en una amplia variedad de productos de consumo y sistemas industriales. Los ejemplos más sobresalientes son: máquinas lavadoras, cámaras de vídeo, cámaras de auto enfoque, aire acondicionado, máquinas lava trastos, transmisión de automóviles, guías de buques, trenes suburbanos, reguladores de control de combustión y control de calidad del cemento. La misma tecnología difusa, en la forma de razonamiento aproximado, está también resurgiendo en la tecnología de información, donde proporciona soporte de decisiones y sistemas expertos con las capacidades de razonamiento poderosos limitados a un mínimo de reglas.

Los conjuntos difusos introducidos por Zadeh en 1965 como una forma matemática para representar la vaguedad en lingüística, puede ser considerada como una generalización de la teoría de conjuntos clásica. La idea básica de los conjuntos difusos es muy sencilla. En un

-26-

conjunto clásico (no difuso), un elemento del universo pertenece o no al conjunto. Esto es, la membresía de un elemento es dura - ya sea sí (está en el conjunto) o no (no está en el conjunto). Un conjunto difuso es una generalización de un intervalo unidad [0,1]. Así, la función de membresía de un conjunto difuso mapea cada elemento del universo de discurso a un rango del espacio el cual, en muchos casos, es el conjunto al intervalo de la unidad. Una de las más grandes diferencias entre los conjuntos duros y difusos es que el primero siempre tiene funciones de membresía únicas, mientras que todo conjunto difuso tiene un número infinito de funciones de membresía que pueden representarlo. Esto permite que los sistemas difusos puedan ser ajustados a su rendimiento máximo en una situación dada. En un sentido amplio, como apuntó Lotfi Zadeh, cualquier campo puede ser fuzzificado y generalizado reemplazando el concepto de conjunto duro en un campo fuente por el concepto de un conjunto difuso. Por ejemplo podemos fuzzificar algunos campos básicos tales como la aritmética, la teoría de grafos y la teoría de la probabilidad para desarrollar aritmética difusa, teoría de grafos difusos y teoría de probabilidad difusa, respectivamente; podemos también fuzzificar algunos campos aplicados tales como redes neuronales, algoritmos genéticos, teoría de estabilidad, reconocimiento de patrones y programación matemática para obtener redes neuronales difusas, algoritmos genéticos difusos, teoría de estabilidad difusa, reconocimiento de patrones difusos y programación matemática difusa, respectivamente. Los beneficios de tal fuzzificación incluyen mayor generalidad, poder expresivo más alto, una habilidad elevada para modelar problemas del mundo real, y una metodología para explotar la tolerancia a la imprecisión. Aquí la lógica difusa puede ayudar a alcanzar la tratabilidad, robustez y una solución a un costo más bajo.

9.- Redes neuronales.

Fundamentalmente hay dos enfoques principales en el campo de la inteligencia artificial (IA) para implementar inteligencia humana en las máquinas. Una es la IA simbólica, la cual está caracterizada por un alto nivel de abstracción y un punto de vista macroscópico. La

-27-

psicología clásica opera a un nivel similar, y los sistemas de ingeniería del conocimiento y la programación lógica caen en esta categoría. El segundo enfoque está basado en los modelos biológicos de nivel microscópico. Es similar al énfasis de fisiología o genética. Las redes neuronales artificiales y los algoritmos genéticos son los ejemplos primordiales de este último enfoque. Ellos se originaron del modelo del cerebro y la evolución. No obstante, estos modelos biológicos no necesariamente se parecen a sus contra partes biológicas originales. Las redes neuronales son una nueva generación de sistemas de procesamiento de información que son construidos deliberadamente para hacer uso de algunos de los principios organizacionales que caracterizan al cerebro humano. El tema principal de la investigación de redes neuronales se enfoca sobre el modelado del cerebro como un dispositivo computacional paralelo para varias tareas computacionales que eran realizadas malamente por computadoras seriales tradicionales. Las redes neuronales tienen un gran número de elementos de procesamiento altamente interconectados que usualmente operan en paralelo y están configurados en arquitecturas regulares.

10.- Algoritmos genéticos.

Los algoritmos genéticos (AG) están desarrollados para simular algunos de los procesos observados en la evolución natural. Los principios subyacentes de los AG fueron publicados por Holland [1962]. La estructura matemática fue desarrollada en los sesenta y se presenta en su libro pionero[Holland 1975]. Los algoritmos genéticos han sido empleados en dos áreas principales: optimización y aprendizaje de máquina. En las aplicaciones de optimización, han sido usados en campos muy diversos tales como optimización de funciones, procesamiento de imágenes, el problema del agente viajero, identificación de sistemas, y control. En aprendizaje de máquina. Los AG han sido usados para aprender reglas de cadenas sintácticamente simples IF - THEN en un ambiente arbitrario.

11.- Robots Inteligentes.

-28-

Circunferencia Computacional.

Además de promover las aplicaciones industriales, LIFE también juega un rol educacional dándole oportunidad a investigadores jóvenes que están involucrados en el proceso de obtener grados universitarios avanzados. Otras de sus funciones importantes incluyen la organización de conferencias y seminarios nacionales e internacionales.

12.- Tendencias Futuras.

Según Bart Kosko[4], el futuro estará lleno de artefactos listos. Tendrán altos coeficientes intelectuales en las máquinas que se pueden ver completamente diferentes a las maquinas inteligentes actuales (vídeo cámaras, lavadoras, etc). Habrá computadoras pequeñas y rápidas que se colarán nuestras vidas, trabajo y diversión. Los grandes sistemas y redes también se volverán listos. Estarán enlazados los satélites de comunicaciones, redes de crédito y salud, entretenimiento y apuestas, automóviles, calles y redes de tráfico, redes de noticias y encuestas, redes de gobierno, y hasta redes espías. En sí, las máquinas se reducirán y contarán con sensores y procesadores de señales más finos. Y serán capaces de generar sus propias reglas difusas y redes.5

13.- La Inteligencia Artificial

La IA (Inteligencia Artificial) es una de las disciplinas más nuevas. Formalmente se inicia en 1956 cuando se acuñó este término, sin embargo el estudio de la inteligencia contemplada como el razonamiento humano viene siendo estudiado por los filósofos hace más de 2 milenios.

La inteligencia artificial es la ciencia que enfoca su estudio a lograr la comprensión de entidades inteligentes. Es evidente que las computadoras que posean una inteligencia a nivel humano (o superior) tendrán repercusiones muy importantes en nuestra vida diaria.

5 Lotfi Zadeh(2005). Máquinas Inteligentes. Recuperado el 02/02/2008. http://www.itapizaco.edu.mx/paginas/inteligentesII.htm

-29-

Grafica Nº5.

 

En la siguiente figura se presentan definiciones de lo que es la inteligencia artificial. Estas definiciones varían en torno a dos dimensiones principales. Las que aparecen en el grafica Nº5 se refieren a procesos mentales y al razonamiento, en tanto el grafica Nº6 aluden a la conducta. Por otra parte, las definiciones de la izquierda miden la condición deseable en función de eficiencia humana, mientras que las de la derecha lo hacen de conformidad con un concepto de inteligencia ideal, denominado racionalidad.6

Grafico Nº6

 

Ejemplos:

Almacenar la suma de dos variables (x , y) en otra variable denominada z , en donde:

x = 16 Roger Presman (2002) “Ingeniería del software” Un enfoque Practico (5ta Edición)

-30-

y = 1

z = x + y

z = 2

(Sistemas que piensan)

Al retirar la mano de una hornilla caliente. Esto es un acto reflejo mucho más eficiente que una tardía actuación emprendida después de una cuidadosa deliberación.

(Sistemas que piensan racionalmente)

Semáforos inteligentes que se encuentran en Europa y evitan por medio de sensores el congestionamiento de tráfico

(Sistemas que actúan racionalmente)

 

14.- ACTUAR COMO HUMANO:

El enfoque de la prueba de Turing

La prueba de Turing (Alan Turing 1950) intenta ofrecer una definición de Inteligencia Artificial que se pueda evaluar. Para que un ser o máquina se considere inteligente debe lograr engañar a un evaluador de que este ser o máquina se trata de un humano evaluando todas las actividades de tipo cognoscitivo que puede realizar el ser humano.

Si el diálogo que ocurra y el número de errores en la solución dada se acerca al número de errores ocurridos en la comunicación con un ser humano, se podrá estimar -según Turing- que estamos ante una máquina "inteligente".7

Figura Nº1

7 Biblioteca Mundial. Inteligencia Artificial. Recuperado el 20/09/2008. http://es.wikipedia.org/

-31-

Hoy por hoy, el trabajo que entraña programar una computadora para pasar la prueba es considerable. La computadora debería se capaz de lo siguiente:

Procesar un lenguaje natural: para así poder establecer comunicación satisfactoria, sea en español, inglés o en cualquier otro idioma humano.

Representar el conocimiento: para guardar toda la información que se le haya dado antes o durante el interrogatorio. Utilización de Base de Datos para receptar preguntas y luego almacenarlas.

Razonar automáticamente: Utiliza la información guardada al responder preguntas y obtener nuevas conclusiones o tomar decisiones.

Auto aprendizaje de la máquina: Con el propósito de adaptarse a nuevas circunstancias. El auto aprendizaje conlleva a la autoevaluación.

 

Para aprobar la prueba total de Turing, es necesario que la computadora esté dotada de:8

Vista: Capacidad de percibir el objeto que se encuentra en frente suyo.

8 Biblioteca Mundial. Inteligencia Artificial. Recuperado el 20/09/2008. http://es.wikipedia.org/

-32-

Robótica: Capacidad para mover el objeto que ha sido percibido.

15.- Inteligencia Artificial

Se denomina inteligencia artificial a la rama de la ciencia informática dedicada al desarrollo de agentes racionales no vivos.Para explicar la definición anterior, entiéndase a un agente como cualquier cosa capaz de percibir su entorno (recibir entradas), procesar tales percepciones y actuar en su entorno (proporcionar salidas). Y entiéndase a la racionalidad como la característica que posee una elección de ser correcta, más específicamente, de tender a maximizar un resultado esperado. (Este concepto de racionalidad es más general y por ello más adecuado que inteligencia para definir la naturaleza del objetivo de esta disciplina).Por lo tanto, y de manera más específica la inteligencia artificial es la disciplina que se encarga de construir procesos que al ser ejecutados sobre una arquitectura física producen acciones o resultados que maximizan una medida de rendimiento determinada, basándose en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura.Existen distintos tipos de conocimiento y medios de representación del conocimiento. El cual puede ser cargado en el agente por su diseñador o puede ser aprendido por el mismo agente utilizando técnicas de aprendizaje.También se distinguen varios tipos de procesos válidos para obtener resultados racionales, que determinan el tipo de agente inteligente. De más simples a más complejos, los cinco principales tipos de procesos son:Ejecución de una respuesta predeterminada por cada entrada (análogas a actos reflejos en seres vivos). 9

Búsqueda del estado requerido en el conjunto de los estados producidos por las acciones posibles. Algoritmos genéticos (Análogo al proceso de evolución de las cadenas de ADN).

9

-33-

Redes neuronales artificiales (Análogo al funcionamiento físico del cerebro de animales y humanos). Razonamiento mediante una Lógica formal (Análogo al pensamiento abstracto humano).

16.- Las Redes NeuronalesLas redes neuronales son más que otra forma de emular ciertas características propias de los humanos, como la capacidad de memorizar y de asociar hechos. Si se examinan con atención aquellos problemas que no pueden expresarse a través de un algoritmo, se observará que todos ellos tienen una característica en común: la experiencia. El hombre es capaz de resolver estas situaciones acudiendo a la experiencia acumulada. Así, parece claro que una forma de aproximarse al problema consista en la construcción de sistemas que sean capaces de reproducir esta característica humana.

En definitiva, las redes neuronales no son más que un modelo artificial y simplificado del cerebro humano, que es el ejemplo más perfecto del que disponemos para un sistema que es capaz de adquirir conocimiento a través de la experiencia. Una red neuronal es "un nuevo sistema para el tratamiento de la información, cuya unidad básica de procesamiento está inspirada en la célula fundamental del sistema nervioso humano: la neurona".

Todos los procesos del cuerpo humano se relacionan en alguna u otra forma con la (in)actividad de estas neuronas. Las mismas son un componente relativamente simple del ser humano, pero cuando millares de ellas se conectan en forma conjunta se hacen muy poderosas.10

También, es bien conocido que los humanos son capaces de aprender. Aprendizaje significa que aquellos problemas que inicialmente no pueden resolverse, pueden ser resueltos después de obtener más información acerca del problema.

Por lo tanto, las Redes Neuronales:

10Artículos Revistas. Recuperado el 16/08/2008 www.monograficas.com

-34-

Consisten de unidades de procesamiento que intercambian datos o información.

Se utilizan para reconocer patrones, incluyendo imágenes, manuscritos y secuencias de tiempo, tendencias financieras.

Tienen capacidad de aprender y mejorar su funcionamiento.

Una primera clasificación de los modelos de redes neuronales podría ser, atendiendo a su similitud con la realidad biológica:

1) El modelo de tipo biológico. Este comprende las redes que tratan de simular los sistemas neuronales biológicos, así como las funciones auditivas o algunas funciones básicas de la visión.

2) El modelo dirigido a aplicación. Este modelo no tiene por qué guardar similitud con los sistemas biológicos. Su arquitectura está fuertemente ligada a las necesidades de las aplicaciones para la que es diseñada.

¿QUÉ ES DIGITALIZAR?Es el proceso de transformar algo análogo en algo digital a través de un computador.“Toda imagen digitalizada es digital aunque no toda imagendigital ha sido digitalizada”.11

IMÁGENES DIGITALES.

Grafico Nº7

11 Biblioteca Mundial. Digitalización de Imágenes. Recuperado el 20/09/2008. http://es.wikipedia.org/

-35-

¿Qué es OMR, ICR y OCR?

17.- Comparación de Tecnologías

ICR, OCR y OMR son todos métodos orientados a disminuir la cantidad de entradas de datos manual en ambientes de procesamiento de formularios. ICR y OCR son dispositivos de reconocimiento usados con imágenes. OMR es una tecnología de captura de datos que no requiere un dispositivo de reconocimiento, es utilizada cuando se requiere un alto grado de precisión.ICR – Reconocimiento de Caracteres InteligenteLa tecnología ICR proporciona a los sistemas de reproducción por escáner y sistemas de imágenes la habilidad de convertir caracteres en letra manuscrita (no cursiva) en caracteres capaces de ser interpretados o reconocidos por una computadora. Así, las imágenes de caracteres en letra manuscrita son extraídas de un mapa de bits de la imagen reproducida por el escáner. Existen diversos dispositivos de reconocimiento ICR en el mercado. OCR – Reconocimiento de Caracteres ÓpticosLa tecnología OCR proporciona a los sistemas de reproducción por escáner y sistemas de imágenes la habilidad de convertir imágenes de caracteres en letra de máquina, en caracteres capaces de ser interpretados o reconocidos por una computadora. Así, las imágenes de caracteres en letra de máquina son extraídas de un mapa de bits de la imagen reproducida por el escáner. OMR – Lectura de Marcas ÓpticasLa tecnología OMR detecta la ausencia o presencia de una marca, pero no la forma de la marca. El software de Pearson interpreta la imagen del escáner y la traduce en la imagen deseada ASCII. Los formularios son reproducidos por escáner a través de un escáner OMR. Los formularios contienen pequeños círculos, llamados “burbujas”, que son completados por la persona encargada de llenar el formulario. La tecnología OMR no es capaz de reconocer

-36-

caracteres en letra manuscrita o a máquina; las imágenes de los formularios tampoco son reproducidas por el esc áner. 12

18.- FIRMA o RUBRICA

Básicamente es una forma de almacenar rasgo o rasgos que como parte de la firma pone cada cual después de su nombre, y la firma viene siendo lo mismo, también conocido como autógrafo.

Grafico Nº8

13

19.- FIRMA DIGITAL

Cuando hablamos de firma digital en realidad nos estamos refiriendo a muchos conceptos relacionados, entre los cuales figuran documentos electrónicos, claves criptográficas, certificados digitales, funciones matemáticas, autoridades certificantes, infraestructuras de

12 Digitalización de Imágenes. Recuperado el 13/12/2008. http://www.pki.gov.ar/index.php13 Enciclopedia Virtual, Microsoft ® Encarta ® 2007.

-37-

clave pública y muchos otros nombres que pueden resultarnos complicados o desconocidos.

Las siguientes preguntas intentan aclarar estos términos: 14

¿Qué es la firma digital?

La firma digital es una herramienta tecnológica que permite garantizar la autoría e integridad de los documentos digitales, posibilitando que éstos gocen de una característica que únicamente era propia de los documentos en papel.

Una firma digital es un conjunto de datos asociados a un mensaje digital que permite garantizar la identidad del firmante y la integridad del mensaje.

La firma digital no implica asegurar la confidencialidad del mensaje; un documento firmado digitalmente puede ser visualizado por otras personas, al igual que cuando se firma holográficamente. 15

¿Cómo funciona?

La firma digital funciona utilizando complejos procedimientos matemáticos que relacionan el documento firmado con información propia del firmante, y permiten que terceras partes puedan reconocer la identidad del firmante y asegurarse de que los contenidos no han sido modificados.

El firmante genera, mediante una función matemática, una huella digital del mensaje, la cual se cifra con la clave privada del firmante. El resultado es lo que se denomina firma digital, que se enviará adjunta al mensaje original. De esta manera el firmante adjuntará al documento una marca que es única para dicho documento y que sólo él es capaz de producir. 16

14 Imágenes Digitales. Recuperado el 13/12/2008, http://www.pki.gov.ar15 Imágenes Digitales. Recuperado el 13/12/2008, http://www.pki.gov.ar

16 Biblioteca Mundial. Digitalización de Imágenes. Recuperado el 20/09/2008. http://es.wikipedia.org/

-38-

¿Claves privadas y claves públicas?

En la elaboración de una firma digital y en su correspondiente verificación se utilizan complejos procedimientos matemáticos basados en criptografía asimétrica (también llamada criptografía de clave pública).

¿Qué son los certificados digitales?

Los certificados digitales son pequeños documentos digitales que dan fe de la vinculación entre una clave pública y un individuo o entidad. De este modo, permiten verificar que una clave pública específica pertenece, efectivamente, a un individuo determinado. Los certificados ayudan a prevenir que alguien utilice una clave para hacerse pasar por otra persona.

¿Qué contiene un certificado digital?

En su forma más simple, el certificado contiene una clave pública y un nombre. Habitualmente, también contiene una fecha de expiración, el nombre de la Autoridad Certificante que la emitió, un número de serie y alguna otra información. Pero lo más importante es que el certificado propiamente dicho está firmado digitalmente por el emisor del mismo.

¿Qué valor legal tiene la firma digital?

Para la legislación argentina los términos "Firma Digital" y "Firma Electrónica" no poseen el mismo significado. La diferencia radica en el valor probatorio atribuido a cada uno de ellos, dado que en el caso de la "Firma Digital" existe una presunción "iuris tantum" en su favor; esto significa que si un documento firmado digitalmente es verificado correctamente, se presume salvo prueba en contrario que proviene del suscriptor del certificado asociado y que no fue modificado. Por el

-39-

contrario, en el caso de la firma electrónica , de ser desconocida por su titular, corresponde a quien la invoca acreditar su valides.

Por otra parte, para reconocer que un documento ha sido firmado digitalmente se requiere que el certificado digital del firmante haya sido emitido por un certificador licenciado (o sea que cuente con la aprobación del Ente Licenciante ).

Es por esto que, si bien entendemos que en los ambientes técnicos se emplea habitualmente el término Firma Digital para hacer referencia al instrumento tecnológico, independientemente de su relevancia jurídica, solicitamos a todos los proveedores de servicios de certificación, divulgadores de tecnología, consultores, etc. que empleen la denominación correcta según sea el caso a fin de no generar confusión respecto a las características de la firma en cuestión.

La legislación argentina emplea el término "Firma Digital" en equivalencia al término "Firma Electrónica Avanzada" utilizado por la Comunidad Europea o "Firma Electrónica" utilizado en otros países como Brasil o Chile. 17

¿Qué es una Infraestructura de Firma Digital?

En nuestro país se denomina "Infraestructura de Firma Digital" al conjunto de leyes, normativa legal complementaria, obligaciones legales, hardware, software, bases de datos, redes, estándares tecnológicos y procedimientos de seguridad que permiten que distintas entidades (individuos u organizaciones) se identifiquen entre sí de manera segura al realizar transacciones en redes (por ej. Internet).

Código (informática):

Término genérico para nombrar las instrucciones del programa, utilizadas en dos sentidos generales. El primero se refiere al código fuente, legible a simple vista, que son las instrucciones escritas por el

17 Biblioteca Mundial. Digitalización de Imágenes. Recuperado el 20/09/2008. http://es.wikipedia.org/

-40-

programador en un lenguaje de programación. El segundo se refiere al código máquina ejecutable, que son las instrucciones convertidas de código fuente a instrucciones que el ordenador o computadora puede comprender.18

20.- IMPORTANCIA DE LA INFORMACIÓN

Cuando se habla de la función informática generalmente se tiende a hablar de tecnología nueva, de nuevas aplicaciones, nuevos dispositivos hardware, nuevas formas de elaborar información más consistente.

Sin embargo se suele pasar por alto o se tiene muy implícita la base que hace posible la existencia de los anteriores elementos. Esta base es la información.

Es muy importante conocer su significado dentro la función informática, de forma esencial cuando su manejo esta basado en tecnología moderna, para esto se debe conocer que la información:

esta almacenada y procesada en computadoras puede ser confidencial para algunas personas o a escala institucional puede ser mal utilizada o divulgada puede estar sujeta a robos, sabotaje o fraudes

Los primeros puntos nos muestran que la información esta centralizada y que puede tener un alto valor y los últimos puntos nos muestran que se puede provocar la destrucción total o parcial de la información, que incurre directamente en su disponibilidad que puede causar retrasos de alto costo.

18 Biblioteca Mundial. Digitalización de Imágenes. Recuperado el 20/09/2008. http://es.wikipedia.org/

-41-

Pensemos por un momento que hay se sufre un accidente en el centro de computo o el lugar donde se almacena la información. Ahora preguntémonos: ¿Cuánto tiempo pasaría para que la organización este nuevamente en operación?

Es necesario tener presente que el lugar donde se centraliza la información con frecuencia el centro de cómputo puede ser el activo más valioso y al mismo tiempo el más vulnerable.

Material experimental.El material experimental se tomara a las personas que puedan realizar su firma o rubricas, solo considerando las personas de la muestra, también, se utilizara un tratamiento estadístico para la validación de la Hipótesis.

Técnicas estadísticas de análisis de datos.Población: Esta conformada por las personas que realizan un tramite documentario en las distintas oficinas administrativas de la región de Puno 2008.

Muestra: la muestra que se tomara es no probabilístico y por conveniencia y se eligió las oficinas de:

1. Escuela Profesional de FINESI2. Segunda Especialidad de computación e Informática -

UANCV3. ISTP. Tecnotronic.

Prueba de Hipótesis sobre la diferencia entre medias

1.- Hipótesis

Ho: El Sistema Inteligente de reconocimiento de rubricas digitales NO reconoce mas de 70% de firmas de tramite que muestren rubricas de las personas, en nuestra REGION - PUNO 2008.

Ha: El Sistema Inteligente de reconocimiento de rubricas digitales reconoce mas de 70% de firmas de tramite que muestren rubricas de las personas, en nuestra REGION - PUNO 2008.

-42-

2.- Nivel de significación

Es el subconjunto del espacio muestral que nos conduce a rechazar la hipótesis nula cuando es verdadero; es decirNS=NC=95%

3- Estadístico de Prueba

Se utilizara, la prueba de proporciones para la proporción poblacional.

4.- Región CriticaPara el nivel de significación y , entonces una mitad

se ubica a la izquierda y la otra mitad se ubica a la derecha

5.- Cálculos

Distribución normal para el promedio antes de utilizar el software y para el promedio después de utilizar el software en el aprendizaje significativo

6.- DecisiónSi el estadístico de prueba cae en la región de rechazo, entonces rechazar la HoSi el estadístico de prueba cae en la región de aceptación, entonces aceptamos la Ho

-43-

III. CRONOGRAMA DEL PROYECTO.

-44-

IV. RECURSOS Y PRESUPUESTO.4.1. Recursos:

Dedicación Exclusiva del investigador autofinanciado.

4.2. Presupuesto. Bienes Laptop, escáner ,cámara Digital, Impresora, CD/DVD Internet

Servicios.Internet, Luz, Transporte.

4.3. Fuentes de financiamiento.El financiamiento del proyecto es totalmente autofinanciado.

V. BIBLIOGRAFIA CITADA. BRIAN Siler “Edicion Especial Visual Basic” 2003 LUIS Joyanes Aguilar “C++ a su Alcance” 1999 NILS J. NILSSON “Inteligência Artificial” Editoria Concepcion Fernadez -

Madrid 2001. ROGER Presman “Ingenieria del software” quinta edicion- 2002 SÁEZ VACAS, Fernando (1997). "Innovación tecnológica y reingeniería

en los procesos educativos". En ALONSO, C. (coord.). La Tecnología Educativa a finales del siglo .XX: concepciones, conexiones y límites con otras asignaturas. Barcelona: Eumo-Grafic.

Autor: Guido Humberto Cayo Cabrera, 2004TESIS: Prototipo neurogenetico aplicado en el reconocimiento bidimensional estáticas: rostros, código barras y firmas UNA-PUNO

Autor: Pedro Bejar Muños, 2004

-45-

TESIS: Diseño de un sistema de reconocimiento de voz mediante el usode redes neuronales UNA-PUNO

Autor: Castañón, C. A. B. (2003)TESIS: Recuperação de Imagens por Conteúdo através de Análise Multiresolução por Wavelets, Dissertação de Mestrado, Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo – São Carlos. Brasil.

Autor: K. Toscano, G. Sánchez, M. Nakano, H. Pérez (2007)Sección de Estudios de Posgrado e InvestigaciónTESIS: Reconocimiento de Firmas usando un arreglo de Perceptrones Multicapas

INTERNET Pagina web libre, 2000 (última revisión: 31/12/08 ) Diccionario mundial de términos

referencia citada en: http://es.wikipedia.org/wiki/rubrica

José Manuel Gimeno, 22 Ene 2004 (última revisión: 31/12/08 ) Teorías y conceptos de Redes Neuronales, referencia citada en: http://www.sappiens.com/pdf/comunidades/informatica/InformeRedesNeuronales.pdf

INDECOPI, 2000 (última revisión: 01/12/09 ) Firmas digitales en los sistemas, referencia citada en: http://html.rincondelvago.com/firma-digital.html

V. ANEXOS.

Guía digital. Microsoft ® Encarta ® 2007. © 1993-2006 Microsoft Corporation.

Reservados todos los derechos.

-46-