LA INTELIGENCIA
ARTIFICIAL
Conceptos, características, objetivos,
alcance y aplicaciones
Índice
1. INTRODUCCIÓN ......................................................................................................... 1
2. HISTORIA Y EVOLUCIÓN DE LA INTELIGENCIA ARTIFICIAL ........................................ 2
3. CONCEPTO ................................................................................................................. 4
4. CARACTERÍSTICAS DE LA INTELIGENCIA ARTIFICIAL ................................................. 6
5. OBJETIVOS DE LA INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL. ............................ 7
6. CLASIFICACIÓN DE LA INTELIGENCIA ARTIFICIAL ...................................................... 9
Inteligencia artificial convencional .................................................................... 9
Inteligencia artificial computacional.................................................................. 9
7. DIFERENTES METODOLOGÍAS ................................................................................. 11
La lógica difusa ................................................................................................. 11
Redes neuronales............................................................................................. 11
8. TÉCNICAS UTILIZADAS EN INTELIGENCIA ARTIFICIAL .............................................. 13
Técnicas Básicas ............................................................................................... 13
Tecnologías orientadas a resolver familias de problemas............................... 13
9. APLICACIONES Y CAMPOS DE APLICACIÓN DE LA IA .............................................. 14
Implicaciones de la IA en la agricultura ........................................................... 14
9.1.1. Generaciones de la I.A en la agricultura ................................................... 15
La IA y la educación .......................................................................................... 16
9.2.1. En la actualidad......................................................................................... 17
9.2.2. La clase virtual del futuro ......................................................................... 18
9.2.3. Libros inteligentes .................................................................................... 19
Inteligencia Artificial y la Industria .................................................................. 19
Inteligencia Artificial y la robótica ................................................................... 21
10. CONCLUSIONES.................................................................................................... 24
11. BIBLIOGRAFIA ...................................................................................................... 25
1. INTRODUCCIÓN
El tema de la inteligencia artificial es muy apasionante, más si se puede visualizar el
alcance que hoy en día ésta rama tiene en prácticamente la mayor parte de los campos:
industria, alimentación, medicina, química, ciencia, agricultura, historia, tecnología, etc.
Hoy en día y sin casi darnos cuenta, la inteligencia artificial se ha estado involucrando en
cada uno de los aspectos de nuestra vida, y cada vez más, ya sea directa o
indirectamente. Y como ejemplo mencionar las búsquedas que se hacen en la red de
internet. Los llamados motores de búsqueda usan la inteligencia artificial para poder
asociar lo que la persona solicita y hacia dónde será dirigida. En las industrias, y por
medio de máquinas que son ahora más inteligentes y que pueden tomar decisiones, se
pueden llevar a cabo procesos que antes llevaban más tiempo pero que ahora se ha
reducido. Además, la calidad del producto puede ser mayor si programamos a dichas
máquinas en ese sentido.
En este tema abarcaré algo de la historia, las características, el concepto, y las
metodologías. Haré una breve comparación de la red neuronal del ser humano y la
forma en que los sistemas inteligentes actúan.
1
2. HISTORIA Y EVOLUCIÓN DE LA INTELIGENCIA ARTIFICIAL
La Inteligencia Artificial "nació" en 1943 cuando Warren McCulloch y Walter Pitts
propusieron un modelo de neurona del cerebro humano y animal. Estas neuronas
nerviosas abstractas proporcionaron una representación simbólica de la actividad
cerebral.
Más adelante, Norbert Wiener elaboró estas ideas junto con otras, dentro del mismo
campo, que se llamó "cibernética"; de aquí nacería, en los años 50, la Inteligencia
Artificial. Los primeros investigadores de esta innovadora ciencia, tomaron como base
la neurona formalizada de McCulloch y postularon que: "El cerebro es un solucionador
inteligente de problemas, de modo que imitemos al cerebro".
Pero si consideramos la enorme complejidad del mismo esto es ya prácticamente
imposible, ni que mencionar que el hardware de la época ni el software estaban a la
altura para realizar semejantes proyectos.
Se comenzó a considerar el pensamiento humano como una coordinación de tareas
simples relacionadas entre sí mediante símbolos. Se llegaría a la realización de lo que
ellos consideraban como los fundamentos de la solución inteligente de problemas, pero
lo difícil estaba todavía por comenzar, unir entre sí estas actividades simples.
Es en los años 50 cuando se logra realizar un sistema que tuvo cierto éxito, se llamó el
Perceptrón de Rossenblatt. Éste era un sistema visual de reconocimiento de patrones
en el cual se asociaron esfuerzos para que se pudieran resolver una gama amplia de
problemas, pero estas energías se diluyeron enseguida.
Fue en los años 60 cuando Alan Newell y Herbert Simon, que trabajando la demostración
de teoremas y el ajedrez por ordenador logran crear un programa llamado GPS (General
Problem Solver: solucionador general de problemas). Éste era un sistema en el que el
usuario definía un entorno en función de una serie de objetos y los operadores que se
podían aplicar sobre ellos. Este programa era capaz de trabajar con las torres de Hanoi,
así como con criptoaritmética y otros problemas similares, operando, claro está, con
microcosmos formalizados que representaban los parámetros dentro de los cuales se
2
podían resolver problemas. Lo que no podía hacer el GPS era resolver problemas ni del
mundo real, ni médicos ni tomar decisiones importantes. El GPS manejaba reglas
heurísticas (aprender a partir de sus propios descubrimientos) que la conducían hasta el
destino deseado mediante el método del ensayo y el error.
En los años 70, un equipo de investigadores dirigido por Edward Feigenbaum comenzó
a elaborar un proyecto para resolver problemas de la vida cotidiana o que se centrara,
al menos, en problemas más concretos. Así es como nació el Sistema Experto. El primer
sistema experto fue el denominado Dendral, un intérprete de espectrograma de masa
construido en 1967, pero el más influyente resultaría ser el Mycin de 1974. El Mycin era
capaz de diagnosticar trastornos en la sangre y recetar la correspondiente medicación,
todo un logro en aquella época que incluso fueron utilizados en hospitales (como el Puff,
variante de Mycin de uso común en el Pacific Medical Center de San Francisco, EEUU).
Ya en los años 80, se desarrollaron lenguajes especiales para utilizar con la Inteligencia
Artificial, tales como el LISP o el PROLOG. Es en esta época cuando se
desarrollan sistemas expertos más refinados, como por el ejemplo el EURISKO. Este
programa perfecciona su propio cuerpo de reglas heurísticas automáticamente,
por inducción.
3
CONCEPTO
La Inteligencia Artificial es una combinación de la ciencia del computador, fisiología y
filosofía, tan general y amplio como eso, ya que reúne varios campos (robótica, sistemas
expertos…), todos los cuales tienen en común la creación de máquinas que pueden
pensar.
La idea de construir una máquina que pueda ejecutar tareas percibidas como
requerimientos de inteligencia humana es un atractivo. Las tareas que han sido
estudiadas desde este punto de vista incluyen juegos, traducción de idiomas,
comprensión de idiomas, diagnóstico de fallas, robótica, suministro de asesoría experta
en diversos temas.
Es así como los sistemas de administración de base de datos cada vez más sofisticados,
la estructura de datos y el desarrollo de algoritmos de inserción, borrado y localización
de datos, así como el intento de crear máquinas capaces de realizar tareas que son
pensadas como típicas del ámbito de la inteligencia humana, crearon el término
Inteligencia Artificial en 1956.
La Inteligencia Artificial trata de conseguir que los ordenadores simulen en cierta
manera la inteligencia humana. Se acude a sus técnicas cuando es necesario incorporar
en un sistema informático, conocimiento o características propias del ser humano.
Con respecto a las definiciones actuales de inteligencia artificial se encuentran autores
como Rich y Knight [1994] y Stuart [1996], quienes definen en forma general la
Inteligencia Artificial como la capacidad que tienen las máquinas para realizar tareas
que en el momento son realizadas por seres humanos; Nebendah [1988] y Delgado
[1998], la definen cómo el campo de estudio que se enfoca en la explicación y emulación
de la conducta inteligente en función de procesos computacionales basados en la
experiencia y el conocimiento continuo del ambiente.
Farid Fleifel Tapia describe a la Inteligencia Artificial como: “la rama de la ciencia de la
computación que estudia la resolución de problemas no algorítmicos mediante el uso de
cualquier técnica de computación disponible, sin tener en cuenta la forma de
razonamiento subyacente a los métodos que se apliquen para lograr esa resolución”.
Para completar esa definición, algunas definiciones no tan formales emitidas por
4
diferentes investigadores de la Inteligencia Artificial que consideran otros puntos de
vista son:
La IA es el arte de crear máquinas con capacidad de realizar funciones que
realizadas por personas requieren de inteligencia. ( Kurzweil, 1990)
La IA es el estudio de cómo lograr que las computadoras realicen tareas que, por
el momento, los humanos hacen mejor. (Rich, Knight, 1991).
La IA es la rama de la ciencia de la computación que se ocupa de la
automatización de la conducta inteligente. (Lugar y Stubblefied, 1993).
La IA es el campo de estudio que se enfoca a la explicación y emulación de la
conducta inteligente en función de procesos computacionales. (Schalkoff, 1990).
5
3. CARACTERÍSTICAS DE LA INTELIGENCIA ARTIFICIAL
Una característica fundamental que distingue a los métodos de Inteligencia Artificial
de los métodos numéricos es el uso de símbolos no matemáticos, aunque no es
suficiente para distinguirlo completamente.
El comportamiento de los programas no es descrito explícitamente por el algoritmo.
La secuencia de pasos seguidos por el programa es influenciada por el problema
particular presente. El programa especifica cómo encontrar la secuencia de pasos
necesarios para resolver un problema dado (programa declarativo).
Las conclusiones de un programa declarativo no son fijas y son determinadas
parcialmente por las conclusiones intermedias alcanzadas durante las
consideraciones al problema específico. Los lenguajes orientados al objeto
comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia
Artificial.
El razonamiento basado en el conocimiento, implica que estos programas incorporan
factores y relaciones del mundo real y del ámbito del conocimiento en que ellos
operan. Al contrario de los programas para propósito específico, como los de
contabilidad y cálculos científicos; los programas de Inteligencia Artificial pueden
distinguir entre el programa de razonamiento o motor de inferencia y base de
conocimientos dándole la capacidad de explicar discrepancias entre ellas.
Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia
Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo
es la resolución de conflictos en tareas orientadas a metas como en planificación, o
el diagnóstico de tareas en un sistema del mundo real: con poca información, con
una solución cercana y no necesariamente exacta.
6
4. OBJETIVOS DE LA INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL.
Los investigadores en inteligencia artificial se concentran principalmente en los sistemas
expertos, la resolución de problemas, el control automático, las bases de datos
inteligentes y la ingeniería del software (diseños de entornos de programación
inteligente).
Otros investigadores están trabajando en el reto del reconocimiento de patrones donde
se espera un rápido progreso en este campo que abarca la comprensión y la síntesis del
habla, el proceso de imágenes y la visión artificial.
Finalmente, la fundamental investigación sobre la representación del conocimiento, la
conceptualización cognoscitiva y la comprensión del lenguaje natural. Uno de los
principales objetivos de los investigadores en inteligencia artificial es la reproducción
automática del razonamiento humano.
El razonamiento de un jugador de ajedrez no siempre es el mismo que el de un directivo
que se pregunta la viabilidad de fabricar un nuevo producto. Un niño jugando con
bloques de madera en una mesa no tiene idea de la complejidad del razonamiento
necesario para llevar a cabo la construcción de una pirámide, e intentar que un robot
hiciera lo mismo que el niño requeriría un largo programa de computador.
Formas de considerar situaciones complejas son:
• Deducción, que permite obtener conclusiones de reglas cuyas premisas hemos
comprobado
• Inducción que produce reglas a partir de observaciones parciales.
Estos dos tipos principales pueden utilizarse de un modo analítico (el razonamiento se
divide en submódulos que son más difíciles de manejar, o de un modo sintético (inverso
del proceso anterior, juntando elementos que se separaron anteriormente).
7
La inducción puede tener lugar cuando se comparan situaciones que son casi similares,
con parámetros desconocidos en una situación dada asignándole los valores que tienen
ya en una situación de referencia; este es un razonamiento por analogía.
Los métodos para razonar son variados. La iteración significa repetir la misma secuencia
de razonamiento hasta que se alcance una condición de final; la recursión consiste en
una forma particular del razonamiento que se llama a sí misma, como aquellas muñecas
rusas que están unas dentro de otras, hasta llegar a un problema simple que es fácil de
resolver.
Las estrategias para el razonamiento pueden hacer uso de la especialización, la
reducción al absurdo, de la eliminación de caminos poco prometedores y de la reducción
de las diferencias.
En todos los casos, la organización jerárquica del conocimiento y la segmentación de los
problemas son métodos que se emplean siempre al intentar resolver un problema
complejo. La función asignada a los sistemas expertos es la de razonar.
8
5. CLASIFICACIÓN DE LA INTELIGENCIA ARTIFICIAL
Inteligencia artificial convencional
Basada en análisis formal y estadístico del comportamiento humano ante diferentes
problemas. Tienen las siguientes características:
• Razonamiento basado en casos: ayuda a tomar decisiones mientras se
resuelven ciertos problemas concretos.
• Sistemas expertos: infieren una solución a través del conocimiento previo
del contexto en que se aplica y de ciertas reglas o relaciones.
• Redes bayesianas: propone soluciones mediante inferencia estadística.
• Inteligencia artificial basada en comportamientos: sistemas complejos que
tienen autonomía y pueden auto-regularse y controlarse para mejorar.
Inteligencia artificial computacional
La inteligencia computacional (también conocida como inteligencia artificial sub
simbólica) implica desarrollo o aprendizaje iterativo ([Link]. modificaciones iterativas
de los parámetros en sistemas conexionistas). El aprendizaje se realiza basándose
en datos empíricos. Algunos métodos de esta rama incluyen:
• Máquina de vectores soporte: sistemas que permiten reconocimiento de
patrones genéricos de gran potencia.
• Redes neuronales: sistemas con grandes capacidades de reconocimiento de
patrones.
9
• Modelos ocultos de Markov: aprendizaje basado en dependencia temporal
de eventos probabilísticos.
• Sistemas difusos: técnicas para lograr el razonamiento bajo incertidumbre.
Ha sido ampliamente usada en la industria moderna y en productos de
consumo masivo, como las lavadoras
• Computación evolutiva: aplica conceptos inspirados en la biología, tales
como población, mutación y supervivencia del más apto para generar
soluciones sucesivamente mejores para un problema. Estos métodos a su
vez se dividen en algoritmos evolutivos (ej. algoritmos genéticos) e
inteligencia colectiva (ej. algoritmos hormiga)
10
6. DIFERENTES METODOLOGÍAS
La lógica difusa
Permite tomar decisiones bajo condiciones de incerteza. También llamada lógica
borrosa o lógica heurística, en inglés Fuzzi Logic se basa en lo relativo de lo
observado como posición diferencial. Este tipo de lógica toma dos valores
aleatorios, pero contextualizados y referidos entre sí.
Redes neuronales
Poderosa ante tareas como la clasificación y el reconocimiento de patrones. Es
basada en el concepto de "aprender" por agregación de un gran número de muy
simples elementos. Este modelo considera que una neurona puede ser
representada por una unidad binaria: a cada instante su estado puede ser activo o
inactivo. La interacción entre las neuronas se lleva a cabo a través de sinapsis. Según
el signo, la sinapsis es excitadora o inhibidora. Un Perceptrón es una Red Neuronal
lo más simple posible, es aquella donde no existen capas ocultas. Para cada
configuración de los estados de las neuronas de entrada (estímulo) la respuesta del
perceptrón obedece a la siguiente dinámica: se suman los potenciales sinápticos y
se comparan con un umbral de activación. Esta suma es también llamada campo. Si
el campo es mayor que un umbral, la respuesta de la neurona es activa, si no, es
inactiva. Si se quieren realizar funciones complejas con Redes Neuronales, es
necesario intercalar neuronas entre las capas de entradas y de salida, llamadas
neuronas ocultas. Una de las arquitecturas más usada es llamada feedforward: con
conexiones de la entrada a las capas ocultas y de éstas hacia la salida.
11
12
7. TÉCNICAS UTILIZADAS EN INTELIGENCIA ARTIFICIAL
La Inteligencia Artificial, clasifica las técnicas que pueden ser usadas como
herramientas para solucionar problemas en las siguientes categorías:
Técnicas Básicas
Así llamadas por encontrarse en la base de diversas aplicaciones de IA:
a. Búsqueda Heurística de Soluciones,
b. Representación del Conocimiento,
c. Deducción Automática,
d. Programación Simbólica (LISP) y
e. Redes Neuronales.
Estas técnicas son las bases de las aplicaciones. En su mayoría, no necesita
conocerla el usuario final, sino los profesionales que se dedican a su aplicación y la
generación de aplicaciones comerciales.
Tecnologías orientadas a resolver familias de problemas.
Las Tecnologías son más especializadas que las Técnicas Básicas y están más cerca
de las aplicaciones finales. Se pueden mencionar:
a. La Robótica,
b. La Visión,
c. El Lenguaje Natural y
d. Los Sistemas Expertos
13
8. APLICACIONES Y CAMPOS DE APLICACIÓN DE LA IA
a. La IA tiene las siguientes clases o tipos de aplicaciones:
b. Diagnóstico,
c. Predicción (sistemas de autocontrol de reactores atómicos),
d. Secuenciamiento de operaciones ("Scheduling"),
e. Diseño
f. Interpretación de Datos.
Todas ellas son familias de problemas tipo. Por ejemplo, el diagnóstico se refiere a
encontrar las causas de fallas, ya sea que se trate de fallas en una línea de producción o
de enfermedades en una persona.
Los Campos de Aplicación de la IA son: Ingeniería, Medicina, Sistemas de Manufactura,
Administración, Apoyo a la Toma de Decisiones Gerenciales, etc. Todos caen dentro de
las áreas de los Sistemas Computacionales, pero se consideran como clientes de la IA.
8.1 Implicaciones de la IA en la agricultura
El desarrollo de herramientas computacionales aplicadas a brindar soluciones
en materia de agricultura, es de vital importancia, ya que hay gran variedad de
cultivos, los cuales podrán obtener mayor valor económico y calidad si logramos
que dichas herramientas brinden el soporte necesario que estos necesitan.
La I.A a través de Sistemas Inteligentes permiten un mayor control de los procesos
involucrados en la agricultura que se hacen más necesarios de desarrollar, dada la
necesidad en el sector y por los buenos resultados que este tipo de aplicaciones han
mostrado hasta la actualidad.
Las principales áreas de la agricultura en las que se puede utilizar la I.A son:
1. Planificación agraria y de recursos naturales.
2. Gestión integral de cultivo.
3. Control de plagas y enfermedades.
4. Diagnóstico.
5. Análisis de inversiones.
14
6. Control de automatismos.
7. Selección de maquinaria.
8. Control de riego y otros
8.1.1 Generaciones de la I.A en la agricultura
[Link] Primera Generación:
Es en la que estamos viviendo y se caracteriza por que los robots agricultores
son pequeños y están dotados principalmente de un sistema de visión
artificial. Son capaces de realizar tareas de búsqueda y transmisión de
información sobre el terreno de una forma totalmente nueva en el sector
agrícola:
• Distribuidos por hectáreas de terreno.
• Son capaces de orientar sus búsquedas.
• Intercambiar información con otras unidades.
• Detectar epidemias e insectos peligrosos, advirtiendo de ello a los
demás robots desplegados sobre el terreno
[Link] Segunda Generación:
Pretende llegar más lejos y realizar tareas agrícolas más complejas, como
roturar mecánicamente un terreno y fumigarlo con la ayuda de GPS. Estos
robots también serán de pequeño tamaño, excepto los que se dediquen a
cosechar, los cuales deberán tener un tamaño equivalente al de las
maquinas actuales, conducidas directamente por el hombre.
[Link] Tercera Generación:
Formará parte de un sistema más amplio para gestionar en su conjunto la
granja del futuro, con actividades complementarias a las estrictamente
15
agrícolas, como la ganadera y la gestión comercial. En Japón ya existen unos
pequeños robots autónomos que plantan arroz en plantaciones reales.
Sistemas Inteligentes en Sistemas Expertos en la Robótica en la
la Agricultura: Agricultura: agricultura:
Son aplicaciones que Los Sistemas Expertos (SE) Recibe el nombre de
tienen tienen por objetivo emular Robótica Agrícola, es la
como objetivo resolver el conocimiento de un tecnología de la
tareas repetitivas, humano en un automatización aplicada
mecánicas o de manejo determinado dominio y su a vio sistemas tales como
de grandes volúmenes aplicación está orientada a la agricultura, la
de información. brindar asistencia con el silvicultura, las industrias
objetivo de obtener una pesqueras y otros fines.
mejor calidad y rapidez en
las respuestas
8.2 La IA y la educación
En los años 50 aparecieron los primeros sistemas de enseñanza llamados programas
lineales. Aquellos programas eran muy básicos y la mayor desventaja era que el
método de enseñanza no se podía cambiar ni el programador podía realizar
dicho cambio. A principio de los años 60, las computadoras, la compra y venta de
las mismas, comenzó a emerger gracias a que las universidades las requerían en
gran cantidad, sobre todo Estados Unidos. De allí que la computadora llego a
formar gran parte de la educación de los profesionales. Tan rápido como las
universidades adquirieron las computadoras comenzaron a cambiar su método de
enseñanza obteniendo magníficos resultados.
16
8.2.1 En la actualidad
La historia de los ordenadores en la enseñanza es una historia breve, de poco
más de cuarenta años, y está vinculada de forma muy estrecha a la propia
evolución y avance de la tecnología informática por una parte, y al desarrollo de
las teorías del aprendizaje y enseñanza por otra. Desde que a mediados del siglo
XX, Skinner propusiera el concepto de "máquinas de enseñar", el desarrollo y
preocupación de la utilización de los ordenadores en la enseñanza ha estado
dominado por esta idea: ¿es posible lograr que un sujeto humano aprenda a
través de la interacción, casi exclusiva, con una máquina? Los logros y avances a
lo largo de varias décadas de investigación fueron menos exitosos de lo
esperado. La adaptación de los sistemas escolares a un modelo de escolaridad
apoyado en las tecnologías digitales es y será un proceso parsimonioso [1] lento,
con altibajos, con avances y retrocesos. Este proceso de cambio exige, como
condición inicial, pero no única, la disponibilidad de recursos tecnológicos
abundantes en los centros educativos. Sin un número adecuado de ordenadores,
sin software apropiado, sin cableado ni infraestructuras no habrá,
evidentemente, prácticas educativas apoyadas en las tecnologías informáticas.
Pero esto es, a todas luces, insuficiente si lo que perseguimos es la innovación y
mejora educativa.
La incorporación de las nuevas tecnologías si no van acompañadas de
innovaciones pedagógicas en los proyectos educativos de los centros, en
las estructuras y modos de organización escolar, en los métodos de enseñanza,
en el tipo de actividades y demandas de aprendizaje requeridos al alumnado, en
los sistemas y exigencias evaluativos, en los modos de trabajo y relación del
profesorado, en la utilización compartida de los espacios y recursos como
pueden ser las salas de informática, en las formas de organización y
agrupamiento de la clase con relación al trabajo apoyado en el uso de
ordenadores, afectarán meramente a la epidermis de las prácticas educativas
pero no representarán mejoras sustantivas de las mismas.
17
8.2.2 La clase virtual del futuro
La educación y las nuevas tecnologías están condenadas a entenderse. Los
nuevos soportes ofrecen infinitas posibilidades para conseguir acercar los
contenidos de las materias a unos alumnos a los que el concepto de nativo digital
ya le suena a antiguo. La mayoría de países europeos ya han movido ficha y se
han invertido millones de euros en dotar de nuevas tecnologías los centros de
enseñanza. Aun así, muchos expertos tienen la sensación de que no se les saca
todo el rendimiento posible. La pizarra es una gran tableta digital, que navega
por internet y que permite, con un simple movimiento de las manos, ampliar
contenidos, fotografías, textos, simulaciones, etc. Cada pupitre tiene también su
propio monitor es otra tableta, pero más sencilla y está equipado con unos
auriculares, que estimulan el aprendizaje de idiomas y que los alumnos usan
puntualmente, solo cuando la actividad de la clase lo requiere. Hay taquillas
dotadas de cargadores eléctricos para baterías de teléfono móvil y ordenador
portátil y, a la entrada, un pequeño dispositivo toma la huella dactilar de cada
estudiante, de manera que no hay que pasar lista. Es el aula del futuro, un
espacio donde "la tecnología será en efecto un elemento omnipresente".
18
8.2.3 Libros inteligentes
De cómo serán los libros en el futuro no tengo ni idea, pero sí sé cómo es el
presente del libro con inteligencia artificial. Y en esta materia, los referentes son
los bidibooks de la empresa gallega Netbiblo. Los gallegos estaremos a la cola en
el ranking de lectura o de uso de Internet en España, pero a la hora de innovar
pocos nos ganan en esto de la sociedad de la información (permitidme, de
nuevo, hacer patria).Los bidibooks funcionan por un código QR (Quick Response
Codes) para teléfonos móviles. Para usarlos sólo hay que descargar al móvil un
programa lector de QR y hacer una foto con la cámara del teléfono al código.
Pero para que funcione este sistema es, además, necesario tener conexión a
Internet en el móvil o poder hacerlo vía Wi-Fi. Esos códigos QR (códigos de barras
en dos dimensiones impresos en el papel) la cámara los traduce al teléfono en
una URL que remite al lector a más información en la Red sobre esa obra que
tiene entre sus manos. Así, se tiene acceso a vídeos, fotografías y textos
vinculados al libro, desde fuentes como Wikipedia, Flickr o YouTube
8.3 Inteligencia Artificial y la Industria
La Inteligencia Artificial es una rama de la ciencia de computación que comprende
el estudio y creación de sistemas computarizados que manifiestan cierta forma de
inteligencia: sistemas que aprenden nuevos conceptos y tareas, sistemas que
pueden razonar y derivar conclusiones útiles acerca del mundo que nos rodea,
19
sistemas que pueden comprender un lenguaje natural o percibir y comprender una
escena visual, y sistemas que realizan otro tipo de actividades que requieren de
inteligencia humana.
Al diseñar un sistema de producción integrado por computadora se debe dar
importancia a la supervisión, planificación, secuenciación cooperación y ejecución
de las tareas de operación en centros de trabajo, agregado al control de los niveles
de inventario y características de calidad y confiabilidad del sistema.
Una de las áreas que puede tener mayor incidencia directa en los procesos
productivos de la industria nivel mundial, es el diseño de sistemas de soporte para
la toma de decisiones basados en la optimización de los parámetros de operación
del sistema.
Ejemplo: El sistema de visión artificial Robot Visión PRO, es capaz de ejecutar de
manera totalmente automática las labores de identificación de objetos y de control
de calidad de los mismos.
El sistema Robot Visión PRO es un paquete de software de visión que permite la
adquisición de imágenes, pre procesamiento y segmentación. Además
realiza procesamiento de datos de alto nivel que brinda filtrado de imágenes,
elaboración de clúster y patrones, e identificación de objetos
Análisis de las Necesidades de un Robot:
• Producción Anual
• Almacenamiento
• Tiempo de Manipuleo
• Layout(plan) de Máquinas
• Accesibilidad
• Dotación de Operación y Supervisión
20
• Procesos válidos para obtener resultados racionales:
• Agente inteligente
• Redes neuronales
• Sistemas de lógica difusa
• Sistemas Expertos
• Algoritmos genéticos
8.4 Inteligencia Artificial y la robótica
Uno de los aliados número uno en las exploraciones espaciales (especialmente las
más arriesgadas) son, sin dudas, los robots. Es por ello que los esfuerzos puestos en
su desarrollo aumentan día a día, dando como resultado increíbles máquinas que
casi todo lo pueden.
Conquista espacial: Lanzan innovadores robots espaciales
El sofisticado MarsCuriosity de la NASA, expedicionario tecnológico que aterrizó en
Marte el seis de agosto de 2012, con el objetivo de ayudar a los científicos a
averiguar si hay o hubo vida en el planeta rojo. La búsqueda del Rover se centró en
el Cráter Gale, del cual pudo, por primera vez en la historia, perforar una de
sus rocas y recoger varias muestras.
Reconfigurable Integrated Multi Robot Exploration System
Tal vez inspirados en la hazaña del Curiosity, en Alemania se han ideado robots
similares pero capaces de explorar los cráteres de la Luna.
21
El proyecto Reconfigurable IntegratedMulti Robot ExplorationSystem (RIMRES) es
impulsado por el Centro de Innovación de Robótica (DFKI) y el Centro de Tecnología
Espacial Aplicada y Micro gravedad (ZARM), los cuales esperan poder
encontrar agua congelada en el satélite de la Tierra.
El primer robot diseñado dentro de RIMRES se llama SHERPA, un transportador que
mide 2,4 metros de largo y pesa 200 kilos. Su desplazamiento se realiza mediante
un tren híbrido de ruedas y piernas con suspensión adaptable, que le permite
moverse con rapidez en terrenos accidentados, escalar rocas o liberarse en caso de
quedar atrapado. Su función principal es llevar sobre sí hasta áreas de interés a un
segundo robot, CREX.
CREX es un mini robot de un metro de longitud que pesa solo 27 kilos, cuenta con
patas articuladas y equipadas con sensores, gracias a las cuales es capaz de analizar
las superficies por las que se mueve Kirobo.
Claro que para ver despegar a estos increíbles robots rumbo a la Luna pasarán
muchos años. Pero la presencia de estos aparatos en el espacio no siempre se
relaciona con la exploración: también pueden ser útiles herramientas
de comunicación. Precisamente, en este tiempo, un robot humanoide en miniatura
de origen japonés está por ser enviado a la Estación Espacial Internacional para
tender un puente con la Tierra.
Kirobo
22
Kirobo, diseñado por TomotakaTakahashi y desarrollado por Dentsu Inc., mide 34
centímetros, pesa un kilo y ya fue sometido exitosamente a algunas pruebas de
gravedad cero. Por medio de tecnologías de procesamiento de lenguaje aportadas
por Toyota, el simpático humanoide puede entender y hablar en japonés. De esta
manera, podrá entretener al astronauta Koichi Wakata, que recibirá y responderá
mensajes de Twitter desde y hacia nuestro planeta a través del robot.
23
9. CONCLUSIONES
• se podría resaltar que se ha logrado abarcar diferentes temas, desde varios
puntos de vista, todos tratando acerca de la inteligencia artificial, tales temas
como, su historia, sus implicaciones en diferentes áreas, así como en nuestra vida
diaria, es posible decir que con este trabajo no logramos atender completamente
a fondo, toda la información que la inteligencia artificial nos brinda, pero si
logramos aprender una gran parte de ella. Ahora es posible abstraer el cómo ha
afectado el cambio tecnológico con el diario vivir de las personas de una manera
tanto para bien como para mal.
• Dentro del ámbito de las Ciencias de la Computación la Inteligencia Artificial es
una de las áreas que causa mayor expectación, incluso dentro de la sociedad en
general, debido a que la búsqueda para comprender los mecanismos de la
inteligencia, ha sido la piedra filosofal del trabajo de muchos científicos por
muchos años y lo sigue siendo.
• Dentro de las áreas de la Inteligencia Artificial lo que más ha atraído, es el
aprendizaje de máquinas, resultando vital el proceso de emular
comportamientos inteligentes.
• Que un sistema pueda mejorar su comportamiento sobre la base de la
experiencia que recoge al efectuar una tarea repetitiva y que además, tenga una
noción de lo que es un error y que pueda evitarlo, resulta apasionante.
24
10. BIBLIOGRAFIA
• [Link] (Tomado el
27/03/2013)
• [Link] (Definición Lógica Difusa tomada
el 28/03/2031)
• [Link] (Tomado el
27/03/2013)
• [Link] (Tomado el
27/03/2013)
• [Link]
industrias (Autor: Chavez, Ariel. Tomado el 10/04/2013)
• [Link] (Autores:
Ayestas, Carlos. Sarantez, Eddy. Tomado el 10/04/2013)
• [Link] (Autor:
Arias, Jonnathan. Tomado el 10/04/2013)
• [Link]
25
