Aplicaciones con teoras de IA

INSTITUTO TECNOLOGICO
DE MINATITLAN

INTELIGENCIA
ARTIFICIAL
DOCENTE:
VIVAS TORRES PABLO
FRANCISCO
CARRERA:
I.S.C

8 SEMESTRE
TRABAJO:
APLICACIONES CON TECNICAS DE IA

PRESENTA:
ISIDORO QUINO FABIAN

MINATITLAN VER
1

Aplicaciones con teoras de IA

INDICE
ndice General.. 2
Abstract.

Introduccin..

1. Robtica
1.1 Conceptos bsicos..
1.2 Clasificacin.
1.3 Desarrollo actuales y aplicaciones

5
6
6
9

2. Redes neuronales
2.1 Conceptos bsicos
2.2 Clasificacin..
2.3 Desarrollo actuales y aplicaciones ..

15
17
17
19

3. Visin artificial..
3.1 Conceptos bsicos...
3.2 Desarrollo actuales y aplicaciones.

21
21
22

4. Lgica difusa
4.1 Conceptos bsicos..
4.2 Desarrollo actuales y aplicaciones

22
24
24

5. Procesamiento de lenguaje natural..

5.1 Conceptos bsicos
5.2 Desarrollos actuales y aplicaciones..

25
26
27

6. Sistemas expertos...
6.1 Conceptos bsicos...
6.2 Clasificacin..
6.3 Desarrollos actuales y aplicaciones...

27
28
29
29

Bibliografas

30

Aplicaciones con teoras de IA

Abstract: Este documento est centrado en analizar ms a fondo

la inteligencia artificial con sus diferentes paradigmas, siendo los ms
relevantes
las redes neuronales, algoritmos genticos, sistemas de lgica difusa y
autmatas programables, con sus diferentes aplicaciones en la vida cotidiana y
ms especficamente aplicados a las soluciones de problemas relacionados
con la ingeniera industrial.
Se considera que la produccin en nuestros das puede estar muy apoyada en
las nuevas tecnologas, como es la inteligencia artificial ya sea como soporte
para una toma de decisiones ms eficaz o en la ayuda de labores, tareas, que
exijan gran demanda de tiempo o representen un alto grado de peligrosidad al
ser humano.
Palabras claves: Inteligencia artificial, redes neuronales, algoritmos genticos,
sistemas de lgica difusa, produccin.

Introduccin

La Inteligencia Artificial es una de las disciplinas computacionales cuyas

tcnicas son ms demandadas actualmente en diversos entornos, debido a su
capacidad para dotar de un comportamiento inteligente a muchas aplicaciones.
As, por ejemplo, la incorporacin de agentes de decisin inteligente, redes
neuronales, sistemas expertos, algoritmos genticos, etc. para la optimizacin
de sistemas de produccin es una tendencia activa en el ambiente industrial de
pases con alto desarrollo tecnolgico y con una gran inversin en investigacin
y desarrollo. Dichos componentes de la Inteligencia Artificial tienen como
funcin principal controlar de manera independiente, y en coordinacin con
otros agentes, componentes industriales tales como celdas de manufactura o
ensamblaje, operaciones de mantenimiento, diagnsticos de sistemas, etc.,
entre otras.
Las aplicaciones en los sectores de Ingeniera Industrial, Civil y Naval de estas
tcnicas son pues muy amplias, y algunas aplicaciones destacables son:

Aplicaciones con teoras de IA

Mtodos para la prediccin de fallos y anomalas en sistemas mecnicos

como motores o engranajes.
Mantenimiento predictivo de componentes mecnicos.
Estimacin del consumo elctrico.
Distribucin de recursos hidrulicos para la produccin elctrica.
Sistemas para el control de procesos y de la calidad.
Modelos para la prediccin de roturas en vigas de hormign.
Diseo de diques verticales.

Una incidencia importante de este tipo de tcnicas en los procesos productivos

de la industria a nivel mundial es el diseo de sistemas de soporte para la toma
de decisiones. Adems, la mayora de los sistemas de inteligencia artificial,
tienen la peculiaridad de aprender, lo que les permite ir perfeccionando su
tarea conforme pasa el tiempo, usando para ello los ejemplos o casos con los
que tratan.
Otra de las reas en las que las tcnicas de Inteligencia Artificial tienen una
repercusin importante son las relacionadas con la Medicina y la Salud, y as
encontramos aplicaciones que permiten:

Monitorizacin inteligente de pacientes

Sistemas de anlisis y procesado de imgenes
Deteccin de patrones clnicos en seales biomdicas
Sistemas de ayuda al diagnstico y pronstico de estados de salud
Asesoramiento de actividad deportiva
Clasificacin en bases de datos de expresiones genticas

En el campo de la Economa encontramos diversas aplicaciones como:

Tratamiento de la informacin financiera

Anlisis del fracaso empresarial
La estimacin de riesgos y rentabilidad de productos financieros
Previsin de la evolucin de los precios
Prediccin de los mercados financieros.

En campos como la Climatologa estos sistemas se pueden aplicar para la

prediccin de fenmenos naturales y estimacin del tiempo.
Finalmente, otro campo importante de aplicacin es la propia Informtica, en
donde se puede realizar el diagnstico de fallos, la deteccin de intrusiones
en redes de ordenadores, etc.

Aplicaciones con teoras de IA

1. ROBOTICA

La tecnologa estn antigua como el hombre mismo segn McCloy (1992).

Los hombres se convirtieron en tecnlogos cuando aprendieron a aprovechar
los materiales y fenmenos naturales del mundo fsico que lo rodeaba. Cuando
descubrieron que un hueso poda usarse para matar animales y mover rocas,
se convirtieron en fabricantes de herramientas y el uso de herramientas es la
marca distintiva del tecnlogo. Las herramientas han aumentado la capacidad
humana. Cuando un hombre fabrica una herramienta es porque tiene en mente
un uso para ella.
Las mquinas y la mecanizacin, han incrementado la fuerza muscular; la
computadora ha incrementado el poder mental; los sentidos del hombre se han
ampliado por medio de instrumentos y dispositivos de medicin, hemos llegado
a una era en la cual la tecnologa, especialmente la de los robots dice McCloy
(1992), no slo incrementar nuestras capacidades humanas sino que tambin
podr reemplazarlas por completo.
Con una necesidad impresionante para superar la productividad dice Chang
(1991) las industrias manufactureras estn optando ms y ms hacia la
manufactura flexible auxiliada por computadora. La inflexibilidad de muchas
maquinas nos ha llevado al inters del uso de robots industriales.
La aplicacin delos robots para manejo de materiales ofrece gran potencial
para librar a la mano de obra humana de trabajos montonos, cansados o
peligrosos. Incluye la transferencia de partes entre sistemas de bandas
transportadoras o lneas de procesos en los que las partes pueden ser
pesadas, estar calientes, tener propiedades incluso ser radiactivas.

Aplicaciones con teoras de IA

1.2 Conceptos bsicos

Mecanizacin
Dado que las fuerzas generadas por los seres humanos son reducidas, fue
necesario inventar dispositivos que amplificaran estas fuerzas, las cuales
adquirieron forma de mquinas. Las cinco mquinas ms elementales segn
Hero de Alejandra son la palanca, la rueda y el eje, la polea, la cua y el
tornillo. Una mquina es el intermediario entre la potencia motriz y aquellas
partes que realmente llevan a cabo los movimientos necesarios para realizar el
trabajo requerido dice McCloy (1992). La capacidad de transformacin de las
mquinas no es infinita y son muchas las ocasiones en que las limitaciones de
las capacidades humanas imponen un problema demasiado grande para que lo
pueda resolver la mquina. La mecanizacin para llevar acabo el trabajo de
personas o animales ha estado presente desde hace siglos, pero a pesar de
reducir en gran medida el esfuerzo fsico, la mecanizacin no logr quitar la
carga de tener que controlarlo.
Robtica: es una ciencia o rama de la tecnologa, que estudia el diseo y la
construccin de mquinas capaces de desempear tareas realizadas por el ser
humano o que requieren del uso de inteligencia. Las ciencias y tecnologas de
las que deriva podran ser: el lgebra, los autmatas programables, las
mquinas de estados, la mecnica o la informtica.
Robot: es una mquina programable que puede manipular objetos y realizar
operaciones que antes slo podan realizar los seres humanos.
Automatizaci:
Es el desempeo de operaciones automticas dirigidas por medio de
comandos programados con una medicin automtica de la accin,
retroalimentacin y toma de decisiones. Esta definicin indica que parte de la
automatizacin consiste en un programa para determinar el orden de los
eventos as como para instruir al sistema sobre cmo debe llevarse a cabo uno
de los pasos de la operacin. La computadora ofrece la forma ms flexible de
programacin, por lo que no resulta sorprendente que en la actualidad la
automatizacin tienda a asociarse con el control por computadora.

1.2 Clasificacin
* Segn su Tipo
* Robots Fsicos
Robtica Industrial: Es la parte de la Ingeniera que se dedica a la construccin
de mquinas capaces de realizar tareas mecnicas y repetitivas de una manera
muy eficiente y con costes reducidos.

Aplicaciones con teoras de IA

Robtica de Servicio: Es la parte de la Ingeniera que se centra en el diseo y

construccin de mquinas capaces de proporcionar servicios directamente a
los miembros que forman sociedad.
Robtica Inteligente: Son robots capaces de desarrollar tareas que,
desarrolladas en un ser humano, requieren el uso de su capacidad de
razonamiento.
Robtica Humanoide: Es la parte de la ingeniera que se dedica al desarrollo de
sistemas robotizados para imitar determinadas peculiaridades del ser humano.
Robots Software
Robtica de Exploracin: Es la parte de la Ingeniera del Software que se
encarga de desarrollar programas capaces de explorar documentos en busca
de determinados contenidos. Existen diversos servicios en Internet dedicados a
esta parcela de la robtica.
Segn su Generacin
1 Generacin.
Manipuladores. Son sistemas mecnicos multifuncionales con un sencillo
sistema de control, bien manual, de secuencia fija o de secuencia variable.
2 Generacin.
Robots de aprendizaje. Repiten una secuencia de movimientos que ha sido
ejecutada previamente por un operador humano. El modo de hacerlo es a
travs de un dispositivo mecnico. El operador realiza los movimientos
requeridos mientras el robot le sigue y los memoriza.
3 Generacin.
Robots con control sensorizado. El controlador es una computadora que
ejecuta las rdenes de un programa y las enva al manipulador para que realice
los movimientos necesarios.
4 Generacin.
Robots inteligentes. Son similares a los anteriores, pero adems poseen
sensores que envan informacin a la computadora de control sobre el estado
del proceso. Esto permite una toma inteligente de decisiones y el control del
proceso en tiempo real.
Segn su Arquitectura
La arquitectura, es definida por el tipo de configuracin general del Robot,
puede ser metamrfica. El concepto de metamorfismo, de reciente aparicin,
se ha introducido para incrementar la flexibilidad funcional de un Robot a travs
del cambio de su configuracin por el propio Robot. El metamorfismo admite
diversos niveles, desde los ms elementales (cambio de herramienta o de
efecto terminal), hasta los ms complejos como el cambio o alteracin de
7

Aplicaciones con teoras de IA

algunos de sus elementos o subsistemas estructurales. Los dispositivos y

mecanismos que pueden agruparse bajo la denominacin genrica del Robot,
tal como se ha indicado, son muy diversos y es por tanto difcil establecer una
clasificacin coherente de los mismos que resista un anlisis crtico y riguroso.
La subdivisin de los Robots, con base en su arquitectura, se hace en los
siguientes grupos: Poli articulados, Mviles, Androides, Zoomrficos e Hbridos.

Poli articulados
En este grupo estn los Robots de muy diversa forma y configuracin cuya
caracterstica comn es la de ser bsicamente sedentarios (aunque
excepcionalmente pueden ser guiados para efectuar desplazamientos
limitados) y estar estructurados para mover sus elementos terminales en un
determinado espacio de trabajo segn uno o ms sistemas de coordenadas y
con un nmero limitado de grados de libertad. En este grupo se encuentran los
manipuladores, los Robots industriales, los Robots cartesianos y se emplean
cuando es preciso abarcar una zona de trabajo relativamente amplia o
alargada, actuar sobre objetos con un plano de simetra vertical o reducir el
espacio ocupado en el suelo.
Mviles
Son Robots con gran capacidad de desplazamiento, basadas en carros o
plataformas y dotados de un sistema locomotor de tipo rodante. Siguen su
camino por telemando o guindose por la informacin recibida de su entorno a
travs de sus sensores. Estos Robots aseguran el transporte de piezas de un
punto a otro de una cadena de fabricacin. Guiados mediante pistas
materializadas a travs de la radiacin electromagntica de circuitos
empotrados en el suelo, o a travs de bandas detectadas fotoelctricamente,
pueden incluso llegar a sortear obstculos y estn dotados de un nivel
relativamente elevado de inteligencia.
Androides
Son Robots que intentan reproducir total o parcialmente la forma y el
comportamiento cinemtica del ser humano. Actualmente los androides son
todava dispositivos muy poco evolucionados y sin utilidad prctica, y
destinados, fundamentalmente, al estudio y experimentacin. Uno de los
aspectos ms complejos de estos Robots, y sobre el que se centra la mayora
de los trabajos, es el de la locomocin bpeda. En este caso, el principal
problema es controlar dinmica y coordinadamente en el tiempo real el proceso
y mantener simultneamente el equilibrio del Robot.

Zoomrficos
Los Robots zoomrficos, que considerados en sentido no restrictivo podran
incluir tambin a los androides, constituyen una clase caracterizada
8

Aplicaciones con teoras de IA

principalmente por sus sistemas de locomocin que imitan a los diversos seres
vivos. A pesar de la disparidad morfolgica de sus posibles sistemas de
locomocin es conveniente agrupar a los Robots zoomrficos en dos
categoras principales: caminadores y no caminadores. El grupo de los Robots
zoomrficos no caminadores est muy poco evolucionado. Los experimentados
efectuados en Japn basados en segmentos cilndricos biselados acoplados
axialmente entre s y dotados de un movimiento relativo de rotacin. Los
Robots zoomrficos caminadores multimedios son muy numeroso y estn
siendo experimentados en diversos laboratorios con vistas al desarrollo
posterior de verdaderos vehculos terrenos, piloteando o autnomos, capaces
de evolucionar en superficies muy accidentadas. Las aplicaciones de estos
Robots sern interesantes en el campo de la exploracin espacial y en el
estudio de los volcanes.

Hbridos
Estos Robots corresponden a aquellos de difcil clasificacin cuya estructura se
sita en combinacin con alguna de las anteriores ya expuestas, bien sea por
conjuncin o por yuxtaposicin. Por ejemplo, un dispositivo segmentado
articulado y con ruedas, es al mismo tiempo uno de los atributos de los Robots
mviles y de los Robots zoomrficos. De igual forma pueden considerarse
hbridos algunos Robots formados por la yuxtaposicin de un cuerpo formado
por un carro mvil y de un brazo semejante al de los Robots industriales. En
parecida situacin se encuentran algunos Robots antropomorfos y que no
pueden clasificarse ni como mviles ni como androides, tal es el caso de los
Robots personales.

1.3 Desarrollos actuales y aplicaciones

Los robots son utilizados en una diversidad de aplicaciones, desde robots
tortugas en los salones de clases, robots soldadores en la industria automotriz,
hasta brazos tele operados en el transbordador espacial.
Cada robot lleva consigo su problemtica propia y sus soluciones afines; no
obstante que mucha gente considera que la automatizacin de procesos a
travs de robots est en sus inicios, es un hecho innegable que la introduccin
de la tecnologa robtica en la industria, ya ha causado un gran impacto. En
este sentido la industria Automotriz desempea un papel preponderante.
Aplicaciones en diversos sectores:
Industria
Los robots son utilizados por una diversidad de procesos industriales como lo
son: la soldadura de punto y soldadura de arco, pinturas de spray,

Aplicaciones con teoras de IA

transportacin de materiales, molienda de materiales, moldeado en la industria

plstica, mquinas-herramientas, y otras ms.
A continuacin se har una breve explicacin de algunas de ellas.
Aplicacin de transferencia de material
Las aplicaciones de transferencia de material se definen como operaciones en
las cuales el objetivo primario es mover una pieza de una posicin a otra. Se
suelen considerar entre las operaciones ms sencillas o directas de realizar por
los robots. Las aplicaciones normalmente necesitan un robot poco sofisticado, y
los requisitos de enclavamiento con otros equipos son tpicamente simples.
Carga y descarga de mquinas.
Estas aplicaciones son de manejos de material en las que el robot se utiliza
para servir a una mquina de produccin transfiriendo piezas a/o desde las
mquinas. Existen tres casos que caen dentro de sta categora de aplicacin:
1. Carga/Descarga de Mquinas. El robot carga una pieza de trabajo en bruto
en el proceso y descarga una pieza acabada. Una operacin de mecanizado es
un ejemplo de este caso.
Carga de mquinas. El robot debe de cargar la pieza de trabajo en bruto a los
materiales en las mquinas, pero la pieza se extrae mediante algn otro medio.
En una operacin de prensado, el robot se puede programar para cargar
lminas de metal en la prensa, pero las piezas acabadas se permite que caigan
fuera de la prensa por gravedad.
Descarga de mquinas. La mquina produce piezas acabadas a partir de
materiales en bruto que se cargan directamente en la mquina sin la ayuda de
robots. El robot descarga la pieza de la mquina. Ejemplos de sta categora
incluyen aplicaciones de fundicin de troquel y moldeado plstico.
La aplicacin se tipifica mejor mediante una clula de trabajo con el robot en el
centro que consta de la mquina de produccin, el robot y alguna forma de
entrega de piezas.
Operaciones de procesamiento.
Adems de las aplicaciones de manejo de piezas, existe una gran clase de
aplicaciones en las cuales el robot realmente efecta trabajos sobre piezas.
Este trabajo casi siempre necesita que el efector final del robot sea una
herramienta en lugar de una pinza.
Por tanto la utilizacin de una herramienta para efectuar el trabajo es una
caracterstica distinta de este grupo de aplicaciones. El tipo de herramienta
depende de la operacin de procesamiento que se realiza.
Soldadura por puntos.
Como el trmino lo sugiere, la soldadura por puntos es un proceso en el que
10

Aplicaciones con teoras de IA

dos piezas de metal se soldn en puntos localizados al hacer pasar una gran
corriente elctrica a travs de las piezas donde se efecta la soldadura.
Soldadura por arco contina.
La soldadura por arco es un proceso de soldadura continua en oposicin a la
soldadura por punto que podra llamarse un proceso discontinuo. La soldadura
de arco continua se utiliza para obtener uniones largas o grandes uniones
soldadas en las cuales, a menudo, se necesita una cierre hermtico entre las
dos piezas de metal que se van a unir. El proceso utiliza un electrodo en forma
de barra o alambre de metal para suministrar la alta corriente elctrica de 100 a
300 amperes.
Recubrimiento con spray
La mayora de los productos fabricados de materiales metlicos requieren de
alguna forma de acabado de pintura antes de la entrega al cliente. La
tecnologa para aplicar estos acabados varia en la complejidad desde mtodos
manuales simples a tcnicas automticas altamente sofisticadas. Se dividen los
mtodos de recubrimiento industrial en dos categoras:
1.- Mtodos de recubrimiento de flujo e inmersin.
2.- Mtodos de recubrimiento al spray.
Los mtodos de recubrimiento mediante flujo de inmersin se suelen
considerar que son mtodos de aplicar pintura al producto de baja tecnologa.
La inmersin simplemente requiere sumergir la pieza o producto en un tanque
de pintura liquida.
Adems de la soldadura por punto, la soldadura por arco, y el recubrimiento al
spray existe una serie de otras aplicaciones de robots que utilizan alguna forma
de herramienta especializada como efector final. Operaciones que estn en
sta categora incluyen:
Taladro, acanalado, y otras aplicaciones de mecanizado.
Rectificado, pulido, desbarbado, cepillado y operaciones similares.
Remachado, Corte por chorro de agua.
Taladro y corte por lser.
Laboratorios
Los robots estn encontrando un gran nmero de aplicaciones en los
laboratorios. Llevan a cabo con efectividad tareas repetitivas como la
colocacin de tubos de pruebas dentro de los instrumentos de medicin. En
sta etapa de su desarrollo los robots son utilizados para realizar
procedimientos manuales automatizados. Un tpico sistema de preparacin de
muestras consiste de un robot y una estacin de laboratorio, la cual contiene
balanzas, dispensarios, centrifugados, racks de tubos de pruebas, etc.
Las muestras son movidas desde la estacin de laboratorios por el robot bajo el
control de procedimientos de un programa.
11

Aplicaciones con teoras de IA

Los fabricantes de estos sistemas mencionan tener tres ventajas sobre la

operacin manual: incrementan la productividad, mejoran el control de calidad y
reducen la exposicin del ser humano a sustancias qumicas nocivas.
Las aplicaciones subsecuentes incluyen la medicin del pH, viscosidad, y el
porcentaje de slidos en polmeros, preparacin de plasma humano para
muestras para ser examinadas, calor, flujo, peso y disolucin de muestras para
presentaciones espectro maticas.
Manipuladores cinemticos.
La tecnologa robtica encontr su primer aplicacin en la industria nuclear con
el desarrollo de tele operadores para manejar material radiactivo. Los robots
ms recientes han sido utilizados para soldar a control remoto y la inspeccin
de tuberas en reas de alta radiacin. El accidente en la planta nuclear de
Three Mile Island en Pennsylvania en 1979 estimul el desarrollo y aplicacin
de los robots en la industria nuclear. El reactor nmero 2 (TMI-2) predio su
enfriamiento, y provoc la destruccin de la mayora del reactor, y dejo grandes
reas del reactor contaminadas, inaccesible para el ser humano. Debido a los
altos niveles de radiacin las tareas de limpieza solo eran posibles por medios
remotos. Varios robots y vehculos controlados remotamente han sido utilizados
para tal fin en los lugares donde ha ocurrido una catstrofe de este tipo. sta
clase de robots son equipados en su mayora con sofisticados equipos para
detectar niveles de radiacin, cmaras, e incluso llegan a traer a bordo un mini
laboratorio para hacer pruebas.
Agricultura
Para muchos la idea de tener un robot agricultor es ciencia ficcin, pero la
realidad es muy diferente; o al menos as parece ser para el Instituto de
Investigacin Australiano, el cual ha invertido una gran cantidad de dinero y
tiempo en el desarrollo de este tipo de robots. Entre sus proyectos se
encuentra una mquina que esquila a la ovejas. La trayectoria del cortador
sobre el cuerpo de las ovejas se planea con un modelo geomtrico de la oveja.
Para compensar el tamao entre la oveja real y el modelo, se tiene un conjunto
de sensores que registran la informacin de la respiracin del animal como de
su mismo tamao, sta es mandada a una computadora que realiza las
compensaciones necesarias y modifica la trayectoria del cortador en tiempo
real.
Debido a la escasez de trabajadores en los obradores, se desarrolla otro
proyecto, que consiste en hacer un sistema automatizado de un obrador, el
prototipo requiere un alto nivel de coordinacin entre una cmara de vdeo y el
efector final que realiza en menos de 30 segundos ocho cortes al cuerpo del
cerdo.
Por su parte en Francia se hacen aplicaciones de tipo experimental para incluir
12

Aplicaciones con teoras de IA

a los robots en la siembra, y poda de los viedos, como en la pizca de la

manzana.
Espacio
La exploracin espacial posee problemas especiales para el uso de robots. El
medio ambiente es hostil para el ser humano, quien requiere un equipo de
proteccin muy costoso tanto en la Tierra como en el Espacio. Muchos
cientficos han hecho la sugerencia de que es necesario el uso de Robots para
continuar con los avances en la exploracin espacial; pero como todava no se
llega a un grado de automatizacin tan precisa para sta aplicacin, el ser
humano an no ha podido ser reemplazado por estos. Por su parte, son las
teles operadores los que han encontrado aplicacin en los transbordadores
espaciales.
En Marzo de 1982 el transbordador Columbia fue el primero en utilizar este tipo
de robots, aunque el ser humano participa en la realizacin del control de lazo
cerrado.
Algunas investigaciones estn encaminadas al diseo, construccin y control
de vehculos autnomos, los cuales llevarn a bordo complejos laboratorios y
cmaras muy sofisticadas para la exploracin de otros planetas.
En Noviembre de 1970 los Rusos consiguieron el alunizaje del Lunokhod 1, el
cual posea cmaras de televisin, sensores y un pequeo laboratorio, era
controlado remotamente desde la tierra. En Julio de 1976, los Norteamericanos
aterrizaron en Marte el Viking 1, llevaba a bordo un brazo robotizado, el cual
recoga muestras de piedra, tierra y otros elementos las cuales eran analizados
en el laboratorio que fue acondicionado en el interior del robot. Por supuesto
tambin contaba con un equipo muy sofisticado de cmaras de vdeo.
Vehculos submarinos
Dos eventos durante el verano de 1985 provocaron el incremento por el inters
de los vehculos submarinos. En el primero - Un avin de la Air Indian se
estrell en el Ocano Atlntico cerca de las costas de Irlanda - un vehculo
submarino guiado remotamente, normalmente utilizado para el tendido de
cable, fue utilizado para encontrar y recobrar la caja negra del avin. El
segundo fue el descubrimiento del Titanic en el fondo de un can, donde
haba permanecido despus del choque con un iceberg en 1912, cuatro
kilmetros abajo de la superficie. Un vehculo submarino fue utilizado para
encontrar, explorar y filmar el hallazgo.
En la actualidad muchos de estos vehculos submarinos se utilizan en la
inspeccin y mantenimiento de tuberas que conducen petrleo, gas o aceite en
las plataformas ocenicas; en el tendido e inspeccin del cableado para
comunicaciones, para investigaciones geolgicas y geofsicas en el suelo
marino.
13

Aplicaciones con teoras de IA

La tendencia hacia el estudio e investigacin de este tipo de robots se

incrementar a medida que la industria se interese an ms en la utilizacin de
los robots, sobra mencionar los beneficios que se obtendran si se consigue
una tecnologa segura para la exploracin del suelo marino y la explotacin del
mismo.
Educacin
Los robots estn apareciendo en los salones de clases de tres distintas formas.
Primero, los programas educacionales utilizan la simulacin de control de
robots como un medio de enseanza. Un ejemplo palpable es la utilizacin del
lenguaje de programacin del robot Karel, el cual es un subconjunto de Pascal;
este es utilizado por la introduccin a la enseanza de la programacin.
El segundo y de uso ms comn es el uso del robot tortuga en conjuncin con
el lenguaje LOGO para ensear ciencias computacionales. LOGO fue creado
con la intencin de proporcionar al estudiante un medio natural y divertido en el
aprendizaje de las matemticas.
En tercer lugar est el uso de los robots en los salones de clases. Una serie de
manipuladores de bajo costo, robots mviles, y sistemas completos han sido
desarrollados para su utilizacin en los laboratorios educacionales. Debido a su
bajo costo muchos de estos sistemas no poseen una fiabilidad en su sistema
mecnico, tienen poca exactitud, no existen los sensores y en su mayora
carecen de software.
Es necesario hacer mencin de los problemas de tipo social, econmicos e
incluso poltico, que puede generar una mala orientacin de robotizacin de la
industria. Se hace indispensable que la planificacin de los recursos humanos,
tecnolgicos y financieros se realice de una manera inteligente. El mercado de
la robtica y las perspectivas futuras que se tienen son diversos.
Las ventas anuales para robots industriales han ido creciendo en Estados
Unidos a razn del 25% de acuerdo a estadsticas del ao 1981 a 1992. El
incremento de sta tasa se debe a factores muy diversos. En primer lugar, hay
ms personas en la industria que tienen conocimiento de la tecnologa y de su
potencial para sus aplicaciones de utilidad. En segundo lugar, la tecnologa de
la robtica mejorar en los prximos aos de manera que har a los robots
ms amistosos con el usuario, ms fciles de interconectar con otro hardware y
ms sencillos de instalar.
En tercer lugar, que crece el mercado, son previsibles economas de escala en
la produccin de robots para proporcionar una reduccin en el precio unitario,
lo que hara los proyectos de aplicaciones de robots ms fciles de justificar. En
cuarto lugar se espera que el mercado de la robtica sufra una expansin ms
all de las grandes empresas, que ha sido el cliente tradicional para sta
tecnologa, y llegue a las empresas de tamao mediano, pequeo y por qu no;
las microempresas. Estas circunstancias darn un notable incremento en las
14

Aplicaciones con teoras de IA

bases de clientes para los robots.

La robtica es una tecnologa con futuro y tambin para el futuro. Si continan
las tendencias actuales, y si algunos de los estudios de investigacin en el
laboratorio actualmente en curso se convierten finalmente en una tecnologa
factible, los robots del futuro sern unidades mviles con uno o ms brazos,
capacidades de sensores mltiples y con la misma potencia de procesamiento
de datos y de clculo que las grandes computadoras actuales. Sern capaces
de responder a rdenes dadas con voz humana. As mismo sern capaces de
recibir instrucciones generales y traducirlas, con el uso de la inteligencia
artificial en un conjunto especfico de acciones requeridas para llevarlas a cabo.
Podrn ver, or, palpar, aplicar una fuerza media con precisin a un objeto y
desplazarse por sus propios medios.
En resumen, los futuros robots tendran muchos de los atributos de los seres
humanos. Es difcil pensar que los robots llegarn a sustituir a los seres
humanos en el sentido de la obra de Carel Kapek, Robots Universales de
Rossum. Por el contrario, la robtica es una tecnologa que solo puede
destinarse al beneficio de la humanidad. Sin embargo, como otras tecnologas,
hay peligros potenciales implicados y deben establecerse salvaguardas para no
permitir su uso pernicioso.
El paso del presente al futuro exigir mucho trabajo de ingeniera mecnica,
ingeniera electrnica, informtica, ingeniera industrial, tecnologa de
materiales, ingenieras de sistemas de fabricacin y ciencias sociales.

2 Redes neuronales

Las Redes Neuronales (RN) fueron originalmente una simulacin abstracta de

los sistemas nerviosos biolgicos, formados por un conjunto de unidades
llamadas "neuronas" o "nodos" conectadas unas con otras. Estas conexiones

15

Aplicaciones con teoras de IA

tienen una gran semejanza con las dendritas y losaxones en los sistemas
nerviosos biolgicos.
En trminos generales, el Primer modelo de red neuronal fue propuesto en
1943 por McCulloch y Pitts en trminos de un modelo computacional de
"actividad nerviosa". El modelo de McCulloch-Pitts es un modelo binario, y cada
neurona tiene un escaln o umbral prefijado. Este primer modelo sirvi de
ejemplo para los modelos posteriores de John Von Neumann, Marvin Minsky,
Frank Rosenblat, y muchos otros.
Historia de las redes neuronales.
1936 - Alan Turing. Fue el primero en estudiar el cerebro como una forma de
ver el mundo de la computacin. Sin embargo, los primeros tericos que
concibieron los fundamentos de la computacin neuronal fueron Warren
McCulloch, un neurofisilogo, y Walter Pitts, un matemtico, quienes, en 1943,
lanzaron una teora acerca de la forma de trabajar de las neuronas (Un Clculo
Lgico de la Inminente Idea de la Actividad Nerviosa - Boletn de Matemtica
Biofsica 5: 115-133). Ellos modelaron una red neuronal simple mediante
circuitos elctricos.
1949 - Donald Hebb. Fue el primero en explicar los procesos del aprendizaje
(que es el elemento bsico de la inteligencia humana) desde un punto de vista
psicolgico, desarrollando una regla de como el aprendizaje ocurra. Aun hoy,
este es el fundamento de la mayora de las funciones de aprendizaje que
pueden hallarse en una red neuronal. Su idea fue que el aprendizaje ocurra
cuando ciertos cambios en una neurona eran activados. Tambin intent
encontrar semejanzas entre el aprendizaje y la actividad nerviosa. Los trabajos
de Hebb formaron las bases de la Teora de las Redes Neuronales.
1950 - Karl Lashley. En sus series de ensayos, encontr que la informacin no
era almacenada en forma centralizada en el cerebro sino que era distribuida
encima de l.
1956 - Congreso de Dartmouth. Este Congreso frecuentemente se menciona
para indicar el nacimiento de la inteligencia artificial.
1957 - Frank Rosenblatt. Comenz el desarrollo del Perceptron. Esta es la red
neuronal ms antigua; utilizndose hoy en da para aplicacin como
identificador de patrones. Este modelo era capaz de generalizar, es decir,
despus de haber aprendido una serie de patrones poda reconocer otros
similares, aunque no se le hubiesen presentado en el entrenamiento. Sin
embargo, tena una serie de limitaciones, por ejemplo, su incapacidad para
resolver el problema de la funcin OR-exclusiva y, en general, era incapaz de
clasificar clases no separables linealmente.
1959 - Frank Rosenblatt: Principios de Neurodinmica. En este libro confirm
que, bajo ciertas condiciones, el aprendizaje del Perceptron converga hacia un
estado finito (Teorema de Convergencia del Perceptron).

16

Aplicaciones con teoras de IA

1960 - Bernard Widroff/Marcian Hoff. Desarrollaron el modelo Adaline

(ADAptative LINear Elements). Esta fue la primera red neuronal aplicada a un
problema real (filtros adaptativos para eliminar ecos en las lneas telefnicas)
que se ha utilizado comercialmente durante varias dcadas.
1961 - Karl Steinbeck: Die Lernmatrix. Red neuronal para simples realizaciones
tcnicas (memoria asociativa). 1969 - Marvin Minsky/Seymour Papert. En este
ao casi se produjo la muerte abrupta de las Redes Neuronales; ya que
Minsky y Papert probaron (matemticamente) que el Perceptrons no era capaz
de resolver problemas relativamente fciles, tales como el aprendizaje de una
funcin no-lineal. Esto demostr que el Perceptron era muy dbil, dado que las
funciones no-lineales son extensamente empleadas en computacin y en los
problemas del mundo real.
1974 - Paul Werbos. Desarroll la idea bsica del algoritmo de aprendizaje de
propagacin hacia atrs (backpropagation); cuyo significado qued
definitivamente aclarado en 1985.
1977 - Stephen Grossberg: Teora de Resonancia Adaptada (TRA). La Teora
de Resonancia Adaptada es una arquitectura de red que se diferencia de todas
las dems previamente inventadas. La misma simula otras habilidades del
cerebro: memoria a largo y corto plazo.
1985 - John Hopfield. Provoc el renacimiento de las redes neuronales con su
libro: Computacin neuronal de decisiones en problemas de optimizacin.
1986 - David Rumelhart/G. Hinton. Redescubrieron el algoritmo de aprendizaje
de propagacin hacia atrs (backpropagation). A partir de 1986, el panorama
fue alentador con respecto a las investigaciones y el desarrollo de las redes
neuronales. En la actualidad, son numerosos los trabajos que se realizan y
publican cada ao, las aplicaciones nuevas que surgen (sobre todo en el rea
de control) y las empresas que lanzan al mercado productos nuevos, tanto
hardware como software (sobre todo para simulacin).

2.1 Conceptos bsicos

Redes Neuronales: son una rama de la Inteligencia Artificial. En las redes
neuronales el conocimiento se incorpora mediante el aprendizaje a partir de
ejemplos.

2.2 Clasificacin
Una primera clasificacin de los modelos de RN podra ser, atendiendo a su
similitud con la realidad biolgica:
Los modelos de tipo biolgico. Este comprende las redes que tratan de simular
los sistemas neuronales biolgicos as como las funciones auditivas o algunas
funciones bsicas de la visin.

17

Aplicaciones con teoras de IA

El modelo dirigido a aplicacin. Estos modelos no tienen por qu guardar

similitud con los sistemas biolgicos. Sus arquitecturas estn fuertemente
ligadas a las necesidades de las aplicaciones para las que son diseados.
Redes Neuronales de tipo Biolgico
Se estima que el cerebro humano contiene ms de cien mil millones de
neuronas y sinapsis en el sistema nervioso humano. Estudios sobre la
anatoma del cerebro humano concluyen que hay ms de 1000 sinapsis a la
entrada y a la salida de cada neurona. Es importante notar que aunque el
tiempo de conmutacin de la neurona (unos pocos milisegundos) es casi un
milln de veces menor que en las actuales elementos de las computadoras,
ellas tienen una conectividad miles de veces superior que las actuales
supercomputadoras.
El objetivo principal de las redes neuronales de tipo biolgico es desarrollar un
elemento sinttico para verificar las hiptesis que conciernen a los sistemas
biolgicos.
Las neuronas y las conexiones entre ellas (sinapsis) constituyen la clave para
el procesado de la informacin.
La mayor parte de las neuronas poseen una estructura de rbol
llamadas dendritas que reciben las seales de entrada que vienen de otras
neuronas a travs de las uniones llamadas sinapsis. Algunas neuronas se
comunican solo con las cercanas, mientras que otras se conectan con miles.
Hay tres partes en una neurona:
1.- el cuerpo de la neurona
2.- ramas de extensin llamadas dentras para recibir las entradas, y
3.- un axn que lleva la salida de la neurona a las desdiras de otras neuronas.

La forma que dos neuronas interactan no est totalmente conocida,

dependiendo adems de cada neurona. En general, una neurona enva su
salida a otras por su axn. El axn lleva la informacin por medio de diferencias
de potencial, u ondas de corriente, que depende del potencial de la neurona.
Este proceso es a menudo modelado como una regla de propagacin
representada por la funcin de red u(.). La neurona recoge las seales por su
sinapsis sumando todas las influencias excitadoras e inhibidoras. Si las
influencias excitadoras positivas dominan, entonces la neurona da una seal
positiva y manda este mensaje a otras neuronas por sus sinapsis de salida. En
este sentido la neurona puede ser modelada como una simple funcin escaln
f(.). Como se muestra en la prxima figura, la neurona se activa si la fuerza
combinada de la seal de entrada es superior a un cierto nivel, en el caso
general el valor de activacin de la neurona viene dado por una funcin de
activacin f(.).
18

Aplicaciones con teoras de IA

Redes Neuronales para aplicaciones concretas

Las RN dirigidas a aplicacin estn en general poco ligadas a las redes
neuronales biolgicas. Ya que el conocimiento que se posee sobre el sistema
nervioso en general no es completo, se han de definir otras funcionalidades y
estructuras de conexin distintas a las vistas desde la perspectiva biolgica.
Las caractersticas principales de este tipo de RN son los siguientes:

Auto Organizacin y Adaptabilidad: utilizan algoritmos de aprendizaje

adaptativo y auto organizacin, por lo que ofrecen posibilidades de procesado
robusto y adaptativo.
Procesado No Lineal: aumenta la capacidad de la red de aproximar, clasificar y
su inmunidad frente al ruido.
Procesado paralelo: normalmente se usa un gran nmero de clulas de
procesado por el alto nivel de interconectividad.
Estas caractersticas juegan un importante papel en las RN aplicadas al
procesado de seal e imagen. Una red para una determinada aplicacin
presenta una arquitectura muy concreta, que comprende elementos de
procesado adaptativo masivo paralelo combinadas con estructuras de
interconexin de red jerrquica.

2.3 Desarrollos actuales y aplicaciones

Las redes neuronales pueden utilizarse en un gran nmero y variedad de
aplicaciones, tanto comerciales como militares. Se pueden desarrollar redes
neuronales en un periodo de tiempo razonable, con la capacidad de realizar
tareas concretas mejor que otras tecnologas. Cuando se implementan
mediante hardware (redes neuronales en chips VLSI), presentan una alta
tolerancia a fallos del sistema y proporcionan un alto grado de paralelismo en el
procesamiento de datos. Esto posibilita la insercin de redes neuronales de
bajo coste en sistemas existentes y recientemente desarrollados.
Hay muchos tipos diferentes de redes neuronales; cada uno de los cuales tiene
una aplicacin particular ms apropiada. Algunas aplicaciones comerciales son:
Biologa:
- Aprender ms acerca del cerebro y otros sistemas.
- Obtencin de modelos de la retina.
Empresa:
- Evaluacin de probabilidad de formaciones geolgicas y petrolferas.
- Identificacin de candidatos para posiciones especficas.
- Explotacin de bases de datos.
19

Aplicaciones con teoras de IA

- Optimizacin de plazas y horarios en lneas de vuelo.

- Optimizacin del flujo del trnsito controlando convenientemente la
temporizacin de los semforos.
- Reconocimiento de caracteres escritos.
- Modelado de sistemas para automatizacin y control.
Medio ambiente:
- Analizar tendencias y patrones.
- Previsin del tiempo.
Finanzas:
- Previsin de la evolucin de los precios.
- Valoracin del riesgo de los crditos.
- Identificacin de falsificaciones.
- Interpretacin de firmas.
Manufacturacin:
- Robots automatizados y sistemas de control (visin artificial y sensores de
presin, temperatura, gas, etc.).
- Control de produccin en lneas de procesos.
- Inspeccin de la calidad.
Medicina:
- Analizadores del habla para ayudar en la audicin de sordos profundos.
- Diagnstico y tratamiento a partir de sntomas y/o de datos analticos
(electrocardiograma, encefalogramas, anlisis sanguneo, etc.).
- Monitorizacin en cirugas.
- Prediccin de reacciones adversas en los medicamentos.
- Entendimiento de la causa de los ataques cardacos.
Militares:
- Clasificacin de las seales de radar.
- Creacin de armas inteligentes.
- Optimizacin del uso de recursos escasos.
- Reconocimiento y seguimiento en el tiro al blanco.

20

Aplicaciones con teoras de IA

La mayora de estas aplicaciones consisten en realizar un reconocimiento de

patrones, como ser: buscar un patrn en una serie de ejemplos, clasificar
patrones, completar una seal a partir de valores parciales o reconstruir el
patrn correcto partiendo de uno distorsionado. Sin embargo, est creciendo el
uso de redes neuronales en distintos tipos de sistemas de control.
Desde el punto de vista de los casos de aplicacin, la ventaja de las redes
neuronales reside en el procesado paralelo, adaptativo y no lineal. El dominio
de aplicacin de las redes neuronales tambin se lo puede clasificar de la
siguiente forma: asociacin y clasificacin, regeneracin de patrones, regresin
y generalizacin, y optimizacin.

3 Visin artificial
La visin artificial, tambin conocida como visin por computador (del
ingls computer visin) o visin tcnica, es un subcampo de la inteligencia
artificial. El propsito de la visin artificial es programar una computadora para
que "entienda" una escena o las caractersticas de una imagen.
Los objetivos tpicos de la visin artificial incluyen:
La deteccin, segmentacin, localizacin y reconocimiento de ciertos objetos
en imgenes (por ejemplo, caras humanas).
La evaluacin de los resultados (por ejemplo, segmentacin, registro).
Registro de diferentes imgenes de una misma escena u objeto, es decir, hacer
concordar un mismo objeto en diversas imgenes.
Seguimiento de un objeto en una secuencia de imgenes.
Mapeo de una escena para generar un modelo tridimensional de la escena;
este modelo podra ser usado por un robot para navegar por la escena.
Estimacin de las posturas tridimensionales de humanos.
Bsqueda de imgenes digitales por su contenido.

Estos objetivos se consiguen por medio de reconocimiento de patrones,

aprendizaje estadstico, geometra de proyeccin, procesamiento de imgenes,
teora de grafos y otros campos. La visin artificial cognitiva est muy
relacionada con la psicologa cognitiva y la computacin biolgica.

3.1 Conceptos besicos

Se puede definir la Visin Artificial como un campo de la Inteligencia Artificial
que, mediante la utilizacin de las tcnicas adecuadas, permite la
obtencin, procesamiento y anlisis de cualquier tipo de informacin especial
obtenida a travs de imgenes digitales.
21

Aplicaciones con teoras de IA

La visin artificial la componen un conjunto de procesos destinados a realizar

el anlisis de imgenes. Estos procesos son: captacin de imgenes,
memorizacin de la informacin, procesado e interpretacin de los resultados.
Con la visin artificial se pueden: Automatizar tareas repetitivas de inspeccin
realizadas por operadores. Realizar controles de calidad de productos que no
era posible verificar por mtodos tradicionales.
Realizar inspecciones de objetos sin contacto fsico. Realizar la inspeccin del
100% dela produccin (calidad total) a gran velocidad. Reducir el tiempo de
ciclo en procesos automatizados. Realizar inspecciones en procesos donde
existe diversidad de piezas con cambios frecuentes de produccin.

3.2 Desarrollos actuales y aplicaciones

Con la visin artificial se pueden:

Automatizar tareas repetitivas de inspeccin realizadas por operadores.

Realizar controles de calidad de productos que no era posible verificar
por mtodos tradicionales.
Realizar inspecciones de objetos sin contacto fsico.
Realizar la inspeccin del 100% de la produccin (calidad total) a
gran velocidad.
Reducir el tiempo de ciclo en procesos automatizados.
Realizar inspecciones en procesos donde existe diversidad de piezas
con cambios frecuentes de produccin.

Las principales aplicaciones de la visin artificial en la industria actual son:

Identificacin e inspeccin de objetos.

Determinacin de la posicin de los objetos en el espacio.
Establecimiento de relaciones espaciales entre varios objetos (guiado de
robots)
Determinacin de las coordenadas importantes de un objeto.
Realizacin de mediciones angulares.
Mediciones tridimensionales.

4 Lgica difusa

22

Aplicaciones con teoras de IA

Fuzzy Logic tiene sus races en la teora de conjuntos difusos desarrollada por
Zadeh en la dcada de los 60, la que propone que un elemento siempre
pertenece en un cierto grado a un conjunto y nunca pertenece del todo al
mismo, esto permite establecer una manera eficiente para trabajar con
incertezas, as como para acondicionar el conocimiento en forma de reglas
hacia un plano cuantitativo, factible de ser procesado por computadores.

Toda lgica consiste en formalizar el pensamiento humano, desde este punto

de vista,
Lgica Clsica: Establece que cualquier enunciado o proposicin puede tener
un valor lgico verdadero o falso, en definitiva 1 y 0. De esta forma es posible
desarrollar toda una lgica basada en leyes de este tipo.
Lgica Difusa: En vez de trabajar con el clsico concepto de inclusin o
exclusin, introduce una funcin que expresa el grado de pertenencia de una
variable hacia un atributo o variable lingstica tomando valores en el rango
de 0 a 1.
Conjunto Difuso: Par Variable lingstica funcin de pertenencia
A = {x / A (x) x X}
Ventajas
La principal ventaja de utilizar trminos lingsticos como: a medias, bastante,
casi, un poco, mucho, algo, etc., est en que permite plantear el problema en
los mismos trminos en los que lo hara un experto humano.
El xito de esta tcnica radica en que El mundo es Fuzzy. En otras palabras,
no tiene sentido buscar la solucin a un problema no perfectamente definido
por medio de un planteamiento matemtico muy exacto, cuando es el ser
humano el primero que razona empleando la inexactitud.
23

Aplicaciones con teoras de IA

En inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la

resolucin de una variedad de problemas, principalmente los relacionados con
control de procesos industriales complejos y sistemas de decisin en general,
la resolucin y la compresin de datos. Los sistemas de lgica difusa estn
tambin muy extendidos en la tecnologa cotidiana, por ejemplo en cmaras
digitales, sistemas de aire acondicionado, lavarropas, etc. Los sistemas
basados en lgica difusa imitan la forma en que toman decisiones los
humanos, con la ventaja de ser mucho ms rpidos. Estos sistemas son
generalmente robustos y tolerantes a imprecisiones y ruidos en los datos de
entrada. Algunos lenguajes de programacin lgica que han incorporado la
lgica difusa seran por ejemplo las diversas implementaciones de Fuzzy
PROLOG o el lenguaje Fril.

Consiste en la aplicacin de la lgica difusa con la intencin de imitar el

razonamiento humano en la programacin de computadoras. Con la
lgica convencional, las computadoras pueden manipular valores estrictamente
duales, como verdadero/falso, s/no o ligado/desligado. En la lgica difusa, se
usan modelos matemticos para representar nociones subjetivas,
como caliente/tibio/fro, para valores concretos que puedan ser manipuladas
por los ordenadores.
En este paradigma, tambin tiene un especial valor la variable del tiempo, ya
que los sistemas de control pueden necesitar retroalimentarse en un espacio
concreto de tiempo, pueden necesitarse datos anteriores para hacer una
evaluacin media de la situacin en un perodo anterior.

4.1 Conceptos basicos

La lgica difusa es una extensin de la lgica tradicional (Booleana) que utiliza
conceptos de pertenencia de sets ms parecidos a la manera de pensar
humana.
La lgica difusa no usa valores exactos como 1 o 0 pero usa valores entre 1 y 0
(inclusive) que pueden indican valores intermedios (Ej. 0, 0.1, 0.2,,0.9, 1.0,
1.1,etc.)
La lgica difusa tambin incluye los valores 0 y 1 entonces se puede considerar
como un sperset o extensin de la lgica exacta.
El concepto de un subset difuso fue introducido por L.A. Zadeh en 1965 como
una generalizacin de un subset exacto (crisp subset) tradicional.
Los subsets exactos usan lgica Booleana con valores exactos como por
ejemplo la lgica binaria que usa valores de 1 o 0 para sus operaciones.

4.2 Desarrollos actuales y aplicaciones.

24

Aplicaciones con teoras de IA

La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es

muy alta y no existen modelos matemticos precisos, para procesos altamente
no lineales y cuando se envuelven definiciones y conocimiento no
estrictamente definido (impreciso o subjetivo).
En cambio, no es una buena idea usarla cuando algn modelo matemtico ya
soluciona eficientemente el problema, cuando los problemas son lineales o
cuando no tienen solucin.
Esta tcnica se ha empleado con bastante xito en la industria, principalmente
en Japn, extendindose sus aplicaciones a multitud de campos. La primera
vez que se us de forma importante fue en el metro japons, con excelentes
resultados. Posteriormente se generaliz segn la teora de la incertidumbre
desarrollada por el matemtico y economista espaol Jaume Gil Aluja.

A continuacin se citan algunos ejemplos de su aplicacin:

Sistemas de control de acondicionadores de aire

Sistemas de foco automtico en cmaras fotogrficas
Electrodomsticos familiares (frigorficos, lavadoras...)
Optimizacin de sistemas de control industriales
Sistemas de escritura
Mejora en la eficiencia del uso de combustible en motores
Sistemas expertos del conocimiento (simular el comportamiento de un
experto humano)
Tecnologa informtica
Bases de datos difusas: Almacenar y consultar informacin imprecisa.
Para este punto, por ejemplo, existe el lenguaje FSQL.
...y, en general, en la gran mayora de los sistemas de control que no
dependen de un S/No.

5 Procesamiento de lenguaje natural.

25

Aplicaciones con teoras de IA

El recurso ms importante que posee la raza humana es conocimiento, o sea

informacin. En la poca actual de informacin, del manejo eficiente de este
conocimiento depende el uso de todos los dems recursos naturales,
industriales y humanos.

Durante toda la historia de humanidad el conocimiento, en su mayor parte se

comunica, se guarda y se maneja en la forma de lenguaje natural griego, latn,
ingls, espaol, etc. La poca actual no es ninguna excepcin: el conocimiento
sigue existiendo y crendose en la forma de documentos, libros, artculos,
aunque stos se guardan en forma electrnica, o sea digital. El gran avance es
que en esta forma, las computadoras ya pueden ser una ayuda enorme en el
procesamiento de este conocimiento.

Sin embargo, lo que es conocimiento para nosotros los seres humanos no lo

es para las computadoras. Son los archivos, unas secuencias de caracteres, y
nada ms. Una computadora puede copiar tal archivo, respaldarlo, transmitirlo,
borrarlo como un burcrata que pasa los papeles a otro burcrata sin leerlos.
Pero no puede buscar las respuestas a las preguntas en este texto, hacer las
inferencias lgicas sobre su contenido, generalizar y resumirlo es decir, hacer
todo lo que las personas normalmente hacemos con el texto. Porque no lo
puede entender.
Para combatir esta situacin, se dedica mucho esfuerzo, sobre todo en los
pases ms desarrollados del mundo, al desarrollo de la ciencia que se encarga
de habilitar a las computadoras a entender el texto. Esta ciencia, en funcin del
enfoque prctico versus terico, del grado en el cual se espera lograr la
comprensin y de otros aspectos tiene varios nombres: procesamiento de
lenguaje natural, procesamiento de texto, tecnologas de lenguaje, lingstica
computacional. En todo caso, se trata de procesar el texto por su sentido y no
como un archivo binario.
El esquema general de la mayora de los sistemas y mtodos que involucran el
procesamiento de lenguaje es el siguiente:
Primero, el texto no se procesa directamente si no se transforma en una
representacin formal que preserva sus caractersticas relevantes para la tarea
o el mtodo especfico (por ejemplo, un conjunto de cadenas de letras, una
tabla de base de datos, un conjunto de predicados lgicos, etc.).
Luego, el programa principal manipula esta representacin, transformndola
segn la tarea, buscando en ella las subestructuras necesarias, etc.
Finalmente, si es necesario, los cambios hechos a la representacin formal (o
la respuesta generada en esta forma) se transforman en el lenguaje natural.
Entre las tareas principales del procesamiento de lenguaje natural se puede
mencionar:
26

Aplicaciones con teoras de IA

Recuperacin de informacin,
Interfaces en lenguaje natural,
Traduccin automtica.

5.1 Conceptos basicos.

El procesamiento del lenguaje natural es una subrama de la inteligencia
artificial y de la lingstica. Tambin se suele referir a esta rama de la
informtica de forma abreviada como PLN o NLP, del ingls Natural Lenguaje
Processing.
El fin del PLN es construir sistemas y mecanismos que permitan la
comunicacin entre personas y mquinas por medio de lenguajes naturales.
Adems, trata de que los mecanismos que permitan esa comunicacin sean lo
ms eficaces posibles, computacionalmente hablando. En definitiva, se busca
poder crear programas que puedan analizar, entender y generar lenguajes que
los humanos utilizan habitualmente, de manera que el usuario pueda llegar a
comunicarse con el ordenador de la misma forma que lo hara con un humano.

5.2 Desarrollos actuales y aplicaciones

Traduccin automtica: gracias al Procesamiento del Lenguaje Natural,

ha sido posible llevar a cabo esta tarea, la traduccin de manera
automtica a travs de mquinas. Ha sido un pensamiento que ha
estado presente desde la aparicin de los ordenadores.
Resmenes automticos: el PLN, tambin se ha encargado de mejorar
las herramientas que intentan realizar resmenes de manera
automtica de un texto dado. Gracias al Procesamiento del Lenguaje

27

Aplicaciones con teoras de IA

Natural, esta tarea puede ser mejorada con el paso de tiempo, aunque
an tiene algunas cuestiones pendientes.

6 sistemas expertos
Los sistemas expertos utilizados en inteligencia artificial son software que
emula el comportamiento de un experto humano en la solucin de un problema.
Los sistemas expertos funcionan de manera que almacenan conocimientos
concretos para un campo determinado y solucionan los problemas, utilizando
esos conocimientos, mediante deduccin lgica de conclusiones. Con ellos se
busca una mejora en calidad y rapidez de respuestas dando as lugar a una
mejora de la productividad del experto.

Los sistemas expertos pueden estar basados en reglas, es decir,

disponen de unos conocimientos predefinidos que se utilizan para tomar todas
las decisiones (aplicando heurstica), o basados en casos (CBR, Case Based
Reasoning), aplicando el razonamiento basado en casos, donde la solucin a
un problema similar planteado con anterioridad se adapta a un nuevo
problema.

Figura 5 - Sistema experto y humano experto

Para los verdaderos expertos humanos supone un gran apoyo que reduce
tiempo y, en ocasiones puede realizar tareas por s mismo. Pero, para que un
sistema experto sea una herramienta efectiva debe de poseer dos
capacidades: por un lado debe ser posible explicar los razonamientos del
sistema experto, por otro debe ser capaz de integrar nuevos conocimientos as
como modificar sus conocimientos obtenidos por otros mejorados.

6.1 Conceptos basicos

Son programas de computacin que se derivan de una rama de la investigacin
informtica llamada Inteligencia Artificial (IA). El objetivo cientfico de la IA es
entender la inteligencia. Est referida a los conceptos y a los mtodos de
28

Aplicaciones con teoras de IA

inferencia simblica, o de razonamiento por computadora, y cmo el

conocimiento usado para hacer esas inferencias ser representado dentro de la
mquina.
El trmino inteligencia cubre muchas habilidades conocidas, incluyendo la
capacidad de solucionar problemas, de aprender y de entender lenguajes; la IA
dirige todas estas habilidades. La mayora de los esfuerzos en IA se han hecho
en el rea de solucionar los problemas, los conceptos y los mtodos para
construir los programas que razonan acerca de los problemas y que luego
calculan una solucin.
Los programas de IA que logran la capacidad experta de solucionar problemas
aplicando las tareas especficas del conocimiento se llaman Sistemas Basado
en Conocimiento o Sistemas Expertos. A menudo, el trmino sistemas expertos
se reserva para los programas que contienen el conocimiento usado por los
humanos expertos, encontraste al conocimiento recolectado por los libros de
textos. Los trminos, sistemas expertos (ES) y sistemas basados en
conocimiento (KBS), se utilizan como sinnimos. Tomados juntos representan
el tipo ms extenso de aplicacin de IA.
El rea del conocimiento intelectual humano para ser capturado en un sistema
experto sllame el dominio de la tarea. La tarea se refiere a una cierta meta
orientada, actividad de solucionar el problema. El dominio se refiere al rea
dentro de la cual se est realizando la tarea.
Las tareas tpicas son el diagnstico, hojas de operacin (planning), la
programacin, configuracin y diseo. Un ejemplo de dominio de una tarea es
la programacin del equipo de un avin.
La construccin de un sistema experto se llama ingeniera del conocimiento y
sus mdicos son los ingenieros del conocimiento. El ingeniero del conocimiento
debe cerciorarse de que el ordenador tenga todo el conocimiento necesario
para solucionar un problema. Tambin debe elegir una o ms formas en las
cuales representar el conocimiento requerido en la memoria del ordenador, es
decir, l debe elegir una representacin del conocimiento. l debe tambin
asegurarse de que la computadora pueda utilizar eficientemente el
conocimiento, seleccionando de un conjunto de mtodos de razonamiento.
El espectro de aplicaciones de la tecnologa de los sistemas expertos a los
problemas industriales y comerciales es tan amplio debido a la fcil
caracterizacin del desafi. Las aplicaciones encuentran su perfil en la mayora
de las reas del trabajo del conocimiento. Las aplicaciones se agrupan en siete
clases importantes.

6.2 Clasificacin
29

Aplicaciones con teoras de IA

Anlisis
Control.

(interpretacin):

Identificacin,Monitoreo,Diagnstico,Prediccin,

Sntesis (construccin): Especificacin, Diseo, Configuracin, Planeacin,

Ensamble, Modificacin.

6.3 Desarrollos actuales y aplicaciones

1.- Sistema Experto para Diagnstico de Plagas Insectiles de Maz (Zea mays
L.) en Centro Amrica.

2.- Desarrollo y evaluacin de un sistema experto (prototipo) que auxilie en el

proceso de irrigacin del cultivo de maz en Aguascalientes.
3.- PROMETEO: Un Sistema Experto para el Pronstico Meteorolgico Local
basado en Redes Neuronales y Clculo de Anlogas.
4.-Sistema experto de ergonoma aplicada.
5.- Sistemas expertos para la enseanza y el aprendizaje de la matemtica en
la educacin superior.

BIBLIOGRAFIAS
http://citic-research.org/area_tecnologica/2?locale=es
http://www.taringa.net/posts/ciencia-educacion/15010274/Unidad-5---Aplicaciones-contecnicas-de-I-Artificial.html
http://inteligenciaartificial-isc.blogspot.mx/p/unidad-5-aplicaciones-con-tecnicas-deia.html
lgica difusa http://www.profesaulosuna.com/data/files/ELECTRONICA/LOGICA
%20DIFUSA/TextoAplicaciones.pdf
procesamiento del lenguaje natural
http://disi.unal.edu.co/~lctorress/iartificial/IAc016.pdf
http://www.youtube.com/watch?v=UCL-b093l_Q&feature=fvwrel
http://www.youtube.com/watch?v=ddnWkCJwXaI

http://www.youtube.com/watch?v=PFU_gfio8WA
http://www.youtube.com/watch?v=h38G3ZM7zc8
http://www.youtube.com/watch?v=lGcbGfIyZV8
http://www.youtube.com/watch?v=uub916wsGRE
30

Aplicaciones con teoras de IA

[1] lvarez, Hernn D. Control Difuso y Sistemas de Control Inteligentes en Memorias del Segundo
Congreso de la Asociacin Colombiana de Automtica, Bucaramanga, Colombia, marzo de 1997, pp 331340.

31