REPBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACION UNIVERSITARIA UNIVERSIDAD DE FALCN FACULTAD DE INGENIERA INGENIERA

ELECTRNICA

INTELIGENCIA ARTIFICIAL: REDES NEURONALES, ALGORITMOS GENTICOS. SISTEMAS EXPERTOS.LGICA DIFUSA. ROBTICA.

REALIZADO POR: Agero, Paul C.I: 21.155.559

Punto fijo, Junio 2013

UNIVERSIDAD DE FALCN FACULTAD DE INGENIERIA INGENIRIA ELECTRNICA

INTELIGENCIA ARTIFICIAL: REDES NEURONALES, ALGORITMOS GENTICOS. SISTEMAS EXPERTOS. LGICA DIFUSA. ROBTICA.

Autor: Escobar, Julio Mes y Ao: Junio, 2013.

RESUMEN A travs de la investigacin presentada se entrara en detalle sobre el tema de la inteligencia artificial as como los temas que se encuentras congeniados a la misma, como los son la robtica, los algoritmos genticos, las redes neuronales, la lgica difusa; as como tambin las aplicaciones de dichos temas en la industria, la vida cotidiana, y otras sectores en donde estn inmersas, tambin se conocern sus caractersticas, ventajas y desventajas y/o inconvenientes, y relacin con la automatizacin y lo importante que es hoy en da para el mundo entero su presencia.

PALABRAS CLAVES: inteligencia artificial, sistemas, red neuronal, lgica, algoritmos

Introduccin

Con los avances tecnolgicos podemos darnos cuenta de que hoy en da es posible realizar trabajos ms fciles, ms rpido y de calidad. Hablar sobre la inteligencia Artificial, es meterse en diferentes materias, pues la I.A. se relaciona diversas reas, como interpretacin de datos, prediccin, diagnsticos, solucin de problemas, ciencias, medicina e incluso en operaciones polticas. La Inteligencia Artificial es una rama de la informtica que se dedica al estudio del comportamiento inteligente en las mquinas, al mismo tiempo busca emular algunas funciones del cerebro humano, principalmente el su manera de pensar. Existen muchas reas que siguen sin estudiarse y otras que hoy en da son muy prometedoras dentro de la I.A. y al mismo tiempo ayudan a crear nueva tecnologa

Desarrollo Inteligencia Artificial.

Se puede definir como el estudio de las facultades, mentales a travs del uso de modelos computacionales. Este trmino data de los aos 50 del siglo XX y se debe a un grupo de cientficos que estudiaron el cerebro humano como modelo natural, El concepto de "Inteligencia Artificial" es relativamente nuevo, pero la idea de la inteligencia artificial existe desde hace millones de aos. El primer hombre primitivo que tom conciencia de su propia existencia, y de que era capaz de pensar, seguramente se pregunt como funcionara su pensamiento y posteriormente llegara a la idea de un "creador superior". Por lo tanto, la idea de que un ser inteligente cree a otro, la idea de un diseo virtual para la inteligencia, es tan remota como la conciencia del ser humano. Puede decirse que la Inteligencia Artificial (IA) es una de las reas ms fascinantes y con ms retos de las ciencias de la computacin, en su rea de ciencias cognoscitivas. Naci como mero estudio filosfico y razonistico de la inteligencia humana, mezclada con la inquietud del hombre de imitar la naturaleza circundante (como volar y nadar), hasta inclusive querer imitarse as mismo. Sencillamente, la Inteligencia Artificial busca el imitar la inteligencia humana. Obviamente no lo ha logrado todava, al menos no completamente. Algunos ejemplos se encuentran en el rea de control de sistemas, planificacin automtica, la habilidad de responder a diagnsticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla y

reconocimiento de patrones. Los sistemas de IA actualmente son parte de la rutina en campos como economa, medicina, ingeniera y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia como ajedrez de computador y otros videojuegos. La IA se divide en dos escuelas de pensamiento, la inteligencia artificial convencional y la inteligencia computacional.

Inteligencia artificial convencional. Basada en anlisis formal y estadstico del comportamiento

humano ante diferentes problemas: Razonamiento basado en casos: ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos. Sistemas expertos: infieren una solucin a travs del conocimiento previo del contexto en que se aplica y de ciertas reglas o relaciones. Redes bayesianas: propone soluciones mediante inferencia estadstica. Inteligencia artificial basada en comportamientos: sistemas complejos que tienen autonoma y pueden auto-regularse y controlarse para mejorar.

Inteligencia artificial computacional. La inteligencia computacional (tambin conocida como inteligencia artificial subsimblica) implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parmetros en sistemas conexionistas). El aprendizaje se realiza basndose en datos empricos. Algunos mtodos de esta rama incluyen: Mquina de vectores soporte: sistemas que permiten reconocimiento de patrones genricos de gran potencia. Redes neuronales: sistemas con grandes capacidades de reconocimiento de patrones. Modelos ocultos de Markov: aprendizaje basado en dependencia temporal de eventos probabilsticos. Sistemas difusos: tcnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras. Computacin evolutiva: aplica conceptos inspirados en la biologa, tales como poblacin, mutacin y supervivencia del ms apto para generar soluciones sucesivamente mejores para un problema. Estos mtodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genticos) e inteligencia colectiva (ej. algoritmos hormiga)

El tema de Inteligencia artificial es muy amplio ya que no es algo inalcanzable, sino que al contrario se encuentra presente en nuestras vidas cotidianas.

Redes neuronales Las redes neuronales son sistemas ideados como abstracciones de las estructuras neurobiolgicas (cerebros) encontradas en la naturaleza y tienen la caracterstica de ser sistemas desordenados capaces de guardar informacin. La forma en que desarrollan su trabajo es esencialmente distinta de la utilizada por las computadoras convencionales. Los procesadores microscpicos del cerebro (neuronas) operan en paralelo y presentan cualitativamente ms ruido que los elementos que forman a las computadoras. No ejecutan un programa fijo con base en un conjunto previamente especificado de datos, sino que comunican seales a travs de retransmisores que llamamos sinapsis, que llegan a centros de conjuncin llamados los cuerpos de las neuronas y desde los cuales surgen seales elctricas a travs de canales conocidos con el nombre de axones. La importancia de cada sinapsis en el proceso de retransmisin se actualiza continuamente y lo mismo ocurre con algunas propiedades intrnsecas de las neuronas, proporcionando un sistema de auto programacin y adaptacin que sustituye a la programacin externa de los sistemas de cmputo comunes. Existe as una dinmica de las sinapsis y de las neuronas en el cual los programas y los datos cambian todo el tiempo. Estas redes por ser mecanismos basados en el cerebro humano nos brindan varias ventajas como por ejemplo el aprendizaje, la auto-organizacin, la tolerancia a los fallos que pueda cometer, la flexibilidad que consiste en que por si sola realiza cambios pequeos y por ultimo el tiempo real en que el trabaja. Las caractersticas de las RNA las hacen bastante apropiadas para aplicaciones en que no se dispone a prioridad de un modelo identificable que pueda ser programado. Tambin se pueden utilizar cuando no existen modelos matemticos precisos o algoritmos con complejidad razonable; por ejemplo la red de Kohonen ha sido aplicada con un xito ms razonable al clsico problema viajante.

Algoritmos genticos Los algoritmos genticos son un logro ms de la inteligencia artificial en su intento de replicar comportamientos biolgicos, con los avances cientficos que ello implica, mediante la computacin. Se trata de algoritmos de bsqueda basados en la mecnica de la seleccin natural y de la gentica. Utilizan la informacin histrica para encontrar nuevos puntos de bsqueda de una solucin ptima del problema planteado, con las esperanzas de mejorar resultados. La capacidad del ser humano para predecir el comportamiento de su entorno, se ha ido incrementando con el paso del tiempo. De igual modo, ha comprendido que, si bien era capaz de controlar muchos aspectos de su vida, y su interaccin con lo que le rodeaba, no lo era para otros tantos. Los algoritmos genticos son una de las ms conocidas y originales tcnicas de resolucin de problemas dentro de lo que se ha definido como computacin evolutiva, trmino que agrupa a los algoritmos genticos, las estrategias evolutivas y la propagacin evolutiva. En realidad todas estas tcnicas son muy parecidas y comparten muchos aspectos. No necesitan conocimientos especficos sobre el problema que intentan resolver. Ventajas y desventajas de los AGs

Operan de forma simultnea con varias soluciones, en vez de trabajar de forma secuencial como las tcnicas tradicionales.

Cuando se usan para problemas de optimizacin maximizar una funcin objetivo- resultan menos afectados por los mximos locales (falsas soluciones) que las tcnicas tradicionales.

Resulta sumamente fcil ejecutarlos en las modernas arquitecturas masivamente paralelas.

Usan operadores probabilsticos, en vez de los tpicos operadores determinsticos de las otras tcnicas.

Pueden tardar mucho en converger, o no converger en absoluto, dependiendo en cierta medida de los parmetros que se utilicen tamao de la poblacin, nmero de generaciones, etc.-.

Pueden converger prematuramente debido a una serie de problemas de diversa ndole.

Limitaciones El poder de los Algoritmos Genticos proviene del hecho de que se trata de una tcnica robusta, y pueden tratar con xito una gran variedad de problemas provenientes de diferentes reas, incluyendo aquellos en los que otros mtodos encuentran dificultades. Si bien no se garantiza que el Algoritmo Gentico encuentre la solucin ptima, del problema, existe evidencia emprica de que se encuentran soluciones de un nivel aceptable, en un tiempo competitivo con el resto de algoritmos de optimizacin combinatoria. En el caso de que existan tcnicas especializadas para resolver un determinado problema, lo ms probable es que superen al Algoritmo Gentico, tanto en rapidez como en eficacia. El gran campo de aplicacin de los Algoritmos Genticos se relaciona con aquellos problemas para los cuales no existen tcnicas especializadas. Incluso en el caso en que dichas tcnicas existan, y funcionen bien, pueden efectuarse mejoras de las mismas hibridndolas con los Algoritmos Genticos

Sistemas expertos Durante aos la actividad de la Inteligencia Artificial estuvo dedicada a las investigaciones tericas y al desarrollo de experimentos a travs de programas que demostraran actitudes inteligentes, con estos programas se pretenda que la mquina jugara ajedrez, demostrara teoremas matemticos, etc. No fue hasta los aos 70 que surgi un nuevo paradigma en la Inteligencia Artificial los Sistemas Expertos, cuya funcin es desarrollar trabajos similares a los que desarrollara un especialista en un rea determinada, la idea no es sustituir a los expertos, sino que estos sistemas sirvan de apoyo a los especialistas en un dominio de aplicacin especfico. Estos sistemas expertos son en lo esencial sistemas de computacin basados en conocimientos cuyos componentes representan un enfoque cualitativo de la

programacin. Muchas personas pueden creer que un Sistema Experto (SE) es un sistema compuesto por subsistemas y a su vez estos por otros subsistemas hasta llegar a los programas, y que los SE se miden por la cantidad de programas que contienen. Sin embargo la cantidad no es lo que prima en los SE, si no la cualidad del mismo, esta cualidad est dada por la separacin de las reglas que describen el problema (Base de Conocimientos), del programa de control que es quien selecciona las reglas adecuadas (Motor de inferencias). Podemos decir que un Sistema Experto es una Base de Conocimientos (BC), una Base de Hechos (BH) y un Motor (o Mquina) de Inferencias (MI). Por otra parte estos sistemas no se miden por la cantidad de instrucciones o programas sino por la cantidad de reglas que hay contenida en su Base de Conocimientos. Para desarrollar los sistemas expertos primero es necesario abordar un rea de inters, dentro de esta rea se seleccionan a los expertos, que son los especialistas capaces de resolver los problemas en dicha rea. Por ejemplo el rea de inters de las empresas de proyectos, son precisamente los proyectos y un especialista podra ser un arquitecto, un ingeniero civil, etc. Ahora bien, casi siempre estos especialistas, son expertos en un dominio especfico y es sobre este dominio, donde poseen su mayor experiencia (Dominio de Experticidad), por ejemplo un Ing. civil especializado en cimientos. Una vez seleccionado al experto o a los expertos y estos estn de acuerdo en dar sus conocimientos, comienza a jugar su papel el Ingeniero de Conocimientos, que es el encargado de extraerle los conocimientos al experto y darle una representacin adecuada, ya sea en forma de reglas u otro tipo de representacin, conformando as la base de conocimientos del sistema experto.

Caractersticas

Habilidad para adquirir conocimiento. Fiabilidad, para poder confiar en sus resultados o apreciaciones. Solidez en el dominio de su conocimiento. Capacidad para resolver problemas.

Dada la complejidad de los problemas que usualmente tiene que resolver un sistema experto , puede existir cierta duda en el usuario sobre la validez de respuesta obtenida. Por este motivo, es una condicin indispensable que un sistema experto sea capaz de explicar su proceso de razonamiento o dar razn del por qu solicita tal o cual informacin o dato. Estas caractersticas le permiten almacenar datos y conocimiento, sacar conclusiones lgicas, tomar decisiones, aprender de la experiencia y los datos existentes, comunicarse con expertos humanos, explicar el por qu de las decisiones tomadas y realizar acciones como consecuencia de todo lo anterior. Tcnicamente un sistema experto, contiene una base de conocimientos que incluye la experiencia acumulada de expertos humanos y un conjunto de reglas para aplicar sta base de conocimientos en una situacin particular que se le indica al programa. Cada vez el sistema se mejora con adiciones a la base de conocimientos o al conjunto de reglas.

Un Sistema Experto est conformado por: BASE DE CONOCIMIENTOS (BC): Contiene conocimiento modelado extrado del dilogo con el experto. BASE DE HECHOS (Memoria de trabajo): contiene los hechos sobre un problema que se ha descubierto durante el anlisis. MOTOR DE INFERENCIA Modela el proceso de razonamiento humano. Mdulos de justificacin: Explica el razonamiento utilizado por el sistema para llegar a una determinada conclusin. INTE4FAZ DE USUARIO: es la interaccin entre el SE y el usuario, y se realiza mediante el lenguaje natural.

Lgica difusa Llamada tambin Lgica Borrosa o Fuzzy Logic, es bsicamente un tipo de lgica que reconoce ms que simples valores verdaderos y falsos. Est basada en el concepto de raciocinio aproximado y en la capacidad de extraer conclusiones y generar respuestas usando informacin vaga, ambigua, incompleta, cualitativa y/o

imprecisa. As a travs de esta tcnica se trata de imitar un tipo de raciocinio inconsciente o consciente que el ser humano utiliza para resolver problemas cotidianos. Con lgica difusa, las proposiciones pueden ser representadas con grados de veracidad o falsedad, mientras que una premisa basada en la lgica tradicional posee dos trminos, siendo completamente verdadera o completamente falsa. La Lgica Difusa se considera un sper conjunto de la Lgica Booleana. Por medio de la Lgica Difusa pueden formularse matemticamente nociones como: un poco caliente o muy fro, para que sean procesadas por computadoras y se puedan cuantificar expresiones humanas vagas, tales como "Muy alto" o "Un poco bajo". Esto es un intento de aplicar la forma de pensar humana a la programacin de los computadores. La habilidad de la Lgica Difusa para procesar valores parciales de verdad ha sido de gran ayuda para la ingeniera. La lgica difusa se adapta mejor al mundo real en el que vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy alto", "el ritmo del corazn est un poco acelerado", etc. La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco"). En la teora de conjuntos difusos se definen tambin las operaciones de unin, interseccin, diferencia, negacin o complemento, y otras operaciones sobre conjuntos, en los que se basa esta lgica. Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus elementos, que indican en qu medida el elemento forma parte de ese conjunto difuso. Las formas de las funciones de pertenencia ms tpicas son trapezoidales, lineales y curvas. 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 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. 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.

Ventajas e inconvenientes Como principal ventaja, cabe destacar los excelentes resultados que brinda un sistema de control basado en lgica difusa: ofrece salidas de una forma veloz y precisa, disminuyendo as las transiciones de estados fundamentales en el entorno fsico que controle. Por ejemplo, si el aire acondicionado se encendiese al llegar a la temperatura de 30, y la temperatura actual oscilase entre los 29-30, nuestro sistema de aire acondicionado estara encendindose y apagndose continuamente, con el gasto energtico que ello conllevara. Si estuviese regulado por lgica difusa, esos 30 no seran ningn umbral, y el sistema de control aprendera a mantener una temperatura estable sin continuos apagados y encendidos. Tambin est la indecisin de decantarse bien por los expertos o bien por la tecnologa (principalmente mediante redes neuronales) para reforzar las reglas heursticas iniciales de cualquier sistema de control basado en este tipo de lgica.

Robtica

La robtica es la tecnologa de la informtica que ha venido a realizar cambios significativos en todos sectores de la sociedad, tales como la econmica, lo laboral, lo industrial, lo social, lo educacional, etc. Es la nueva tecnologa que se utiliza en la grandes industria para la fabricacin en gran escala de vehculos, ropas y adems en las distinta ramas o ciencia del conocimiento. La robtica es la ciencia y la tecnologa de los robots. Se ocupa del diseo, manufactura y aplicaciones de los robots. La robtica combina diversas disciplinas como son: la mecnica, la electrnica, la informtica, la inteligencia artificial y la ingeniera de control. Otras reas importantes en robtica son el lgebra, los autmatas programables y las mquinas de estados. El termino de la robtica se ha venido utilizando no solamente en nuestro tiempo, sino a todo largo de la historia del ser Humano, el hombre se ha motivado por el uso de maquinas que imitan el movimiento del hombre. De aqu que los griegos la de nominaban autmatas, que se deriva de la palabra autmatas esto significa maquina que imita la figura y los movimientos de un ser animado. En el ao 85 despus de Cristo se utilizaban mecanismo que se movan atreves de dispositivo hidrulico como son poleas y palancas utilizado con fines ldicos en el tiempo de Hern de Alejandra. Esta posee grandes ventajas entre la que podemos citar: Mayor precisin, sin cansancio. Pueden realizar tarea peligrosa. Realidad ampliada. Se realizaran las tareas con mayor velocidad. Reduccin de costo, pueden ir a donde el humano no puede.

Aunque tambin tienen sus desventajas, tales como: pueden ser peligrosos, cambio de paradigma, a veces generan un rechazo tecnolgico importante, desplazamiento de mano de obra humana, etc.

Aplicaciones de la robtica 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 teleoperados 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. 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. Por el contrario la Robtica contribuir en gran medida al incremento del empleo. Pero, como se puede hacer esto? al automatizar los procesos en mquinas ms flexibles, reduce el costo de maquinaria, y se produce una variedad de productos sin necesidad de realizar cambios importantes en la forma de fabricacin de los mismo. Esto originara una gran cantidad de empresas familiares (Micro y pequeas empresas) lo que provoca la descentralizacin de la industria.

Aspectos que marcan la evolucin de la robtica Segn los expertos, estos son los aspectos que marcan la evolucin de la robtica: El primero es la evolucin tecnolgica en cuanto a capacidad de procesamiento, la capacidad de los sensores, capacidad de actuacin y almacenamiento de energa. El segundo es la evolucin en el campo cientfico: dotarlos de capacidades y habilidades que son atribuibles a seres vivos. El tercer aspecto es la aplicacin. La robtica avanza en la medida en que se necesita resolver problemas especficos. Un ejemplo es el robot enviado a Marte.

La robotica y la automatizacion La Historia de la Automatizacin industrial est caracterizada por perodos de constantes innovaciones tecnolgicas. Esto se debe a que las tcnicas de automatizacin estn muy ligadas a los sucesos econmicos mundiales. El uso de robots industriales junto con los sistemas de diseo asistidos por computadoras (CAD), y los sistemas de fabricacin asistidos por computadoras (CAM), son la ltima tendencia en automatizacin de los procesos de fabricacin y luego se cargaban en el robot. stas tecnologas conducen a la automatizacin industrial a otra

transicin, de alcances an desconocidos. Aunque el crecimiento del mercado de la industria Robtica ha sido lento en comparacin con los primeros aos de la dcada de los 80's, de acuerdo a algunas predicciones, la industria de la robtica est en su infancia. Ya sea que stas predicciones se realicen completamente, o no, es claro que la industria robtica, en una forma o en otra, permanecer. Hay tres clases muy amplias de automatizacin industrial: automatizacin fija, automatizacin

programable y automatizacin flexible. La automatizacin fija se utiliza cuando el volumen de produccin es muy alto, y por tanto se puede justificar econmicamente el alto costo del diseo de equipo especializado para procesar el producto, con un rendimiento alto y tasas de produccin elevadas. La automatizacin programable se emplea cuando el volumen de produccin es relativamente bajo y hay una diversidad de produccin a obtener. La automatizacin flexible, es ms adecuada para un rango de produccin medio. Estos sistemas flexibles poseen caractersticas de la automatizacin fija y de la automatizacin programada. De los tres tipos de automatizacin, la robtica coincide ms estrechamente con la automatizacin programable.

Conclusin

La inteligencia artificial es la ayuda que la humanidad esperaba, empezando con la revolucin industrial con la automatizacin de los procesos de industrializacin y manufactoralizacin, con ello los procesos pasaban de ser manuales a semi-automatizados, posteriormente con el desarrollo de las ciencias informticas y la computacin y la ingeniera mecnica se logro la automatizacin de los procesos de produccin en las empresas con el desarrollo de la inteligencia artificial se lograron muchas innovaciones en un sinfn de actividades y procesos que van desde la misma informtica, pasando por la contabilidad en la soporte de decisiones, en la medicina en la realizacin de pruebas de ADN con una computadora que realiza los estudios pertinentes para facilitar el diagnostico y la creacin de sistemas independientes que realizan procesos complejos, hasta llegar a la creacin de videojuegos que simulan la realidad e introducen al jugador al mismo juego literalmente, siempre apoyados por los lenguajes de programacin

Referencias bibliogrficas

http://es.wikibooks.org/wiki/La_Rob%C3%B3tica_y_sus_componentes http://eddyalfaro.galeon.com/geneticos.html http://the-geek.org/docs/algen/ http://inteligenciaartificialudb.blogspot.com/2008/01/concepto-caractersticas-ymetodologas.html