ELECTIVA V -Aqu esta toda la informacin amiga :), resmela a tu gusto, nos ponemos el jueves en el taller

1-Ramas de la Inteligencia Artificial FEBRERO 8, 2011 DE INGEGALINDOC La inteligencia artificial (IA) debido a su naturaleza cuenta con muchos campos de estudio, es decir, ramas en las que se divide y se investiga con especializacin; cada una de estas ramas surge por medio de ideas innovadoras y el surgimiento de nuevos paradigmas de cmputo en el mbito de la investigacin computacional que permitieron nuevas tcnicas de programacin, stas tcnicas incluyen el concepto heurstico (Heurstica: Idea Basada en la experiencia que ayuda a determinar cmo se debe proceder.) y se apoyan en nuevos sistemas de hardware que se derivan del desarrollo de la tecnologa a traves de las generaciones de computadora. Cada una de las ramas de la IA no son ms que una metodologa diferente para tratar la resolucin de problemas aplicando el principio de inteligencia a los sistemas. stas ramas se pueden dividir en reas clsicas y reas de vanguardia de acuerdo a la poca en que surguieron, pero esta clasificacin vara debido a la diversidad de metodologas de IA existentes, por tal motivo se presentarn cada una de las ramas y sus caractersticas tratando de seguir el orden de surgimiento de cada una. Como primer rama tenemos las Redes de Petri, surgidas de la tesis doctoral en 1962 de Carl Adam Petri, en donde se establece por primera vez una teora general para sistemas discretos paralelos. Petri generaliz la teora de autmatas e hizo que utilizaran mtodos grficos para la representacin de sistemas por medio de condiciones y eventos, esto quiere decir que un modelo de red de Petri representa las propiedades de un sistema en el lenguaje de lgica y la representacin algebraica, lo que le da un sentido nuevo a los procesos computacionales. Derivados de este concepto surgen los Sistemas Expertos (SE) o tambin conocidos como Sistemas Basados en Conocimiento, un SE es un programa o un conjunto de programas informticos que aplican el proceso de razonamiento del humano experto en la materia en la solucin de probelmas especficos, la funcin de estos sistemas es tomar decisiones inteligentes con base al conocimiento y la heurstica al interpretar grandes cantidades de datos, por lo que su funcin es auxiliar a los expertos, no para reemplazarlos. Unos ejemplo de aplicacin son el rea mdica, el anlisis qumico, la exploracin geolgica, entre otros. En 1965 Lofti A. Zadeh introdujo la Lgica Fuzzy o conocida tambin como lgica borrosa, que es bsicamente una forma matemtica que representa la impresicin inherente

al lenguaje natural, su principio es generalizar la lgica clsica haciendo que las variables tomen valores lingisticos de verdad, en donde se divide la pertenencia a los conjuntos borrosos en forma gradual, para as poder implementar la forma de razonar propia de lo que conocemos como sentido comn. Se implementa para ayudar a la toma de decisiones y al diagnstico de situaciones. Otra rama se conoce como Procesamiento del Lenguaje Natural, que es un intento de comunicacin cada vez ms clara entre humano-mquina y mquina-humano, dejando el uso de lenguajes de programacin o de un conjunto de comandos, para procesar el lenguaje humano natural. Para procesar dicho lenguaje humano natural se necesita dividirlo, primero se obtiene la comprensin del lenguaje natural, que investiga mtodos para que la computadora permita comprender instrucciones dadas en este tipo de lenguaje, para que as la computadora nos pueda comprender ms fcilmente; como segundo paso es la generacin de lenguaje natural, en donde la computadora es capaz de expresarse en el lenguaje humano natural, de tal forma que podamos entenderla de manera ms sencilla. Una parte de la Robtica tambin se considera dentro de las ramas de la IA, partiendo de la idea de que un robot es un dispositivo electromecnico programado para que realice tareas manuales, utiliza el principio de IA slo cuando es capaz de responder a cambios en su entorno en lugar de seguir instrucciones establecidas previamente, esto se puede llevar a cabo con la ayuda de sensores y de cmaras que le permitan interpretar las seales del ambiente que lo rodea y adaptarse al mismo. El Reconocimiento del Habla es otra rama, ya que utiliza el mtodo interactivo de comunicacin primaria para el ser humano que es el habla, lo que le permite escuchar a una persona hablar, decodificar el significado de las palabras, interpretarlas, y transmitir una respuesta. Actualmente se utiliza mucho para personas con capacidades diferentes que no son capaces de utilizar el teclado y necesitan comunicarse por medio del habla para poder utilizar diferentes dispositivos. Una rama ms es la Visin por Computadora o mejor conocida como Reconocimiento de Patrones, parte del medio primario que tienen las personas para percibir su entorno, es decir, de la visin, a travs de una cmara se captan las imgenes, las cuales se procesan y se reconocen patrones en el entorno, como por ejemplo un lpiz, una planta, una animal, etc, de tal manera que la computadora pueda entender exactamente lo que esta viendo. La siguiente rama se conoce como Aprendizaje y Razonamiento Automtico, la cual consiste en que una computadora sea capaz de planificar, tomar decisiones, plantear y evaluar estrategias, aprendiendo a partir de la experiencia y que por lo tanto se capaz de autoreprogramarse para adaptarse a su entorno.

Campos ms actuales comienzan con las Redes Neuronales a partir de la dcada de los 80s, el objetivo es emular el proceso biolgico del aprendizaje humano por medio de procesadores (estructuras neuronales) que operan en paralelo, cuya funcin se determina por los estimulos dados a travs de la red, las conexiones y el procesamiento local realizado por los nodos neuronales, cuyo resultado es igual al aprendizaje de funciones matemticas por medio de datos de entrenamiento. Hay que aclarar que estos sistemas como tal, no se programan sino que se entrenan con seales con ruido para reconocer objetos. La siguiente rama es la Lgica Difusa, es la implementacin de otra lgica a diferencia de la lgica tradicional booleana, que se basa en el razonamiento aproximado y el clculo de palabras, para lograr simplificar y aproximar la descripcin del problema de una manera ms natural, robusta y eficiente. Por ejemplo la lgica booleana tiene valores de verdad de 0% y 100% nicamente, mientras que la lgica Difusa puede tener valores de verdad de 0%, 25%, 50%, 75% y 100% lo que conlleva a entender sentencias como Alto, Muy Alto, Medianamente Alto, Poco Alto y No Alto. Dentro de las ramas se encuentra parte de lo que es la Realidad Virtual, una realidad virtual es la recreacin de un mundo artificial en tiempo real que pueden ser captado por diversos canales sensoriales del espectador que navega inmerso a travs de dicho mundo, su aplicacin como IA radica en el mecanismo de interpretacin de la interaccin del ambiente virtual, como por ejemplo la luz del sol con respecto a las sombras de objetos, la sensacin de velocidad, el rebote de una pelota, el flujo del agua, etc. Los Agentes o Wizards, son programas invisibles que trabajan como espas observando las acciones comunmente realizadas por el usuario, las cuales son interpretadas y se guardan para llevar un control de las mismas, si existe alguna anomala, como ejecutar un programa distinto al cotidiano, o un error en una accin realizada por el usuario el programa lanza una alerta y sugiere una serie de soluciones, tambin es capaz de realizar las tareas cotidianas al iniciar el equipo para facilitar la tarea del usuario. La Computacin Evolutiva pertenece tambin a la rama de la biologa, la cual desarrolla programas basados en la analoga de procesos biolgicos tales como la seleccin natural y la evolucin, esta idea parte de algoritmos genticos y de un sistema computacional inmunizado; dentro de sus aplicaciones se encuentra la optimizacin de problemas, programacin automtica y el aprendizaje de mquinas. Los Algoritmos Genticos (AG), son procedimientos de bsqueda y optimizacin que ayudan a modelar los mecanismos de seleccin natural de los seres vivos segn los mecanismos genticos. Surgen en 1975 por el estudio que realiz Holland sobre autmatas celulares. Su funcin es seleccionar de una poblacin de soluciones candidatas (individuos),

intentar producir nuevas generaciones de soluciones mejores que las anteriores, una y otra vez hasta aproximar a una solucin perfecta. Existe tambin la Programacin Gentica, que aplica el principio de los AG para hacer evolucionar programas informticos, el resultado es simple, se seleccionan los programas ms aptos despus de generaciones y herencia para la solucin de un problema dado, tambin involucra factores de mutaciones aleatorias para desarrollar nuevos programas. Dentro de la IA tambin se analiza la Teora del Caos, la cual se caracteriza por ser un conjunto de tcnicas utilizadas para examinar y determinar relaciones altamente complejas entre datos que son de un inicio suministrados al azar. Lo importante en este aspecto es comprender los resultados que arroja cada tcnica, clasificarlos, y aproximar de la manera ms cercana el comportamiento lgico que realiza cada uno de los elementos presentes en el clculo. Opinin Es increible la cantidad de metodologas que tiene la IA, cada una de sus ramas es un mundo de investigacin que cada vez ms se est ampliando y da origen a nuevas ramas, lo que ms resalta en todas ellas es que estn estrictamente fundamentadas en modelos matemticos slidos, lo que quiere decir que las matemticas forman parte fundamental de cualquier inteligencia, y me atrevo a decir que es principalmente lo que la conforma. Anteriormente contaba con el conocimiento de algunas de las ramas de la IA, pero no tena idea que pertenecan a ella, por ejemplo, el reconocimiento de patrones y la realidad virtual, parece ser que la intencin de estos estudios es asemejar con tecnologa las capacidades que el ser humano tiene, para as poder comprender lo que somos, cmo funcionamos, y sobre todo como pensamos. Partiendo de ah se puede observar que la comodidad que ha buscado desde siempre el ser humano para las labores tanto cotidianas como complejas se puedan realizar sin hacer tanto esfuerzo fsico y/o mental. Tambin nos ayuda a entender el entorno que nos rodea y nos facilita la investigacin cientfica. El ser humano es tan inteligente que es capaz de emular inteligencia con la tecnologa que desarrolla, y no es de extraarse que desarrolle sistemas tan complejos aproximados a la misma inteligencia humana, aunque en mi opinin ningn sistema de este tipo podr alcanzar a la capacidad humana por el simple hecho de que lo que nos rodea est hecho por seales analgicas y logartmicas principalmente en lugar de simulaciones de unos y ceros que restan mucho la informacin que se puede llegar a obtener. Referencias.

1.- Inteligencia Artificial e Ingeniera del Conocimiento. Gonzalo Pajares Martinsanz y Matilde Santos Peas. AlfaOmega. Mxico, D.F. Mayo 2007. 2.- A Fondo: Inteligencia Artificial. Henry C. Mishkoff. Ediciones Anaya Multimedia S. A. Madrid 1988. 3.- Ramas de la Inteligencia Artificial. http://www.depi.itch.edu.mx/apacheco/ai/ramas.htm

1- Sistemas expertos (SE)

INTRODUCCIN Se considera a alguien un experto en un problema cuando este individuo tiene conocimiento especializado sobre dicho problema. En el rea de los (SE) a este tipo de conocimiento se le llama conocimiento sobre el dominio. La palabra dominio se usa para enfatizar que el conocimiento pertenece a un problema especfico. [1] Antes de la aparicin del ordenador, el hombre ya se preguntaba si se le arrebatara el privilegio de razonar y pensar. En la actualidad existe un campo dentro de la inteligencia artificial al que se le atribuye esa facultad: el de los sistemas expertos (SE). Estos sistemas tambin son conocidos como Sistemas Basados en Conocimiento, los cuales permiten la creacin de mquinasque razonan como el hombre, restringindose a un espacio de conocimientos limitado. En teora pueden razonar siguiendo los pasos que seguira un experto humano (mdico, analista, empresario, etc.) para resolver un problema concreto. Este tipo demodelos de conocimiento por ordenador ofrece un extenso campo de posibilidades en resolucin de problemas y en aprendizaje. Su uso se extender ampliamente en el futuro, debido a su importante impacto sobre los negocios y la industria. [2] HISTORIA DE LOS (SE) Sus inicios datan a mediados de los aos sesenta. Durante esta dcada los investigadores Alan Newell y Herbert Simon desarrollaron un programallamado GPS (General Problem Solver; solucionador general de problemas). Poda trabajar con criptoaritmtica, con las torres de Hanoi y con otros problemas similares. Lo que no poda hacer el GPS era resolver problemas del mundo real, tales como un diagnstico mdico. Algunos investigadores decidieron entonces cambiar por completo el enfoque del problema restringiendo su ambicin a un dominio especfico e intentando simular el razonamiento de un experto humano. En vez de dedicarse a computarizar la inteligencia general, se centraron en dominios de conocimiento muy concretos. De esta manera nacieron los SE. A partir de 1965, un equipo dirigido por Edward Feigenbaum, comenz a desarrollar SE utilizando bases de conocimiento definidas minuciosamente. Dos aos ms

tarde se construye DENDRAL, el cual es considerado como el primer SE. La ficcin de dicho SE era identificarestructuras qumicas moleculares a partir de su anlisis espectrogrfico. En la dcada de los setenta se desarroll MYCIN para consulta y diagnstico de infecciones de la sangre. Este sistema introdujo nuevas caractersticas: utilizacin de conocimiento impreciso para razonar y posibilidad de explicar el proceso de razonamiento. Lo ms importante es que funcionaba de manera correcta, dando conclusiones anlogas a las que un ser humano dara tras largos aos de experiencia. En MYCIN aparecen claramente diferenciados motor de inferencia y base de conocimientos. Al separar esas dos partes, se puede considerar el motor de inferencias aisladamente. Esto da como resultado un sistema vaco o shell (concha). As surgi EMYCIN (MYCIN Esencial) con el que se construy SACON, utilizado para estructuras de ingeniera, PUFF para estudiar la funcin pulmonar y GUIDON para elegir tratamientos teraputicos. En esa poca se desarrollaron tambin: HERSAY, que intentaba identificar la palabra hablada, y PROSPECTOR, utilizado para hallar yacimientos deminerales. De este ltimo deriv el shell KAS (Knowledge Adquisition System). En la dcada de los ochenta se ponen de moda los SE, numerosas empresas de alta tecnologa investigan en este rea de la inteligencia artificial, desarrollando SE para su comercializacin. Se llega a la conclusin de que el xito de un SE depende casi exclusivamente de la calidad de su base de conocimiento. El inconveniente es que codificar la pericia de un experto humano puede resultar difcil, largo y laborioso. Un ejemplo de SE moderno es CASHVALUE, que evala proyectos de inversin y VATIA, que asesora acerca del impuesto sobre el valor aadido oIVA. [3] DEFINICIONES DE LOS (SE) Es un software que imita el comportamiento de un experto humano en la solucin de un problema. Pueden almacenar conocimientos de expertos para un campo determinado y solucionar un problema mediante deduccin lgica de conclusiones. [4] Son SE aquellos programas que se realizan haciendo explicito el conocimiento en ellos, que tienen informacin especfica de un dominio concreto y que realizan una tarea relativa a este dominio. [5] Programas que manipulan conocimiento codificado para resolver problemas en un dominio especializado en un dominio que generalmente requiere de experiencia humana. Programas que contienen tanto conocimiento declarativo (hechos a cerca de objetos, eventos y/o situaciones) como conocimiento de control (informacin a cerca de los cursos de una accin), para emular el proceso de razonamiento de los expertos humanos en un dominio en particular y/o rea de experiencia. [6] Software que incorpora conocimiento de experto sobre un dominio de aplicacin dado, de manera que es capaz de resolver problemas de relativa dificultad y apoyar la toma de decisiones inteligentes en base a un proceso de razonamiento simblico. [1]

APLICACIONES Sus principales aplicaciones se dan en las gestiones empresariales debido a que; a) Casi todas las empresas disponen de un ordenador que realiza las funciones bsicas de tratamiento de la informacin: contabilidad general, decisiones financieras, gestin de la tesorera, planificacin, etc. b) Este trabajo implica manejar grandes volmenes de informacin y realizar operaciones numricas para despus tomar decisiones. Esto crea un terreno ideal para la implantacin de los SE. Adems los SE tambin se aplican en la contabilidad en apartados como: Auditoria(es el campo en el que ms aplicaciones de SE se esta realizando) Fiscalidad, planificacin, anlisis financiero y la contabilidad financiera. REAS DE APLICACIN Los SE se aplican a una gran diversidad de campos y/o reas. A continuacin se listan algunas de las principales:
Militar Qumica Geologa Electrnica Medicina Informtica Derecho Arqueologa Transporte Industria Telecomunicaciones Aeronutica Agricultura Educacin Finanzas y Gestin

VENTAJAS Estos programas proporcionan la capacidad de trabajar con grandes cantidades de informacin, que son uno de los grandes problemas que enfrenta el analista humano que puede afectar negativamente a la toma de decisiones pues el analista humano puede depurar datos que no considere relevantes, mientras un SE debido a su gran velocidad de proceso analiza toda la informacin incluyendo las no tiles para de esta manera aportar una decisin ms slida. LIMITACIONES Es evidente que para actualizar se necesita de reprogramacin de estos (tal vez este sea una de sus limitaciones ms acentuadas) otra de sus limitaciones puede ser el elevado costo en dinero y tiempo, adems que estos programas son poco flexibles a cambios y de difcil acceso a informacin no estructurada. [7] Debido a la escasez de expertos humanos en determinadas reas, los SE pueden almacenar su conocimiento para cuando sea necesario poder aplicarlo. As mismo los SE pueden ser utilizados por personas no especializadas para resolver problemas. Adems si una persona utiliza con frecuencia un SEaprender de el.

Por otra parte la inteligencia artificial no ha podido desarrollar sistemas que sean capaces de resolver problemas de manera general, de aplicar el sentido comn para resolver situaciones complejas ni de controlar situaciones ambiguas. El futuro de los SE da vueltas por la cabeza de cada persona, siempre que el campo elegido tenga la necesidad y/o presencia de un experto para la obtencin de cualquier tipo de beneficio. [8] 3 -ARQUITECTURA BSICA DE LOS SISTEMAS EXPERTOS Base de conocimientos. Es la parte del sistema experto que contiene el conocimiento sobre el dominio. hay que obtener el conocimiento del experto y codificarlo en la base de conocimientos. Una forma clsica de representar el conocimiento en un sistema experto son lar reglas. Una regla es una estructura condicional que relaciona lgicamente la informacin contenida en la parte del antecedente con otra informacin contenida en la parte del consecuente. Base de hechos (Memoria de trabajo). Contiene los hechos sobre un problema que se han descubierto durante una consulta. Durante una consulta con el sistema experto, el usuario introduce la informacin del problema actual en la base de hechos. El sistema empareja esta informacin con el conocimiento disponible en la base de conocimientos para deducir nuevos hechos. Motor de inferencia. El sistema experto modela el proceso de razonamiento humano con un mdulo conocido como el motor de inferencia. Dicho motor de inferencia trabaja con la informacin contenida en la base de conocimientos y la base de hechos para deducir nuevos hechos. Contrasta los hechos particulares de la base de hechos con el conocimiento contenido en la base de conocimientos para obtener conclusiones acerca del problema. Subsistema de explicacin. Una caracterstica de los sistemas expertos es su habilidad para explicar su razonamiento. Usando el mdulo del subsistema de explicacin, un sistema experto puede proporcionar una explicacin al usuario de por qu est haciendo una pregunta y cmo ha llegado a una conclusin. Este mdulo proporciona beneficios tanto al diseador del sistema como al usuario. El diseador puede usarlo para detectar errores y el usuario se beneficia de la transparencia del sistema. Interfaz de usuario. La interaccin entre un sistema experto y un usuario se realiza en lenguaje natural. Tambin es altamente interactiva y sigue el patrn de la conversacin entre seres humanos. Para conducir este proceso de manera aceptable para el usuario es especialmente importante el diseodel interfaz de usuario. Un requerimiento bsico del interfaz es la habilidad de hacer preguntas. Para obtener informacin fiable del usuario hay que poner especial cuidado en el diseo de las cuestiones. Esto puede requerir disear el interfaz usando mens o grficos. [1] CONCLUSIONES Actualmente el duro, difcil y cambiante mercado competitivo se vuelve ms complejo por la gran diversidad de informacin que se ven obligados a almacenar y analizar, razn por la cual las empresas se ven en la necesidad de recurrir a poderosas y/o robustas herramientas o sistemas que les sirvan de soporte a la hora de tomar decisiones. De esta forma estos inteligentes, precisos y eficientes

sistemas son adoptados por ms organizaciones, en las cuales se convierten y/o transforman en una importante estrategia de negocio. Por otra parte es importante mencionar que estos seguirn siendo usados en los todos y cada una de las reas y/o campos donde los expertos humanos sean escasos. Por consecuencia de lo anterior estos sistemas son utilizados por personas no especializadas, por lo cual el uso frecuente de los (SE) les produce y/o genera conocimiento a los usuarios. REFERENCIAS BIBLIOGRAFICAS [1] Viejo Hernando Diego (2003). Sistemas expertos. Consultado en 06, 04, 2004 en http://www.divulga-ia.com/cursos/cursos.xml?numero=2&nombre=2003-926a&numLecc=1. [2] Samper Mrquez Juan Jos (2004). Introduccin a los sistemas expertos. Consultado en 06, 03, 2004 enhttp://www.redcientifica.com/doc/doc199908210001.html. [3] Samper Juan (2003). Sistemas expertos. El conocimiento al poder. Consultado en 06, 03, 2004 enhttp://www.psycologia.com/articulos/arjsamper01.htm. [4] Criado Briz Jos Mario (2002). Introduccin a los sistemas expertos. Consultado en 06, 05, 2004 enhttp://ingenieroseninformatica.org/recursos/tutoriales/sist_exp/cap1.php. [5] Wikipedia (2004). Sistema experto. Consultado en 06, 03, 2004 en http://es.wikipedia.org/wiki/Sistema_experto. [6] Castro Marcel (2002). Sistemas expertos. Consultado en 06, 04, 2004 enhttp://strix.ciens.ucv.ve/~iartific/Material/PP_Sistemas_Expertos.pdf. [7] Flix Justo (2004). Aplicaciones, ventajas y limitaciones de los sistemas expertos. Consultado en 06, 04, 2004 enhttp://efelix.iespana.es/efelix/expertaplicaciones.htm. [8] Montes Cerra Maria Clara (2003). Sistemas expertos. Consultado en 06, 05, 2004 enhttp://dis.eafit.edu.co/labs/labgic/ARTICULOS_%20PUBLICAR/Sistemas%20e xpertos.doc.

Investigacin realizada por Lic. Jess Montes Castro Egresado del Instituto Tecnolgico de Culiacn de la Licenciatura en informtica con especialidad en redes. En este momento me encuentro cursando la maestra en Administracin de las Tecnologas de Informacin en el Instituto Tecnolgico de Monterrey campus Sinaloa.

4- Comparacin de los Sistemas Clsicos con los Sistemas Expertos

Sistemas Clsicos Conocimiento y procesamiento combinados en un programa . No contiene errores. Sistemas Expertos Base de conocimiento separada del mecanismo de procesamiento. Puede contener errores.

No da explicaciones, los datos slo se usan o Una parte del sistema experto consiste en el escriben. mdulo de explicacin. Los cambios son tediosos. El sistema slo opera completo. Se ejecuta paso a paso. Necesita informacin completa para operar. Representa y usa datos. Los cambios en las reglas son fciles. El sistema puede funcionar con pocas reglas. La ejecucin usa heursticas y lgica. Puede operar con informacin incompleta. Representa y usa conocimiento.

5 Lgica difusa
La lgica difusa (tambin llamada lgica borrosa o lgica heurstica) se basa en lo relativo de lo observado como posicin diferencial. Este tipo de lgica toma dos valores aleatorios, pero contextualizados y referidos entre s. As, por ejemplo, una persona que mida 2 metros es claramente

una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores estn contextualizados a personas y referidos a una medida mtrica lineal. Fue formulada en 1965 por el ingeniero y matemtico Lofti Zadeh.1

[editar]Funcionamiento
La lgica difusa ("fuzzy logic" en ingls) 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 (ver tambin subconjunto difuso), 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 trapezoidal, lineal y curva. Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica (ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa):

SI hace muchsimo fri ENTONCES aumento drsticamente la temperatura. SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.

Los mtodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los resultados de dichos mtodos son un rea final, fruto de un conjunto de reas solapadas entre s (cada rea es resultado de una regla de inferencia). Para escoger una salida concreta a partir de tanta premisa difusa, el mtodo ms usado es el del centroide, en el que la salida final ser el centro de gravedad del rea total resultante. Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de redes neuronales para fortalecer las futuras tomas de decisiones.

Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao. Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente manera:

Funcionamiento de un sistema de control difuso.

En la figura, el sistema de control hace los clculos con base en sus reglas heursticas, comentadas anteriormente. La salida final actuara sobre el entorno fsico, y los valores sobre el entorno fsico de las nuevas entradas (modificado por la salida del sistema de control) seran tomadas por sensores del sistema. Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un coche que se autorregula segn las necesidades: Los chips difusos del climatizador recogen los datos de entrada, que en este caso bien podran ser la temperatura y humedad simplemente. Estos datos se someten a las reglas del motor de inferencia (como se ha comentado antes, de la forma SI... ENTONCES... ), resultando un rea de resultados. De esa rea se escoger el centro de gravedad, proporcionndola como salida. Dependiendo del resultado, el climatizador podra aumentar la temperatura o disminuirla dependiendo del grado de la salida.

[editar]Lgica

Difusa Compensatoria(LDC)

La LDC es un modelo lgico multivalente que permite la modelacin simultnea de los procesos deductivos y de toma de decisiones. El uso de la LDC en los modelos matemticos permite utilizar conceptos relativos a la realidad siguiendo patrones de comportamiento similares al pensamiento humano. Las caractersticas ms importantes de estos modelos son: La flexibilidad, la tolerancia con la imprecisin, la capacidad para moldear problemas no-lineales y su fundamento en el lenguaje de sentido comn.

La LDC utiliza la escala de la LD, la cual puede variar de 0 a 1 para medir el grado de verdad o falsedad de sus proposiciones, donde las proposiciones pueden expresarse mediante predicados. Un predicado es una funcin del universo X en el intervalo [0; 1], y las operaciones de conjuncin, disyuncin, negacin e implicacin, se definen de modo que restringidas al dominio [0; 1] se obtenga la Lgica Booleana. Las distintas formas de definir las operaciones y sus propiedades determinan diferentes lgicas multivalentes que son parte del paradigma de la LD. Las lgicas multivalentes se definen en general como aqullas que permiten valores intermedios entre la verdad absoluta y la falsedad total de una expresin. Entonces el 0 y el 1 estn asociados ambos a la certidumbre y la exactitud de lo que se afirma o se niega y el 0,5 a la vaguedad y la incertidumbre mximas. En los procesos que requieren toma de decisiones, el intercambio con los expertos lleva a obtener formulaciones complejas y sutiles que requieren de predicados compuestos. Los valores de verdad obtenidos sobre estos predicados compuestos deben poseer sensibilidad a los cambios de los valores de verdad de los predicados bsicos. Esta necesidad se satisface con el uso de la LDC, que renuncia al cumplimiento de las propiedades clsicas de la conjuncin y la disyuncin, contraponiendo a stas la idea de que el aumento o disminucin del valor de verdad de la conjuncin o la disyuncin provocadas por el cambio del valor de verdad de una de sus componentes, puede ser compensado con la correspondiente disminucin o aumento de la otra. Estas propiedades hacen posible de manera natural el trabajo de traduccin del lenguaje natural al de la Lgica, incluidos los predicados extensos si stos surgen del proceso de modelacin. En la LDC, el operador conjuncin, expresado como c (and) es la media geomtrica. [1]

[editar]Aplicaciones [editar]Aplicaciones

generales

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.

[editar]Lgica

difusa en inteligencia artificial

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...