You are on page 1of 12

INTELIGENCIA ARTIFICIAL CON APLICACIONES A LA INGENIERÍA

Dr. Pedro Ponce Cruz
Ed. Alfaomega 2010
Inteligencia Artificial
Ed SGMA 2010

Que es la IA?
Para abordar el concepto de inteligencia artifi cial, tal vez cabría plantearse primero la
siguiente pregunta: “¿qué es la inteligencia?” Sin duda, se trata de una pregunta difícil cuya
respuesta aún no ha sido resuelta totalmente, la cual sigue desconcertando tanto a los
biólogos como a los psicólogos y filósofos de nuestra época. Por supuesto que el objetivo
de este libro no es zanjar la discusión. Más bien la intención es presentar algunas ideas en
torno a la noción de inteligencia que nos ayuden a identificar ciertas características
distintivas de la denominada inteligencia artificial (IA). Se podría comenzar por destacar
algunas propiedades generales que presenta la inteligencia humana, como por ejemplo la
habilidad de enfrentar nuevas situaciones, la habilidad de resolver problemas, de responder
preguntas, elaborar planes, etc. Desde sus inicios, el hombre se representó el mundo real
mediante símbolos, los cuales constituyen la base del lenguaje humano. En este sentido, se
podría considerar a la IA como un dialecto simbólico constituido por cadenas de caracteres
que representan conceptos del mundo real. De hecho, los procesos simbólicos son una
característica esencial de la IA. A partir de lo expuesto es posible formular una definición
más aproximada de nuestro objeto de estudio: la IA es una rama de las ciencias
computacionales que se ocupa de los símbolos y métodos no algorítmicos para la
resolución de problemas.

ANTECEDENTES DE LA INTELIGENCIA ARTIFICIAL
Año Descripción

370 a.c. Se podría considerar que unos de los primeros pasos hacia la IA fueron
dados hace mucho tiempo por Aristóteles, cuando se dispuso a explicar y
codificar ciertos estilos de razonamiento deductivo que él llamó
silogismos.

1642 Blaise Pascal, perfecciona la pascalina, una máquina capaz de realizar
sencillas operaciones como sumar y restar. Es considerada como la
primera calculadora automática mundial.

1694 Gottfried Wilhem Liebniz, perfecciona una computadora con el nombre de
“Liebniz”, la cual puede realizar multiplicaciones, por medio de un
algoritmo que realiza sumas de manera repetitiva, dicho algoritmo aun es
utilizado en algunas computadoras.

1769 El turco Wolfgang von Kempelen.

Se utilizó una técnica de procesamiento de listas en un nuevo lenguaje de programación. en máquinas · La presuposición de que el pensamiento puede ser comprendido de manera formal y científica · La presuposición de que la mejor forma de entenderlo es a través de computadoras digitales . Herbert Simon y Shaw JC. el comportamiento orientado a objetos. IPL (Information Processing Language). esto proporcionó una representación simbólica de la actividad cerebral. quienes propusieron un modelo de neurona de cerebro humano y animal. Tiempo después Norbet Wiener elaboró el campo que llamó “cibernética”.1956 El primer programa de IA fue escrito por Allen Newell. 1956 En el congreso de Darthmouth se llegó a la definición de las presuposiciones básicas del núcleo teórico de la Inteligencia Artificial: · El reconocimiento de que el pensamiento puede ocurrir fuera del cerebro. gracias a Warren Mc Culloch y Walter Potts. 1879 Gottlob Frege propuso un sistema de notación para el razonamiento mecánico y al hacerlo inventó gran parte de lo que hoy conocemos como cálculo proposicional (lógica matemática moderna). Demostró teoremas usando una combinación de búsqueda.1832 Charles Babbage desarrolla la primera computadora mundial que puede ser programada para resolver una amplia variedad de problemas lógicos y computacionales. modificación y destrucción de estructuras simbólicas que interactúan sobre la marcha. a lo que se llamó “prueba de Turing”. y atiende a la creación. este lenguaje siempre utiliza punteros entre piezas de información relacionadas con la memoria asociativa para imitar. Fue desarrollada por Jonh Prespert Eckert y Jonh W. es decir. y la aplicación de las normas. 1950 Alan Turing describe los medios para determinar cuándo una máquina es inteligente. 1943 La base de la Inteligencia Artificial es asentada. Mauchley. 1955. 1946 Es desarrollada la primera computadora completamente electrónica y digital programable. la inteligencia artificial. llamada ENIAC. a partir de la cual nace. 1854 George Boole comenzó a desarrollar los fundamentos de la lógica proposicional.

Se crearon programas capaces de tratar con objetos geométricos (SHRDLU). Cliff Show y Herbert Simon. el primer sistema experto. 1965 Edward Feigenbaum y Robert K. 1962 El mundo de los primeros robots industriales es comercializado por una empresa de EE. 1960 Se inicia el estudio de las estructuras sintácticas de la computadora y sus relaciones con las estructuras sintácticas del lenguaje humano. el sujeto que interaccionan con la realidad sería un ordenador con forma de robot o de simple programa. creó el programa. 1969 Un robot móvil llamado Shakey fue montado en Stanford. un primer lenguaje de Inteligencia Artificial. UU. bajo la supervisión de Marvin Minsky. Gran parte del trabajo inicial de la IA se desarrolló en la década de 1960 y principios de los setenta en programas como General Problem Solver (GPS) de Allan Newell. . robots que manejan cubos (Shakey) y diferentes programas que “entendían” el inglés para sacar de las frases una determinada información (SIR y STUDENT) estos funcionan mediante la comparación de patrones. ANALOGY. 1963 Tom Evans. idearon el proyecto de micromundos de bloques. Lindsay construyen en Stanford DENDRAL. este podía navegar en un bloque de ocho habitaciones y seguir instrucciones de una forma simplificada en inglés. mismo que consistía en “representaciones” de laboratorio de la vida real. fue diseñado para resolver los problemas que implicaba la asociación de patrones geométricos.1958 John McCarthy introduce LISP. 1963 Marvin Minisky y Seymour Paper. con un aditivo muy especial. Su experiencia fue en el mapeo de la estructura de los productos químicos orgánicos complejos a partir de datos reunidos por los espectrómetros de masas.

. 1986 las ventas de hardware basado en IA y el software fueron de $ 425 millones. desarrollado por John McDermott en la Universidad Carnegie Mellon. que analizó los problemas en las redes telefónicas. Se pasó de cerca de 300 que contiene normas en 1979 a más de 3. (Para el experto configurador). · Una prospección minera. IntelliCorp.000 y podría configurar más de 10 sistemas informáticos diferentes. y las soluciones recomendadas. sistemas expertos que incorporan bases jerárquicas de conocimiento. y Williard. Gran parte de los nuevos negocios se desarrollaban en hardware especializado (por ejemplo.1970 Fue desarrollado el primer sistema experto comercial “XCON”. que comenzó a utilizarlo en enero de 1980 para ayudar a configurar los sistemas informáticos. Inicios de Unas sucesiones de sistemas expertos fueron construidos y puestos en 1980 uso por las empresas. el proyecto MYCIN produce NeoMYCIN y ONCOCIN. para decidir entre todas las opciones disponibles para su sistema VAX. Los grupos de Inteligencia Artificial se formaron en grandes empresas para desarrollar sistemas expertos. un asesor de inversión de cartera. Lo desarrollado para una empresa de equipamiento digital. y también los académicos se unieron a algunas de estas empresas. · FOLIO. un meteorólogo de tormentas de gran tamaño. un sistema de Bell. 1980 Tres sistemas expertos se han fomentado: PIP. paralelamente nace la ingeniería del conocimiento y aparece XCON primer sistema experto comercial. 1975 La medicina se ha convertido en un área importante para las aplicaciones de la investigación en Inteligencia Artificial. las computadoras LISP) y software (por ejemplo. e Inference) para ayudar a construir mejores y menos costosos sistemas expertos. el soporte de sistemas expertos vendido por Teknowledge. Entre ellas figuran: · Un torno y un analizador de diagnóstico de molino en la planta de GM en Saginaw utilización de las competencias de Charlie Amble a la escucha de los problemas a partir de sonidos. sistema experto PROSPECTOR consiste en una llamada que se encuentra un depósito de molibdeno. CASNET y MYCIN. Los capitalistas de riesgo comenzaron a invertir en el arranque de la IA.

Los sistemas expertos no modificarían sus conclusiones lógicas si después da hechos contradictorios. A este sistema se le tenía que decir qué hacer en vez de ser programado 1987 Los sistemas expertos basados en reglas empiezan a mostrar los límites de su tamaño comercialmente viable.1985 La investigación en Inteligencia Artificial comienza a enfocarse hacia arquitecturas paralelas y metodológicas para la resolución de problemas. · Los sistemas expertos basados en reglas no podía sacar conclusiones de casos similares en el pasado. 1990 Se han creado empresas sobre Inteligencia Artificial y el modelo conexionista empieza a cobrar mayor fuerza como paradigma frente al modelo de procesamiento simbólico. minería de datos. la realidad virtual. · Los sistemas expertos no pueden compartir sus conocimientos entre ellos porque realmente no tienen ningún sentido de las palabras que manipular. y las mismas palabras en diferentes sistemas expertos no pueden utilizarse de la misma manera. Este comportamiento se denomina "fragilidad". la programación. Extracción de los conocimientos de los expertos que la razón analógicamente y convertir ese conocimiento en las normas es problemática. El sistema experto XCON. el razonamiento incierto. responsable de introducir el término “inteligencia artificial”. razonamiento basado en casos. no pueden establecer la correspondencia y las analogías entre los objetos y las clases de objetos. · Los sistemas expertos no pueden aprender. Tal razonamiento analógico es un método común usado por los seres humanos. con manifestaciones importantes en el aprendizaje de las máquinas. · Los sistemas expertos podrían proporcionar respuestas incorrectas a las preguntas con respuestas fuera de su conocimiento. a partir del Primer Congreso Internacional sobre Redes Neuronales. había llegado a cerca de 10. Los motivos de estos límites incluyen: · Inflexibilidad de estos sistemas expertos en la aplicación de las normas. que puede dar lugar a conclusiones pobres. la planificación multi-agente. se vuelve cada vez más difícil para decidir el orden en que las reglas activas deben ser medidas al respecto. juegos y otros temas. . John McCarthy. Los grandes avances en todos los ámbitos de la IA. propuso utilizar el cálculo proposicional como un idioma para representar y utilizar el conocimiento en un sistema que denominó la “Advice Taker”. y la visión de túnel que implica su conocimiento limitado. tutoriales inteligentes. comprensión del lenguaje natural y la traducción. la visión.000 normas. Como las nuevas normas se añaden a los sistemas expertos. y fue cada vez más caro de mantener. es decir.

en un partido muy reñido. Aibo. mayor control de la Tierra. El primer lugar oficial es Robo-Copa del partido de fútbol de mesa con los partidos de 40 equipos de robots que interactúan y más de 5000 espectadores 1999 Sony Corporation presentó el AIBO.1994 Softbots son agentes de software que deambulan por la Internet. describiendo Kismet. 1997 El programa de ajedrez Profundo Azul (deep blue) gana al actual campeón mundial de ajedrez. Garry Kasparov. Remote Agent. un robot con una cara que expresa emociones. encontrando información que piensan será útil a sus usuarios al acceder a Internet. . un perro robot mascota que entiende 100 comandos de voz. haciendo realidad la visión del siglo 18. En la actualidad la difícil tarea de control de la nave se realiza por medio de un equipo de ingenieros de la nave espacial. Un sistema de inteligencia artificial. El objetivo de los sistemas de control consiste en proporcionar a un costo menor. Compartir el control a bordo con sistemas de inteligencia artificial permitirá a estas personas controlar más las naves espaciales. El robot Nomad explora las regiones remotas de la Antártida en busca de muestras de meteoritos. AIBO es un acrónimo de Inteligencia Artificial robot. y también significa "amor" o "archivo adjunto" en japonés. aprende y madura. 2000 Las mascotas robot interactivas (también conocido como "juguetes inteligentes") están disponibles comercialmente. su visión del mundo es a través de un ordenador. Cynthia Breazeal en el MIT publica su disertación sobre las máquinas Sociable. Durante dos días corriendo Remote Agent en el equipo a bordo de Deep Space 1. se le da el control primario de una nave espacial por primera vez.

encontrar sólo los documentos necesarios de inmediato. · Software que mejora la predicción de los ingresos diarios y las necesidades de personal para una empresa. · Avanzado software de aprendizaje que funciona como tutor humano en la enseñanza uno-a-uno con cada estudiante. de manera más rápida. un concurso de autónomos (sin conductor) de los vehículos. y automáticamente se resumen los documentos mediante sistemas de reconocimiento del rostro. 2004 La Defense Advanced Projects Agency (DARPA). y decodificarlas usando un ordenador. · Máquinas de lavar que se ajustan automáticamente a las diferentes condiciones para lavar la ropa mejor.1990´s y Existen varias aplicaciones de la Inteligencia artificial. · Sistemas de detección de fraude de crédito · Ayuda de los sistemas de escritorio que ayudan a encontrar la respuesta correcta a la pregunta de cualquier cliente. dos millones se habían vendido. . E-mail y filtros. una aspiradora robot de limpieza. · Compras de robots en la web. de entre millones de documentos. fundada por investigadores de la MIT Laboratorio de Inteligencia Artificial. en Estados Unidos. En julio. presenta Roomba. Para el año 2006. investigadores de la Universidad Californiana de Pasadena. la organización central de investigación del Departamento de Defensa de Estados Unidos. aunque no todas 2000´s estas aplicaciones funcionan tan bien como se desee. 2002 iRobot. Muchos comercializadores de dichos productos y servicios no están identificando el uso de la inteligencia artificial en sus productos y servicios. consiguieron registrar las señales que emiten las neuronas relacionadas con la planificación de los movimientos del cuerpo en monos. patrocinó el primer DARPA Grand Challenge. · Herramientas de minería de datos. mientras que brinda soluciones inteligentes para el problema de un cliente. pero se están mejorando continuamente. · Software para gestionar la información de personas. · Los sistemas automatizados de asesoramiento que personalizan sus respuestas. Probablemente no lo están haciendo así porque "inteligencia artificial" no se percibe al vender. · Programas de reconocimiento de voz continua que precisa a su vez la voz en texto. Estas incluyen: · Mejoras en el software de programación para crear automáticamente una mejor planificación de un proyecto.

Realidad Virtual. participó en un partido especial de dos juegos en el concurso de televisión estadounidense Jeopardy!. Razonamiento Basado en Modelo. diccionarios. se creaba un robot con una capacidad de visión casi humana (semejante descubrimiento podría pronto impulsar la creación de máquinas capaces de moverse en espacios abarrotados). México. Razonamiento Basado en asuntos temporales y razonamiento espacial. y obras literarias. Reconocimiento de formas. Forma parte del proyecto del equipo de investigación DeepQA. Redes Neuronales. Algoritmos Genéticos. el mayor ganador de dinero en toda la historia del programa. Lógica Difusa. celebrada en Pachuca. el poseedor del récord por la racha más larga de campeonatos 2009 En Febrero de 2009. Sistemas Inteligentes Híbridos. en exteriores e interiores. crearon un robot que puede seguir y obedecer los gestos humanos en cualquier entorno. Automatizado de Teorema Proving. Watson. La información contenida en ese base de datos proviene de multitud de fuentes. liderado por el investigador principal David Ferrucci. Cuestiones metodológicas y filosóficas de la gripe aviar. Lleva su nombre en honor del fundador y primer presidente de IBM. Revisión de creencias. Planificación y Programación. tales como: ( Sistemas Expertos y sistemas basados en conocimiento. Nilanjan Sarkar (uno de sus creadores). para probar sus capacidades reales. Representación del Conocimiento y Gestión de adquisición del conocimiento multi-agente de Sistemas Distribuidos y AI. artículos de noticias. desarrollado por la corporación estadounidense IBM.2004-2005 Watson (2004) es un sistema informático de inteligencia artificial que es capaz de responder a preguntas formuladas en lenguaje natural. Bioinformática y Medicina Aplicaciones. A lo largo de tres días en febrero de 2011. taxonomías. Investigadores de la Universidad de Brown. Razonamiento cualitativo. desarrollaron un sistema que permite registrar el estado emocional de niños autistas. Razonamiento no-mono tónico. En Marzo de 2009. Organizaciones Inteligentes . derrotando a sus dos oponentes humanos: Brad Rutter. Sistemas Tutoriales Inteligentes. al igual que bases de datos externos. y Ken Jennings. Programación con Restricciones. Robótica. Minería de datos) . en esta se cubrieron todas las áreas de la IA.Interfaces inteligentes: Multimedia. Aprendizaje Automático. Thomas J. Lógica de Programación. y ontologías. visión por Computador y Procesamiento de Imágenes. Y a principios de Julio de 2009. tesauros. incluyendo enciclopedias. Incertidumbre y Razonamiento Probabilístico. en Estados Unidos. Watson responde a las preguntas gracias a una base de datos almacenada localmente. Razonamiento de Sentido Común.Procesamiento del Lenguaje Natural . 2010 Novena Conferencia Internacional Mexicana de la Inteligencia Artificial.

El cerebro humano puede razonar con información que involucra incertidumbre o juicios de valor como: “el aire es frío” o “la velocidad es rápida”. Además. Cuando los matemáticos carecen de algoritmos que dictan cómo un sistema debe responder a ciertas entradas.RAMAS QUE COMPONEN LA INTELIGENCIA ARTIFICIAL Como se mencionó. dentro de los cuales se pueden encontrar tres grandes ramas: • Lógica difusa • Redes neuronales artificiales • Algoritmos genéticos Cada una consta de características especiales. La lógica difusa manipula conceptos vagos como “caliente” o “húmedo” y permite a los ingenieros construir televisores. Cuando se traduce el lenguaje humano al contexto de la lógica clásica se pierde la riqueza del significado. acondicionadores de aire. Los sistemas difusos frecuentemente tienen reglas tomadas de expertos. LÓGICA DIFUSA: Las computadoras manejan datos precisos que se reducen a cadenas de unos (1) y ceros (0) y proposiciones que son ciertas y falsas. pérdida que puede ser importante si estamos diseñando un sistema experto. pero el diagnóstico y la receta de las medicinas están llenos de razonamiento difuso. En las siguientes secciones se exponen más específicamente dichas tecnologías. Los matemáticos dedicados a la lógica en la década de 1920 definieron un concepto clave: todo es cuestión de grado. la lógica difusa puede controlar o describir el sistema usando reglas de sentido común que se refieren a cantidades indefinidas. Suponiendo que se diseña un sistema experto en reproducir la capacidad de diagnóstico de un médico. pero cuando no hay experto los sistemas difusos adaptativos aprenden las reglas observando cómo la gente manipula sistemas reales. existen varios elementos que componen la ciencia de la IA. Los sistemas difusos son una alternativa a las nociones de pertenencia y lógica que se iniciaron en la Grecia antigua. El lenguaje natural maneja conceptos no precisos como “hace frío” o “el precio es alto”. así como de una función específica. . el ingeniero sabe que el médico se basa en medidas exactas. las personas tienen un sentido común que les permite razonar en un mundo donde las cosas son parcialmente ciertas. La lógica difusa es una rama de la IA que le permite a una computadora analizar información del mundo real en una escala entre lo falso y verdadero. lavadoras y otros dispositivos que juzgan información difícil de definir.

La red neuronal utilizada es una red multicapa de diez neuronas en la capa de entrada. Los parámetros de inicialización se obtuvieron mediante un conjunto de datos experimentales y una base de datos. Así como los humanos aplican el conocimiento ganado con la experiencia a nuevos problemas o situaciones. Los problemas adecuados para la solución neural son aquellos que no tienen solución computacional precisa o que requieren algoritmos muy extensos como en el caso del reconocimiento de imágenes. Por lo tanto. temperatura. voltaje) y como salidas las señales del sistema (velocidad. diez neuronas en la capa oculta y cinco neuronas en la capa de salida. tablas bibliográficas o bases de datos. una red neural toma como ejemplos problemas resueltos para construir un sistema que toma decisiones y realiza clasificaciones. En la figura 1.REDES NEURONALES ARTIFICIALES la tecnología neural trata de reproducir el proceso de solución de problemas del cerebro. Las redes neuronales se basan en generalizar información extraída de datos experimentales. torque). Dichas redes neuronales toman en cuenta las entradas (corriente. los cuales se determinan por expertos humanos. se tienen 250 pesos ajustables mediante un control retroalimentado o de lazo cerrado.4 se presenta un diagrama de red neural. .

El concepto se basa en la generación de poblaciones de individuos mediante la reproducción de los padres. La idea de los AG es optimizar (hallar el máximo o mínimo) una función objetivo utilizando los principios de la selección natural sobre los parámetros de la función. Los AG no buscan modelar la evolución biológica sino derivar estrategias de optimización. Por lo tanto. los genes con evolución lenta fueron reemplazados por genes con mejor estrategia evolutiva. se esperan estrategias altamente eficientes en la fauna y la flora modernas. Muchos problemas tienen funciones objetivo-complejas y la optimización tiende a finalizar en mínimos/máximos locales. Durante el curso de la evolución. APLICACIONES .ALGORITMOS GENÉTICOS Un algoritmo genético (AG) es una técnica de búsqueda iterativa inspirada en los principios de selección natural.

1. Algoritmos genéticos para el diseño de sistemas de MRI (magnetic resonance imaging) . 3. Desentrelazado de señales de video con lógica difusa. Marcadores anatómicos de los ventrículos del corazón. se mencionan varias de ellas para que el lector tenga un panorama más amplio de todas las técnicas mencionadas y aprecie la potencia que desempeñan como herramienta en nuestra realidad. 6. Monitoreo de glaucoma a través de redes neuronales. Optimización de sistemas para tratamiento de agua (Austria). 4. 5. Estos ejemplos se tomaron de diferentes fuentes y la descripción de cada proyecto se explica de manera más extensa y detallada. 2.Existen diversas aplicaciones en la industria. a continuación. Segmentación de imágenes cerebrales de resonancia magnética basadas en redes neuronales.