Professional Documents
Culture Documents
Jocelyn Miranda 1, Georgina Villalón 2, Francisco Granados3, Katherine Obando 4Walter Nolasco
RESUMEN
Se debe tener el resumen en español e inglés, los cuales incluirán los objetivos principales de la investigación,
alcance, metodología empleada, resultados principales y conclusiones. El resumen debe ser claro, coherente
y sucinto, para lo cual se sugiere revisar y verificar datos, sintaxis, ortografía, no caer en erratas y no incluir
ecuaciones, figuras, tablas ni referencias bibliográficas. El resumen es máximo de 150 palabras y debe reflejar
fielmente el contenido del artículo. Su redacción debe estar en tercera persona.
Implementation of Artificial Intelligence for innovation and development in Engineering and Materials
Science
ABSTRACT
Abstract, corresponde a la traducción precisa al inglés, del resumen ya presentado en español, debe ir en
cursiva.
1
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
2
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
desúés el golem a quien temían los jóvenes cuales construimos el siguiente capítulo de esta
caballeros de la época medieval, esta idea de fascinante historia.
inteligencia similar a la humana se mantiene
presente a través de la historia literaria,
pasando por el monstruo de Frankestein de 4. MÉTODOS DE APRENDIZAJE
Shelley hasta ejemplos más modernos como la UTILIZADOS POR LOS SISTEMAS DE
computadora HAL-9000 de la obra maestra de INTELIGENCIA ARTIFICIAL
Cubrick “2001: Odisea en el Espacio”.
El paso del mito a la realidad no se dio sino La característica principal de la inteligencia
hasta la década de los 50, cuando el célebre artificial es la capacidad de aprender. De
Allan Turing, considerado uno de los padres de acuerdo con Liu,Thianlu y Shi (2017) el llamado
la IA y la computación, publica su artículo "aprendizaje automático", o sea, el método por
“Computing Machinery and Intelligence”, en el cual “aprenden” las máquinas, funciona al
este artículo se profundiza sobre la posibilidad automatizar modelos analíticos mediante el uso
de que una máquina pueda imitar el de algoritmos que aprenden de forma iterativa a
comportamiento de la mente humana. En este partir de datos. De este modo, permite a las
mismo artículo se propone el archiconocido computadoras encontrar información oculta sin
Test de Turing, orientado a demostrar si una ser programadas explícitamente para saber
determinada máquina es inteligente o no. dónde buscar la información necesaria.
(Villena, et al., SF) Además, Mueller,Gilad y Ramprasad
Turing da el disparo inicial para el (2016) añaden que existe una clasificación de
desarrollo de una nueva ciencia, pues además los algoritmos utilizados por la inteligencia
de su artículo, Turing creó la primera máquina artificial, donde se puede distinguir dos ramas:
“pensante”, un precursor a la computadora a) Aprendizaje supervisado y b) Aprendizaje no
capaz de descifrar el código enigma de la supervisado. En ambos casos, el algoritmo que
Alemania Nazi, facilitando la victoria de los se emplea tiene acceso a un conjunto de
aliados. Con estas acciones comenzó una gran observaciones (datos) que son la base del
serie de hitos para el avance de la IA, aprendizaje de la máquina. Sin embargo, los
comenzando por la “Dartmouth Summer resultados obtenidos por ambos tipos difieren
Research Conference on Artificial Intelligence” entre sí, así como la naturaleza propia del
de 1956 donde brillantes científicos expusieron análisis que el sistema de inteligencia artificial
lo que son ahora las bases de esta ciencia. realiza.
(Villena, et al., SF)
Para el caso de los algoritmos
En tiempos modernos, la década de los 80 desarrollados por aprendizaje supervisado,
representó un momento clave para la IA por un básicamente consiste en introducir una serie de
lado la aparición de los Sistemas Expertos, más valores, por ejemplo, la estructura cristalina de
orientados a la aplicación práctica que a la diferentes materiales, y un conjunto de valores
persecución abstracta de la inteligencia, y por el de salida, como por ejemplo las propiedades
otro por el fracaso del proyecto “Quinta Gen.” correspondientes de los materiales. A partir de
que buscaba una alternativa a la IA que resultó esta información, la máquina de inteligencia
inalcanzable. (Villena, et al., SF) artificial trata de identificar una función que
Estos pasos hacia la Inteligencia Artificial pueda predecir con precisión los valores de
nos permiten apreciar el centenario avance de salida que se asociaría con el ingreso de
esta rama de la ciencia, del mito a la ciencia nuevos valores de entrada, esto mediante el
ficción y de esta únicamente a ser una ciencia desarrollo particular del algoritmo. Con
tan útil que hoy día se utiliza entre muchos respecto al aprendizaje no supervisado, no
aspectos, en el desarrollo de materiales con los existen valores de salida que se introduzcan en
3
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
4
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
5
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
aditivos y adiciones minerales, que dado a su dado que los resultados muestran un factor de
fragilidad se ha recurrido a la incorporación de correlación alto entre el valor brindado por los
fibras metálicas con el fin de aumentar su modelos de redes neuronales y el valor real
ductilidad. El estudio del comportamiento de obtenido en un ensayo experimental (González,
este material estructural ante esfuerzos como la Guerrero, Delvasto y Ernesto, 2016).
estimación de su resistencia a la compresión ha La utilización de redes neuronales también
sido llevado al campo de la Inteligencia Artificial se ha aplicado en estudios de muestras de
dada la complejidad y la existencia de una concreto tras el período de curado, en busca de
dependencia no lineal entre las variables, lo emplear la Inteligencia Artificial para poder
cual limita los modelos matemáticos que se han obtener un modelo que brinde resultados sobre
desarrollado previamente. la resistencia del producto justo después de
De manera que, se ha recurrido al uso de fabricado. Ya que los ensayos para determinar
algoritmos como Levenberg-Maquart y el la resistencia a compresión del concreto son
Gradiente Conjugado Escalonado. En el caso llevados a cabo después de un período de
del algoritmo de Levenberg-Mardquart se basa curado, lo cual hace que los resultados difieran
en un proceso iterativo que localiza el mínimo del momento justo después de la fabricación del
de una función que resulta de aplicar la técnica producto. Además, la resistencia del concreto
de mínimos cuadrados ponderados a funciones fabricado está limitada por factores como las
no lineales de entrada. Por otro lado, el proporciones de sus componentes y la inclusión
Gradiente Conjugado Escalonado que se de aditivos. En una de las investigaciones que
emplea en el entrenamiento de las redes se han realizado sobre las propiedades de este
neuronales artificiales para la optimización del material de gran importancia en la construcción
error (González, Guerrero, Delvasto y Ernesto, civil, se utilizaron 267 probetas de concreto
2016). fabricadas a partir de diferentes cantidades de
Uno de los ensayos que se ha llevado a cabo sus elementos constitutivos como cemento,
para el análisis de las propiedades mecánicas agua, y piedra, de acuerdo con los lineamientos
del hormigón reforzado con fibras metálicas, por de la norma ASTM C 192/C 192 M. Y para la
ejemplo, las de acero, ha aplicado ambos modelación del ensayo a compresión se
algoritmos mediante la utilización del software aplicaron dos tipos de redes neuronales que
Matlab. En la construcción de las redes corresponden al tipo perceptrón multicapa y una
neuronales, para las variables de entrada se red de Elman (Acuña, Torre, Moromi y García,
consideran datos con resultados de ensayos 2014).
mecánicos provenientes de publicaciones El estudio realizado señala que a partir de
científicas relacionados con la dosificación de los modelos desarrollado es posible explicar al
las materias primas, el tipo de fibra de acero, las menos el 87% de la variabilidad en las
características del tipo de cemento y los aditivos muestras. Además, ambos métodos de redes
químicos. De tal forma que, se delimita la capa neuronales presentaron resultados con
de salida con variables de respuesta enfocadas coeficientes de correlación comprendidos entre
en la estimación de propiedades mecánicas el 0,93 y 0,98. Por lo tanto, se concluye que es
como resistencia a la tensión, a la flexión y a la posible la utilización de redes neuronales para
cortante, así como el índice de tenacidad. Los la modelización de la resistencia a la
experimentos que se han llevado a cabo en esta compresión del concreto tras un período de
área de la ciencia de los materiales han curado y así obtener resultados en menor
permitido concluir que el establecimiento de tiempo (Acuña, Torre, Moromi y García, 2014).
modelos computacionales basados en redes
neuronales puede emplearse para la predicción
de las propiedades del hormigón tanto
reforzado como sin reforzar. Lo cual se justifica
6
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
7
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
8
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
neuronal tiene la capacidad de aprender sobre y traducirlas como señales eléctricas, la señal
la marcha, al adquirir mayor experiencia en la eléctrica analógica generada por el transductor
clasificación de arcillas, la incertidumbre de este será directamente proporcional a la magnitud
procedimiento debe ir disminuyendo, sin de la vibración y es digitalizada mediante una
embargo, es importante actualizar la data de la tarjeta de adquisición de datos computarizados,
red periódicamente. con estos datos se entrena a 2 modelos de red
neuronal, cuyos criterios se basarán en la
Mediante un algoritmo genético se utilizó la extracción de características, y señales de
teoría de la función de densidad con el fin de frecuencia del acelerómetro. Ambos modelos
identificar estructuras de baja energía de resultaron capaces de de clasificar mosaicos
compuestos bidimensionales de óxidos de buenos y malos. El sistema de desarrollo
elementos del grupo IV. Los hallazgos reflejan resulta ser altamente flexible y puede ser
que el SiO es más estable en su estructura
2
utilizado para la evaluación de cualquier pieza
bitetraédrica, mientras que el SnO y el PbO
2 2
cerámica que pueda ser sometida a una prueba
bidimensionales son más estables en su de resonancia.
estructura mono-tetraédrica (1T). Para el GeO 2
se encontró una nueva estructura con menor Como es evidente, la inteligencia artificial
energía y simetría monoclínica. Todas las permite no sólo en desarrollar nuevos
estructuras presentan valores de energía de materiales cerámicos, si no también podrá ser
formación por átomo inferiores a los materiales parte de los procesos de evaluación del
bidimensionales ya sintetizados. Los materiales resultado final, por lo que resultan una pieza
presentan potenciales aplicaciones en fundamental para la continua modernización de
nanomateriales electrónicos,particularmente el este tipo de materiales.
GeO y el SnO son candidatos potenciales a ser
2 2
9
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
10
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
Autómata”, construido por la empresa es un modelo que permite detectar los puntos
Genobyte, esta maquinaria consiste en 37,7 críticos por medio de dos planos paralelos al
millones de neuronas artificiales, microcircuitos plano xy, sirve para generar una primera
considerablemente pequeños que permiten la aproximación. El modelo basado en la media
generación de circuitos en los procesos de consiste en un método que identifica el
sinapsis o comunicación a nivel neuronal. A comportamiento de los perfiles matriciales, es
pesar de haber realizado una maquinaria de tan un algoritmo más desarrollado que el del
amplia capacidad, no se a logrado aún generar modelo de planos paralelos a pesar de no
un ejemplar perfecto de un cerebro humano,sin solucionar las fallas del primer modelo resulta
embargo, gracias al desarrollo de la inteligencia útil en la definición algorítmica completa. El
artificial y de la nanotecnología en conjunto se modelo de máximos y mínimos se basa en los
pueden desarrollar proyectos de gran nivel perfiles de las imágenes de forma
científico (Fenández Alí, 2008). independiente, pero en vez de utilizar los
valores de media se utilizan los valores
Andrés Ruiz Carrasco (2016), en su trabajo máximos y mínimos, un aspecto importante de
de fin de grado con la temática “Aplicaciones de mencionar de este modelo es que no utiliza una
la Inteligencia Artificial en los Nanomateriales”, tolerancia ajustable como ocurría con modelos
realiza su investigación con base a la anteriores, a pesar de ser un modelo bastante
recopilación de datos de un sistema de eficiente no es considerado el mejor modelo
microscopía del orden de nanómetros. El para la detección de puntos críticos. Por otra
objetivo principal de su proyecto consistió en parte, el modelo de búsqueda por cuadrantes,
desarrollar métodos capaces de identificar este modelo parte del concepto de que cada
átomos de distintas especies para su posterior matriz es independiente y que cada una no
clasificación y caracterización. Los datos fueron influye en las demás y finalmente el modelo final
recolectados utilizando el método de completo que une las ventajas de cada uno de
microscopía de efecto túnel, correspondiente a los modelos anteriores y minimiza las
una técnica de la microscopía de barrido de una debilidades presentes en cada uno de los
superficie de Rutenio, sobre la cual se modelos mencionados anteriormente. Debido a
encontraban suspendidos átomos de Carbono, que se trata de un método que minimiza fallos,
Hidrógeno, Oxígeno y una molécula de agua. A este método se utilizó en la segunda parte de
partir de la situación antes mencionada se quiso proyecto y se centra en delimitar los átomos
desarrollar una interfaz que permitiera al independientes y posteriormente en su
usuario realizar tareas representativas en modelado. Se concluyó que el proyecto
términos de la caracterización y clasificación consiguió la detección completa de átomos, de
atómica de los átomos. Para el análisis de forma rápida, eficiente y óptima. A su vez logró
resultados de las muestras se determinó los desarrollarse una interfaz amigable, de
puntos críticos o puntos de alta probabilidad interacción simple con el usuario y de baja
electrónica por medio de un algoritmo complejidad para el mismo, realizando un
matemático. aporte considerable a la comunidad
También se realizó un análisis de científica (Ruiz Carrasco, 2016).
normalización que permitió la identificación En el artículo “Nanomaterials
rápida y eficiente de los átomos reduciéndolo a Characterization and Risk Assessment Using
operaciones con números positivos. Para la Fuzzy Support Vector Machine “, se menciona
interpretación de resultados se utilizaron los que la nanotecnología se ha convertido en una
modelos de planos paralelos, modelo basado de las áreas más prometedoras para el
en media, modelo de máximos y mínimos, progreso de la humanidad. En este experimento
modelo de búsqueda de cuadrantes y modelo en particular, se aplican las máquinas de
final completo. El modelo de planos paralelos, soporte vectorial del modelo de Fuzzy para la
11
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
11. CONCLUSIONES
12
Revista Ingeniería de Materiales IQ-0415,Número 1, páginas 1-20, 2018
Barrera G., Carreón G., Ruiz M, (2004) Control Rojas, J. ( 2013). Análisis de las propiedades
de Calidad de Piezas Cerámicas por Medio de mecánicas de la guadua Angustifolia mediante
Análisis de Vibraciones y Redes Neuronales técnicas estadísticas y redes neuronales (tesis
Artificiales. Recuperado de; de grado). Universidad Nacional de Colombia,
http://www.scielo.org.mx/pdf/cys/v8n3/v8n3a4. Bogotá, Colombia. Recuperado de:
pdf http://bdigital.unal.edu.co/44823/1/1032358002
.2013.pdf
Fernández Alí, C. (2008). La nanotecnología
entre nosotros. Revista de información
,tecnología y sociedad. Ruiz Carrasco, A. (2016). Aplicaciones de la
Inteligencia Artificial en la Nanotecnología.
Ghatarband, M., Mazinani, S., Kalaee, M., y Madrid: Universidad de Madrid.
Shiri, M. (2014). Predicting mechanical
properties of elastomeric modified nylon blend Shabanzadeh, P., Norazak, S., Shameli, K., y
using adaptative neuro-fuzzy interference Mohaghegh, T.(2013). Artificial Intelligence in
system and neural network. The International
Journal of Advanced Manufacturing Numerical Modeling of Silver Nanoparticles
Technology,76,961–970. Doi:10.1007/s00170- Prepared in Montmorillonite Interlayer Space.
0414-6294-5. Journal of Chemestry,vol.2013.Recuperado de:
https://doi.org/10.1155/2013/305713.
Gómez. J, Sánchez J., Ocampo A. (2012).
Aplicación de las Redes Neuronales en la Villena, J. (s.f) Historia de la Inteligencia
clasificación de Arcillas [En Línea] Recuperado Artificial. [En Línea] Recuperado de:
de:
http://www.scielo.org.co/pdf/eia/n17/n17a14.pd
http://ocw.uc3m.es/ingenieria-
f telematica/inteligencia-en-redes-de-
comunicaciones/material-de-clase-1/01-
González, L., Guerrero, A., Delvasto, S., y historia-de-la-inteligencia-artificial/view
Ernesto, A. (2016). Redes neuronales
artificiales para estimar propiedades en estado
fresco y endurecido, para hormigones
reforzados con fibras metálicas. Cuaderno
Activa, 9, 95-107. Recuperado de:
http://ojs.tdea.edu.co/index.php/cuadernoactiva
/article/view/423/495
13