Inteligencia Artificial

1
LA INTELIGENCIA ARTIFICIAL, SUS LENGUAJES E HISTORIA
Inteligencia Artificial
1. Objetivos.
Dar a conocer a que nos referimos cuando hablamos de Inteligencia

Artificial, tanto como sus fundamentos.
Mostrar la evolución de la IA y sus lenguajes a través de la historia.
Conocer las características, filosofía de la IA.
Informar acerca de los lenguajes que son partes de la Inteligencia Artificial
Conocer la importancia de la IA mediante sus aplicaciones y en los
campos en que se emplea, a si como sus problemas.
2. Introducción.
2.1 Fundamentos de la Inteligencia Artificial
En primer lugar, revisemos algunas definiciones generales de inteligencia, antes

de intentar definir inteligencia artificial.
Inteligencia es la aptitud de crear relaciones. Esta creación puede darse de
manera puramente sensorial, como en la inteligencia animal; también puede darse
de manera intelectual, como en el ser humano, que pone en juego el lenguaje y
los conceptos. También se la puede conceptuar como la habilidad para adquirir,
comprender y aplicar conocimiento; o como la aptitud para recordar, pensar y
razonar.
La IA es una nueva generación de tecnología informática, caracterizada no sólo
por su arquitectura (hardware), sino también por sus capacidades. El énfasis de
generaciones previas fue en las computaciones numéricas para aplicaciones
científicas o de negocios. La nueva generación de tecnología informática incluye
además la manipulación simbólica, con el objetivo de emular el comportamiento
inteligente; y, la computación en paralelo, para tratar de conseguir resultados
prácticamente en tiempo real. La capacidad predominante de la nueva generación,
2
también conocida como la Quinta Generación, es la habilidad de emular (y tal vez

en algunos casos superar) ciertas funciones inteligentes del ser humano. Por
ejemplo:
2.1.1 Aprendizaje:
 Captación automática de conocimientos.
2.1.2 Razonamiento:
 Sistemas basados en conocimientos.
 Bases de datos inteligentes.
 Prueba de teoremas y juegos.
2.1.3 Percepción:
 Comprensión de lenguaje natural.
 Interpretación de escenas visuales (Visión por computadora).
2.1.4 Locomoción y Manipulación:
 Realizar procesos mecánicos y tareas manuales (Robótica).
2.1.5 Creación:
 Generación, verificación, depuración y optimización automática de
programas.
Algunas de las tareas que estos sistemas realizan en el campo de la IA son:
2.1.6 Tareas generales
 Percepción: Visión, Fonemas.
 Lenguaje Natural: Comprensión, generación y traducción.
 Razonamiento de sentido común.
 Control de robots.
2.1.6.1 Tareas formales
 Juegos: Ajedrez, Backgammon, Damas.
 Matemáticas: Geometría, Lógica, Cálculo Integral.
2.1.6.2 Tareas expertas
 Ingeniería: Diseño, Localización de fallas, Planeamiento.
 Análisis Científico. Diagnóstico Médico.
 Análisis Financiero.
3
2.2 Preguntas Fundamentales de la Inteligencia Artificial y su filosofía
1. ¿Cuáles son las suposiciones subyacentes acerca de la inteligencia?

2. ¿Cuáles son las técnicas útiles para la resolución de problemas en IA?
3. ¿A qué nivel de detalle se trata de modelar la inteligencia humana?
4. ¿Cómo se puede saber que se ha tenido éxito en el desarrollo de un sistema
inteligente?
5. ¿En qué consiste la inteligencia? ¿Cómo la reconoceríamos en un objeto no
humano, si la tuviera?
6. ¿Qué sustancia y organización se requiere? ¿Es posible que una criatura
hecha de metal, por ejemplo, posea una inteligencia comparable a la humana?
7. Aunque una criatura no orgánica pudiera solucionar problemas de la misma
manera que un humano, ¿tendría o podría tener conciencia y emociones?
8. Suponiendo que podemos hacer robots con una inteligencia comparable a la
nuestra, ¿debemos hacerlo?
Como ocurre casi siempre en el caso de una ciencia recién creada, la inteligencia
artificial aborda tantas cuestiones confundibles en un nivel fundamental y
conceptual que, adjunto a lo científico, es necesario hacer consideraciones desde
el punto de vista de la filosofía. Gran parte de esta ciencia se junta con temas en
la filosofía de la mente, pero hay ciertos temas particulares a la IA. Por ejemplo:
Durante más de 2000 años de tradición en filosofía, han ido surgiendo diversas
teorías del razonamiento y del aprendizaje, simultáneamente con el punto de vista
de que la mente se reduce al funcionamiento físico. La psicología ofrece
herramientas que permiten la investigación de la mente humana, así como un
lenguaje científico para expresar las teorías que se van obteniendo. La lingüística
ofrece teorías para la estructura y significado del lenguaje, así como la ciencia de
la computación, de la que se toman las herramientas que permiten que la
Inteligencia Artificial sea una realidad.
4
Empezó con el nacimiento de Platón en 428 a. C. y con lo que aprendió de

Sócrates. La temática de su obra fue muy diversa: política, matemática, física,
astronomía y diversas ramas de la filosofía. El filósofo Hubet Dreyfus (1979) afirma
que: Bien podría afirmarse que la historia de la inteligencia artificial comienza en el
año 450 a.C., cuando Platón cita un diálogo en el que Sócrates le pregunta a
Eutidemo: «Desearía saber cuál es la característica de la piedad que hace que
una acción se pueda considerar como pía... y así la observe y me sirva de norma
para juzgar tus acciones y las de otros.»
Los filósofos delimitaron las más importantes ideas relacionadas con la inteligencia
artificial, pero para pasar de allí a una ciencia formal era necesario contar con una
formalización matemática en tres áreas principales: la computación, la lógica y la
probabilidad. La idea de expresar un cálculo mediante un algoritmo formal se
remonta a la época de Jwarizmi, matemático árabe del siglo IX, con cuyas obras
se introdujeron en Europa los números arábigos y el álgebra (de su nombre al-
Jwarizmi deriva la palabra algoritmo).
El hombre se ha aplicado a sí mismo el nombre científico de Homo sapiens como

una valoración de la trascendencia de nuestras habilidades mentales tanto para
nuestra vida cotidiana como para nuestro propio sentido de identidad. Los
esfuerzos del campo de la inteligencia artificial se enfocan en lograr la compresión
de entidades inteligentes. Una de las razones de su estudio es el aprender más de
nosotros mismos. A diferencia de la filosofía y de la psicología, que también se
ocupan de la inteligencia, los esfuerzos de la inteligencia artificial están
encaminados tanto a la construcción de entidades como a su compresión. Otra
razón por la cual se estudia la inteligencia artificial es debido a que ha sido posible
crear sorprendentes y diversos productos de trascendencia. Nadie podría
pronosticar con toda precisión lo que se podría esperar en el futuro, es evidente
que las computadoras que posean una inteligencia a nivel humano tendrán
5
repercusiones muy importantes en nuestra vida diaria así como en el devenir de la

civilización.
El problema que aborda la inteligencia artificial es uno de los más complejos:

¿Cómo es posible que un diminuto y lento cerebro, sea biológico o electrónico,
tenga capacidad de percibir, comprender, predecir y manipular un mundo que en
tamaño y complejidad lo excede con creces?, pero a diferencia de la investigación
en torno al desplazamiento mayor que la velocidad de la luz o de un dispositivo
antigravitatorio, el investigador del campo de la inteligencia artificial cuenta con
pruebas contundentes de que tal búsqueda es totalmente factible.
La inteligencia artificial permite al hombre emular en las máquinas el

comportamiento humano, tomando como base el cerebro y su funcionamiento, de
manera tal que se pueda alcanzar cierto razonamiento creando marionetas
robóticas.
2.3 Raíces
La Inteligencia artificial es un campo interdisciplinario que se deriva de múltiples

raíces, incluyendo contribuciones de la psicología, filosofía, lingüísticas, ingeniería
eléctrica y la ciencia de las computadoras. La intersección entre la psicología y la
inteligencia artificial se centra en las subraeas conocidas como psicología
cognitiva y psico lingüística. La filosofía del lenguaje y la filosofía de la mente. Las
intersecciones con la lingüística incluyen lingüística computacional, psico
lingüística y socio lingüística. Concentraciones mutuas entre la ingeniería eléctrica
y la inteligencia artificial incluyen proceso de imágenes , reconocimiento de
patrones y robótica. Finalmente, la ciencia de las computadoras apoya a la
inteligencia artificial de manera propia y a los campos relacionados de los
sistemas adaptativos.
6
2.4 Definiciones de Inteligencia Artificial
Debido a que la inteligencia artificial tuvo muchos padres no hay un consenso para
definir ese concepto, pero podemos decir que la inteligencia artificial se encarga
de modelar la inteligencia humana en sistemas computacionales.
Puede decirse que la Inteligencia Artificial (IA) es una de las áreas más
fascinantes y con más retos de las ciencias de la computación, en su área de
ciencias cognoscitivas. Nació como mero estudio filosófico y razonístico de la
inteligencia humana, mezclada con la inquietud del hombre de imitar la naturaleza
circundante (como volar y nadar), hasta inclusive querer imitarse a sí mismo.
Sencillamente, la Inteligencia Artificial busca el imitar la inteligencia humana.
Obviamente no lo ha logrado todavía, al menos no completamente.

Una buena definición de IA es algo elusiva y controversial, fundamentalmente
porque la inteligencia humana no está completamente entendida. Cada libro de
texto en IA propone una definición que enfatiza las diferentes perspectivas que,
cada autor cree, encierra el campo. A continuación se transcriben algunas de
ellas:
La IA es una rama de la ciencia de computación que comprende el estudio y

creación de sistemas computarizados que manifiestan cierta
forma de inteligencia: sistemas que aprenden nuevos
conceptos y tareas, sistemas que pueden razonar y derivar
conclusiones útiles acerca del mundo que nos rodea,
sistemas que pueden comprender un lenguaje natural o
percibir y comprender una escena visual, y sistemas que
realizan otro tipo de actividades que requieren de
inteligencia humana.
7
La IA es una ciencia que trata de la comprensión de la inteligencia y del diseño de

máquinas inteligentes, es decir, el estudio y la simulación de las actividades
intelectuales del hombre (manipulación, razonamiento, percepción, aprendizaje,
creación).
La IA es el estudio de las computaciones que permiten percibir, razonar y actuar.
La IA es un campo de estudio que busca explicar y emular el comportamiento
inteligente en términos de procesos computacionales.
La IA estudia las representaciones y procedimientos que automáticamente
resuelven problemas usualmente resueltos por humanos.
Se define la inteligencia artificial como aquella inteligencia exhibida por artefactos

creados por humanos (es decir, artificial). A menudo se aplica hipotéticamente a
los computadores. El nombre también se usa para referirse al campo de la
investigación científica que intenta acercarse a la creación de tales sistemas.
Se denomina inteligencia artificial (IA) a la rama de las Ciencias de la

Computación dedicada al desarrollo de agentes racionales no vivos.
Para explicar la definición anterior, entiéndase a un agente como cualquier cosa
capaz de percibir su entorno (recibir entradas), procesar tales percepciones y
actuar en su entorno (proporcionar salidas), y entiéndase a la racionalidad como la
característica que posee una elección de ser correcta, más específicamente, de
tender a maximizar un resultado esperado (este concepto de racionalidad es más
general y por ello más adecuado que inteligencia para definir la naturaleza del
objetivo de esta disciplina).
Por lo tanto, y de manera más específica la inteligencia artificial es la disciplina

que se encarga de construir procesos que al ser ejecutados sobre una arquitectura
física producen acciones o resultados que maximizan una medida de rendimiento
determinada, basándose en la secuencia de entradas percibidas y en el
conocimiento almacenado en tal arquitectura.
8
A pesar de la diversidad de conceptos propuestos para la IA, en general todos

coinciden en que la IA trata de alcanzar inteligencia a través de la computación.
Toda computación, requiere de una representación de cierta entidad y de un
proceso para su manipulación.
Desde el punto de vista de los objetivos, la IA puede considerarse en parte como
ingeniería y en parte como ciencia:
Como ingeniería, el objetivo de la IA es resolver problemas reales, actuando

como un conjunto de ideas acerca de cómo representar y utilizar el conocimiento,
y de cómo desarrollar sistemas informáticos.
Como ciencia, el objetivo de la IA es buscar la explicación de diversas clases

de inteligencia, a través de la representación del conocimiento y de la aplicación
que se da a éste en los sistemas informáticos desarrollados.
Para usar la IA se requiere una comprensión básica de la forma en que se puede
representar el conocimiento y de los métodos que pueden utilizar o manipular ese
conocimiento.
2.5 La inteligencia artificial y los sentimientos

El concepto de IA es aún demasiado difuso. Contextualizando, y teniendo en
cuenta un punto de vista científico, podríamos englobar a esta ciencia como la
encargada de imitar una persona, y no su cuerpo, sino imitar al cerebro, en todas
sus funciones, existentes en el humano o inventadas sobre el desarrollo de una
máquina inteligente.
A veces, aplicando la definición de Inteligencia Artificial, se piensa en máquinas
inteligentes sin sentimientos, que «obstaculizan» encontrar la mejor solución a un
problema dado. Muchos pensamos en dispositivos artificiales capaces de concluir
miles de premisas a partir de otras premisas dadas, sin que ningún tipo de
emoción tenga la opción de obstaculizar dicha labor.
En esta línea, hay que saber que ya existen sistemas inteligentes. Capaces de
tomar decisiones «acertadas».
9
Aunque, por el momento, la mayoría de los investigadores en el ámbito de la

Inteligencia Artificial se centran sólo en el aspecto racional, muchos de ellos
consideran seriamente la posibilidad de incorporar componentes «emotivos» como
indicadores de estado, a fin de aumentar la eficacia de los sistemas inteligentes.
Particularmente para los robots móviles, es necesario que cuenten con algo similar
a las emociones con el objeto de saber –en cada instante y como mínimo– qué
hacer a continuación [Pinker, 2001, p. 481].
Al tener «sentimientos» y, al menos potencialmente, «motivaciones», podrán
actuar de acuerdo con sus «intenciones» [Mazlish, 1995, p. 318]. Así, se podría
equipar a un robot con dispositivos que controlen su medio interno; por ejemplo,
que «sientan hambre» al detectar que su nivel de energía está descendiendo o
que «sientan miedo» cuando aquel esté demasiado bajo.
Esta señal podría interrumpir los procesos de alto nivel y obligar al robot a
conseguir el preciado elemento [Johnson-Laird, 1993, p. 359]. Incluso se podría
introducir el «dolor» o el «sufrimiento físico», a fin de evitar las torpezas de
funcionamiento como, por ejemplo, introducir la mano dentro de una cadena de
engranajes o saltar desde una cierta altura, lo cual le provocaría daños
irreparables.
Esto significa que los sistemas inteligentes deben ser dotados con mecanismos de
retroalimentación que les permitan tener conocimiento de estados internos, igual
que sucede con los humanos que disponen de propiocepción, interocepción,
nocicepción, etcétera. Esto es fundamental tanto para tomar decisiones como para
conservar su propia integridad y seguridad. La retroalimentación en sistemas está
particularmente desarrollada en cibernética, por ejemplo en el cambio de dirección
y velocidad autónomo de un misil, utilizando como parámetro la posición en cada
instante en relación al objetivo que debe alcanzar. Esto debe ser diferenciado del
conocimiento que un sistema o programa computacional puede tener de sus
estados internos, por ejemplo la cantidad de ciclos cumplidos en un loop o bucle
10
en sentencias tipo do... for, o la cantidad de memoria disponible para una

operación determinada.
A los sistemas inteligentes el no tener en cuenta elementos emocionales les

permite no olvidar la meta que deben alcanzar. En los humanos el olvido de la
meta o el abandonar las metas por perturbaciones emocionales es un problema
que en algunos casos llega a ser incapacitante. Los sistemas inteligentes, al
combinar una memoria durable, una asignación de metas o motivación, junto a la
toma de decisiones y asignación de prioridades con base en estados actuales y
estados meta, logran un comportamiento en extremo eficiente, especialmente ante
problemas complejos y peligrosos.
En síntesis, lo racional y lo emocional están de tal manera interrelacionados entre
sí, que se podría decir que no sólo no son aspectos contradictorios sino que son –
hasta cierto punto– complementarios.
3. Contenido.
3.1 Historia de la inteligencia artificial
La idea de algo parecido a la inteligencia artificial existe desde hace millones de

años. El primer hombre primitivo que tomo conciencia de su propia existencia, y de
que era capaz de pensar, seguramente se pregunto como funcionaria su
pensamiento y posteriormente llegaría a la idea de un "creador superior". Por lo
tanto, la idea de que un ser inteligente cree a otro, la idea de un diseño virtual para
la inteligencia, es tan remota como la
toma de conciencia del ser humano.
 Los juegos matemáticos antiguos,
como el de la torres de Hanói (aprox. 3000ac), demuestran el interés por la
búsqueda de un bucle resolutor, una IA capaz de ganar en los mínimos
movimientos posibles.
11
 Las ideas más básicas se remontan a los griegos, antes de Cristo.

Aristóteles (384-322 a. C.) fue el primero en describir un conjunto de reglas
que describen una parte del funcionamiento de la mente para obtener
conclusiones racionales, y Ctesibio de Alejandría (250 a. C.) construyó la
primera máquina auto controlada, un regulador del flujo de agua (racional
pero sin razonamiento).
 En 1903 Lee De Forest inventa el tríodo (también llamados bulbo o válvula
de vacio). Podría decirse que la primera gran máquina inteligente diseñada
por el hombre fue el computador ENIAC, compuesto por 18.000 válvulas de
vacío, teniendo en cuenta que el concepto de "inteligencia" es un término
subjetivo que depende de la inteligencia y la tecnología que tengamos en
esa época. Un indígena del amazonas en el siglo 20 podría calificar de
inteligente un tocadiscos, cuando en verdad no lo es tanto.
 En 1315 Ramon Llull en su libro Ars magna tuvo la idea de que el
razonamiento podía ser efectuado de manera artificial.
 1928. John Von Neuman desarrolla su teorema "mínimos y máximos"
utilizado posteriormente en juegos.
 En 1937, el matemático inglés Alan Mathison Turing (1912-1953) publicó un
artículo de bastante repercusión sobre los "Números Calculables", que
puede considerarse el origen oficial de la Informática Teórica. En este
artículo, introdujo la Máquina de Turing, una entidad matemática abstracta
que formalizó el concepto de algoritmo y resultó ser la precursora de las
computadoras digitales. Con ayuda de su máquina, Turing pudo demostrar
que existen problemas irresolubles, de los que ningún ordenador será
capaz de obtener su solución, por lo que a Alan Turing se le considera el
padre de la teoría de la computabilidad. También se le considera el padre
de la Inteligencia Artificial, por su famosa Prueba de Turing, que permitiría
comprobar si un programa de ordenador puede ser tan inteligente como un
ser humano.
12
 En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de

neuronas artificiales, el cual se considera el primer trabajo del campo, aun
cuando todavía no existía el término. Los primeros avances importantes
comenzaron a principios de los años 1950 con el trabajo de Alan Turing, a
partir de lo cual la ciencia ha pasado por diversas situaciones.
 1945. Vannevar Bush publica "As we may think ...", o "Cabría imaginar ... ",
en Atlantic Monthly el cual sienta las bases de lo que hoy se conoce como
Hipertexto, Multimedia e Hipermedia.
 1949. Shannon desarrolla la Teoría de la Información base fundamental de
la Informática y varias de sus áreas. 1950 Shannon propone el primer
programa de ajedrez.
 1950. Turing pública "Computing machinery and Intelligence".
 En 1951 William Shockley inventa el transistor de unión. El invento del
transistor hizo posible una nueva generación de computadoras mucho más
rápidas y pequeñas.
 En 1956, se acuño el término "inteligencia artificial" en Dartmouth durante
una conferencia convocada por McCarthy, a la cual asistieron, entre otros,
Minsky, Newell y Simon. En esta conferencia se hicieron previsiones
triunfalistas a diez años que jamás se cumplieron, lo que provocó el
abandono casi total de las investigaciones durante quince años.
 1956. Newell, Shaw, y Simon crean "IPL-11" el primer lenguaje de
programación para IA. Newell, Shaw, y Simon crean "The Logic Theorist"
para la resolución de problemas matemáticos.
 En 1957 Newell y Simon continúan su trabajo con el desarrollo del General
Problem Solver (GPS). GPS era un sistema orientado a la resolución de
problemas. Chomsky escribe "estructuras Sintácticas".
 En 1958 John McCarthy desarrolla en el Instituto de Tecnología de
Massachusetts (MIT), el LISP. Su nombre se deriva de LISt Processor.
LISP fue el primer lenguaje para procesamiento simbólico.
13
 A finales de los 50 y comienzos de la década del 60 Robert K. Lindsay

desarrolla «Sad Sam», un programa para la lectura de oraciones en inglés y
la inferencia de conclusiones a partir de su interpretación.
 1959. EL programa de ajedrez de Samuel gana juegos contra grandes
jugadores. Rosenblatt introduce el Perceptrón.
 1963. ARPA da un fondo de investigación de dos millones de dólares al
laboratorio de IA del MIT. Minsky escribe "Steps toward Artificial
Intelligence". Quillian desarrolla las redes semánticas como modelo de
representación del conocimiento.
 En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information
Retrieval) el cual era capaz de inferir conocimiento basado en información
que se le suministra. Bobrow desarrolla STUDENT.
 1964. Se comienza el desarrollo de BBNLisp en BBN.
 A mediados de los años 60, aparecen los sistemas expertos, que predicen
la probabilidad de una solución bajo un set de condiciones. Por ejemplo
DENDRAL, iniciado en 1965 por Buchanan, Feigenbaum y Lederberg, el
primer Sistema Experto, que asistía a químicos en estructuras químicas
complejas euclidianas, MACSYMA, que asistía a ingenieros y científicos en
la solución de ecuaciones matemáticas complejas.
 1965. Iva Sutherland hace demostración del primer monitor en forma de
casco para realidad virtual. Dreyfus argumenta en contra de la IA.
 Posteriormente entre los años 1968-1970 Terry Winograd desarrolló el
sistema SHRDLU, que permitía interrogar y dar órdenes a un robot que se
movía dentro de un mundo de bloques.
 En 1968 Minsky publica Semantic Information Processing. Seymour Papert,
Danny Bobrow y Wally Feurzeig, desarrollan el lenguaje de programación
LOGO.
 En 1969 Alan Kay desarrolla el lenguaje Smalltalk en Xerox PARC y se
publica en 1980. Minsky y Papert critican el Perceptron.
14
 1970. Colmerauer desarrolla PROLOG quizás el lenguaje de Inteligencia

Artificial más popular actualmente.
 1972. Dreyfus publica "What Computers Can't Do". Y se desarrolla el
lenguaje SmallTalk en Xerox PARC.
 En 1973 Alain Colmenauer y su equipo de investigación en la Universidad
de Aix-Marseille crean PROLOG (del francés PROgrammation en LOGique)
un lenguaje de programación ampliamente utilizado en IA. Shank y Abelson
desarrollan los guiones, o scripts, pilares de muchas técnicas actuales en
Inteligencia Artificial y la informática en general.
 En 1974 Edward Shortliffe escribe su tesis con MYCIN, uno de los Sistemas
Expertos más conocidos, que asistió a médicos en el diagnóstico y
tratamiento de infecciones en la sangre. Minsky publica "A Framework for
Representing Knowledge". Se establece la red SUMEX-AIM para
aplicaciones de la Inteligencia Artificial en medicina.
 1975. La DARPA lanza un programa de financiación para el procesamiento
y comprensión de imágenes.
 1976. Greenblatt crea "CONS" el primer ordenador con arquitectura para
LISP. Lenat introduce su "Automated Matematician".
 1978. Xerox comienza a desarrolla ordenadores LISP.
 1979. Raj Reddy funda el Instituto de Robótica en la Universidad Carnegie
Mellon.
 En las décadas de 1970 y 1980, creció el uso de sistemas expertos, como
MYCIN: R1/XCON, ABRL, PIP, PUFF, CASNET, INTERNIST/CADUCEUS,
etc. Algunos permanecen hasta hoy (shells) como EMYCIN, EXPERT,
OPSS.
 1980. Primera conferencia de la AAAI (American Association on Artificial
Intelligence) en Stanford, y primera Conferencia de Lisp y programación
funcional de la ACM.
 1981. Kazuhiro Fuchi anuncia el proyecto japonés de quinta generación de
computadores. Que dio lugar al auge de los sistemas expertos, pero que no
15
alcanzó muchos de sus objetivos, por lo que este campo ha sufrido una
nueva detención en los años noventa. El PSL (Portable Standard Lisp) se
puede ejecutar sobre varias plataformas. Se construyen máquinas LISP por
Xerox, LMI y Simbolics, las cuales soportan Programación Orientada a
Objetos. Se sientan las bases del Common Lisp con aspectos comunes de
las familias: Lisp machine Lisp, MacLisp, NIL, S-1 Lisp, Spice Lisp y
Scheme.
 1982. John Hopfield resucita las redes neuronales.
 1983. Feigenbaum y McCorduck publican "The Fifth Generation".
 1984. Steele publica "Common Lisp the Language". La comunidad europea
comienza el programa ESPRIT. Gold Hill crea el Golden Commom Lisp.
 1985. General Motors y Campbell's Soup dejan de usar Lisp para sus
Sistemas Expertos. Se funda el Media Lab en el MIT. Minsky publica "The
Society of Mind". Teknowledge, una compañía dedicada al desarrollo de
sistemas en Inteligencia Artificial, abandona Lisp y Prolog por el lenguaje C.
 1986. Primera conferencia de la OOPSLA sobre programación orientada a
objetos, en la cual se presenta CLOS, Lisp Orientado a Objetos, como
lenguaje independiente de la comunidad de Lisp e IA. IBM desarrolla shells
para Lisp, Prolog y Sistemas expertos y entra a la AAAI. McClelland y
Rumelhart's publican "Parallel Distributed Processing" (Redes Neuronales).
 En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un
agente inteligente. Al intentar describir con un mayor ámbito (no solo la
comunicación) los atributos de un agente inteligente, la IA se ha extendido a
muchas áreas que han creado ramas de investigaciones enormes y
diferenciadas. Dichos atributos del agente inteligente son:
1. Tiene actitudes mentales tales como creencias e intenciones

2. Tiene la capacidad de obtener conocimiento, es decir, aprender.
3. Puede resolver problemas, incluso particionando problemas complejos en
otros más simples.
16
4. Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas

ambiguas o contradictorias.
5. Planifica, predice consecuencias, evalúa alternativas (como en los juegos
de ajedrez)
6. Conoce los límites de sus propias habilidades y conocimientos.
7. Puede distinguir a pesar de la similitud de las situaciones.
8. Puede ser original, creando incluso nuevos conceptos o ideas, y hasta
utilizando analogías.
9. Puede generalizar.
10. Puede percibir y modelar el mundo exterior.
11. Puede entender y utilizar el lenguaje y sus símbolos.
 1987. Existen alrededor de 1900 Sistemas Expertos en el mundo. El

Sistema experto XCON de DEC capaz de configurar ordenadores
realizando el trabajo de 300 personas, basándose para esto en 10.000
reglas. Japón establece su sistema AFIS para la identificación automática
de huellas digitales.
 1988 se establecen los lenguajes Orientados a Objetos. El chip del 386
ofrece una velocidad a los PC’s comparable a la de las máquinas Lisp.
Minsky y Papert publican una revisión de "Perceptrons". La compañía TI
anuncia microExplorer una máquina Lisp con tecnología Macintosh.
 1990. Steele publica la segunda edición de "Common lisp the Language".
 1992. Apple Computer introduce el lenguaje Dylan, de la familia Lisp, como
su visión del futuro en la programación. X3J13 crea una propuesta para la
Sociedad Americana de Common Lisp.
 1994. La versión para tiempo real del lenguaje CLOS, Lisp con Objetos, de
Harlequin se utiliza en sistema de intercambio de AT&T.
 1997 Garry Kasparov, campeón mundial de ajedrez pierde ante la
computadora autónoma Deep Blue.
17
 2006 se celebró el aniversario con el Congreso en español 50 años de

Inteligencia Artificial - Campus Multidisciplinar en Percepción e Inteligencia
2006.
 2009 en desarrollo sistemas inteligentes terapéuticos que permiten
detectar emociones para poder interactuar con niños autistas.
3.1.1 El futuro de la IA
Existen personas que al dialogar sin saberlo con un chatbot no se percatan de
hablar con un programa, de modo tal que se cumple la prueba de Turing como
cuando se formuló: «Existirá Inteligencia Artificial cuando no seamos capaces de
distinguir entre un ser humano y un programa de computadora en una
conversación a ciegas».
Como anécdota, muchos de los investigadores sobre IA sostienen que «la
inteligencia es un programa capaz de ser ejecutado independientemente de la
máquina que lo ejecute, computador o cerebro».
Un robot de charla o chatterbot es un programa de inteligencia artificial que

pretende simular una conversación escrita, con la intención de hacerle creer a un
humano que está hablando con otra persona.
Estos programas informáticos prometen ser el futuro de la inteligencia artificial. En
el futuro podremos ver como a estos actuales bots se les unirán las tecnologías
del reconocimiento de voz y el de video.
El cerebro humano tiene 100.000 millones de neuronas. Un programa de

ordenador puede simular unas 10.000 neuronas.
Si a la capacidad de proceso de un ordenador la sumamos la de otros 9.999.999
ordenadores, tenemos la capacidad de proceso de 10.000.000 ordenadores.
Multiplicamos 10.000.000 ordenadores por 10.000 neuronas cada uno y da =
100.000 millones de neuronas simuladas. Un cerebro humano sera simulado en el
futuro gracias a internet y cualquiera puede programarlo.
18
Una vez que la inteligencia artificial tenga una inteligencia igual o superior a la del
hombre, obligatoriamente surgirá un cambio político y social, en el que la IA tiene
todas las de ganar si se da cuenta que no necesita a los humanos para colonizar
el universo. Suena a ciencia ficción pero actualmente orbitando están los satélites
de comunicaciones con sus procesadores 486.
En el futuro, la inteligencia artificial auto replicante podría fácilmente hacerse con

todas las colonias humanas fuera de la tierra, y la raza humana nunca podrá
luchar en el espacio vacío en igualdad de condiciones.
El futuro de una inteligencia superior puede ser la investigación de tecnologías
como la tele transportación, los viajes estelares y cualquier otra tecnología para
aumentar "artificialmente" la inteligencia.
3.2 Características de la IA.
La IA ha sido creada por el hombre para copiar, en cierta medida, la inteligencia

natural. Para conseguirlo se ha escogido como herramienta disponible más
potente y sofisticada, al computador, máquina capaz de procesar gran cantidad de
datos en muy poco tiempo, según las directrices definidas en un programa.
Hasta hoy se ha considerando al computador como una máquina tonta, lo que

significa que solo realiza aquello que se haya programado previamente. Este
modo de operar elimina una de las cualidades principales de la inteligencia , que
consiste en un comportamiento diferente para idénticas situaciones,
comportamiento que no ha sido previamente programado, sino que se ha
producido como consecuencia de una manipulación inteligente de los
conocimientos y experiencia que se poseían.
También ha sido común el trabajo del computador solo con datos, mientras que
una máquina inteligente ha de ser capaz de operar con conocimiento.
19
En el ser humano la experiencia y la facultad de razonamiento se alternan a lo

largo del tiempo, por lo que es muy frecuente que reaccione de forme diferente
ante los mismos hechos.
Una máquina puede considerarse como inteligente cuando cumple los siguientes
requisitos:
a) Si es capaz de percibir visualmente los objetos que la rodean y reconocer sus
formas. Actualmente el desarrollo de la visión artificial ofrece comercialmente
equipos económicos y poco voluminosos.
b) Una máquina es inteligente si es capaz de entender el lenguaje natural,
hablado o escrito, así como de producir repuesta en dicho lenguaje.
c) Otra característica propia de una maquina inteligente consiste en elaborar
actuaciones de acuerdo con las condiciones cambiantes del entorno y llevarlas
a cabo mediante los correspondientes del entorno y llevarlas a cabo mediante
los correspondientes elementos físicos.
d) Una máquina se dice inteligente cuando puede almacenar información y
conocimiento a los que manipula mediante reglas y algoritmos para alcanzar
soluciones a los problemas que plantea su funcionamiento.
Si la inteligencia comprende facultades como:

 percibir y manipular elementos del mundo real
 adquirir, aplicar conocimientos y entender el lenguaje natural y
 razonar y resolver problemas
Se puede afirmar que en estos momentos el hombre es capaz de construir

maquinas inteligentes. Pero los seres vivos inteligentes combinan
maravillosamente las facultades anteriores y además, tienen sentimientos.
3.3 Clasificación de la IA.
Se agrupan en cuatro categorías.

20
3.3.1 Sistemas que piensan como humanos.
La interesante tarea de lograr que las computadoras piensen…, maquina

con mente, en su amplio sentido literal(Haugeland, 1985)
La automatización de actividades que vinculamos con procesos de

pensamiento humano, actividades tales como toma de decisiones, resolución
de problemas, aprendizaje.
3.3.2 Sistemas que actúan como lo humanos.
El arte de crear maquinas con capacidad de realizar funciones que

efectuadas por personas requieren de inteligencia (Kurzweil, 1990).
Es estudio de cómo lograr que las computadoras realicen tareas que, por el
momento, lo humanos hacen mejor (Rich & Knight, 1991)
3.3.3 Sistemas que piensan racionalmente
El estudio de la facultades mentales mediante el uso de modelos

computacionales ( Charniak & McDermott, 1995)
El estudio de los cálculos que permiten percibir razonar y actuar (Winston,

1992).
3.3.4 Sistemas que actúan racionalmente
Un campo de estudio que se enfoca a la explicación y emulación de la

conducta inteligente en función de procesos computacionales (Schlkoff,
1990).
La rama de la ciencia de la computación que se ocupa de la automatización

de la conducta inteligente (Luger & Stubblefield, 1993).
21
3.4 Escuelas de pensamiento
La IA se divide en dos escuelas de pensamiento:

 La inteligencia artificial convencional
 La inteligencia computacional
3.4.1 Inteligencia artificial convencional

Se conoce también como IA simbólico-deductiva. Está basada en el análisis formal
y estadístico del comportamiento humano ante diferentes problemas:
Razonamiento basado en casos: Ayuda a tomar decisiones mientras se
resuelven ciertos problemas concretos y aparte que son muy importantes
requieren de un buen funcionamiento.
Sistemas expertos: Infieren una solución a través del conocimiento previo
del contexto en que se aplica y ocupa de ciertas reglas o relaciones.
Redes bayesianas: Propone soluciones mediante inferencia probabilística.
Inteligencia artificial basada en comportamientos: que tienen autonomía y
pueden auto-regularse y controlarse para mejorar.
Smart process management: facilita la toma de decisiones complejas,
proponiendo una solución a un determinado problema al igual que lo haría
un especialista en la actividad.
3.4.2 Inteligencia artificial computacional

La Inteligencia Computacional (también conocida como IA subsimbólica-inductiva)
implica desarrollo o aprendizaje interactivo (por ejemplo, modificaciones
interactivas de los parámetros en sistemas conexionistas). El aprendizaje se
realiza basándose en datos empíricos.
3.5 Técnicas y campos de la Inteligencia Artificial
 Aprendizaje Automático (Machine Learning)

22
 Ingeniería del conocimiento (Knowledge Engineering)

 Lógica difusa (Fuzzy Logic)
 Redes neuronales artificiales (Artificial Neural Networks)
 Sistemas reactivos (Reactive Systems)
 Sistemas multi-agente (Multi-Agent Systems)
 Sistemas basados en reglas (Rule-Based Systems)
 Razonamiento basado en casos (Case-Based Reasoning)
 Sistemas expertos (Expert Systems)
 Redes Bayesianas (Bayesian Networks)
 Vida artificial (Artificial Life). La VA no es un campo de la IA, sino que
la IA es un campo de la VA.
 Computación evolutiva (Evolutionary Computation)
 Estrategias evolutivas
 Algoritmos genéticos (Genetic Algorithms)
 Técnicas de Representación de Conocimiento
 Redes semánticas (Semantic Networks)
 Frames
 Vision artificial
 Audicion artificial
 Lingüística computacional
 Procesamiento del lenguaje natural (Natural Language Processing)
 Minería de datos (Data Mining)
3.6 Importancia de la Inteligencia Artificial
Conforme el mundo se vuelve más complejo, debemos usar nuestros recursos

materiales y humanos con más eficiencia, y para lograrlo, se necesita la ayuda
que nos ofrecen los computadores.
Existe la falsa impresión de que uno de los objetivo del IA es sustituir a los
trabajadores humanos y ahorrar dinero. Pero en el mundo de los negocios, la
23
mayoría de personas está más entusiasmada ante las nuevas oportunidades que
ante el abatimiento de costos. Además, la tarea de reemplazar totalmente a un
trabajador humano abarca de lo difícil a lo imposible, ya que no se sabe cómo
dotar a los sistemas de IA de toda esa capacidad de percibir, razonar y actuar que
tienen las personas. Sin embargo, debido a que los humanos y los sistemas
inteligentes tienen habilidades que se complementan, podrían apoyarse y ejecutar
acciones conjuntas:
 En la agricultura, controlar plagas y manejar cultivos en forma más
eficiente.
 En las fábricas, realizar montajes peligrosos y actividades tediosas (labores
de inspección y mantenimiento).
 En la medicina, ayudar a los médicos a hacer diagnósticos, supervisar la
condición de los pacientes, administrar tratamientos y preparar estudios
estadísticos.
 En el trabajo doméstico, brindar asesoría acerca de dietas, compras,
supervisión y gestión de consumo energético y seguridad del hogar.
 En las escuelas, apoyar la formación de los estudiantes, especialmente en
aquellas materias consideradas complejas.
 Ayudar a los expertos a resolver difíciles problemas de análisis o a diseñar
nuevos dispositivos.
 Aprender de los ejemplos para explorar bases de datos en busca de
regularidades explotables.
 Proporcionar respuestas a preguntas en lenguaje natural usando datos
estructurados y texto libre.
La IA aplicada es la contraparte de ingeniería de la ciencia cognoscitiva y
complementa sus perspectivas tradicionales. La ciencia cognoscitiva es una
mezcla de psicología, lingüística y filosofía.
La metodología y terminología de la IA está todavía en vías de desarrollo. La IA se
está dividiendo y encontrando otros campos relacionados: lógica, redes
neuronales, programación orientada a objetos, lenguajes formales, robótica, etc.
24
Esto explica por qué el estudio de IA no está confinado a la matemática, ciencias

de la computación, ingeniería (particularmente la electrónica y la mecánica), o a la
ciencia cognoscitiva, sino que cada una de estas disciplinas es un potencial
contribuyente. La robótica es considerada como un campo interdisciplinario que
combina conceptos y técnicas de IA, con ingeniería óptica, electrónica y mecánica.
3.7 Aplicaciones de la inteligencia artificial
Existen distintos tipos de conocimiento y medios de representación del

conocimiento, el cual puede ser cargado en el agente por su diseñador o puede
ser aprendido por el mismo agente utilizando técnicas de aprendizaje.
También se distinguen varios tipos de procesos válidos para obtener resultados
racionales, que determinan el tipo de agente inteligente. De más simples a más
complejos, los cinco principales tipos de procesos son:
 Ejecución de una respuesta predeterminada por cada entrada (análogas

a actos reflejos en seres vivos).
 Búsqueda del estado requerido en el conjunto de los estados producidos
por las acciones posibles.
 Algoritmos genéticos (análogo al proceso de evolución de las cadenas
de ADN).
 Redes neuronales artificiales (análogo al funcionamiento físico del
cerebro de animales y humanos).
 Razonamiento mediante una lógica formal (análogo al pensamiento
abstracto humano).
También existen distintos tipos de percepciones y acciones, pueden ser obtenidas

y producidas, respectivamente por sensores físicos y sensores mecánicos en
máquinas, pulsos eléctricos u ópticos en computadoras, tanto como por entradas y
salidas de bits de un software y su entorno software.
25
Varios ejemplos se encuentran en el área de control de sistemas, planificación

automática, la habilidad de responder a diagnósticos 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 economía, medicina, ingeniería y la milicia, y se ha usado en
gran variedad de aplicaciones de software, juegos de estrategia como ajedrez de
computador y otros videojuegos.
Lingüística computacional
Industriales.
Médicas
Mundos virtuales
Procesamiento de lenguaje natural (Natural Language Processing)
Robótica
Sistemas de apoyo a la decisión
Videojuegos
Prototipos informáticos
Análisis de sistemas dinámicos.
Smart Process Management
3.7.1 El público y la IA
La IA a sido una gran desconocida para el público hasta que llego el invento de la
televisión, porque las películas anteriores de cine sobre inteligencias artificiales
tuvieron muy poca aceptación y difusión.
En el año 2001 Steven Spilberg dirige una película titulada "inteligencia artificial",
batiendo records de taquilla. Trata de un niño robótico con un fuerte complejo
maternal. Mediocre película, comparada con otras anteriores, como matrix, o
posteriores, como terminator3, que volvieron a batir los records de taquilla.
26
En los últimos años las ganancias por vender películas sobre IAs se incrementan
de manera exponencial. Y parece normal, porque ahora con el llamado "efecto IA"
puedes encontrar inteligencia artificial hasta en las batidoras.
3.7.2 Problemas básicos en Inteligencia Artificial

Para construir un sistema básico de inteligencia artificial capaz de resolver un
problema específico, es necesario realizar las siguientes acciones:
Definir de una forma precisa el problema, incluyendo especificaciones de las

condiciones iniciales y de las situaciones finales que pueden considerarse como
soluciones aceptables al problema.
Analizar el problema. Puede darse el caso de que unos muy pocos rasgos
importantes puedan tener un gran impacto en la identificación de la técnica más
apropiada para resolver el problema.
Identificar y representar el conocimiento que es necesario para resolver el

problema.
Escoger la mejor técnica y aplicarla para la resolución del problema.

En este capítulo trataremos los fundamentos sobre los que se basan cada una de
las acciones indicadas.
3.7.3 Críticas
Las principales críticas a la inteligencia artificial tienen que ver con su incapacidad
de imitar por completo a un ser humano. Estas críticas ignoran que ningún
humano individual tiene capacidad para resolver todo tipo de problemas, y autores
como Howard Gardner han propuesto que existen inteligencias múltiples. Un
sistema de inteligencia artificial debería resolver problemas. Por lo tanto es
fundamental en su diseño la delimitación de los tipos de problemas que resolverá
y las estrategias y algoritmos que utilizará para encontrar la solución.
27
En los humanos la capacidad de resolver problemas tiene dos aspectos: los

aspectos innatos y los aspectos aprendidos. Los aspectos innatos permiten por
ejemplo almacenar y recuperar información en la memoria y los aspectos
aprendidos el saber resolver un problema matemático mediante el algoritmo
adecuado. Del mismo modo que un humano debe disponer de herramientas que le
permitan solucionar ciertos problemas, los sistemas artificiales deben ser
programados de modo tal que puedan resolver ciertos problemas.
Muchas personas consideran que el test de Turing ha sido superado, citando

conversaciones en que al dialogar con un programa de inteligencia artificial para
chat no saben que hablan con un programa. Sin embargo, esta situación no es
equivalente a un test de Turing, que requiere que el participante esté sobre aviso
de la posibilidad de hablar con una máquina.
Otros experimentos mentales como la Habitación china de John Searle han

mostrado cómo una máquina podría simular pensamiento sin tener que tenerlo,
pasando el test de Turing sin siquiera entender lo que hace. Esto demostraría que
la máquina en realidad no está pensando, ya que actuar de acuerdo con un
programa preestablecido sería suficiente. Si para Turing el hecho de engañar a un
ser humano que intenta evitar que le engañen es muestra de una mente
inteligente, Searle considera posible lograr dicho efecto mediante reglas definidas
a priori.
Uno de los mayores problemas en sistemas de inteligencia artificial es la

comunicación con el usuario. Este obstáculo es debido a la ambigüedad del
lenguaje, y apareció ya en los inicios de los primeros sistemas operativos
informáticos. La capacidad de los humanos para comunicarse entre sí implica el
conocimiento del lenguaje que utiliza el interlocutor. Para que un humano pueda
comunicarse con un sistema inteligente hay dos opciones: o bien el humano
aprende el lenguaje del sistema como si aprendiese a hablar cualquier otro idioma
28
distinto al nativo, o bien el sistema tiene la capacidad de interpretar el mensaje del

usuario en la lengua que el usuario utiliza.
Un humano durante toda su vida aprende el vocabulario de su lengua nativa. Un

humano interpreta los mensajes a pesar de la polisemia de las palabras utilizando
el contexto para resolver ambigüedades. Sin embargo, debe conocer los distintos
significados para poder interpretar, y es por esto que lenguajes especializados y
técnicos son conocidos solamente por expertos en las respectivas disciplinas. Un
sistema de inteligencia artificial se enfrenta con el mismo problema, la polisemia
del lenguaje humano, su sintaxis poco estructurada y los dialectos entre grupos.
Los desarrollos en inteligencia artificial son mayores en los campos disciplinares

en los que existe mayor consenso entre especialistas. Un sistema experto es más
probable de ser programado en física o en medicina que en sociología o en
psicología. Esto se debe al problema del consenso entre especialistas en la
definición de los conceptos involucrados y en los procedimientos y técnicas a
utilizar. Por ejemplo, en física hay acuerdo sobre el concepto de velocidad y cómo
calcularla. Sin embargo, en psicología se discuten los conceptos, la etiología, la
psicopatología y cómo proceder ante cierto diagnóstico. Esto dificulta la creación
de sistemas inteligentes porque siempre habrá desacuerdo sobre lo que se
esperaría que el sistema haga. A pesar de esto hay grandes avances en el diseño
de sistemas expertos para el diagnóstico y toma de decisiones en el ámbito
médico y psiquiátrico (Adaraga Morales, Zaccagnini Sancho, 1994).

3.8 LENGUAJES DE LA I.A.
3.8.1 Introducción.
Los lenguajes de programación tradicionales no se han adaptado bien a las
aplicaciones en Inteligencia Artificial. Estos lenguajes brindan características
especialmente diseñadas para operar problemas.
29
Tales lenguajes permitirán eventualmente a las máquinas tener "sentido común",

como los seres humanos. Sin embargo, no se perfilan todavía en el horizonte. Los
lenguajes de que vamos hablar, son todos de la tercera clase, los llamados
lenguajes de Inteligencia Artificial.
Se llaman así porque se usan preferentemente en aplicaciones que producen en

las máquinas comportamientos que, si los ejecutaran seres humanos, diríamos
que requieren inteligencia.
Podemos distinguir tres grandes estilos o subfamilias en los lenguajes de

Inteligencia Artificial. Todos ellos están formados por lenguajes de tipo coactivo y
disponen del poder de la recursión.
Pero tienen cada uno de ellos características especiales que les singularizan de os
diferentes estilos de programación.
3.8.2 Lenguajes Funcionales

Los lenguajes funcionales se caracterizan porque sus programas son expresiones
simbólicas que se evalúan y producen un resultado, en el mismo sentido en que la
expresión simbólica "(7 + 5)", al ser evaluada, produce "12". Esta característica
contrasta notablemente con lo que ocurre con lenguajes del tipo imperativo,solo
ocasionalmente una expresión en LISP, u otro lenguaje funcional, produce un
"efecto", como distinto del "valor" de la expresión evaluada, por ejemplo, la
activación de un periférico de la computadora o la asociación de un término con su
significado en una tabla de definiciones.
En el caso de LOGO, el aspecto de efecto está enfatizado, dado el sesgo del
programa, hacia las aplicaciones gráficas. Una nota importante que debe
subrayarse es que en los lenguajes funcionales puros, los argumentos de las
funciones pueden a su vez ser funciones, las cuales deben ser evaluadas con
anterioridad para que la función de mayor nivel pueda obtener sus argumentos
efectivos con los cuales deberá evaluarse.
30
3.8.3 Lenguajes Relacionales

El segundo estilo de programación de Inteligencia Artificial es el estilo relacional.
El mejor ejemplo es PROLOG, un lenguaje simple y poderoso desarrollado en los
años setenta por varios investigadores europeos que aplicaron descubrimientos de
otros lógicos. (KOWALSKI 82) Es también un lenguaje recursivo. Se diferencia de
LISP y los otros lenguajes funcionales, en que es más explícito en la definición de
los constreñimientos, incorporando dentro de la expresión que se evalúa, un lugar
para el resultado de la computación (en contraste con la función, cuyo valor es
simplemente reportado).
3.8.4 Lenguajes de programación por objetos

Los lenguajes de programación por objetos, por su parte, tienen un estilo muy
particular, ya que tratan de representar a los objetos del mundo con que lidian
nuestros programas con entidades computacionales cerradas sobre sí mismas,
llamadas también objetos. Estos objetos computacionales son al mismo tiempo
datos y procedimientos. En cuanto datos, los objetos se definen por variables
privadas que no son inspeccionables desde fuera de ellos, y que conservan sus
valores a través del tiempo. En cuanto procedimientos, los objetos se definen
como métodos, que solo ellos pueden aplicar como reacción a ciertos mensajes
que reciben. La computación se realiza por medio de intercambio de mensajes
entre los distintos objetos. Los mensajes suelen consistir en requerimientos para
que un objeto aplique uno de sus métodos a sí mismo (por ejemplo para variar el
estado de sus variables privadas) o a otros objetos (enviándoles un mensaje);
pero puede también suceder que un mensaje consista en un objeto que se envía a
otro objeto. Generalmente los objetos se organizan en clases jerárquicamente
organizadas, de modo que todos los miembros de una clase comparten ciertos
atributos y que los miembros de una clase subalterna heredan atributos de la clase
subalternante (por ejemplo, una clase de objetos puede ser "vehículos" y otra
"automóviles", y los objetos de la segunda heredar de la primera clase el atributo
31
de servir para transporte o necesitar combustible). Uno de los lenguajes de

programación por objetos es el SMALLTALK.
3.8.5 Lenguajes de Inteligencia Artificial

3.8.5.1 PROLOG: Programming in Logic (PROLOG), es otro de los lenguajes de
programación utilizados en La Inteligenia Artificial. PROLOG fue desarrollado en
Francia, en 1973 en la Universidad de Marseilles. Prolog es un lenguaje de
programación hecho para representar y utilizar el conocimiento que se tiene sobre
un determinado dominio. Más exactamente, el dominio es un conjunto de objetos y
el conocimiento se representa por un conjunto de relaciones que describen las
propiedades de los objetos y sus interrelaciones. Un conjunto de reglas que
describa estas propiedades y estas relaciones es un programa Prolog es un
lenguaje de programación que es usado para resolver problemas que envuelven
objetos y las relaciones entre ellos.
3.8.5.1.1 Hechos
Expresan relaciones entre objetos. Supongamos que queremos expresar el hecho
de que "un coche tiene ruedas". Este hecho, consta de dos objetos, "coche" y
"ruedas", y de una relación llamada "tiene". La forma de representarlo en
PROLOG es: tiene (coche,ruedas).
 Los nombres de objetos y relaciones deben comenzar con una letra
minúscula.
 Primero se escribe la relación, y luego los objetos separados por comas y
encerrados entre paréntesis.
Al final de un hecho debe ir un punto (el carácter ".").
El orden de los objetos dentro de la relación es arbitrario, pero debemos ser
coherentes a lo largo de la base de hechos.
3.8.5.1.2 Operadores
Son predicados predefinidos en PROLOG para las operaciones matemáticas
básicas. Su sintaxis depende de la posición que ocupen, pudiendo ser infijos o
32
prefijos. Por ejemplo el operador suma ("+"), podemos encontrarlo en forma prefija
'+(2,5)' o bien infija, '2 + 5'.
Al igual que en otros lenguajes de programación es necesario tener en cuenta la
precedencia y la asociatividad de los operadores antes de trabajar con ellos.
En cuanto a precedencia, es la típica. Por ejemplo, 3+2*6 se evalúa como 3+(2*6).
En lo referente a la asociatividad, PROLOG es asociativo por la izquierda. Así,
8/4/4 se interpreta como (8/4)/4. De igual forma, 5+8/2/2 significa 5+((8/2)/2).
3.8.5.1.3 El mecanismo de control de PROLOG

El mecanismo empleado por PROLOG para satisfacer las cuestiones que se le
plantean, es el de razonamiento hacia atrás (backward) complementado con la
búsqueda en profundidad (depth first) y la vuelta atrás o reevaluación
(backtracking).
Razonamiento hacia atrás: Partiendo de un objetivo a probar, busca las
aserciones que pueden probar el objetivo. Si en un punto caben varios caminos,
se recorren en el orden que aparecen en el programa, esto es, de arriba a abajo y
de izquierda a derecha.
Reevaluación: Si en un momento dado una variable se instancia con determinado

valor con el fin de alcanzar una solución, y se llega a un camino no satisfactorio, el
mecanismo de control retrocede al punto en el cual se instanció la variable, la des-
instancia y si es posible,
3.8.5.1.4 Entrada/Salida
PROLOG, al igual que la mayoría de lenguajes de programación modernos
incorpora predicados predefinidos para la entrada y salida de datos. Estos son
tratados como reglas que siempre se satisfacen.
Las comillas simples encierran constantes, mientras que todo lo que se encuentra
entre comillas dobles es tratado como una lista. También podemos mostrar el
valor de una variable, siempre que este instanciada:
33
3.8.5.1.5 Desarrollo de Prolog

Una de las preocupaciones más tempranas de la computación de los años
cincuenta fue la posibilidad de hacer programas que llevaran a cabo
demostraciones automáticas de teoremas. Así empezaron los primeros trabajos de
inteligencia artificial que más de veinte años después dieron lugar al primer
lenguaje de programación que contempla, como parte del intérprete, los
mecanismos de inferencia necesarios para la demostración automática. Este
primer lenguaje está basado en el formalismo matemático de la Lógica de Primer
Orden y ha dado inicio a un nuevo y activo campo de investigación entre las
matemáticas y la computación que se ha denominado la Programación Lógica.
Estos mecanismos de prueba fueron trabajados con mucho entusiasmo durante
una época, pero, por su ineficiencia, fueron relegados hasta el nacimiento de
PROLOG, ocurrido en 1970 en la Universidad de Marsella, Francia, en el seno de
un grupo de investigación en el campo de la Inteligencia Artificial.
La Programación Lógica tiene sus orígenes más cercanos en los trabajos de

prueba automática de teoremas de los años sesenta. J. A. Robinson propone en
1965 una regla de inferencia a la que llama resolución, mediante la cual la
demostración de un teorema puede ser llevada a cabo de manera automática.
La resolución es una regla que se aplica sobre cierto tipo de fórmulas del Cálculo
de Predicados de Primer Orden, llamadas cláusulas y la demostración de
teoremas bajo esta regla de inferencia se lleva a cabo por reducción al absurdo.
Actualmente, la programación lógica ha despertado un creciente interés que va

mucho más allá del campo de la Inteligencia Artificial(IA) y sus aplicaciones. Los
japoneses, con su proyecto de máquinas de la quinta generación, dieron un gran
impulso a este paradigma de programación. Sin embargo, antes que ellos existían
ya en Estados Unidos y en Europa grupos de investigación en este campo, en
países como Inglaterra, Holanda, Suecia y, desde luego, Francia.
34
A principios de los años ochentas los japoneses comienzan a invertir recursos en

un proyecto que denominan la Quinta Generación, para lucrar con la buena fama
de los 4GL. Con este ambicioso proyecto Japón busca obtener el liderazgo en
computación, usando como base la Programación Lógica y la Inteligencia Artificial.
La programación lógica tiene sus raíces en el cálculo de predicados, que es una

teoría matemática que permite, entre otras cosas, lograr que un computador
pueda realizar inferencias, capacidad que es requisito para que un computador
sea una "máquina inteligente". La realización del paradigma de la programación
lógica es el lenguaje Prolog.
El Prolog estuvo un tiempo diseñado para ejecutarse en minicomputadoras o

estaciones de trabajo, actualmente hay versiones en Prolog que pueden instalarse
en computadores personales como IBM-PC y PC-Compatibles.
Un programa escrito en PROLOG puro, es un conjunto de clausulas.
Sin embargo, PROLOG, como lenguaje de programación moderno, incorpora más
cosas, como instrucciones de Entrada/Salida, etc.
Una clausula puede ser una conjunción de hechos positivos o una implicación con
un único consecuente (un único termino a la derecha). La negación no tiene
representación en PROLOG, y se asocia con la falta de una afirmación (negación
por fallo), según el modelo de suposición de un mundo cerrado solo es cierto lo
que aparece en la base de conocimiento o bien se deriva de esta.
Las diferencias sintácticas entre las representaciones lógicas y las
representaciones PROLOG son las siguientes:
1. En PROLOG todas las variables están implícitamente cuantificadas

universalmente.
2. En PROLOG existe un símbolo explicito para la conjunción "y" (,), pero no existe
uno para la disyunción "o", que se expresa como una lista de sentencias
alternativas.
35
3. En PROLOG, las implicaciones p --> q se escriben al reves q :- p, ya que el

interprete siempre trabaja hacia atrás sobre un objetivo.
3.8.5.1.6 Desarrollo de Versiones Actuales

Antes de que existieran sistemas expertos, sistemas inteligentes adaptables o
cualquier otro tipo de programa capaz de funcionar con inteligencia artificial, se
necesito crear los lenguajes para desarrollarlo. Para ello, se consideraron algunos
requerimientos básicos como la posibilidad de procesar símbolos de todo tipo y la
capacidad de hacer inferencias asociadas con el lenguaje, todo dentro de un
ambiente flexible que permitiera escribir el programa de forma interactiva.
Uno de los lenguajes que más éxito ha tenido es Prolog. Por tal razón son muchas
las compañías de software que han creado sus propias versiones del mismo.
La diferencia es mínima entre versiones ya que su sintaxis y semántica es la
misma, la variación que más resalta son el cambio de plataforma para el cual
fueron desarrollados.
Nuestro trabajo de investigación no pretende abarcarlos todos, pero si hablar de

los más usados y conocidos por el ámbito informático.
3.8.5.1.6.1 PROLOG.- Esta versión la ofrece Expert Systems International, se
utiliza en maquinas que trabajan con los sistemas operativos MS-DOS, CP/M-86,
RSX-11M y RT-11.
Su mayor fortaleza radica en su intérprete PROLOG86, este interprete contiene un
editor de cláusulas del sistema. Tiene un mejor manejo de los tipos de datos
entero y real, y además posee más predicados integrados por lo cual el
programador ya no requiere de definirlos.
3.8.5.1.6.2 PROLOG QUINTUS.- Es una versión avanzada del lenguaje. El

objetivo de sus diseñadores era producir una versión que pudiera ofrecer
velocidades rápidas de ejecución, así como la capacidad de comunicación con
otros programas. Esta versión funciona en los sistemas operativo UNIX y VMS.
36
Una de las características interesantes es la interface al editor EMACS, esto

provocara que la pantalla se parta en dos ventanas, en una estará el código del
archivo fuente en la parte superior, mientras prolog correrá en la parte inferior,
esto brinda una ayuda ya que cualquier cambio en las cláusulas del archivo,
podría ser probada inmediatamente, solamente interactuando entre ventanas.
3.8.5.1.6.3 MACPROLOG.- Esta versión está diseñada totalmente para correr en

maquinas MAC. Esta versión combina sofisticadas técnicas de programación de
inteligencia artificial en ambientes Macintosh. Al integrar el compilador Prolog con
las herramientas de MAC (ratón, menú, ventanas y gráficos), Prolog ofrece un
entorno de programación sofisticado que antes solo se podía obtener con
hardware costoso y muy especializado.
3.8.5.1.6.4 SWI-PROLOG.- Es una implementación de Prolog basada en un

subconjunto del WAM (Warren Abstract Machine). SWI-Prolog ha sido diseñado e
implementado de tal modo que puede ser empleado fácilmente para experimentar
con la lógica de la programación y con las relaciones que esta mantiene con otros
paradigmas de la programación, tales como el entorno PCE orientado al objeto.
Posee un rico conjunto de predicados incorporados que hacen posible el
desarrollo de aplicaciones robustas.
Además ofrece una interfaz para el lenguaje C.
3.8.5.2 LISP: Su nombre viene de LISt Processor. LISP fue el primer lenguaje
para procesamiento simbólico. fue desarrollado en 1958, en el Instituto de
Tecnología de Massachusetts LISP es un lenguaje funcional. En consecuencia,
sus unidades de acción son funciones. PROLOG, como lenguaje relacional, tiene
unidades de acción que son relaciones. SMALLTALK, como lenguaje objetivo,
tiene como sus unidades de acción los objetos. Una estrategia razonable para
integrar los estilos dentro de uno de los lenguajes consiste en identificar una de
37
sus unidades de acción con la invocación al estilo diverso deseado.
Más concretamente: estando en ambiente LISP se debe poder invocar una función
que se llame PROLOG, dándole como argumento el problema que quiero resolver
en estilo relacional; el valor reportado por la función sería la misma fórmula de la
invocación pero con todas sus variables lógicas sustituidas por los respectivos
valores encontrados por el intérprete relacional.
Estando en ambiente PROLOG, debo poder ejecutar una relación que se llame —
digamos— LISP, uno de cuyos argumentos sea una expresión funcional y otro sea
el valor de la misma, que produciría el intérprete funcional.
3.8.5.3 LOGO: El lenguaje LOGO fue creado en el "Massachusetts Institute of

Technology" (MIT) por el investigador en Inteligencia Artificial y renombrado
teórico de la educación Seymour Papert. Pertenece a la familia de lenguajes
simbólicos, y por ello se diferencia sustancialmente de los más conocidos
lenguajes de programación, como Basic, Pascal, Cobol o Fortran. No obstante,
tiene también capacidades matemáticas suficientes como para haber sido
postulado como la mejor introducción a estas disciplinas por el mismo Papert. En
particular, LOGO es un pariente cercano de otros lenguajes simbólicos diseñados
específicamente para sustentar la investigación en Inteligencia Artificial. Más
concretamente, LOGO es una versión simplificada del lenguaje LISP (del inglés
"List Processing"), uno de los más evolucionados lenguajes de Inteligencia
Artificial, adaptada para tener capacidades gráficas.
3.8.5.4 SMALLTALK: Fue desarrollado por el Learning Research Group del

Centro de Investigación de la Compañía Xerox, en Palo Alto, California, al
comienzo de los años setenta. Sus ideas principales se deben a Alan Kay. Las
primeras realizaciones del lenguaje las produjo Dan Ingalls (primera persona que
programó ventanas superpuestas en ambientes de cómputo). Otra persona que
colaboró de manera importante en el proyecto fue Adele Golberg, del mismo
38
laboratorio.
El desarrollo de SMALLTALK fue guiado por la experiencia con el sistema FLEX,

creado por el mismo Alan Kay a fines de la década de los sesenta, y por ideas
centrales del lenguaje SIMULA, desarrollado a la mitad de los sesenta por Ole-
Johan Dahl y Kristen Nygaard del Centro Noruego de Cómputo en Oslo. El
esfuerzo paralelo realizado en MIT para la creación de LOGO tuvo también
innegable influencia. Su motivación principal fue proporcionar a los niños un
ambiente de computación gráfico y concreto. Sin embargo, el lenguaje ha
resultado ser de uso general, para toda clase de aplicaciones.
Aunque existan lenguajes específicos para este estilo objetivo de programación,
es interesante subrayar que el mismo estilo de programación puede lograrse con
un lenguaje funcional como LISP, en varios de sus dialectos. En particular, admiro
la tersura con que este tipo de programación puede realizarse en uno de los
dialectos más puros y elegantes de esta gran familia: el lenguaje SCHEME, otro
producto del MIT.
4. Conclusión.
En esta monografía se puso en claro lo complicado de definir el campo de estudio

de esta nueva ciencia, así como su filosofía, como desde la antigüedad existían
filósofo, que tocaban ya, temas referentes a la actual IA.
Se ha presentado, el desarrollo de la Inteligencia Artificial a lo largo de la historia,

pudiéndose evidenciar el gran desarrollo e impulso que tuvo sobre todo en los
últimos años, con la aparición de las nuevas tecnologías.
Además hemos tocado las principales características de esta ciencia, pudiendo

evidenciar, a que se debe el amplio número de aplicaciones y de relación con
otras ciencias que tiene la IA.
39
Sin dejar de lado, los problemas y criticas que la IA afronta, siendo la principal, el
hecho de desarrollarla en tal sentido que pueda llegar a emular no solo lo
referente al aprendizaje del ser humano, sino lo que son los sentimientos de una
persona, brindando herramientas a la robótica para crear robots que se asemejen
más a las personas.
Podemos entonces decir que la IA incluye características humanas tales como el

aprendizaje, la adaptación, el razonamiento, la autocorrección, el mejoramiento
implícito, y la percepción modelar del mundo. Así, podemos hablar ya no sólo de
un objetivo, sino de muchos dependiendo del punto de vista o utilidad que pueda
encontrarse a la IA.
Muchos de los investigadores sobre IA sostienen que "la inteligencia es un

programa capaz de ser ejecutado independientemente de la máquina que lo
ejecute, computador o cerebro".
También hemos presentado una visión muy sucinta de los tres estilos de
programación en Inteligencia Artificial. Nos resta subrayar un hecho sumamente
interesante, a saber, que por lo menos en principio es posible programar usando
cualquiera de los tres estilos desde cualquiera de los tres lenguajes principales:
LISP, PROLOG, SMALLTALK. Puedo hablar de primera mano en el caso de LISP,
pues he desarrollado un lenguaje escrito en LISP, llamado GOAL, que hace todo
lo que hace PROLOG (y un poco más) en el estilo relacional. Además, acabamos
de ver cómo un dialecto de LISP, SCHEME, se presta directa y elegantemente a la
programación por objetos. Conozco de oídas intentos de programar desde
PROLOG o SMALLTALK en los estilos diferentes al propio del lenguaje. La idea
general, que cubre todos los cruces entre estilos y lenguajes, es la siguiente.
LISP es un lenguaje funcional. En consecuencia, sus unidades de acción son

funciones. PROLOG, como lenguaje relacional, tiene unidades de acción que son
40
relaciones. SMALLTALK, como lenguaje objetivo, tiene como sus unidades de

acción los objetos. Una estrategia razonable para integrar los estilos dentro de uno
de los lenguajes consiste en identificar una de sus unidades de acción con la
invocación al estilo diverso deseado.
Estando en ambiente PROLOG, debo poder ejecutar una relación que se llame
digamos LISP, uno de cuyos argumentos sea una expresión funcional y otro sea el
valor de la misma, que produciría el intérprete funcional. Estando en un ambiente
de programación por objetos, debiera poder dar un mensaje a un objeto llamado
LISP, o PROLOG, que consista precisamente en una invocación que debe ser
ejecutada por el respectivo intérprete. LISP no tiene problema en trabajar con
objetos, y varios dialectos del lenguaje han incorporado ya la programación por
objetos, llamados sabores en varias de las implantaciones.
5. Bibliografía.
 Tirso de Andrés, Homo Cybersapiens. La Inteligencia artificial y la humana,

2002, ISBN 84-313-1982-8
 Luis Mª Gonzalo, Inteligencia Humana e Inteligencia Artificial, Madrid, 1987.
ISBN 84-7118-490-7
 Víctor Gómez Pin, Entre lobos y autómatas. La causa del hombre, Espasa,
Madrid, 2006. ISBN 978-84-670-2303-9
 Revista "Inteligencia Artificial" Revista Iberoamericana de Inteligencia
Artificial. ISSN 1137-3601
 Adaraga Morales P., Zaccagnini Sancho J. L., Psicología e inteligencia
artificial, Editorial Trotta, Madrid, 1994. ISBN 84-87699-77-4.
 Páginas Web como: www.monografías.com , www.inteligenciaartificial.cl,
Wikipedia y de la Universidad Central del Ecuador.
 Dossier de Inteligencia Artificial de la Universidad Saleciana de Bolivia.

Inteligencia Artificial

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Inteligencia Artificial

Uploaded by

Copyright:

Available Formats

1

LA INTELIGENCIA ARTIFICIAL, SUS LENGUAJES E HISTORIA

Dar a conocer a que nos referimos cuando hablamos de Inteligencia

2.1 Fundamentos de la Inteligencia Artificial

En primer lugar, revisemos algunas definiciones generales de inteligencia, antes

también conocida como la Quinta Generación, es la habilidad de emular (y tal vez

2.2 Preguntas Fundamentales de la Inteligencia Artificial y su filosofía

1. ¿Cuáles son las suposiciones subyacentes acerca de la inteligencia?

Empezó con el nacimiento de Platón en 428 a. C. y con lo que aprendió de

El hombre se ha aplicado a sí mismo el nombre científico de Homo sapiens como

repercusiones muy importantes en nuestra vida diaria así como en el devenir de la

El problema que aborda la inteligencia artificial es uno de los más complejos:

La inteligencia artificial permite al hombre emular en las máquinas el

La Inteligencia artificial es un campo interdisciplinario que se deriva de múltiples

2.4 Definiciones de Inteligencia Artificial

Obviamente no lo ha logrado todavía, al menos no completamente.

La IA es una rama de la ciencia de computación que comprende el estudio y

La IA es una ciencia que trata de la comprensión de la inteligencia y del diseño de

Se define la inteligencia artificial como aquella inteligencia exhibida por artefactos

Se denomina inteligencia artificial (IA) a la rama de las Ciencias de la

Por lo tanto, y de manera más específica la inteligencia artificial es la disciplina

A pesar de la diversidad de conceptos propuestos para la IA, en general todos

Como ingeniería, el objetivo de la IA es resolver problemas reales, actuando

Como ciencia, el objetivo de la IA es buscar la explicación de diversas clases

2.5 La inteligencia artificial y los sentimientos

Aunque, por el momento, la mayoría de los investigadores en el ámbito de la

en sentencias tipo do... for, o la cantidad de memoria disponible para una

A los sistemas inteligentes el no tener en cuenta elementos emocionales les

3.1 Historia de la inteligencia artificial

La idea de algo parecido a la inteligencia artificial existe desde hace millones de

 Las ideas más básicas se remontan a los griegos, antes de Cristo.

 En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de

 A finales de los 50 y comienzos de la década del 60 Robert K. Lindsay

 1970. Colmerauer desarrolla PROLOG quizás el lenguaje de Inteligencia

1. Tiene actitudes mentales tales como creencias e intenciones

4. Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas

 1987. Existen alrededor de 1900 Sistemas Expertos en el mundo. El

 2006 se celebró el aniversario con el Congreso en español 50 años de

Un robot de charla o chatterbot es un programa de inteligencia artificial que

El cerebro humano tiene 100.000 millones de neuronas. Un programa de

En el futuro, la inteligencia artificial auto replicante podría fácilmente hacerse con

3.2 Características de la IA.

La IA ha sido creada por el hombre para copiar, en cierta medida, la inteligencia

Hasta hoy se ha considerando al computador como una máquina tonta, lo que

En el ser humano la experiencia y la facultad de razonamiento se alternan a lo

Si la inteligencia comprende facultades como:

Se puede afirmar que en estos momentos el hombre es capaz de construir

Se agrupan en cuatro categorías.

3.3.1 Sistemas que piensan como humanos.

La interesante tarea de lograr que las computadoras piensen…, maquina

La automatización de actividades que vinculamos con procesos de

3.3.2 Sistemas que actúan como lo humanos.

El arte de crear maquinas con capacidad de realizar funciones que

3.3.3 Sistemas que piensan racionalmente

El estudio de la facultades mentales mediante el uso de modelos

El estudio de los cálculos que permiten percibir razonar y actuar (Winston,

3.3.4 Sistemas que actúan racionalmente

Un campo de estudio que se enfoca a la explicación y emulación de la

La rama de la ciencia de la computación que se ocupa de la automatización

3.4 Escuelas de pensamiento

La IA se divide en dos escuelas de pensamiento:

3.4.1 Inteligencia artificial convencional

3.4.2 Inteligencia artificial computacional

3.5 Técnicas y campos de la Inteligencia Artificial