LA INTELIGENCIA ARTIFICIAL: Es una combinacin de la ciencia del computador, fisiologa y filosofa, tan general y amplio como eso, es que

rene varios campos (robtica, sistemas expertos, por ejemplo), todos los cuales tienen en comn la creacin de mquinas que pueden "pensar". La idea de construir una mquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegos, traduccin de idiomas, comprensin de idiomas, diagnstico de fallas, robtica, suministro de asesora experta en diversos temas. NOCIONES Y ANTECEDENTES HISTRICOS DE INTELIGENCIA ARTIFICIAL: Definiciones sobre Inteligencia Artificial:

Disciplina cientfico-tcnica que trata de crear sistemas artificiales capaces de comportamientos que, de ser realizados por seres humanos, se dira que requieren inteligencia.

Estudio de los mecanismos de la inteligencia y las tecnologas que lo sustentan. (Newell, 91)

Intento de reproducir (modelar) la manera en que las personas identifican, estructuran y resuelven problemas difciles (Pople, 84)

Son ciertas herramientas de programacin, entendiendo por herramientas:

o o o

Lenguajes: LISP, PROLOG Entornos de desarrollo: shells Arquitecturas de alto nivel: nodo y arco, sistemas de producciones

Desde sus comienzos hasta la actualidad, la Inteligencia Artificial ha tenido que hacer frente a una serie de problemas:

Los computadores no pueden manejar (no contienen) verdaderos significados. Los computadores no tienen autoconciencia (emociones, sociabilidad, etc.). Un computador slo puede hacer aquello para lo que est programado.

Las mquinas no pueden pensar realmente.

En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage plante el asunto de si la mquina de Babbage poda "pensar". Los primeros problemas que se trat de resolver fueron puzzles, juegos de ajedrez, traduccin de textos a otro idioma. Durante la II Guerra Mundial Norbert Wiener y John Von Neumann establecieron los principios de la ciberntica en relacin con la realizacin de decisiones complejas y control de funciones en mquinas. Teora de la retroalimentacin en mecanismos, como por ejemplo un termostato que regula la temperatura en una casa, tuvo mucha influencia. Esto an no era propiamente Inteligencia Artificial. Se hizo mucho en traducciones (Andrew Booth y Warren Weaver), lo que sembr la semilla hacia el entendimiento del lenguaje natural. En el ao 1955 Herbert Simon, el fsico Allen Newell y J.C. Shaw, programador de la RAND Corp. y compaero de Newell, desarrolla el primer lenguaje de programacin orientado a la resolucin de problemas de la Inteligencia Artificial, el IPL-11. Un ao ms tarde estos tres cientficos desarrollan el primer programa de Inteligencia Artificial al que llamaron Logic Theorist, el cual era capaz de demostrar teoremas matemticos, representando cada problema como un modelo de rbol, en el que se seguan ramas en busca de la solucin correcta, que result crucial. Este programa demostr 38 de los 52 teoremas del segundo captulo de Principia Mathematica de Russel y Whitehead. En 1956, con la ahora famosa conferencia de Dartmouth, organizada por John McCarthy y en la cual se utiliz el nombre de inteligencia artificial para este nuevo campo, se separ la Inteligencia Artificial de la ciencia del computador, como tal. Se estableci como conclusin fundamental la posibilidad de simular inteligencia humana en una mquina. En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problems Solver (GPS). GPS era un sistema orientado a la resolucin de problemas; a diferencia del Logic

Theorist, el cual se orient a la demostracin de teoremas matemticos, GPS no estaba programado para resolver problemas de un determinado tipo, razn a la cual debe su nombre. Resuelve una gran cantidad de problemas de sentido comn, como una extensin del principio de retroalimentacin de Wiener. Diversos centros de investigacin se establecieron, entre los ms relevantes estn, la Universidad Carnegie Mellon, el Massachusetts Institute of Technologie (MIT), encabezado por Marvin Minsky, la Universidad de Standford e IBM. Los temas fundamentales eran el desarrollo de heursticas y el aprendizaje de mquinas. En 1957 McCarthy desarroll el lenguaje LISP. La IBM contrat un equipo para la investigacin en esa rea y el gobierno de USA aport dinero al MIT tambin para investigacin en 1963. A finales de los aos 50 y comienzos de la dcada del 60 se desarrolla un programa orientado a la lectura de oraciones en ingls y la extraccin de conclusiones a partir de su interpretacin, al cual su autor, Robert K. Lindsay, denomina "Sad Sam". Este poda leer oraciones del tipo "Jim es hermano de John" y "La madre de Jim es Mary", a partir de ella el sistema conclua que Mary deba ser tambin la madre de John. Este sistema represent un enorme paso de avance en la simulacin de inteligencia humana por una mquina, pues era capaz de tomar una pieza de informacin, interpretarla, relacionarla con informacin anteriormente almacenada, analizarla y sacar conclusiones lgicas. En el mismo perodo de tiempo hay trabajos importantes de Herbert Gelernter, de IBM, quien desarrolla un "Demostrador Automtico de Teoremas de la Geometra", Alex Bernstein desarrolla un programa para el juego de ajedrez que se considera el antecedente para "Deep Blue". En 1961 se desarrolla SAINT (Simbolic Automatic INTegrator) por James Slagle el cual se orienta a la demostracin simblica en el rea del lgebra. En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era capaz de comprender oraciones en ingls.

A continuacin un ejemplo, traducido, de interaccin entre SIR y un usuario: Usuario: Todos somos personas SIR: Comprendo Usuario: Un dedo es una parte de la mano SIR: Comprendo Usuario: Cada persona tiene dos manos SIR: La oracin anterior es ambigua. Por favor reconstryala. Usuario: En cada persona hay dos manos SIR: Comprendo Usuario: Cuantos dedos tiene John? SIR: La oracin anterior es ambigua, pero asumo que TIENE significa TIENE COMO PARTES. No se si los dedos forman parte de John. Usuario: John es un chico SIR: Comprendo Usuario: Cuntos dedos tiene John? SIR: La oracin anterior es ambigua, pero asumo que TIENE significa TIENE COMO PARTES, cuntos dedos por mano?. Usuario: Cada mano tiene cinco dedos. SIR: Comprendo Usuario: Cuntos dedos tiene John?

SIR: La respuesta es diez. En la dcada del 60 se comienza en el MIT el estudio de la visin artificial, lo cual implica no solo captar imgenes a travs de una cmara, sino tambin la comprensin, de lo que estas imgenes representan. Un resultado importante en este trabajo lo constituye el "mundo de micro-bloques", en el cual un robot era capaz de percibir un conjunto de bloques sobre una mesa, moverlos y apilarlos; el xito se debi a los investigadores Larry Roberts, Gerald Sussman, Adolfo Guzman, Max Clowes, David Huffman, David Waltz, Patrick Winston, y Berthold Horn. Posteriormente se obtuvieron resultados importantes entre ellos el de mayor resonancia fue el sistema SCHRDLU de Terry Winograd, pues permita interrogar y dar rdenes a un robot que se mova dentro de un mundo de bloques. A continuacin mostramos un ejemplo traducido:

Usuario: Toma un bloque rojo. SCHRDLU: Ok. Usuario: Busca un bloque ms pequeo que el que tienes y ponlo dentro de la caja.

SCHRDLU: Asumo que PONLO se refiere al bloque ms pequeo que el que tengo. Usuario: Qu contiene la caja? SCHRDLU: La pirmide azul y el bloque azul. Usuario: Qu sostiene a la pirmide? SCHRDLU: La caja. Usuario: Cuntos bloques no estn sobre la mesa? SCHRDLU: Cuatro. Usuario: Es al menos uno de ellos ms estrecho que aquel que te dije que recogieras? SCHRDLU: S, el cubo rojo. Usuario: Lo sostiene algo? SCHRDLU: S, la mesa. Usuario: Puede la mesa recoger bloques? SCHRDLU: No. Usuario: La pirmide azul es ma. SCHRDLU: Comprendo. Usuario: Todos los bloques que no son rojos son mos, pero no poseo nada que sostenga una pirmide. SCHRDLU: Comprendo. Usuario: Poseo una caja?

SCHRDLU: No Usuario: Poseo algo de la caja? SCHRDLU: Si, dos cosas: El bloque azul y la pirmide azul. Aunque parezca impresionante la capacidad del sistema para razonar y ejecutar acciones, no se debe perder de vista el hecho que el robot se mueve en un mundo muy simple de figuras geomtricas, y que las relaciones entre ellas son muy limitadas. En el mundo real existen tantos objetos diferentes y relaciones entre ellos, que tratar de llevar este sistema a un entorno real resulta prcticamente imposible. En los primeros aos de la dcada del 60 Frank Rosemblatt desarrolla, en la Universidad de Cornell, un modelo de la mente humana a travs de una red neuronal y produce un primer resultado al cual llama perceptrn. Este sistema era una extensin del modelo matemtico concebido por McCullock y Pitts para las neuronas, y funcionaba basndose en el principio de "disparar" o activar neuronas a partir de un valor de entrada el cual modifica un peso asociado a la neurona, si el peso resultante sobrepasa un cierto umbral la neurona se dispara y pasa la seal a aquellas con las que est conectada. Al final, en la ltima capa de neuronas, aquellas que se activen definirn un patrn el cual sirve para clasificar la entrada inicial. Este trabajo constituye la base de las redes neuronales de hoy en da, sin embargo a raz de su desarrollo sufri fuertes crticas por parte de Marvin Minsky Seymour Papert lo cual provoc que la mayora de los investigadores interesados en el tema lo abandonarn, y este no se retomara hasta los aos 80. En 1965-70, comenzaron a aparecer los programas expertos, que predicen la probabilidad de una solucin bajo un set de condiciones, entre esos proyectos estuvo: DENDRAL, que asista a qumicos en estructuras qumicas complejas euclidianas; MACSYMA, producto que asista a ingenieros y cientficos en la solucin de ecuaciones matemticas complejas, etc. En la dcada 1970-80, creci el uso de sistemas expertos, muchas veces diseados para aplicaciones mdicas y para problemas realmente muy complejos como MYCIN, que asisti a

mdicos en el diagnstico y tratamiento de infecciones en la sangre. Otros son: R1/XCON, PIP, ABEL, CASNET, PUFF, INTERNIST/CADUCEUS, etc. Algunos permanecen hasta hoy. De 1975 en adelante, comienza la era de los lenguajes expertos (shells) como EMYCIN, EXPERT, OPSS, etc. para luego tratar de que stos sean ms amigables y funcionales. Las definiciones de Inteligencia Artificial son muchas, pero podra decirse que son programas que realizan tareas que si fueran hechas por humanos se consideraran inteligentes. Estos programas obviamente corren en un computador y se usan, como por ejemplo, en control robtico, comprensin de lenguajes naturales, procesamiento de imgenes basado en conocimientos previos, estrategias de juegos, etc. reproduciendo la experiencia que un humano adquirira y de la forma en que un humano lo hara. Para clasificar las mquinas como "pensantes", es necesario definir qu es inteligencia y qu grado de inteligencia implica resolver problemas matemticos complejos, hacer generalizaciones o relaciones, percibir y comprender. Los estudios en las reas del aprendizaje, del lenguaje y de la percepcin sensorial han ayudado a los cientficos a definir a una mquina inteligente. Importantes desafos han sido tratar de imitar el comportamiento del cerebro humano, con millones de neuronas y extrema complejidad. REAS DE ESTUDIO:

Ingeniera del conocimiento (Sistemas Expertos): con ayuda de un experto humano. Diagnstico: funcionamiento de un sistema. Aprendizaje. Comprensin y traduccin automtica del lenguaje natural. Percepcin computacional: interpreta informacin sensorial. Simulacin de procesos psicolgicos humanos.

Inteligencia Artificial vs Inteligencia Humana

Lo que diferencia la inteligencia natural de la artificial no es tanto su mayor o menor capacidad de superar problemas, etc, sino la capacidad de decisin propia est o no acertada; puesto que eso con tiempo se puede llegar a solucionar antes o despus. Por ejemplo, un ordenador, aunque sea capaz de llevarnos a la luna, no tendr capacidad de decisin propia hasta que no cuente con unidades de superposicin cuntica capaces de decidir por s mismos entre 0 y 1 dentro de un marco de posibilidades priorizadas que se le hayan suministrado previamente como programas de referencia o lgica, que es lo mismo que hace nuestra inteligencia natural Integral cuando decide entre los programas de inteligencia vegetativa lgica y analgica que tiene a su disposicin alojadas respectivamente en la parte izquierda y derecha cerebral. Sin embargo, la variedad y rapidez de las funciones de una PC llevan a pensar sern nuestros cerebros inferiores a las mquinas? Si a alguien le hacen esta pregunta y debe responder en una manera impulsiva y rpida, esta podra llegar a decir que las maquinas son ms "inteligentes". No sera una respuesta totalmente errnea: hoy en da las maquinas realizan, por ejemplo, complicadsimos clculos matemticos en segundos, buscan informacin tambin en segundos. Esto podra provocar que la gente irreflexivamente conteste que las ms inteligentes son las mquinas. Esta repuesta es criticable, y el fundamento es simple: los seres humanos no somos perfectos, es por eso que algo imperfecto no puede hacer algo perfecto. Es cierto que las mquinas, actualmente, son increblemente inteligentes y pueden hacer clculos y tareas de suma precisin de una manera rpida y simple que un hombre no podra hacerlo. Pero esas mquinas fueron creadas por hombres, y la capacidad de realizar esas complicadsimas tareas se las dieron hombre. Es decir, la mquina sin el hombre no hace nada. Si los hombres no tuvieran inteligencia, las mquinas tampoco la tendran. Y, por lo tanto, al darle el hombre su inteligencia, le da sus errores. EL hombre puede realizar sus tareas cuando quiere, como quiere, la cantidad de veces que quiere y a la velocidad que quiere; la mquina no. Esta ltima necesita que alguien le especifique todas estas cosas al menos una vez. Alguien podra argumentar contra esto que al hombre, cuando es pequeo, tambin se le debe indicar qu, cmo y cundo debe hacer determinadas cosas para que despus las incorpore. La diferencia entre este ltimo ejemplo y una mquina reside en que esas indicaciones que se le dan al hombre son como una gua, es decir, el hombre las incorpora con las modificaciones que l crea necesarias segn su personalidad, su

mbito social, econmico, etc. Y estas modificaciones las puede llevar a cabo gracias a qu puede razonar y decidir. En cambio, las mquinas siguen las indicaciones al pie de la letra, porque, obviamente, carecen de la capacidad de razonamiento y eleccin, no pueden ni siquiera cuestionarse aquella tarea para la que han sido creados. Otra diferencia es la variedad de lo que llamamos inteligencia. No es solamente todo aquello que tenga que ver con ciencias de algn tipo. Existe tambin lo que el llamado inteligencia emocional, es decir ese tipo de inteligencia que abarca las capacidades de reconocer las emociones propias y ajenas. Una maquina no puede determinar el estado de animo de una persona y, adems, carece de emociones y sentimientos. Lo que diferencia la inteligencia natural de la artificial no es tanto su mayor o menor capacidad de superar problemas, etc, sino la capacidad de decisin propia est o no acertada; puesto que eso con tiempo se puede llegar a solucionar antes o despus. Por ejemplo, un ordenador, aunque sea capaz de llevarnos a la luna, no tendr capacidad de decisin propia hasta que no cuente con unidades de superposicin cuntica capaces de decidir por s mismos entre 0 y 1 dentro de un marco de posibilidades priorizadas que se le hayan suministrado previamente como programas de referencia o lgica, que es lo mismo que hace nuestra inteligencia natural Integral cuando decide entre los programas de inteligencia vegetativa lgica y analgica que tiene a su disposicin alojadas respectivamente en la parte izquierda y derecha cerebral. Sin embargo, la variedad y rapidez de las funciones de una PC llevan a pensar sern nuestros cerebros inferiores a las mquinas? Si a alguien le hacen esta pregunta y debe responder en una manera impulsiva y rpida, esta podra llegar a decir que las maquinas son ms "inteligentes". No sera una respuesta totalmente errnea: hoy en da las maquinas realizan, por ejemplo, complicadsimos clculos matemticos en segundos, buscan informacin tambin en segundos. Esto podra provocar que la gente irreflexivamente conteste que las ms inteligentes son las mquinas. Esta repuesta es criticable, y el fundamento es simple: los seres humanos no somos perfectos, es por eso que algo imperfecto no puede hacer algo perfecto. Es cierto que las mquinas, actualmente, son increblemente inteligentes y pueden hacer clculos y tareas de suma precisin de una manera rpida y simple que un hombre no podra hacerlo. Pero esas mquinas fueron creadas por hombres, y la capacidad de realizar esas complicadsimas tareas se las dieron

hombre. Es decir, la mquina sin el hombre no hace nada. Si los hombres no tuvieran inteligencia, las mquinas tampoco la tendran. Y, por lo tanto, al darle el hombre su inteligencia, le da sus errores. EL hombre puede realizar sus tareas cuando quiere, como quiere, la cantidad de veces que quiere y a la velocidad que quiere; la mquina no. Esta ltima necesita que alguien le especifique todas estas cosas al menos una vez. Alguien podra argumentar contra esto que al hombre, cuando es pequeo, tambin se le debe indicar qu, cmo y cundo debe hacer determinadas cosas para que despus las incorpore. La diferencia entre este ltimo ejemplo y una mquina reside en que esas indicaciones que se le dan al hombre son como una gua, es decir, el hombre las incorpora con las modificaciones que l crea necesarias segn su personalidad, su mbito social, econmico, etc. Y estas modificaciones las puede llevar a cabo gracias a qu puede razonar y decidir. En cambio, las mquinas siguen las indicaciones al pie de la letra, porque, obviamente, carecen de la capacidad de razonamiento y eleccin, no pueden ni siquiera cuestionarse aquella tarea para la que han sido creados. Otra diferencia es la variedad de lo que llamamos inteligencia. No es solamente todo aquello que tenga que ver con ciencias de algn tipo. Existe tambin lo que el llamado inteligencia emocional, es decir ese tipo de inteligencia que abarca las capacidades de reconocer las emociones propias y ajenas. Una maquina no puede determinar el estado de animo de una persona y, adems, carece de emociones y sentimientos. El estudio del conocimiento- constituye, por su propia naturaleza, una de las partes esenciales de la filosofa, la creciente importancia en la ciencia y la consiguiente necesidad de dotarla de slidos fundamentos tericos ha acrecentado an ms el inters por la misma en el moderno pensamiento filosfico. Por la especificidad de su aplicacin Los conocimientos pueden ser: Tericos En tanto que pretenden manifestar una verdad como representacin o interpretacin de la realidad, pueden ser:

Cientficos, cuando son el resultado de esfuerzos sistemticos y metdicos de investigacin colectiva y social en busca de respuestas a problemas especficos como explicaciones en cuya elucidacin procura ofrecernos la interpretacin adecuada del universo.

Filosficos, cuando intentan fundamentar el mismo conocimiento, y abarcar el Universo como un todo de sentido, ampliando las perspectivas generales de todo conocimiento mediante la crtica de los propios fundamentos.

De creencias, que se aceptan como verdades evidentes. Estos pueden ser: Teolgicos, basado en una Revelacin divina.

o Tradicionales, transmitidos culturalmente. Estos a su vez pueden ser: o Locales, un conocimiento desarrollado alrededor de una rea geogrfica definida. o Globales formados mediante redes o comunidades, pertenecientes a lugares geogrficos dispares incluso culturalmente. CONOCIMIENTOS PRCTICOS: En tanto que estn orientados a realizar una accin para alcanzar un fin:

Morales referentes a las normas de comportamiento social ticos referentes a la reflexin y fundamentacin de la moral respecto a un sentido o finalidad ltima

Polticos referentes al fundamento y organizacin del poder social Artsticos como expresin de la sensibilidad esttica, atendiendo a la belleza Tcnicos, atendiendo a la utilidad de los resultados de la accin en muy diversos campos

El conocimiento segn Israel Nuez de Paula. Univ. La Habana

o o o o o

La produccin econmica La direccin poltica y social de organizaciones sociales La economa domstica Las habilidades personales Etc. POR LA ESTRUCTURA DE SU CONTENIDO.

Formales: Carecen de contenido material alguno. Muestran solamente una estructura lgica mediante relaciones y operaciones previamente definidas de smbolos sin significacin alguna. (Lgica y Matemticas)

Materiales: Todos los dems conocimientos que no son formales; por cuanto tienen un contenido o materia acerca de la cual ofrecen informacin.
o

Orientado cuando hace referencia a las relaciones causales entre conceptos: Ley descriptiva o explicaciones.

Axiomtico cuando se refiera a explicaciones de causas finales o sucesos fundados a priori como verdaderos: Teoras o fundamentaciones de la ciencia. POR EL CARCTER DE SU DIVULGACIN.

Pblico, si es fcil de compartir, y consiste en un conocimiento creado/difundido por la sociedad.

Privado, si es personal construido por el propio individuo; es la base del conocimiento pblico.

Explcito, si puede ser transmitido de un individuo a otro mediante algn medio de comunicacin formal.

Tcito o implcito, normalmente arraigado en experiencias personales, modelos mentales y hbitos que, sin embargo, informan los modos personales de conocimiento.

Codificado, si se puede almacenar o especificar formalmente de tal manera que no se pierda ninguna informacin. Por contraposicin el conocimiento no codificado es aqul que no puede ser codificado ya que es difcil de expresar o explicitar. POR SU ORIGEN.

Conocimiento analtico o a priori cuando su informacin consiste en la forma lgica de las relaciones lgicas entre los contenidos de los que trata. Es, pues, un conocimiento independiente de la experiencia pues es tautolgico o meramente lgico-formal. Su fundamento es la deduccin.37

Conocimiento sinttico o a posteriori porque su comprensin como concepto y lenguaje deriva y depende de la experiencia. Su fundamento es la induccin.

Emprico cuyo contenido consiste nicamente en la mera experiencia por lo que apenas tiene contenido conceptual y es difcil ser expresado en palabras. Suele aplicarse a emociones y sentimientos. POR SU FINALIDAD.

Ciencia cuando pretende interpretar adecuadamente la realidad Comunicativo cuando pretende transmitir una informacin Expresivo cuando pretende transmitir emociones y sentimientos, as como experiencias estticas. POR EL SOPORTE DE SU CONSERVACIN Y DIVULGACIN.

Cultural, propiamente dicho; cuando es propio de una organizacin, se empleen trminos, nomenclaturas y procedimientos acordados internamente. Los mbitos culturales pueden ir desde una civilizacin a una sociedad poltica concreta o espacialmente determinada o un grupo social reducido: cientficos, un grupo empresarial, un club deportivo, una secta incluso un grupo de amigos.

o Bibliogrfico: Diccionarios, libros y sportes literarios o Artstico: Escultura, pintura, literatura, msica, teatro etc. o Informatizado o Digitalizado etc. POR LA FORMA DE SU ADQUISICIN.

Acadmico, cuando es adquirido en instituciones sujetas a normas y finalidades definidas Profesional, cuando es adquirido en el ejercicio de una profesin determinada Vulgar, cuando es producto del mero intercambio de informaciones entre iguales Tradicional, cuando responde a una transmisin hereditaria cultural Religioso cuando se desarrolla en un mbito de institucin social de ese tipo Etc.

METODOS DE ADQUISICION DE CONOCIMIENTO: En esta seccin se presenta el mtodo de educcin del conocimiento desarrollado por Grover, las fases de adquisicin de conocimiento correspondientes a la Metodologa Ideal de la Facultad de Informtica de la Universidad Politcnica de Madrid y el Mtodo de modelado de conocimiento BGM.

1.Mtodo GROVER La metodologa de Grover [1983] se concentra en el la definicin del dominio (conocimiento, referencias, situaciones y procedimientos) en la formulacin del conocimiento fundamental (reglas elementales, creencias y expectativas) y en la consolidacin del conocimiento de base (revisin y ciclos de correccin). Tradicionalmente, la fase de adquisicin de conocimiento (AC) en el desarrollo de un sistema experto ha tomado dos enfoques, en el primero, un modelo existente provisto para el nuevo dominio es usado para desarrollar una base de conocimientos, en el segundo mtodo se forma un equipo donde el experto del dominio y el ingeniero de conocimiento intercambian opiniones hasta construir un modelo del cuerpo de conocimiento y un sistema comparable en performance al especialista humano. El ingeniero de conocimiento debe resolver el problema de la limitada disponibilidad de expertos en disciplinas donde el experto es nico o indispensable y no puede ser separado de las tareas diarias. Estos expertos no pueden

dedicar meses a desarrollar un sistema experto que podra ser utilizado para ayudar en el proceso de toma de decisiones. Por ejemplo: el acceso a expertos militares o alta poltica es restringido por mltiples causas entre ellas: organizacin, geografa o seguridad. Adicionalmente, el conocimiento en los dominios polticos y militares son a menudo superficiales, diversificados, distribuidos y altamente transitorios. Cuanto ms eficientemente aprovecha el tiempo disponible un ingeniero en conocimiento, ms vlido es el modelo producido. Esta tcnica puede ser aplicada al caso ms general de especificar soluciones de tareas de ingeniera de software de gran escala las cuales utilizan acercamientos heursticos y algoritmos.

2. CICLO DE ADQUISICIN DE CONOCIMIENTO:

Muchas tcnicas de adquisicin de conocimiento son intuitivas y de prctica ordinaria. Una innovacin significativa es la produccin de series de documentos de adquisicin de conocimiento. La formulacin de esta documentacin es un sustituto parcial del experto y provee a los diseadores de sistemas y usuarios, un medio de comunicacin y referencia. La metodologa de adquisicin de conocimiento para el dominio del problema que se presenta en esta seccin tiene tres fases: definicin del dominio, formulacin fundamental del conocimiento y consolidacin del conocimiento basal. Las series de documentos contienen los resultados de las tres fases y permite a los usuarios, expertos y diseadores de sistemas a poseer un conjunto de experiencia humana documentada consistente, organizada y actualizada sobre la cual basar el sistema experto. Esquemas de representacin y conocimiento Un esquema de representacin Es un instrumento para codificar la realidad en un ordenador [ZEIG87]. Desde un punto de vista informtico un esquema de representacin puede ser descrito como una combinacin de: Las estructuras de datos son la parte esttica -o almacenada- del conocimiento disponible sobre objetos y/o eventos, y los procedimientos caracterizan la componente dinmica del mismo procesos que manipulan e interpretan informacin con el fin de transformarla en conocimiento junto con los mecanismos de control sobre el uso de la informacin contenida en las estructuras de datos, y la capacidad del sistema para asimilar nueva informacin. Adems, es posible identificar otros elementos que forman parte de la estructura definida.

Las operaciones Son procedimientos que pueden crear, modificar o destruir representaciones o sus

elementos. Los predicados Son procedimientos que se emplean para acceder a los campos de la representacin y obtener as la informacin contenida (si est disponible). Las y los predicados son caractersticas internas del esquema de representacin y tienen sentido independientemente de la realidad que ayudan a representar. Pero una representacin no es til en ella misma, sino que tiene que estar referenciada por algo. As, el tercer elemento distinguible es la designacin de lo que la estructura representa para, finalmente, poder identificar la correspondencia entre los elementos de la representacin y la realidad que se pretende representar. Como resultado del inters que este mbito genera, pueden identificarse varios enfoques: 1. El diseo de estructuras de datos compuestas de elementos significativos y fcilmente direccionales que se emplean para almacenar y denotar informacin relevante sobre hechos y objetos. 2. El desarrollo de mtodos de manipulacin de tales estructuras que permitan realizar inferencias sobre la informacin contenida en la estructura de forma implcita o explcita. Las diferencias entre tales enfoques no implican que estos sean mutuamente excluyentes, ms bien enfatizan diferentes formas de anlisis aplicadas a los objetos o eventos que han de ser representados. Freksa et al. Han identificado los siguientes focos de investigacin en este campo [FREK84]: ! La bsqueda de representaciones generales para la resolucin de problemas. ! La bsqueda de representaciones computacionalmente eficientes. ! La bsqueda de representaciones completas y consistentes para la demostracin de teoremas, y ! La bsqueda de representaciones naturales que permitan la simulacin de alguna actitud cognitiva. A la vista de esta exposicin parece que basta con elegir el esquema de representacin ad hoc para el problema que se intenta resolver. Sin embargo, en el estado actual esta decisin no resultara eficiente, entre otras razones porque la informacin disponible sobre un objeto puede emplearse de muy diversas maneras y en diferentes contextos, lo que sugiere la necesidad de emplear ms de un esquema a la vez. Es una adaptacin de la propuesta por Charniak

[CHAR851 y permite una fcil visualizacin del problema de la representacin del conocimiento. Un sistema, al interactuar en un medio ambiente cualquiera, requiere de una serie de procesos o mtodos, asociados a un conjunto de sensores, que le permitan percibir informacin del entorno como, por ejemplo, impulsos visuales 0 sentencias en lenguaje natural. Resulta claro que la informacin recibida a travs de estos estmulos es distinta: de la primera se reciben imgenes y de la segunda, frases en una lengua como el cataln, el castellano o el ingles. El problema surge cuando el sistema intenta resolver un problema con toda la informacin recibida ya que sta debe ser previamente homogeneizada para que resulte til a cualquiera de los mtodos internos (i.e. deduccin, aprendizaje, etc). Lo mismo ocurre cuando se produce algn resultado en alguno de los procesos internos debido a que estos resultados deben producir informacin til para otro(s) proceso(s) interno(s) o para los subsistemas de interaccin con el mundo externo (i.e. actividad motriz y/o habla). Este problema induce a pensar que son necesarias estructuras de datos uniformes y multipropsito sobre las que puedan aplicarse diferentes mecanismos de razonamiento, es decir esquemas de representacin de conocimiento generales, que permitan tratar informacin de naturaleza muy diversa [ZEIG87][CORT84]. La R se denomina representacin interna y es, idealmente, el esquema de representacin buscado.

FORMAS DEAPLICACION DEL CONOCIMIENTO: El surgimiento de nuevas tecnologas y demandas en los ltimos treinta aos ha estimulado el crecimiento del mbito de aplicacin de la psicologa. Algunos ejemplos notables de este fenmeno son las as llamadas psicologa de la salud, psicologa ambiental, psicologa poltica, psicologa institucional, psicologa del deporte, psicologa comunitaria y otra ms. Sin embargo, es sorprendente que esta ampliacin del espectro aplicativo de la psicologa haya tenido lugar sin que hayan ocurrido cambios significativos en lo que se refiere a su consistencia conceptual y metodolgica. A diferencia de las colindancias aplicativas tradicionales (psicologa educativa, clnica, etc.), la tendencia actual parece conjugar campos ms amplios en los que, de una u otra manera, se hace explcita la necesidad de que el psiclogo concurse profesionalmente con una actitud multi- o interdisciplinaria. Paradjicamente, este planteamiento de la actividad aplicativa del psiclogo no se ha visto acompaado de una reflexin sistemtica y profunda respecto del conocimiento que se aplica y de la manera en que se aplica. En lo que toca al primer punto, el conocimiento que se aplica, existen varios problemas que conviene cuando menos sealar como motivo de reflexin, a saber: a) La supuesta existencia de un cuerpo de conocimiento cientficamente validado susceptible de aplicacin. b) La traducibilidad del conocimiento analtico propio de la teora cientfica a la dimensin sinttica caracterstica del conocimiento tecnolgico y prctico. En lo que toca en el segundo punto, destacan los siguientes problemas: 1. La recuperacin del lenguaje ordinario como fuente de problemas a solucionar y como medio de interaccin con los usuarios de los servicios psicolgicos. 2. El reconocimiento de la naturaleza valorada de todo problema social , ya sea relacionado al comportamiento subhumano o al comportamiento humano, y la necesidad de establecer criterios de explicitacin de los valores que definen a un problema como tal, as como la urgencia de disear una metodologa de anlisis de los valores como formas prcticas de comportamiento individual. 3. La sistematizacin de procedimientos y criterios metodolgicos de pertinencia y eficacia en la solucin de problemas en los que participa, de ms Aplicaciones del conocimiento psicolgico 5 de manera destacada, el comportamiento como dimensin individual de toda relacin social; y

4. La integracin del psiclogo como miembro de un sistema de accin multi- interdisciplinario en el que, por la naturaleza misma de los problemas sociales en que se delimita la pertinencia funcional del comportamiento, los usuarios de los servicios psicolgicos deben ser considerados como miembros participantes activos.

EL CONOCIMIENTO PSICOLGICO QUE SE APLICA:

El planteamiento de una psicologa aplicada en distintos campos del que hacer social implica, necesariamente, la existencia de un conocimiento especfico a ser aplicado. Desde un punto de vista general, la psicologa aplicada podra concebirse de tres maneras: 1) como un cuerpo de conocimiento cientficamente validado, cuyos problemas a resolver se plantean a partir de situaciones concretas. 2) como un cuerpo de mtodos para definir, analizar y resolver problemas en diversidad de situaciones especficas. 3) como un cuerpo de conocimientos y tcnicas desarrolladas lgicamente a partir de una teora y metodologa, cuyo objetivo es sistematizar el anlisis y solucin de reas de problemas especficos.

INTRODUCCION:

La inteligencia artificial no se limita por lo tanto al sistema de datos de tipo numrico, como el de los computadores actuales. Su campo es mucho ms extenso y se puede ilustrar a travs de importantes puntos de vista: Aquellos que sostienen que es posible realizar "dispositivos realmente pensantes", punto de vista llamado la IA fuerte, Otros que piensan que es posible simular estados mentales - sin ser estados mentales - de nuestro cerebro por medio de computadores, punto de vista llamado al dbil. y finalmente los "dualistas", quienes dan por separada - muy en resumidas cuentas - la dimensin del cuerpo y del espritu, y que de esa manera, existirn "juicios de verdad" a los cuales los computadores no tendrn nunca acceso. La inteligencia artificial se ha transformado en una ciencia importante, sino fascinante, puesto que los temas que abarca atraen a una amplia variedad de disciplinas. Muchos matemticos, fsicos, bilogos y filsofos esencialmente, convergen hacia el problema del cerebro y la conciencia.

CONCLUSION:

En la sociedad, dentro de las ciencias de la computacin, la de la Inteligencia Artificial es una de las reas que causa ms expectacin. Que un sistema pueda mejorar su comportamiento sobre la base de la experiencia y que adems, tenga una nocin de lo que es un error y que pueda evitarlo, resulta muy interesante. En general, la Inteligencia Artificial es un concepto bastante difuso. Esto se debe a que, conforme avanza la ciencia, el concepto va cambiando con las nuevas tecnologas que se le asocian. Adems al darse en tantos campos diferentes (desde la medicina, hasta los videojuegos, por ejemplo) resulta tambin complejo. La IA naci como mero estudio filosfico de la inteligencia humana y la inquietud del hombre de imitar la naturaleza circundante y a s mismo. Hoy en da la IA busca imitar la inteligencia humana. Resulta tambin interesante que, al encontrarse en constante evolucin, encontramos antiguas referencias de robots en la ciencia ficcin que ahora sabemos que son posibles a medio o largo plazo. Parece apasionante todo lo relacionado con las redes neuronales y los sistemas binicos. Parece increble que una mquina pueda reproducir funciones tpicamente humanas. Los mtodos tradicionales en Inteligencia Artificial que permitieron el desarrollo de los primeros sistemas expertos y otras aplicaciones, ha ido de la mano de los avances tecnolgicos y las fronteras se han ido expandiendo constantemente cada vez que un logro, considerado imposible en su momento, se vuelve posible gracias a los avances en todo el mundo, generando incluso una nueva mentalidad de trabajo que no reconoce fronteras fsicas ni polticas. Por ello, somos optimista en relacin al futuro siempre que se respeten los lmites culturales y ticos. Creando siempre mquinas capaces de ayudar al ser humano, de sustituirlo en tareas desagradables, duraderas, pesadas o como complemento de ocio.

CITAS BIBLIOGRAFICAS:

Inteligencia Artificial, Miquel Barcel Garca ,UOC La Universidad Virtual (eBook) La fortaleza digital (Digital Fortress) (novela). Dan Brown St. Martins Press, 1998 Ingeniera de Sistemas expertos, Garca Martnez-Britos Editorial Nueva Librera, 2004

REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNEFA NUCLEO MIRANDA EXTENSIN OCUMARE DEL TUY

ALUMNOS(as):
SANOJA ILRS VERA FRANCIS NAVARRO ROSA SARMIENTO KEYLA GARCIA RUSBELIS RIVAS ANYA

PROFESOR:

OCUMARE DEL TUY: MAYO 2012