PRINCIPALES RAMAS DE LA IA

Los esfuerzos de la IA se clasifican segn varias categoras. Mientras la

investigacin y el desarrollo como robtica y visin artificial, se relacionan con
el hardware y software, la investigacin y el desarrollo en otras reas slo se
relacionan con el software.
Robtica: Incluye el desarrollo de dispositivos mecnicos o de computacin
que tengan la capacidad de realizar funciones, tales como pintar automviles,
de hacer soldaduras de precisin y realizar otras tareas que requieran de un
alto grado de precisin o que sean tediosas o impliquen peligro para los seres
humanos. En la robtica contempornea se combinan las capacidades de alta
precisin de la mquina con un software controlador sofisticado.
Sistema de visin: Incluyen equipos y software que les permite a las
computadoras capturar, almacenar y manipular imgenes visuales y
fotografas. El Departamento de Justicia de los Estados Unidos usa un sistema
de visin para realizar anlisis de huellas dactilares, con casi el mismo nivel de
precisin que los expertos humanos.
Los sistemas de visin se pueden usar junto con robots para darles "visin" a
estas mquinas y que pueda tomar decisiones con base a lo que ve y
reconocer la informacin visual de acuerdo con patrones generales.
Procesamiento de lenguaje natural: Son programas diseados para tomar
lenguajes humanos como entrada y traducirlo en un conjunto estndar de
instrucciones que una computadora ejecuta. Los programas analizan
gramaticalmente oraciones, tratando de eliminar la ambigedad de un contexto
determinado. El propsito de estos complejos programas es permitir a los seres
humanos usar su propio lenguaje natural cuando interactan con programas
como sistemas de administracin de bases de datos (DBMS) o sistemas de
apoyo para la toma de decisiones.
El objetivo de los procesadores de lenguaje natural es eliminar paulatinamente
la necesidad de aprender lenguajes de programacin o comandos
personalizados para que las computadoras entiendan. Su gran ventaja radica
en que pueden usarse junto con dispositivos de reconocimiento de voz a fin de
que el usuario de instrucciones a las computadoras para que realicen tareas,
sin usar un teclado o cualquier otro dispositivo de entrada.
Sistemas de aprendizaje: Una combinacin de software y equipos que le
permite a la computadora cambiar su modo de funcionar o reaccionar a
situaciones, basado en la retroalimentacin que recibe. Por ejemplo, algunos
juegos computarizados tienen capacidades de aprendizaje, si la computadora
no ganaun juego en particular, recuerda no hacer los mismos movimientos.
Redes Neuronales: Es un sistema de computacin que puede actuar en la
misma forma que funciona el cerebro humano, o simularlo. Adems, el software
de red neuronal se puede usar para simular una red neuronal por medio de
computadoras normales. La redes neuronales pueden procesar muchas piezas
de informacin al mismo tiempo y aprender a reconocer patrones.
A diferencia de los sistemas expertos, un sistema de red neuronal aprende por

ensayo y error.
Caractersticas:
Capacidad de recuperar informacin incluso si falla alguno de los nodos
neuronales.
Modificacin rpida de los datos almacenados como consecuencia de nueva
informacin.
Capacidad de descubrir relaciones y tendencias en grandes bases de datos.
capacidad de resolver problemas complejos para los cuales no se cuento con
la informacin.
Las redes neuronales son excelentes para el reconocimiento de patrones. Por
ejemplo, las computadoras de red neuronal se pueden usar para leer los
cdigos de barra de los cheques bancarios a pesar de manchas o de una
impresin de baja calidad.
Lgica Difusa: Se basa en reglas que no tienen lmites discretos, sino que se
prolongan en un continuum, permitiendo a un sistema manejar mejor la
ambigedad. Esto es muy til para reflejar cmo tienden a pensar las personas,
en trminos relativos, no absolutos. Cuando la lgica difusa se incorpora a un
SE, el resultado es un sistema que limita mejor la manera natural en que un
experto humano resolvera un problema.
Un concepto fundamental en la aplicacin de lgica difusa es el de la variable
lingstica de una variable matemtica; su valor se describe con una palabra en
lugar de un nmero. Ejemplo, la edad se es joven, de los 15 a los 20, pero a los
35 todava se considera joven.
Algoritmos genticos: Son funciones matemticas que usan los principios de
Darwin para mejorar una aplicacin. La funciones se disean para simular en
software, en cuestin de minutos o segundos, lo que sucede en ambientes
naturales durante millones de aos.
Agentes inteligentes: La creacin ms reciente en IA son los agentes
inteligentes, programas de computadora que automticamente revisan
enormes cantidades de datos y seleccionan y entregan la informacin ms
adecuada para el usuario, de acuerdo con requisitos contextuales o
especficos. La aplicacin ms importante de los agentes inteligentes se
encuentra en la WEB.
El propsito principal de los agentes inteligentes es realizar sus tareas
significativas ms rpido, con ms frecuencia y de manera ms efectiva , que la
gente. Los expertos dicen que pronto los agentes inteligentes vincularn
automticamente su computadora con sitios favoritos, le avisarn cuando stos
se hayan actualizado y adecuarn pginas especficas a sus preferencias.
Tipos de agentes
Agentes de reflejo simple: Este tipo de agente no contiene internamente
estados y sus procesos o acciones que realiza son respuestas a la entrada de
percepciones, a esta conexin entre percepciones y acciones se las denomina
reglas de condicin-accin. Ejemplo: Si el carro de adelante est frenando
entonces empiece a frenar.
Agentes bien informados de todo lo que pasa: Este tipo de agente guarda
estados internos lo que nos sirve sin consideracin para ejecutar una accin.
Los sensores no nos pueden informar a la vez de todos los estados que

maneja nuestro ambiente, es por este caso que el agente necesita actualizar
algo de informacin en el estado interno. Esto le permite discernir que entre
estados del ambiente que generan la misma entrada de percepciones pero, sin
embargo; para cada uno de los estados se necesitan acciones distintas.
Agentes basados en metas: Adems de los estados, los agentes necesitan
cierto tipo de informacin sobre sus metas Estas metas van a detallar las
situaciones a las que se desea llegar de este modo, el programa de agente
puede combinar las metas con la informacin de los resultados (acciones) que
emprenda y de esta manera poder elegir aquellas acciones que permitan
alcanzar la meta.
Agentes basados en utilidad: Las metas por s solas me garantizan la
obtencin de una conducta de alta calidad. En mi programa de agente se
podra tener un conjunto de metas pero la obtencin de stas no me garantizan
distinciones entre estados felices e infelices, mediante una medida de
desempeo se podra establecer una comparacin entre los diversos estados
del mundo (ambientes) para poder encontrar el estado de felicidad para el
agente. Este estado ofrecer una mayor utilidad al agente.
Sistema Experto: Consiste de equipos y software que almacenan
conocimientos y hacen inferencias, en forma similar a un experto humano. A
finales de los cincuenta y principios de los sesenta, los ingenieros en
computacin trataron de construir computadoras capaces de realizar tareas
inteligentes. Los esfuerzos se encaminaron a crear un solucionador de
problemas generales, una mquina capaz de imitar el proceso de razonamiento
humano para resolver cualquier problema que un ser humano pudiera
solucionar.
Los esfuerzos se orientaron al diseo de programas que resolvieran problemas
en reas precisas utilizando conocimiento y razonamiento de expertos.
El propsito de los SE es duplicar el conocimiento no estructurado ni
documentado de unos pocos (los expertos) y los pone a disposicin de otros.
Debido a la forma en que estn planteados los SE (basados en la experiencia)
no puede ayudar a los usuarios que tratan con sucesos que los expertos no
consideraron durante el periodo de creacin. Sin embargo muchos programas
avanzados que incluyen "redes neuronales" aprenden de situaciones nuevas y
formulan reglas ad hoc en sus bases de conocimiento para resolver
eventualidades no consideradas originalmente en su diseo.
Para construir un SE un ingeniero del conocimiento se entrevista con un
experto, traduce la informacin en cdigo. Por lo general con la regla SIEntonces.
Otros mtodos son marcos semnticos integrados por cuadros con listas de
entidades y atributos; y las redes semnticas, mapas de entidades y sus
atributos relacionados.

Otorgar crdito: Para revisar la solicitud de crdito de una persona y el

historial crediticio que mantiene con las agencias dedicadas a este rubro, para
tomar la decisin de otorgar el crdito.
Administracin y recuperacin de informacin: Los SE pueden ayudar a
este proceso mediante el uso de agentes. Los agentes de SE ayudan a los
gerentes a encontrar los datos y la informacin correctos, al mismo tiempo que

eliminan hechos sin importancia que puedan obstaculizar la toma de decisiones

oportunas.
IA y SE incorporados a los productos: el sistema de frenos antibloqueo de
los automviles modernos es un ejemplo de un SE rudimentario. Los
investigadores de IA tambin estn encontrando formas para usar las redes
neuronales y la robtica en dispositivos de uso diario, tales como tostadoras de
pan, relojes despertadores y aparatos de TV.
Disposicin de plantas: FLEXPERT es un SE que usa la lgica difusa para
realizar el trazado de plantas. El software ayuda a las compaas a determinar
la mejor ubicacin para los equipos y las instalaciones de fabricacin.
Instalaciones de hospitales y mdicas: Algunos hospitales usan SE para
determinar la posibilidad de que un paciente contraiga cncer u otras
enfermedades. MYCIN es un SE creado en la Universidad Stanfor para analizar
infecciones en la sangre.
Departamento de ayuda y asistencia: los departamentos de servicios de
ayuda al cliente usan SE para proporcionar asistencia oportuna y exacta.
Kaiser Permanente, un HMO (Health Mantenance Organization) de gran
tamao, usa un SE y repuesta verbal para automatizar la funcin del su
departamento de ayuda.
Evaluacin del desempeo de empleados: Un SE de Austin-Hayne, llamado
Employee Appreiser, les proporciona asesora experta a los gerentes para que
la utilicen en las revisiones del desempeo de los empleados y el desarrollo de
carreras.
Anlisis de prstamos: KPMG Peat Marwick usa un SE llamado Loan Probe
para revisar las reservas para prdidas en prstamos, con el propsito de
determinar si se han reservado fondos suficientes para cubrir riesgos de que
algunos prstamos se vuelvan incobrables.
Deteccin de virus: IBM utiliza la tecnologa de red neuronal para ayudar a
crear software ms avanzado en la erradicacin de los virus de computacin,
un problema importante para las empresas estadounidenses.
Reparacin y mantenimiento: AT&T usa el SE ACE para analizar el
mantenimiento de las redes telefnicas. Nynex (New York and New England
Telephone Exchange) tiene sistemas expertos para ayudar a sus trabajadores a
localizar y resolver problemas telefnicos con referencia a sus clientes.
Embarques: Lufthansa, una aerolnea alemana, usa un SE, CARGEX-Cargo,
para ayudar a determinar las mejores rutas de embarque.
Mercadotecnia: CoverStory es un SE que trae informacin de una base de
datos y elabora, en forma automtica, informes de mercadotecnia.
Optimizacin de almacenes: Unite Distillers emplea un SE para determinar
las mejores combinaciones de existencias, para producir su mezcla de whisky
escocs.
INTEGRACIN DE SE: Un SE se puede integrar con otros sistemas en una
organizacin mediante una base de datos comn. Un SE que identifique a los
clientes que demoran sus pagos y que no deben recibir crdito adicional puede
tomar los datos de la misma base de datos que un MIS de facturacin que
elabora informes semanales de las cuentas vencidas. La misma base de datos
podra usarse para un sistema de apoyo a las decisiones que realice anlisis
de "que sucedera s", para determinar la repercusin de los pagos demorados
sobre los flujos ejecutivo, ingresos y niveles generales de utilidad.

Hay que distinguir la IA de los SISTEMAS EXPERTOS que son

sistemas informticos o robticos que "saben" hacer una tarea
muy bien, de forma aparentemente "inteligente" pero siempre
igual, sin tener en cuenta las diferentes variantes de
circunstancias, matices y mucho menos intuitivas o emocionales
del asunto a resolver. Es decir, los SS. EE. no son humanos sino
matemtica puramente racional, En esto hace tiempo que las
mquinas nos han superado: hacen cosas mejor y ms rpido
que nosotros.
Pero la verdadera IA es una ciencia derivada de la psicologa,
que intenta analizar un proceso como lo hara una persona, para
intentar trasladarlo a una mquina. Las personas aprendemos a
hacer una cosa como nos la ensean o como la vemos hacer,
pero luego aadimos la experiencia y nuestra idiosincrasia para
hacerla a nuestra manera, con nuestra personalidad propia. A su
vez otras personas aprenden de nosotros y hacen lo mismo. Por
eso la civilizacin es distinta en distintos lugares y pocas, muy
diversa. No hay ms que pensar en el lenguage, tan distinto de
unas personas a otras, de unos lugares a otros, de unaas pocas
a otras.
Pues bien: la IA est todava atascada con el estudio del
lenguage humano ( no confundir con traductores, ni programas
parlanchines con mensages fijos) tan lleno de matices,
emociones, etc. que confunden a las mquinas incapaces, de
momento, de siquiera emularlos.
Para lo que s est sirviendo esta ciencia es para el mejor
conocimiento de las psicologa humana

Si se pide a varias personas que definan la inteligencia, lo ms probable

es que nos den definiciones no coincidentes, como por ejemplo:
Capacidad de aprender a partir de la experiencia
El poder de pensar
La capacidad de razonar
La capacidad de percibir relaciones
El poder de comprender
Intuicin
El famoso matemtico britnico Alan Turing (de quien recientemente se
habl mucho en el Reino Unido, dada la campaa promovida para lograr
el reconocimiento, de sus mritos, dado lo trgico de su suicidio al ser

perseguido por homosexual), en un documento escrito en 1950, sugiri

que la pregunta puede pensar una mquina? era demasiado general y
filosfica para ser respondida de forma unvoca. Para concretar, propuso
un juego denominado "prueba de Turing". Esta implica a dos personas y
un ordenador. Una persona, el interrogador se sienta a solas con la
mquina y realiza preguntas en un terminal, conforme van apareciendo
las respuestas el interrogador ha de averiguar si las respuetas proceden
de la mquina o de la otra persona. Si el ordenador tiene un
comportamiento inteligente engaar con facilidad al interrogador. Hasta
el momento ninguna mquina se ha aproximado a superar este prueba, a
pesar de los ms de 40 aos de investigaciones en inteligencia artificial,
incluso se ha pensado en definiciones menos rigurosas.
Historia de la Inteligencia Artificial
* 1950-1965. Perodo "clsico"

Gestacin [McColluck y Pitts, Shannon, Turing]

1956, la I.A. tuvo su boom a partir de la conferencia efectuada en
Darmouth College. Estaban presentes importantes cientficos como
McCarty (le dio el nombre a esta nueva rea de conocimiento), Minsky
(fundador del laboratorio de IA del MIT), Shannon (laboratorios Bell),
Rodhester (IBM), Newell (presidente de la A.A.A.I. Asociacin Americana
de IA), Simmon (premio nobel de Carnegie Mellon University)
Redes neuronales, robtica (Shakey)
Bsqueda en un espacio de estados, Heursticas, LISP
Resolutor general de problemas (GPS) [Newell, Simon]. Resolucin de
problemas de sentido comn, los cuales incluyen razonamiento de
objetos fsicos y sus relaciones, como tambin razonamiento de acciones
y sus consecuencias. Slo se resolvieron tareas muy simples, pues no se
pudo crear un programa con la cantidad suficiente de conocimiento de un
dominio especfico
Se pone principal nfasis en la implementacin de juegos (ajedrez,
damas, etc.) as como en la demostracin de teoremas matemticos.
Limitaciones de pura bsqueda, explosin combinatoria.
* 1965-1975. Perodo "romntico".
Representacin "general" del conocimiento.
Redes semnticas [Quillian].
Prototipos (frames) [Minsky].
Perceptrn [Minsky y Papert].
Lgica [Kowalski].
Mundo de bloques (SHDRLU) [Winograd].
Percepcin (visin y habla), compresin de lenguaje natural, robtica.
Dificultades de representacin "general", problemas de "juguete".
* 1975-actualidad. Perodo "moderno", Inteligencia "especifica" frente

"general".

Se identifica la necesidad de trabajar en sociedad con profesionales de

otras reas de conocimiento
Representacin explcita del conocimiento especfico del dominio.
Sistema experto mdico MYCIN (experto en enfermedades infecciosas
de la sangre) iniciado en la Universidad de Stanford.
Sistemas expertos o basados en conocimiento.
Regreso de redes neuronales [Hopfield, Rumelhart, Hinton], algoritmos
genticos [Holland, Goldberg].
Reconocimiento de voz (HMM), incertidumbre (RB, Lgica difusa),
planeacin, aprendizaje.
Aplicaciones "reales" (medicina, finanzas, ingeniera, exploracin, etc.).
Comercializacin de la IA.
Tendencias
La inteligencia artificial (IA) trata de conseguir que los ordenadores
simulen en cierta manera la inteligencia humana. Se acude a sus
tcnicas cuando es necesario incorporar en un sistema informtico,
conocimiento o caractersticas propias del ser humano. La definicin es
una frontera mvil, en la dcada de 1950 muchos investigadores se
esforzaron en ordenadores que pudieran jugar al ajedrez, actualmente
baten a jugadores profesionales. En estos momentos hay dos tendencias
en la IA, una intenta utilizar los ordenadores para simular los procesos
mentales humanos, mientras que la segunda, que es ms popular,
implica el diseo de mquinas inteligentes, independientemente de cmo
piensan las personas.
La primera metodologa, simulacin, presenta tres problemas:

La mayora de las personas tiene problemas para entender y describir

cmo hacen las cosas. La inteligencia humana incluye procesos
mentales muy difciles o imposibles de describir y comprender.
Hay grandes diferencias entre la estructura de un ordenador y un cerebro
humano. Por muy potente que sea la computadora no puede tener la
capacidad de procesamiento en paralelo de un cerebro.
La mejor forma de hacer algo con una mquina es muy distinto a como lo
hara una persona. Muchos fracasos en IA se deben a intentar copiar a
los humanos, en lugar de potenciar las caractersticas nicas de los
ordenadores.
Con cualquiera de estas dos aproximaciones los cientficos se enfrentan
a problemas muy difciles de resolver y de los que ni tan siquiera se sabe
si tienen solucin.
Juegos de apertura

Uno de los problemas que antes se intent resolver fue el del juego del
ajedrez, pues tiene unas reglas claramente definidas y unos objetivos
inequvocos. Actualmente se conocen varias tcnicas de IA para
enfrentrarse al juego del ajedrez. En general los juegos proporcionan una
tarea estructurada en la que es muy fcil medir el xito o el fracaso. En
comparacin con otras aplicaciones de inteligencia artificial, por ejemplo
comprensin del lenguaje, los juegos no necesitan grandes cantidades
de conocimiento. En un primer momento se pens que se podran
resolver por bsqueda exhaustiva en el rbol del juego, es decir, un rbol
que contenga todos los movimientos posibles de ambos jugadores.
Considerando por ejemplo el juego de ajedrez, en una partida cada
jugador realiza una media de 50 movimientos, con un factor de
ramificacin medio de 35 posibilidades, por lo tanto para examinar el
rbol de juego completamente se tendran que examinar 35100
posibilidades. Resulta evidente que una simple bsqueda directa precisa
mucha potencia de clculo en la prctica, y por lo tanto es necesario
algn tipo de procedimiento de bsqueda heurstica.

Bsqueda. Una forma de ganar en un juego es mediante la bsqueda,

mirando ms all de las posibilidades generadas por cada movimiento
potencial. Los ordenadores son mejores que las personas para este tipo
de clculos y los ordenadores ms potentes si pueden rastrear todas las
posibilidades, en base a la denominada fuerza bruta.
Heursticos. Se dice as de los mtodos prcticos, se basan en juicios
que la experiencia nos dice que son vlidos. Es como actuamos en la
vida diaria. un programa de ajedrez, por ejemplo podra actuar de la
forma: mantenga los peones en la fila del rey tanto tiempo como sea
posible.
Reconocimientos de modelos. Los mejores jugadores humanos de
ajedrez recuerdan cientos de modelos crticos en el desarrollo del juego y
saben las mejores estrategias aplicables en cada caso. Los programas
de juegos tambin reconocen modelos recurrentes, pero no lo hacen
como las personas.
Aprendizaje de mquinas. Los mejores programas de juegos de mesa
aprenden de la experiencia. Si un movimiento es rentable es probable
que el programa que aprende lo utilice en futuras jugadas. Si da como
resultado una prdida, el programa lo recordar y evitar su uso en el
futuro.
Ejemplo juego tres en raya
A continuacin se plantean tres soluciones diferentes del problema de
tres en raya analizando la conveniencia de cada una. Para mejor detalle
de las mismas consultar: Rich E., Knight K, Inteligencia Artificial. McGraw
Hill, ISBN 84-481-1858-8, 1998

* Solucin 1:

Una primera solucin directa a este juego podra ser la de almacenar en

un vector las 19693 posibilidades de un tablero de 3 x 3 con tres valores
posibles en cada casilla (vaco-X-O), as como las correspondientes
jugadas sucesoras. Para realizar una jugada, bastara con acceder a la
posicin del tablero actual y la jugada sucesora correspondiente. Las
desventajas de este eficiente programa son bastante obvias: necesita
gran cantidad de memoria, alguien debe realizar el pesado trabajo de
introducir todas las jugadas y sus sucesoras, y el juego no se puede
ampliar, por ejemplo a tres dimensiones.
* Solucin 2:
El programa posee una estrategia para cada turno de jugador. Analiza el
posible triunfo a partir de un estado del tablero dado. Aunque es menos
eficiente que la solucin anterior en trminos de tiempo, tiene la ventaja
que es ms eficiente en trminos de espacio. Su estrategia es ms facil
de comprender y realizar cambios, aunque el programador debe
comprender la totalidad de la estrategia de antemano. Adems, no es
posible generalizar parte del conocimiento del programa hacia un
dominio distinto, como tres en raya 3D.
* Solucin 3:
Una estructura contiene el tablero actual, as como una lista de
posiciones del tablero que podran ser el prximo movimiento, y una
estimacin de la probabilidad de que esa jugada lleve a la victoria. Para
decidir la siguiente jugada se tienen en cuenta las posiciones de tablero
que resultan de cada movimiento posible. Se decide la posicin que
corresponde a la mejor jugada, considerando si la jugada produce la
victoria, y en caso contrario considerando todos los movimientos que el
oponente puede realizar asumiendo que ste elegir el peor para
nosotros. El algoritmo inspecciona varias secuencias de movimientos
intentando maximizar la probabilidad de victoria. Necesita mucho ms
tiempo que los dems, ya que debe realizar una bsqueda en un rbol de
posibilidades antes de realizar cada movimiento. Sin embargo, es
superior a las dems soluciones pues podra ser ampliado para
manipular juegos ms complicados. Adems, puede aumentarse su
potencia usando conocimiento sobre el juego, por ejemplo, en lugar de
considerar todos los posibles movimientos considerar slo un
subconjunto siguiendo algn criterio razonable. Este programa es un
ejemplo del uso de una tcnica de IA.

Ejemplo respuestas a preguntas

Se quiere realizar un programa que a partir de un texto escrito en

espaol pueda responder a preguntas en espaol sobre este texto. En

este caso, es ms difcil que en el ejemplo anterior determinar
formalmente y con precisin en qu consiste el problema y en qu
consiste una solucin correcta para l. Un ejemplo de programa de
preguntas y respuestas en ingls es el programa POLITICS. A
continuacin se plantean tres soluciones diferentes analizando la
conveniencia de cada una.

* Solucin 1:
Se tienen conjunto de plantillas ("templates") preguntas, por ejemplo
"Que x y" asociada con patrones ("patterns") respuesta, por ejemplo "y x
z". Responde a las preguntas usando el texto de entrada de forma literal.
Se hace coincidir fragmentos de texto de entrada con el patrn
respuesta, y se obtiene la respuesta, por ejemplo "z". Este algoritmo no
puede contestar el tipo de preguntas que la gente puede responder
despus de una simple lectura del texto. La habilidad para responder
depende de la forma exacta de la pregunta, y de las variaciones
contempladas en el diseo de plantillas y patrones. El proceso de
sustitucin de patrones usado es llamado "pattern matching". Pese a que
lo que se entiende por IA no incluye programas como ste, sta tcnica
es la usada en uno de los programas ms clebres de IA, ELIZA, creado
por Joseph Weizenbaum (1923-2008).
* Solucin 2:
Transforma el texto de entrada dndole una estructura interna que
intenta capturar el significado de las frases, y tambin transforma las
preguntas de igual manera. Las respuestas se encuentran emparejando
unas con otras formas estructuradas. Este enfoque est ms basado en
conocimiento que el primero, y tambin es ms efectivo. Puede
responder a la mayora de las preguntas cuyas respuestas se encuentran
en el texto, y es menos quebradizo con respecto a las formulaciones
exactas de preguntas y respuestas. Algunas preguntas necesitan
conocimiento adicional sobre el mundo con el que trate el texto, que esta
solucin no posee.
* Solucin 3:
Al igual que la solucin anterior se transforma el texto en forma
estructurada, pero a diferencia del anterior, se combina esta forma con
otras formas estructuradas que describen conocimiento previo sobre los
objetos y situaciones que aparecen en el texto. Este programa es ms
potente que los otros dos, debido a que responde a preguntas usando
esta estructura de conocimiento aumentada. Se utiliza lo que se
denomina tcnica de IA, pues est basado en el conocimiento y en uso

computacional eficaz de ese conocimiento.

Algunas aplicaciones de la inteligencia artificial

* Tareas de la vida diaria (ms dificil para una mquina que las tareas de
un experto)

Percepcin (visin y habla)

Lenguaje natural (comprensin, generacin, traduccin)
Sentido comn
Control de un robot
* Tareas formales

Juegos (ajedrez, backgammon, damas)

Matemticas (geometra, lgica, clculo, demostracin de propiedades)
* Tareas de los expertos (necesitan un conocimiento menor que el
conocimiento necesario en las tareas ms comunes)

Ingeniera (diseo, deteccin de fallos, planificacin de manufacturacin)

Anlisis cientfico
Diagnosis mdica
Anlisis financiero
Avances en inteligencia artificial en el ao 2011
1 Superordenador Watson
La construy IBM luego de aos de investigacin en los que confluyeron
muchas reas de la ciencias de la computacin. Gan un Jeopardy! y va
por ms.
2 Futuros comentaristas deportivos
El sistema creado por investigadores de la Ecole Polytechnique Federale
de Lausanne (Suiza) ya sabe identificar y rastrear jugadores de
baloncesto. Por ahora es estupendo para telemetra, pero lo que sigue es
comentar las peripecias del juego, y otros como la Formula 1.
3 SmartBird
Creado por Festo, este robot vuela como un ave y nada ms.
4 Chatbot
El laboratorio Creative Machines de Cornell en los EE. UU. dise este
experimento en el que dos IA conversaron de forma fluida (recordemos
que tambin lo hicieron Siri y ELIZA). Alan Turing se hubiera
impresionado.

5 Adept Quattro
Adept construye los robots industriales ms veloces. Para demostrar su
hegemona, este ao us su Adept Quattro para batir un rcord al
terminar el juego 1to50 para iPhone en tan solo 6.67 segundos.
6 Vehculo autnomo de Google
Google es un imperio en diversos campos de la informtica. Por eso no
es sorprendente que un gur en el tema, Sebastian Thrun lidere el
proyecto de vehculos autnomos de Google, que han viajado miles de
kilmetro apenas con intervencin humana.

7 ASIMO
El robot de Honda no ha dejado de dejarnos con la boca abierta cada vez
que son presentados sus avances. Este ao presenciamos cmo el robot
ya es capaz de reconocer voces en una conversacin:
8 AISight
Combina vigilancia extrema, masiva con inteligencia artificial.
Escalofros? Se llama AISight, de la empresa BRS Labs. No hay vdeo,
pero te invito a estar al tanto de esa empresa repleta de doctores en
ciencias y este tipo de tecnologas.
9 Robot flexible
Cientficos de Harvard mostraron el prototipo de un robot flexible, hecho
de materiales blandos. El vdeo es francamente inquietante.
10 Swarmanoid
Cuando un robot no es suficiente, qu tal un grupo de ellos actuando de
forma colectiva? En este caso, llamen al A-Team de los robots, los
Swarmanoid!
Fuente: ALT1040 Bajo licencia Creative Commons Reconocimiento 2.5

8.2.- Lenguaje natural

El Lenguaje Natural (LN) es el medio que utilizamos de manera cotidiana
para establecer nuestra comunicacin con las dems personas. Este tipo
de lenguaje es el que nos permite el designar las cosas actuales y
razonar acerca de ellas, fue desarrollado y organizado a partir de la
experiencia humana y puede ser utilizado para analizar situaciones
altamente complejas y razonar muy sutilmente. La riqueza de sus
componentes semnticos da a los lenguajes naturales su gran poder

expresivo y su valor como una herramienta para razonamiento sutil. Por

otro lado la sintaxis de un LN puede ser modelada fcilmente por un
lenguaje formal, similar a los utilizados en las matemticas y la lgica.
Otra propiedad de los lenguajes naturales es la polisemntica, es decir la
posibilidad de que una palabra en una oracin tenga diversos
significados.
En resumen, los lenguajes naturales se caracterizan por las siguientes
propiedades:

Desarrollados por enriquecimiento progresivo antes de cualquier intento

de formacin de una teora.
La importancia de su carcter expresivo debido grandemente a la riqueza
del componente semntico(polisemantica).
Dificultad o imposibilidad de una formalizacin completa.
Un objetivo fundamental de la Inteligencia Artificial, es la manipulacin de
lenguajes naturales usando herramientas de computacin, en sta, los
lenguajes de programacin juegan un papel importante, ya que forman el
enlace necesario entre los lenguajes naturales y su manipulacin por una
mquina.
Una de las ramas ms importantes de la inteligencia artificial es aquella
orientada a facilitar la comunicacin hombre-computadora por medio del
lenguaje humano, o lenguaje natural. El Procesamiento del Lenguaje
Natural (PLN) es la disciplina encargada de producir sistemas
informticos que posibiliten dicha comunicacin, por medio de la voz o
del texto. Se trata de una disciplina tan antigua como el uso de los
ordenadores (aos 1950), de gran profundidad, y con aplicaciones tan
importantes como la traduccin automtica o la bsqueda de informacin
en Internet.
Aplicaciones PLN
Las aplicaciones del Procesamiento de Lenguajes Naturales son muy
variadas, ya que su alcance es muy grande, algunas de las aplicaciones
del PLN son:

Traduccin automtica: se refiere ms que nada a la traduccin correcta

de un lenguaje a otro, tomando en cuenta lo que se quiere expresar en
cada oracin, y no solo palabra por palabra. Una aproximacin a este
tipo de traductores es el Babylon, o los encontrados en buscadores como
Google Translate.
Recuperacin de la informacin: en esta aplicacin, un claro ejemplo
seria el siguiente: Una persona llega a la computadora y le dice(en LN)
que es lo que busca, esta busca y le dice que es lo que tiene referente al
tema.

Extraccin de Informacin y Resmenes: Los nuevos programas, deben

tener la capacidad de crear un resumen de un documento basndose en
los datos proporcionados, realizando un anlisis detallado del contenido y
no solo la truncando las primeras Lineas de los prrafos.
Resolucin cooperativa de problemas: La computadora debe tener la
capacidad de cooperar con los humanos para la solucin de problemas
complejos, proporcionando datos e informacin, incluyendo tambin, la
demanda de informacin por parte del ordenador al usuario, debiendo
existir una excelente interactividad entre el usuario y el ordenador.
Tutores inteligentes: La aplicacin del PLN en este aspecto, viene siendo
ms acadmico, ya que se refiere a la enseanza asistida por
computadora, debiendo esta ser aproximada en un 99%, al tener esta la
capacidad de evaluar al educando y tener la capacidad de adaptndose
a cada tipo de alumno.
Reconocimiento de Voz: Esta es una aplicacin del PLN que ms xito
ha obtenido en la actualidad, ya que los ordenadores de hoy ya tienen
esta caracterstica, el reconocimiento de voz puede tener dos posibles
usos: para identificar al usuario o para procesar lo que el usuario dicte,
existiendo ya programas comerciales, que son accesibles por la mayora
de los usuarios, ejemplo: ViaVoice.
Niveles del lenguaje
Para continuar el estudio de los lenguajes naturales, es necesario
conocer los niveles del lenguaje, que son los siguientes:

1.
2.
3.
4.

5.

Nivel Fonolgico: trata de cmo las palabras se relacionan con los

sonidos que representan.
Nivel Morfolgico: trata de cmo las palabras se construyen a partir de
unas unidades de significado mas pequeas llamadas morfemas, por
ejemplo: Rpida + Mente == Rpidamente
Nivel Sintctico: trata de cmo las palabras pueden unirse para formar
oraciones, fijando el papel estructural que cada palabra juega en la
oracin y que sintagmas son parte de otros sintagmas.
Nivel Semntico: trata del significado de las palabras y de cmo los
significados se unen para dar significado a una oracin, tambin se
refiere al significado independiente del contexto, es decir de la oracin
aislada.
Nivel Pragmtico: trata de cmo las oraciones se usan en distintas
situaciones y de cmo el uso afecta al significado de las oraciones. Se
suele reconocer un subnivel recursivo: discursivo, que trata de cmo el
significado de una oracin se ve afectado por las oraciones
inmediatamente anteriores.

8.3.- Bases de conocimiento y sistemas expertos

Una caracterstica decisiva de los sistemas expertos es la separacin

entre conocimiento (reglas, hechos) por un lado y su procesamiento por
el otro. A ello se aade una interface de usuario y un componente
explicativo.
A continuacin se muestra una breve descripcin de cada uno de los
componentes:
1.
2.
3.
4.
5.

La Base de Conocimientos de un sistema experto contiene el

conocimiento de los hechos y de las experiencias de los expertos en un
dominio determinado.
El Mecanismo de Inferencia de un sistema experto puede simular la
estrategia de solucin de un experto.
El Componente Explicativo explica al usuario la estrategia de solucin
encontrada y el porqu de las decisiones tomadas.
La Interface de Usuario sirve para que ste pueda realizar una consulta
en un lenguaje lo ms natural posible.
El Componente de Adquisicin ofrece ayuda a la estructuracin e
implementacin del conocimiento en la base de conocimientos.

8.4.- Redes neuronales

Una neurona es una clula nerviosa, elemento fundamental de la
arquitectura nerviosa. Es la unidad funcional que transporta el flujo
nervioso.
Estructura bsica de una neurona.
Est formada por el cuerpo celular y diferentes prolongaciones:

El axn. Por aqu transitan los impulsos nerviosos o potenciales de

accin desde el cuerpo celular hacia la siguiente clula. Los axones
pueden agruparse y formar lo que comnmente llamamos fibra nerviosa.
La terminacin axonal tiene forma abultada y se llama botn presinptico,
el cul contiene las vesculas sinpticas incluyendo en su interior a los
neurotransmisores, que son sustancias qumicas responsables de
transmitir los mensajes a la neurona que le sucede.
Las dendritas, con nmero y estructura variable segn el tipo de neurona,
y que transmiten los potenciales de accin desde las neuronas
adyacentes hacia el cuerpo celular o soma.
Se unen entre ellas por contacto fsico en una sinapsis electro, y con una
hendidura en una sinapsis qumico. Esta unin discontinua se llama
sinapsis.

Son clulas excitables especializadas para la recepcin de estmulos y la

conduccin del impulso nervioso. Las neuronas se hallan en el encfalo,
la mdula espinal y los ganglios nerviosos y estn en contacto con todo
el cuerpo. A diferencia de la mayora de las otras clulas del organismo,
las neuronas normales en el individuo maduro no se dividen ni se
reproducen (como una excepcin las clulas olfatorias s se regeneran;
los nervios mielinados del sistema nervioso perifrico tambin tienen la
posibilidad de regenerar a travs de la utilizacin del neurolema, una
capa formado de los ncleos de las clulas de schwann).
Cmo se decide si tras recibir entradas se produce o no una salida, y
qu salida se produce? La salida es la suma ponderada de las entradas
seguida de una funcin umbral. Esto puede parecer un diodo: si el
potencial de las entradas alcanza un cierto valor, entonces se produce la
salida, y sino no. Sin embargo, difiere en ser ponderado. Se refiere a que
no todos los valores de las entradas van a tener la misma importancia de
cara a decidir si se produce o no la salida. Si nuestra neurona no es ms
que un diodo con entradas ponderadas, entonces juntando unos diodos
con otros en forma de red har el tipo de procesos que realizamos los
humanos como, por ejemplo, aprender? Es curioso que para aprender
solo es necesaria una neurona, y el aprendizaje consiste en modificar el
valor de los pesos (la importancia de cada entrada) aplicando un
algoritmo a nuestro valor de salida. Y cual ser ese algoritmo? El
psiclogo Donald O. Hebb enunci una regla que dice que "las
conexiones que unen diferentes neuronas que se encuentran activas en
un instante dado se fortalecen". Se refiere a que si la neurona est
transmitiendo, las entradas que estn activas tendrn ms importancia
de la que ya tenan. Y esto es ms menos es la esencia de la

computacin neuronal, especialmente la no supervisada (que no requiere

de un tutor), y esta es la que nos encontramos en la naturaleza.
Pero en la prctica las redes neuronales artificiales no han creado en las
mquinas comportamientos similares a los de las personas. Sin
embargo, lo cierto es que los problemas que tradicionalmente son ms
complejos para las mquinas (visin artificial, reconocimiento del habla,
etc.), se resuelven mejor utilizando redes neuronales que mediante otras
perspectivas simblicas.
Las redes neuronales tienen un modelo inherentemente distribuido,
puesto que un procesador puede simular una neurona. As mismo, son
autoprogramables. La programacin pasa por elegir un nmero de
neuronas, las conexiones entre las mismas, un nmero de salidas, un
nmero de entradas y una configuracin inicial de pesos. Despus
bastara con alimentarla correctamente y, si el aprendizaje es
supervisado, darle la adecuada realimentacin humana.
Las redes neuronales se asemejan a los sistemas expertos en cuanto al
objetivo de representar el conocimiento pero son radicalmente opuestos
en cmo aspiran a conseguirlo. Como vemos, los sistemas expertos se
acercaran ms al razonamiento deductivo -obtener reglas- y las redes
neuronales al inductivo -aprendizaje mediante ejemplos-. En algunos
sectores como la gestin empresarial, se utilizan frecuentemente ambos
esquemas de razonamiento, por lo que ambas tcnicas tienen cabida.
Adems, ambos modelos son perfectamente compatibles, de forma que
se pueden integrar en un nico sistema.

8.5.- Robots
La imagen del robot como una mquina a semejanza con el ser humano,
subyace en el hombre desde hace muchos siglos, existiendo diversas
realizaciones con este fin. La palabra robot proviene del checo y la us
por primera vez el escritor Karel Capek en 1917 para referirse, en sus
obras, a mquinas con forma de humanoide. En 1940, Isaac Asimov
volvi a referirse a los robots en sus libros.
Los robots son agentes fsicos que realizan tareas mediante la
manipulacin fsica del mundo. Para ello se dotan de efectores, como
pinzas, ruedas, brazos mecnicos, etc. y tambin se equipan de
sensores que les permiten percibir el entorno, como visores, sistemas de
ultrasonidos, giroscopios, etc.
El inters de la IA en la robtica se centra en los agentes inteligentes que

manipulan el mundo fsico. No obstante, tambin es un campo de gran

inters para aplicar otras ideas de IA como planificacin o visin artificial
(aplicar algoritmos de aprendizaje para el reconocimiento de formas).
Las reas de aplicacin de la robtica son mltiples: industria,
agricultura, transporte, entornos peligrosos (donde no debera haber
humanos), exploracin (ej: viajes al espacio), salud (ej: ciruga gracias a
la precisin milimtrica), entretenimiento, ...
Robots educativos
Pioneer. Es un robot de tamao mediano para entornos de interiores.
Sensorialmente est dotado de una corona de 16 ultrasonidos, un
cinturn se sensores tactiles y un encoder en cada rueda. Tiene tres
ruedas: dos motrices, con sendos motores, y una rueda loca. Es una
plataforma genrica muy difundida en la comunidad robtica, permite
aplicaciones como construccin de mapas, navegacin, etc. El cmputo
necesario viene en un microcontrolador interno y un ordenador portatil
que se coloca encima de la plataforma mvil. Ambos se comunican a
travs de puerto serie. Adicionalmente le hemos aadido una cmara en
color conectada al porttil por el puerto USB.
Perrito Aibo. Es un robot de tamao pequeo. Sensorialmente est
dotado de una cmara de color y un sensor de infrarrojos. Tiene cuatro
patas, cada una con tres grados de libertad. Es una plataforma que ha
alcanzado gran xito de ventas como juguete-mascota. En el verano del
2002, Sony public la interfaz de acceso a sensores y actuadores
(OPEN-R), lo que permite su programacin. En marzo de 2006 ha
cesado la fabricacin de este robot.

LEGO Mindstorms. Es un kit de construccin de robots que se vende en

tiendas de juguetes como Toys'R'Us.
EyeBot. Es un robot pequeo que tiene un microcontrolador Motorola a
25 MHz y puede conectarse a travs de un puerto serie con el PC. En el
lado sensorial tiene "encoders" en sus dos motores de continua,
sensores de infrarrojos y una cmara que proporciona imgenes en color
de 82x62 pixeles. Tambin incluye un par de servos. El puerto serie
puede ir a travs de un cable o a travs de un radioenlace.
La Paradoja de Moravec establece que, contrariamente a lo que
pueda parecer, muchas de las funciones mentales que
consideramos difciles son realmente fciles computacionalmente,
pero algunas cosas que nos parecen fciles son muy difciles de

replicar para los ordenadores

Resolver un sistema de ecuaciones diferenciales es complicado
para el cerebro pero sencillo para un ordenador. Esto es debido a
que nuestros cerebros no han evolucionado para hacer ecuaciones
diferenciales. No es adaptativo (hasta ahora).
Y qu ocurre con los problemas fciles? Un ordenador tiene
enormes dificultades para realizar tareas que para nosotros son
simples. La paradoja de Moravec dice que funciones como el
procesamiento visual o moverse en una habitacin (y que
compartimos con los animales) estn precableadas en nuestro
cerebro por millones de aos de evolucin y su realizacin es
sumamente eficiente.

Dice Hans Moravec (especialista en robtica e Inteligencia Artificial

y futurista transhumanista): "El proceso deliberativo que llamamos
razonamiento es, creo, el barniz ms delgado del pensamiento
humano, efectivo solo porque se basa en el conocimiento
sensoriomotor, mucho ms antiguo y poderoso aunque
habitualmente inconsciente"
O como dicen algunos cognitivistas, el razonamiento est
encarnado, deriva de nuestro sistema sensoriomotor.
Marvin Minsky, uno de los creadores de la Inteligencia Artificial dice
"En general, no somos conscientes de nuestras mejores
habilidades () somos ms conscientes de los pequeos procesos
que nos cuestan que en los complejos que se realizan de forma
fluida" Y dice tambin que las habilidades humanas ms difciles
para realizar ingeniera inversa (simular por ordenador) son las
inconscientes.
El psiclogo cognitivo Steven Pinker escribe:
"La principal leccin de treinta y cinco aos de investigacin en
Inteligencia Artificial IA es que los problemas difciles son fciles y
los problemas fciles son difciles. Las habilidades mentales de un
nio de cuatro aos de edad, que damos por sentado: reconocer un
rostro, levantar un lpiz, caminar por una habitacin, responder a
una pregunta, de hecho resuelven algunos de los problemas ms
difciles de ingeniera jams concebidos () A medida que aparece

una nueva generacin de dispositivos inteligentes, sern los

analistas de valores, los ingenieros petroqumicos y los miembros
de una junta de libertad condicional los que estn en peligro de ser
reemplazados por mquinas. Los jardineros, recepcionistas y
cocineros tendrn asegurados sus puestos de trabajo en las
prximas dcadas"
Lo cual engarza con el problema del empleo y la tecnologa. Puedes
votar en la encuesta de la barra lateral: La tecnologa crea y
destruye empleo. En tu opinin, actualmente qu predomina?
Fuente: Sinapsis Bajo licencia Creative Commons
Enlaces de ampliacin:Aplicaciones Prcticas de Inteligencia
Artificial. David Arroyo Menndez
http://www.davidam.com/docu/aplic-ia/index.htmlArtifical
Intelligence Topics. American Association for Artificial
Intelligence http://www.aaai.org/AITopics/html/history.html
Desarrollo de una maestra ajedrecstica computacional.
http://www.dcc.uchile.cl/~jegger/memoria/Memoria.htmlEl juego
de las Damas ya est matemticamente resuelto
http://www.microsiervos.com/archivo/ordenadores/damasresuelto.htmlHerramientas para Procesamiento de Lenguaje
Natural en Espaol. Universidad Politcnica de Madrid
http://www.datsi.fi.upm.es/~coes/Inteligencia Artificial.
Ilustrados.com. Faustino Peraza Rodriguez
http://www.ilustrados.com/publicaciones/EpZVVZkuVlzIqITikQ.ph
pInteligencia Artificial. Monografas.com. Pablo david Santiago
http://www.monografias.com/trabajos16/inteligencia-artificialhistoria/inteligencia-artificial-historia.shtmlIntroduccin a la
Inteligencia Artificial. Mara Jos Absolo. Univ. Islas Baleares
http://dmi.uib.es/~abasolo/intart/1-introduccion.htmlIntroduccin
a los Sistemas Expertos. Ingenieroseninformatica.org. Jos
Mario Criado Briz
http://ingenieroseninformatica.org/recursos/tutoriales/sist_exp/in
dex.phpProcesamiento Computacional del Lenguaje Natural.
Cutberto Uriel Paredes Hernndez
http://www.ilustrados.com/publicaciones/EpZVVylVypOERwVqcJ.
phpProcesamiento del lenguaje natural para recuperacin y
organizacin de la informacin. Sergio Martn
http://plenguajenatural.webcindario.com/procesamiento-dellenguaje-natural.htmlRobtica industrial. Universidad de
Granada. ngel M. Gmez
http://ceres.ugr.es/~angel/docencia/robin/Apuntes.htmRobtica.
Universidad de Guadalajara (Mxico)
http://proton.ucting.udg.mx/materias/robotica/Sistemas
inteligentes. Univ. Politcnica de Madrid
http://www.gsi.dit.upm.es/~gfer/ssii/Un robot serpentiforme.

Ciencia15. Blogaliahttp://ciencia15.blogalia.com/historias/42482
Organizaciones:Sociedad Espaola para el procesamiento del
lenguaje.http://www.sepln.org/