FACULTAD DE CIENCIAS Y TECNOLOGA

RED NACIONAL UNIVERSITARIA

SYLLABUS

Facultad de Ciencias y Tecnologa

Ingeniera de Sistemas

OCTAVO SEMESTRE
Gestin Acadmica I/2011

U N

I V E R

S I D A D 1

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

UDABOL
UNIVERSIDAD DE AQUINO BOLIVIA Acreditada como PLENA mediante R. M. 288/01

VISION DE LA UNIVERSIDAD Ser la Universidad lder en calidad educativa.

MISION DE LA UNIVERSIDAD Desarrollar la Educacin Superior Universitaria con calidad y competitividad al servicio de la sociedad.
Elaborado por: Ms.C.Ing. Evelyn Marcia Flores Magne

U N

I V E R

S I D A D 2

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

SYLLABUS GENRICO
Asignatura: Cdigo: Requisito: Carga Horaria: Crditos: SISTEMAS INTELIGENTES CMP 428 CMP 427 80 horas 8

I. OBJETIVOS GENERALES DE LA ASIGNATURA. Aplicar nuevas tcnicas para resolver problemas computacionales, evaluar la oportunidad de usar mtodos y tcnicas para construir sistemas inteligentes y ejercitar la investigacin, documentacin y exposicin de trabajos prcticos II. PROGRAMA ANALTICO DE LA ASIGNATURA.

1.

INTRODUCCIN A INTELIGENCIA ARTIFICIAL

1.1 Inteligencia Artificial 1.2 Desarrollo Histrico 1.3 Sistemas y/o Desarrollos Importantes 1.3.1 Sistemas histricos 1.3.2 Sistemas actuales 1.4. Cuestionamientos 1.4.1 Crticas 1.4.2 Tcnicas de Representacin 1.5 Paradigmas de la Inteligencia artificial: IA simblica e IA conexionista.

2.

REPRESENTACIN DE CONOCIMIENTO

2.1 Construyendo una Base de Conocimiento 2.1.1 Puntos a considerar 2.1.2 Elementos de una Ontologa General 2.1.3 Mtodos para la representacin del conocimiento. 2.1.4 Sistemas de produccin. 2.1.5 Representacin del conocimiento por medio del lenguaje PROLOG.
U N I V E R S I D A D 3 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

2.1.6 Razonamiento en sistemas basados en reglas. 2.2 Sistemas con restricciones. 2.3 Otros mtodos de representacin del conocimiento: marcos y redes semnticas. 2.4 Sistemas Basados en Conocimiento 2.2.1 Clasificacin de Sistemas Expertos 2.2.2 Arquitectura bsica de un sistema experto 2.2.3 Ventajas de Sistemas Basados en Conocimiento 3. SOLUCION DE PROBLEMAS MEDIANTE LA BUSQUEDA 3.1 Solucin de Problemas 3.2 Bsqueda 3.2.1 Propiedades 3.2.2 Depth first - backtracking (LIFO) 3.2.3 Breadth first 3.2.3.1 Complejidad 3.3 Algoritmos con Informacin 3.3.1 Hill-Climbing 3.3.2 Best-first 3.3.3 Beam search 3.3.4 Espacio Usado 3.3.5 Mejor Solucin 3.3.6 Branch and Bound 3.3.7 Dynamic Programming 3.3.8 A*: combinacin de todos 3.3.9 Bsqueda en Lisp 3.3.10 Bsqueda en Prolog 3.1 Fundamentos de bsqueda. 3.2 Espacio de estados. 3.3 Tcnicas bsicas de bsqueda ciega o bsqueda sin informacin del dominio. 3.4 Tcnicas de bsqueda heurstica. 4. LGICA Historia 4.1 Lgica Proposicional 4.2 Lgica de predicados de primer orden 5.2.1 Semntica 5.2.2 Clusulas 5.2.2.1 Razonamiento en lgica: reglas de inferencia 5.2.2.2 Resolucin 4.3 Estrategias de Resolucin 5.3.1 Resolucin Semntica
U N I V E R S I D A D 4 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

5.3.2 Estrategia de Conjunto de Soporte (set-of-support strategy) 5.3.3 Resolucin SLD 5.3.4 Lgica como representacin de conocimiento 4.4 Artculos Relacionados con Lgica

5. SISTEMAS DE REGLAS DE PRODUCCIN 5.1 Introduccin 5.1.1 Memoria de Trabajo 5.1.2 Mquina de Inferencia 5.1.2.1 Cuando usamos cada uno? 5.1.3 Resolucin de Conflictos 5.1.4 Apareamiento de Patrones 5.2 OPS5 5.4 Artculo Sobre Reglas de Produccin 5.4.1 Evaluacin de Reglas como Representacin de Conocimiento

6 RAZONAMIENTO CON INCERTIDUMBRE 6.1 Introduccin 6.2 Probabilidad (algunas nociones) Probabilidad Condicional y Teorema de Bayes Aplicacin a Sistemas Expertos Basados en Reglas 6.3 Tcnicas numricas 6.4 Mtodo Bayesiano Subjetivo 6.5 Factores de Certeza/Certidumbre 6.6 Teora de Demptser-Shafer 6.7 Redes Bayesianas 6.8 Lgica Difusa 7. ADQUISICIN DE CONOCIMIENTO 7.1 Introduccin 7.1.1 Errores Comunes 7.1.2 Niveles de Conocimiento 7.1.3 Cmo se adquiere el conocimiento? 7.3 Estrategias 7.2.1 Adquisicin manual: entrevistas y protocolos 7.4 Aduisicin Automtica 8.3.1 Mtodos Interactivos
U N I V E R S I D A D 5 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

7.5 Validacin de Conocimiento 8.- SISTEMAS EXPERTOS Introduccin a los sistemas expertos. dEduccin del conocimiento mediante entrevistas. Ejemplos de sistemas expertos.

II. BIBLIOGRAFA

Russell, S., Norvig, P. Artificial Intelligence: Un enfoque modern New Jersey: PrenticeHall (1995)Inteligencia Artificia Un enfoque moderno Rusell y Norving Jos T. Palma Mndez, Roque Martn Morales. Inteligencia Artificial. Ed. McGraw Hill,(2008) Severino Fernndez Galn, Jess Gonzlez Boticario, Jos Mira Problemas resueltos e inteligencia artificial aplicada: bsqueda y representacin, Editorial Addison-Wesley, Madrid (1998)
III. CONTROL DE EVALUACIONES

1 evaluacin parcial Fecha Nota

2 evaluacin parcial Fecha Nota

Examen final Fecha Nota APUNTES

U N

I V E R

S I D A D 6

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

UNIVERSIDAD DE AQUINO-BOLIVIA UNIDAD ACADMICA DE ORURO

CALENDARIO ACADMICO
U N I V E R S I D A D 7 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

GESTIN I/2011 TURNOS REGULAR-TRABAJO ESTUDIANTES NUEVOS-ANTIGUOS

SEMANA

DEL

AL

ACTIVIDADES

OBSERVACIONES

1ra. 2da. 3ra. 4ta. 5ta. 6ta. 7ma. 8va. 9na. 10ma. 11ra. 12da. 13ra. 14ta. 15ta. 16ta. 17ma. 18va. 19na. 20va. 21ra.

09-mar 14-mar 21-mar 28-mar 04-abr 11-abr 18-abr 25-abr 02-may 09-may 16-may 23-may 30-may 06-jun 13-jun 20-jun 27-jun 04-jul 11-jul 18-jul 25-jul

12-mar 19-mar 26-mar 02-abr 09-abr 16-abr 23-abr 30-abr 07-may 14-may 21-may 28-may 04-jun 11-jun 18-jun 25-jun 02-jul 09-jul 16-jul 23-jul 26-jul

Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia Avance de materia
Inicio Evaluacin Final
Conclusin Evaluacin Final Evaluacin del segundo turno Cierre de Gestin

Inicio Primera Evaluacin Parcial Conclusin Primera Evaluacin Parcial

Presentacin de Notas Presentacin de Notas

Inicio Segunda Evaluacin Parcial

Presentacin de Notas

Avance de materia Conclusin Segunda Evaluacin Parcial Presentacin de Notas

Presentacin de Notas Transcripcin de Notas Transcripcin de Notas

FERIADOS 22 de abril Viernes Santo 1 de mayo Da del Trabajo 23 de junio Corpus Christi

WORK PAPER # 1

U N

I V E R

S I D A D 8

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

PROGRAMA DE CONTROL DE CALIDAD

No. DE PROCEDIMIENTO: APRO 07

No. DE HOJAS: 6

ELABOR: Ing. Evelyn Flores Magne TTULO DEL WORK PAPER:

CDIGO: CMP 531

UN PASO A LA INTELIGENCIA ARTIFICIAL DPTO.: Facultad de Ingeniera DESTINADO A: DOCENTES ALUMNOS X ADMINIST. OTROS

OBSERVACIONES: ASIGNATURA Sistemas Inteligentes. CARRERA Ingeniera de Sistemas. FECHA DE DIFUSIN:

FECHA DE ENTREGA:

Los agentes inteligentes

U N

I V E R

S I D A D 9

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Utilizar un agente inteligente

Un agente inteligente es un programa especialmente concebido para realizar ciertas tareas de manera autnoma en una red por encargo de un usuario. Esta herramienta permite ganar tiempo en la vigilancia y la colecta de informacin de inters para la empresa. El usuario define los parmetros de la tarea que realizar de manera autnoma el agente, luego el agente informa de los resultados al usuario. Todas las fuentes de informacin accesibles en una red (por lo general Internet) pueden ser vigiladas por un agente inteligente: archivos, pginas web, bases de datos, foros, newsletters, etc.

Cmo trabaja un agente inteligente Un agente inteligente es ms que un simple sistema de bsqueda de informacin. El agente puede operar sin la intervencin del usuario aun si ste est desconectado. Los agentes inteligentes incorporan funciones procedentes de la inteligencia artificial. Tres caractersticas fundamentales de los agentes inteligentes:

1. La inteligencia: el agente sabe razonar y aprende a partir de la informacin que recoge 2. La interactividad: el agente puede interactuar con su entorno y otros agentes con el propsito de realizar una tarea 3. La autonoma: el agente puede tomar decisiones de manera autnoma.

A tener en cuenta:

U N

I V E R

S I D A D 10

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Un simple comparador de precios no es un agente inteligente ya que nicamente cumple las funciones para lo que ha sido programado. Un agente inteligente se caracteriza por su autonoma en el proceso y el anlisis de la informacin que maneja Un agente inteligente puede ser controlado por una persona o por otro agente del mismo tipo

Aplicaciones de los agentes inteligentes Los agentes inteligentes pueden ser utilizados por las empresas en numerosos dominios, entre estos:

La e-Reputacin La gestin de riesgos La inteligencia territorial El lanzamiento de productos La vigilancia de la competencia La vigilancia de lderes de opinin y del lobbying La vigilancia de las tendencias

Por ejemplo, en el sector de la banca, del turismo o del trasporte areo, las empresas recurren a agentes inteligentes para rellenar formularios en lnea en lugar del cliente. Un agente inteligente tambin puede ofrecer una solucin para detectar con anticipacin fallas en el funcionamiento de una mquina o de un parque de mquinas. Esto lo puede realizar analizando una gran cantidad de informacin en un periodo determinado. La configuracin del agente requiere de buenos conocimientos informticos. Los prestatarios de soluciones suelen incluir la formacin en la venta de sus productos.

U N

I V E R

S I D A D 11

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Las dos grandes familias de agentes inteligentes Los agentes de vigilancia En el marco de la vigilancia de la competencia, una empresa puede utilizar un agente inteligente para hacer un seguimiento y analizar las estrategias y tcticas desarrolladas por la competencia. El agente indagar sobre los recursos, los tipos de desarrollo, las acciones y los resultados de sus competidores. Consultar:

Soluciones de agentes inteligentes para la vigilancia tecnolgica Website Watcher

Los agentes conversacionales Un agente conversacional es una agente inteligente que puede dialogar directamente con su interlocutor (en ingls, chatterbot). Los agentes conversacionales comerciales responden a las preguntas del usuario: estos efectan el trabajo de varios consejeros comerciales. Una ventaja para la CRM (Customer Relationship Management): solo las preguntas complejas son derivadas al soporte telefnico. Por qu utilizar un agente inteligente al servicio de la empresa? Prever y anticipar la evolucin de los mercados son dos condiciones para la supervivencia de una empresa. De aqu que los agentes inteligentes para la vigilancia sean tan apreciados por las PYMES y las microempresas que no disponen de los recursos necesarios para la elaboracin tecnolgica de un agente inteligente. Los agentes inteligentes ayudan a la empresa a darse a conocer en Internet, mejor que cualquier posicionamiento hecho manualmente. Por ejemplo para posicionar la pgina web de la empresa, promover el ltimo producto desarrollado, etc. Consultar:

Agente inteligente para el posicionamiento RankMeter

U N I V E R S I D A D 12 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Entra las innumerables posibilidades que ofrece un agente inteligente al servicio de la empresa, las ms importantes son:

Obtener de manera autnoma toda la informacin disponible relacionada a un problema Producir de manera autnoma resmenes ejecutivos Hacer un seguimiento diario de la notoriedad de la empresa Localizar de manera autnoma a los expertos en un dominio en particular Efectuar bsquedas multidimensionales estratgicas Crear de manera autnoma informes de anlisis acerca de un tema critico Instalar grupos de trabajo colaborativo sin lmites geogrficos

Nota: Los agentes inteligentes a veces son utilizados de manera abusiva, por ejemplo para obtener las direcciones de correo de internautas. Por ejemplo, una empresa de fabricacin de envases de alimentos para animales indagar en los foros de animales y otros sitios donde pueda encontrar a los propietarios de mascotas.

U N

I V E R

S I D A D 13

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

WORK PAPER # 2

PROGRAMA DE CONTROL DE CALIDAD

No. DE PROCEDIMIENTO: APRO 07

No. DE HOJAS: 3

ELABOR: Ing. Evelyn Marcia Flores Magne

CDIGO: CMP 531

TTULO DEL WORK PAPER: Ingeniera Del conocimiento DPTO.: Facultad de Ciencias y Tecnologa DESTINADO A: DOCENTES ALUMNOS X ADMINIST. OTROS

OBSERVACIONES: CARRERA Ingeniera de Sistemas.

FECHA DE DIFUSIN:

FECHA DE ENTREGA:

Ingeniera del Conocimiento

U N

I V E R

S I D A D 14

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Para que la teora actor-red nos brinde sus frutos es necesario llegar a una cuantificacin del conocimiento que circula a travs de las redes. Las bases de datos son simplemente una relacin de documentos, un sistema de almacenamiento de informacin. Las tcnicas de recuperacin, a travs de un medio de interrogacin adecuado, delimitan una parte del total de la base de datos, para entregarla al usuario que la consulta. El resultado es una sub-base, normalmente muy pertinente, fcilmente manejable por un ser humano y que debe ser estudiada y analizada por l para transformar la informacin contenida en ella en conocimiento. Este estudio consiste normalmente en la lectura detenida de los documentos, con el objeto de captar e interiorizar mentalmente las relaciones existentes entre todos los elementos y conceptos y hacerlos comprensibles al entendimiento. Cuando se consigue esto se dice que la informacin se ha transformado en conocimiento. Se entiende que el conocimiento implica generar una red sociocognitiva a partir de la informacin inconexa contenida en estos documentos. Cuando se cruza la informacin contenida en dos o ms documentos, el conocimiento conseguido es siempre mayor que la suma del conocimiento obtenible de los documentos por separado. Supongamos dos artculos cientficos, abreviadamente denominados doc1 y doc2. La lectura detenida de cada uno de ellos por separado genera, respectivamente, las siguientes cantidades de conocimiento: conoc(doc1) y conoc(doc2) Si una misma persona lee ambos documentos y cruza los contenidos de ambos (comparndolos, diferencindolos, reestructurndolos, etctera) se obtiene un conocimiento extra que no exista anteriormente en ellos y que aparece por primera vez en el cruce de ambos. El conocimiento total resultante es: Conocimiento total (doc1, doc2)=conoc (doc1)+conoc (doc2)+conoc (doc1xdoc2) Donde conoc(doc1 x doc2) es el conocimiento que se genera por primera vez al cruzar, enlazar o asociar los documentos doc1 y doc2.

U N

I V E R

S I D A D 15

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Figura 1. - Ingeniera del Conocimiento y sus aplicaciones La Ingeniera del Conocimiento consiste pues, en generar nuevo conocimiento , que antes no exista, a partir de la informacin contenida en las bases de datos documentales y mediante el cruce del contenido de los documentos. La ingeniera del conocimiento parte lgicamente de la Teora actor-red, ya que pone de manifiesto redes y genera otras nuevas. Adems hace uso de la Teora de la TraduccinTraslacin, ya que mediante el acercamiento y puesta en relacin de actores, se produce un moldeo o traduccin para llevar los enunciados o modalidades a nuevos estadios de evolucin. La Ingeniera del Conocimiento, por ser una ingeniera, debe usar tcnicas y metodologas de carcter cuantitativo e instrumental. As, las redes las describe matemticamente mediante la teora de los grafos. Para determinar la intensidad de los enlaces emplea ndices de similitud o cercana y como algoritmo fundamental el Anlisis de Palabras Asociadas. Alternativamente tambin se puede emplear anlisis mediante redes neuronales. El Anlisis de Palabras Asociadas se basa en leer los documentos y generar redes sociocognitivas a partir de la asociacin de las palabras que hay en los documentos. Necesariamente este procedimiento debe llevarse a cabo mediante sistemas informticos con softwares especficos. El resultado es lo que se denominan Bases de Conocimiento, en oposicin a Bases de Datos, que tan solo contienen datos
U N I V E R S I D A D 16 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

En la Figura 1 se representa el paso de la informacin contenida en las bases de datos a las bases de conocimiento gracias al Anlisis de Palabras Asociadas. Se especifican adems las aplicaciones ms representativas que hasta la actualidad se han realizado.
CUESTIONARIO 1. Investigue las siguientes teoras: teora actor-red y traduccin traslacin

U N

I V E R

S I D A D 17

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

WORK PAPER # 3

PROGRAMA DE CONTROL DE CALIDAD

No. DE PROCEDIMIENTO: APRO 07

No. DE HOJAS: 2

ELABOR: Ing. Evelyn Marcia Flores Magne

CDIGO: CMP 531

TTULO DEL WORK PAPER: Sistemas Neuro difusos DPTO.: Facultad de Ciencias y Tecnologa DESTINADO A: DOCENTES ALUMNOS X ADMINIST. OTROS

OBSERVACIONES: CARRERA Ingeniera de Sistemas.

FECHA DE DIFUSIN:

FECHA DE ENTREGA:

SISTEMAS NEURO-DIFUSOS Los sistemas Neuro-difusos forman parte de una nueva tecnologa de computacin llamada computacin flexible (softcomputing), la cual tiene su origen en la teora de la Inteligencia Artificial. La computacin flexible engloba un conjunto de tcnicas que tienen en comn la robustez en el manejo de la informacin imprecisa e incierta que existe en los problemas relacionados con el mundo real (por ejemplo: reconocimiento de formas, clasificacin, toma de decisiones, etc.). En algunos casos, las tcnicas de computacin flexible pueden ser combinadas para aprovechar sus ventajas individuales; algunas de estas tcnicas son:
U N I V E R S I D A D 18 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

- La Lgica difusa. - Las Redes Neuronales. - Los Algoritmos Evolutivos o Algoritmos Genticos. - La Teora del Caos. - La Teora del Aprendizaje. - El Razonamiento Aproximado. la Lgica Difusa y las Redes Neuronales tienen propiedades computacionales particulares que las hacen adecuadas para ciertos problemas particulares y no para otros. Por ejemplo, mientras las redes neuronales ofrecen ventajas como el aprendizaje, adaptacin, tolerancia a fallas, paralelismo y generalizacin, no son buenas para explicar como han alcanzado sus decisiones. En cambio los sistemas difusos, los cuales razonan con informacin imprecisa a travs de un mecanismo de inferencia bajo incertidumbre lingstica, son buenos explicando sus decisiones pero no pueden adquirir automticamente las reglas que usan para tomarlas. Los sistemas Neuro-Difusos combinan la capacidad de aprendizaje de las RNAs con el poder de interpretacin lingstica de los sistemas de inferencia difusos12, obtenindose los siguientes resultados: - Aplicabilidad de los algoritmos de aprendizaje desarrollados para redes neuronales. - Posibilidad de promover la integracin de conocimiento (implcito que puede ser adquirido a travs del aprendizaje y explcito que puede ser explicado y entendido). - La posibilidad de extraer conocimiento para una base de reglas difusas a partir de un conjunto de datos. Existen sistemas de desarrollo que han logrado unir la Lgica Difusa con las Redes Neuronales, por ejemplo se tiene: ANFIS ANFIS (Adaptive Neuro Fuzzy Inference System) es un mtodo que permite sintonizar o crear la base de reglas de un sistema difuso, utilizando el algoritmo de entrenamiento de retropropagacin a partir de la recopilacin de datos de un proceso. Su arquitectura es funcionalmente equivalente a una base de reglas tipo Sugeno13. FSOM FSOM (Fuzzy Self-Organizing Maps) consiste en un sistema difuso optimizado a partir de la tcnica de los mapas autoorganizados de Kohonen. NEFCLASS El algoritmo NEFCLASS est basado en la estructura del perceptrn multicapa cuyos pesos son modelados por conjuntos difusos. As, se preserva la estructura de una red neuronal, pero se permite la interpretacin del sistema resultante por el sistema difuso asociado, es decir, la RNA deja de ser una caja negra. CUESTIONARIO 1 Qu son los sistemas neuro difusos?
U N I V E R S I D A D 19 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

_____________________________________________________________________________________ _____________________________________________________________________________________ _____________________________________________________________________________________ 3. De qu manera intervienes l lgica difusa y las redes neuronales en los sistemas neuro difusos? ______________________________________________________________________ ______________________________________________________________________ ______________________________________________________________________ 3.qu sistemas de desarrollo han logrado reunir a la lgica difusa y a las redes neuronales? ______________________________________________________________________ ______________________________________________________________________

U N

I V E R

S I D A D 20

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

WORK PAPER # 3

PROGRAMA DE CONTROL DE CALIDAD

No. DE PROCEDIMIENTO: APRO 07

No. DE HOJAS: 4

ELABOR: Ing. Evelyn Marcia Flores Magne

CDIGO: CMP 531

TTULO DEL WORK PAPER: Las Redes Neuronales Artificiales DPTO.: Facultad de Ciencias y Tecnologa DESTINADO A: DOCENTES ALUMNOS X ADMINIST. OTROS

OBSERVACIONES: CARRERA Ingeniera de Sistemas.

FECHA DE DIFUSIN:

FECHA DE ENTREGA:

U N

I V E R

S I D A D 21

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Las Redes Neuronales Artificiales Sistema Experto

Un mtodo ms avanzado para representar el conocimiento, es el sistema experto. Tpicamente est compuesto por varias clases de informacin almacenada: Las reglas If - Then le dicen al sistema como se debe reaccionar ante los estados del "mundo". Una regla del sistema experto puede ser if Y es un hombre, Then Y es mortal. Los hechos describen el estado del "mundo". Por ejemplo: Juan es mortal. Por ltimo, una mquina de inferencia relaciona los hechos conocidos con las reglas If - Then y genera una conclusin. En el ejemplo: Juan es mortal. Esta nueva conclusin se aade a la coleccin de hechos que se almacena en los medios pticos o magnticos del computador digital. De esta forma, un sistema experto sintetiza nuevo conocimiento a partir de su "entendimiento" del mundo que le rodea. De esta forma, un sistema experto es un mtodo de representacin y procesamiento del conocimiento, mucho ms rico y poderoso que un simple programa de computador. Sin embargo, con respecto a la manera en que opera el cerebro humano, las limitaciones son mltiples. Los problemas planteados en trminos difusos o ambiguos , por ejemplo, son muy complejos de analizar o "conocer" con sistemas de procesamiento simblico, como los sistemas expertos o programas de computador. Interpretacin De La Neurona Por Computadora Una neurona se puede comparar con una caja negra compuesta por varias entradas y una salida. La relacin de activacin entre la salida y la entrada, o en trminos circuitales o de teora de control. La variable f es la frecuencia de activacin o emisin de potenciales y u es la intensidad del estmulo del soma. La Neurona Artificial Un circuito elctrico que realice la sume ponderada de las diferentes seales que recibe de otras unidades iguales y produzca en la salida un uno o un cero segn el resultado de la suma con relacin al umbral o nivel de disparo, conforma una buena representacin de lo que es una neurona artificial. La funcin de transferencia para la activacin o disparo de la neurona puede ser de umbral lgico (fig. 4) o de limitacin dura (fig. 4b) o de funcin tipo s (fig. 4c). W representa el peso o ponderacin de la conexin a travs de una entrada.

La neurona artificial es un dispositivo elctrico que responde a seales elctricas. La respuesta la produce el circuito activo o funcin de transferencia que forma parte del cuerpo de la neurona. Las "dendritas" llevan las seales elctricas al cuerpo de la misma. Estas seales provienen de censores o son salidas de neuronas vecinas. Las seales por las dendritas pueden ser voltajes

U N

I V E R

S I D A D 22

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

positivos o negativos; los voltajes positivos contribuyen a la excitacin del cuerpo y los voltajes negativos contribuyen a inhibir la respuesta de la neurona. (fig. 5).

Entrenamiento. Cuando el sistema humano de neuronas, los ojos captan un objeto A , por ejemplo, algunos de los sensores de la visin se activan y envan seales a las neuronas ocultas. Las neuronas que se disparan con la seal de entrada aumentan el grado de conexin de ellas. Si el mismo objeto A se presenta una y otra vez, la interconexin de neuronas se refuerza y, por lo tanto, el conocimiento del objeto. Si se le presenta a la red anterior el objeto A modificado la unin de las neuronas para el conocimiento de tal objeto, es dbil. Las neuronas deben entrenarse para reconocer el objeto A en esta nueva presentacin. Luego de algunas sesiones de entrenamiento, el sistema neuronal es capaz de reconocer el objeto A en todas sus formas. Si el objeto cambia nuevamente la red de neuronas y el conocimiento se actualizan. Este entrenamiento, repetido para todos los valores de entrada y salida que se quiera, origina una representacin interna del objeto en la red, que considera todas las irregularidades y generalidades del mismo.

En la figura 9 se presenta el esquema de una neurona artificial durante la etapa de aprendizaje. Una vez establecidos los pesos definitivos de interconexin, la neurona adquiere su forma tradicional. En la figura 10 se presenta una red neuronal artificial con dos entradas, tres neuronas ocultas y dos salidas. El estado de no entrenamiento se representa por las resistencias variables que indican los pesos de las conexiones. Despus de aplicar un algoritmo de entrenamiento y de aplicar repetidamente todas las parejas de entrada y salida necesarias, la red queda entrenada y con el peso de conexiones definido, fig. 10b.
U N I V E R S I D A D 23 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Mtodo de transmisin de la informacin en el cerebro Antes conviene saber que en los primeros tiempos de la informtica a los ordenadores se los llamaba calculadoras de cifras electrnicas o simplemente calculadoras digitales. Los sistemas digitales trabajan con cifras en cdigo binario que se transmiten en formas de impulsos (bits). Los sistemas analgicos procesan seales continuamente cambiantes, como msica o palabra hablada. Por suerte para nuestro propsito de imitar con un ordenador el cerebro este tambin codifica la informacin en impulsos digitales. En los humanos las sensaciones se generan digitalmente y se transmiten as a travs del sistema nervioso. Con otras palabras cuando la luz se hace ms intensa, el sonido mas alto o la presin ms fuerte, entonces no es que fluya mas corriente a travs de los nervios, sino que la frecuencia de los impulsos digitales aumenta. En principio los ordenadores trabajan de manera semejante. As una sensacin mas fuerte corresponde en un equipo informtico a una cifra ms alta (o en una palabra ms larga). Sin embargo en un ordenador los datos se transmiten siempre a un mismo ritmo; la frecuencia base es inalterable. Por eso las cifras mas altas tardan mas tiempo en ser transmitidas. Como por lo general el ordenador o trabajan en tiempo real, esto no tiene mayor importancia, pero cuando se trata de un procesador en tiempo real, como son los empleados en proceso industrial, hace falta de ampliar l numero de canales de transmisin para que en el mismo espacio de tiempo pueda fluir mayor cantidad de datos. Compuertas lgicas Sabemos que los elementos bsicos de un ordenador son las compuertas lgicas, en el cerebro tambin existen aunque no son idnticas a las de un ordenador En un ordenador las compuertas And, Or etc. tiene una funcin perfectamente determinada e inalterable. En el cerebro tambin hay elementos de conexin parecidos, las llamadas sinapsis, donde confluyen en gran numero las fibras nerviosas. Funcionamiento de las sinapsis Cientos de datos fluyen por los nervios hasta cada sinapsis, donde son procesados. Una vez analizada y tratada la informacin esta sale ya transformada por los canales nerviosos. En los seres vivos no pueden permitirse el lujo de la especializacin ya que si algo se rompe otro elemento debe hacerse cargo de la funcin. Por eso cada sinapsis es simultneamente una compuerta Ad, Or, Not etc. Una sinapsis suma las tensiones de los impulsos entrantes. Cuando se sobrepasa un determinado nivel de tensin; el llamado umbral de indicacin; esta se enciende, esto es deja libre el camino para que pasen los impulsos. Si el umbral de indicacin de tensin es demasiado bajo, la sinapsis acta como una puerta lgica del tipo Or, pues en tal caso pocos impulsos bastan para que tenga lugar la conexin. En cambio cuando el umbral de indicacin es alto, la sinapsis acta como una puerta And, ya que en ese caso hace falta que lleguen la totalidad de los impulsos para que el camino quede libre. Tambin existen conducciones nerviosas que tienen la particularidad de bloquear el paso apenas llegan los impulsos. Entonces la sinapsis hace la funcin de una compuerta inversora. Esto demuestra la flexible del sistema nervioso. Diferencias entre el cerebro y un ordenador La diferencia ms importante y decisiva el cmo se produce el almacenamiento de informacin en el cerebro y en el ordenador.

U N

I V E R

S I D A D 24

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Ordenador: Los datos se guardan en posiciones de memoria que son celdillas aisladas entre s. As cuando se quiere acceder a una posicin de memoria se obtiene el dato de esta celdilla. Sin que las posiciones de memoria aldeanas s de por aludidas. Cerebro: La gestin es totalmente diferente. Cuando buscamos una informacin no hace falta que sepamos donde se encuentra almacenada y en realidad no lo podemos saber ya que nadie sabe donde guarda hasta hoy en ida el cerebro los datos. Pero tampoco es necesario ya que basta con que pensemos en el contenido o significado de la informacin para que un mecanismo, cuyo funcionamiento nadie conoce, nos proporcione automticamente no solo la informacin deseada sino que tambin las informaciones vecinas, es decir, datos que de una u otra manera hacen referencia a lo buscado. Los expertos han concebido una serie de tecnicismos para que lo incomprensible resulte algo ms comprensible. As a nuestro sistema para almacenar informacin se lo llama memoria asociativa. Esta expresin quiere dar a entender que los humanos no memorizan los datos direccionndolos en celdillas, sino por asociacin de ideas; esto es, interrelacionando contenidos, significados, modelos. En todo el mundo pero sobre todo en Estados Unidos y Japn, cientficos expertos tratan de dar con la clave de la memoria asociativa. Si se consiguiera construir un chip de memoria segn el modelo humano, la ciencia dara un paso gigante en la fascinante carrera hacia la inteligencia artificial. Y adems el bagaje del saber humano quedara automticamente enriquecido. Un superordenador llamado cerebro El hombre necesita un sistema de proceso de datos de mltiple propsito capaz de tratar gran cantidad de informacin muy distinta y en muy poco tiempo y con el mayor sentido prctico(pero no necesariamente con exactitud), para inmediatamente poder actuar en consecuencia. Los ordenadores, en cambio, son altamente especializados con capacidad para procesar con exactitud informacin muy concreta(en principio solo nmeros) siguiendo unas instrucciones dadas. El cerebro humano posee mas de diez millones de neuronas las cuales ya estn presentes en el momento del nacimiento conforme pasa el tiempo se vuelven inactivas, aunque pueden morir masivamente. Nuestro rgano de pensamiento consume 20 Patios/hora de energa bioqumica, lo que corresponde a una cucharada de azcar por hora. Los ordenadores domsticos consumen una cantidad semejante. Las necesidades de oxigeno y alimento es enorme en comparacin con el resto del cuerpo humano: casi una quinta parte de toda la sangre fluye por el cerebro para aprovisionar de oxigeno y nutrieres. La capacidad total de memoria es difcil de cuantificar, pero se calcula que ronda entre 1012 y 1014 bits. La densidad de informacin de datos de un cerebro todava no se ha podido superar artificialmente y en lo que se refiere a velocidad de transmisin de datos, a pesar de la lentitud con que transmite cada impulso aislado, tampoco esta en desventaja, gracias a su sistema de proceso en paralelo: la informacin recogida por un ojo representa 106 bits por segundo. Segn todos los indicios el cerebro dispone de dos mecanismos de almacenamiento de datos: la memoria intermedia acepta de cinco a diez unidades de informacin, aunque solo las mantiene durante agudos minutos. La memoria definitiva guarda las informaciones para toda la vida, lo que no significa que nos podamos acordar siempre de todo. La memoria inmediata trabaja como una espacie de cinta continua: la informacin circula rotativamente en forma de impulsos elctricos por los registros. El sistema es comparable a la memoria dinmica de un ordenador, en la que la informacin tiene que ser refrescada continuamente para que no se pierda. En cambio, la memoria definitiva parece asemejare mas bien a las conocidas memorias de celdillas de los ordenadores. Se cree que esta memoria funciona gracias a formaciones qumicas de las protenas presentes en el cerebro humano.
U N I V E R S I D A D 25 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Diferencias entre el cerebro y una computadora Cerebro Computadora Sistema de datos de mltiple propsito capaz de tratar gran cantidad de informacin en poco tiempo pero no necesariamente con exactitud. La frecuencia de los impulsos nerviosos puede variar. Sistemas altamente especializados con capacidad para procesar informacin muy concreta, siguiendo unas instrucciones dadas. La frecuencia de transmisin es inalterable y esta dada por el relo interno de la maquina. Las llamadas sinapsis cumple en el cerebro la Las compuertas lgicas tienen una funcin perfectamente

funcin simultnea de varias compuertas (and, or, not etc.) determinada e inalterable. La memoria es del tipo asociativo y no se sabe dnde quedara almacenada. Los impulsos fluyen a 30 metros por segundo. La informacin se guarda en posiciones de memoria de acceso directo por su direccin. En el interior de una computadora los impulsos fluyen a la velocidad de la luz. Similitudes entre el cerebro y una computadora Ambos codifican la informacin en impulsos digitales. Tanto el cerebro como la computadora tienen compuertas lgicas. Existen distintos tipos de memoria. Los dos tienen aproximadamente el mismo consumo de energa.

CUESTIONARIO 1. Qu es un Sistema Experto ______________________________________________________________________ ______________________________________________________________________ 2. Qu es la neurona artificial y como acta? ______________________________________________________________________ ______________________________________________________________________ 3. Cmo se transmite la informacin en el cerebro? ______________________________________________________________________ ______________________________________________________________________
U N I V E R S I D A D 26 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

4. Qu es la memoria intermedia? ______________________________________________________________________

U N

I V E R

S I D A D 27

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

X. DIFs PROGRAMA DE CALIDAD UDABOL DIF 001 Distinguido alumno tengo el agrado de presentar este documento de discusin que estoy seguro le ser de utilidad para el estudio de la problemtica del estudio de la robtica industrial y por supuesto de su carrera profesional.

Recuerde: Este documento debe ser analizado, interpretado discutido y mejorado por su grupo de estudios Crean una mquina que inventa emulando la creatividad humana

Un programa de ordenador introduce ruidos controlados en un sistema de redes neuronales Un informtico que trabaja en redes neuronales ha creado una Mquina de la Creatividad que es capaz de generar ideas nuevas, en lo que constituye el primer intento de obtener creatividad artificialmente. Se trata de un programa de ordenador que introduce ruidos controlados en un sistema de redes neuronales desencadenando nuevas estrategias a partir de la informacin recibida. La mquina ha creado nuevos modelos de automviles, ms de 11.000 canciones, un emblemtico cepillo de dientes y ms de un milln de nuevas palabras. Incluso ha emulado la muerte cerebral. Por Eduardo Martnez.

Un informtico que trabaja en redes neuronales ha inventado una Mquina de la creatividad que le ha permitido registrar hasta ahora una docena de patentes, algunas de las cuales han sido inventadas por la propia mquina. El informtico se llama Steve Thaler, presidente de la empresa Imagination Engines, Inc. Thaler destap su invento en 1995, a travs de un artculo publicado en la revista Neural Networks en el que explicaba las bases de funcionamiento de la Mquina de la Creatividad, y del que se hizo eco en su momento Newscientist.

U N

I V E R

S I D A D 28

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

En la actualidad Thaler se propone extender a Internet la Mquina de la Creatividad, con la finalidad de que pueda conocerla todo el mundo para de esta forma generar a travs de la red una inteligencia sinttica a nivel de la especie. Tal como explica al respecto St. Louis Post, gracias a la mquina de la creatividad Thaler ha escrito ms msica que ningn otro compositor, ha inventado el ms famoso cepillo de dientes, la ms potente herramienta para detectar terroristas a travs de Internet, ha descubierto sustancias ms duras que el diamante, ha creado ms de un milln y medio de nuevas palabras en ingls y formado a robots con forma de cucarachas. A la sombra de la mquina Pero Thaler en realidad no es sino la figura en la sombra, ya que el artfice de toda esta proeza es un programa de ordenador denominado Mquina de la Creatividad, que puede definirse como un sistema que desarrolla nuevas estrategias a partir de la informacin recibida. Thaler se adentr en este Universo de la Inteligencia Artificial enseando a redes neuronales a reconocer diferentes diseos de automviles. Para conseguirlo, introdujo en el sistema informtico una representacin digitalizada de un modelo de automvil. A continuacin entren a la red para que reprodujera por s misma el modelo introducido. Una vez repetida la experiencia con otros modelos de automviles, descubri que algunas conexiones de las redes neuronales comenzaron a especializarse para cumplir mejor su cometido. El descubrimiento no termin ah, ya que la red, a partir de la experiencia acumulada con los modelos de automviles que le fueron introducidos, fue capaz de clasificar los diferentes estilos sin que nadie se lo solicitara, lo que desvel su capacidad natural, como ocurre con los sistemas vivos, para adaptarse al entorno desarrollando nuevas estrategias. Ruido en el sistema Fue suficiente para que Thaler avanzara en el conocimiento de las posibilidades de las redes neuronales y descubri otra caracterstica en este sistema artificial que emula el funcionamiento del cerebro: una alteracin en el sistema provoca una autoorganizacin y la aparicin de nuevas ideas o estrategias. La alteracin del sistema la consigui Thaler introduciendo ruido, es decir, desorden, mediante la modificacin del peso de las conexiones. Como resultado, el sistema de inteligencia artificial gener informacin indita, sin necesidad de un programa que la desencadenara o solicitara.
U N I V E R S I D A D 29 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

En consecuencia, una cierta dosis de desorden introducido en el sistema de redes neuronales permiti la creacin de nuevos diseos de automviles, totalmente inditos, que son el reflejo combinado de los modelos almacenados en su memoria. Adems de alumbrar nuevos modelos de automviles totalmente concebidos por una inteligencia artificial, Thaler estableci que las grandes ideas son el resultado de alteraciones en el funcionamiento habitual de las neuronas, lo que seala un camino para la exploracin de los mecanismos de la creatividad humana.

Duplicada la muerte cerebral Segn esta hiptesis emanada del funcionamiento de la inteligencia artificial, las redes nerviosas funcionan como programas de ordenador que modelan nuevos objetos y generan nuevas ideas que son tiles para la vida de las personas, cuando se produce una alteracin del sistema (como el impacto sufrido por una adversidad). Thaler lleg a plantearse incluso que, si queremos conocer lo que ocurre en el cerebro en el momento de la muerte, no hay ms que repetir el proceso en una red neuronal. Cre un programa especfico para provocar la muerte de esta inteligencia artificial, con la misin de repetir en la Mquina de la Creatividad el papel que juegan las neuronas enfermas en el cerebro. Introdujo en el sistema villancicos y a continuacin desat el programa destinado a provocar la muerte, lo que le permiti presenciar un duplicado del proceso de la muerte cerebral: desajuste progresivo de la red neuronal, prdida paulatina de la capacidad creativa, generacin incontrolada de nuevas ideas... Todo desencadenado por efecto de una perturbacin en el sistema. La muerte tambin es un proceso creativo, estima Thaler. El ruido o el desorden es necesario para que el cerebro funcione correctamente e incluso para que muera. La labor de Thaler es descubrir los modos de ruido que son ms eficaces para provocar la creatividad, la innovacin, las nuevas ideas y estrategias para la supervivencia. Incluso ha descubierto el equivalente matemtico de las seales que mueven
U N I V E R S I D A D 30 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

a las neuronas biolgicas. 11.000 canciones La Mquina de la Creatividad tiene muchas posibles aplicaciones, adems de las desarrolladas por Thaler, particularmente en el campo de la seguridad. Pero no todas son perfectas: de las 11.000 canciones creadas por este programa informtico, slo algunas son buenas o aceptables. La ventaja de la Mquina de la Creatividad es que es capaz de resolver por s misma problemas de adaptacin que en otros casos requieren la introduccin de nuevas instrucciones: si un robot, por ejemplo, tropieza con un obstculo, es incapaz de sortearlo si no dispone de un programa especfico. La Mquina de la Creatividad, en este supuesto, encuentra por s misma la alternativa. Las consecuencias de estas investigaciones sobre las ciencias del conocimiento se presentan prometedoras. El desorden es lo que permite a un sistema crear y evolucionar, segn la experiencia de la Mquina de la Creatividad. Y lo ms probable sea que nuestro cerebro funcione de la misma forma.

PROGRAMA DE CALIDAD UDABOL

U N I V E R S I D A D 31 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

DIF 002 Recuerde: Este documento debe ser analizado, interpretado discutido y mejorado por su grupo de trabajo Una interpretacin algebraica de la verificacin de sistemas basados en el conocimiento

Garantizar la calidad de un Sistema Basado en el Conocimiento es un objetivo prioritario en el proceso de desarrollo de este tipo de sistemas. Por ello, durante los ltimos quince aos, se ha venido trabajando en una nueva disciplina a la que se ha dado en llamar Validacin, y cuyo objetivo es asegurar la calidad de un Sistema Basado en el Conocimiento, entendiendo el trmino calidad en un sentido muy amplio, que abarca desde la satisfaccin de las necesidades del usuario hasta la precisin o credibilidad de los resultados obtenidos por el sistema. Esta disciplina ha evolucionado enormemente durante los ltimos aos, aunque an no se puede decir que haya alcanzado madurez y estabilidad. De hecho, en un estudio reciente [Nazareth,1993] fue clasificada como una materia en estado de formalizacin. Una muestra significativa de esta inmadurez es la inexistencia de una terminologa comnmente aceptada por los investigadores del rea. Este trabajo se puede considerar un avance en el proceso de formalizacin de esta disciplina. Se centra en un aspecto de la Validacin, comnmente denominado Verificacin, que tiene que ver con la comprobacin del cumplimiento, por parte del sistema, de una serie de especificaciones formales. Una de las propiedades ms importantes y crticas que el proceso de Verificacin debe garantizar es la consistencia de la base de conocimientos del sistema. Con este trabajo se ha pretendido dar un soporte formal al proceso de Verificacin y, para ello, se ha recurrido a la Matemtica y, ms concretamente, al lgebra. Se han reformulado adecuadamente los conceptos propios de la Lgica Algebraica haciendo posible su aplicacin en la representacin de Sistemas Basados en el Conocimiento. Se ha construido un modelo formal que, no slo permite expresar el conocimiento contenido en la base y su evolucin durante el razonamiento del sistema, sino tambin expresar formalmente las propiedades deseadas y analizar su cumplimiento. Se ha conseguido, de esta forma, una interpretacin algebraica del concepto de consistencia de una base de conocimientos que ha conducido, a su vez, a la formulacin de un mtodo de deteccin de inconsistencias, al que se ha llamado MDISON. Dicho mtodo es capaz de detectar cualquier tipo de contradiccin, tanto las lgicas como las derivadas de incompatibilidades semnticas. El estudio se ha centrado en los sistemas basados en reglas con lgica proposicional como lgica subyacente, aunque esto no resta generalidad a los resultados alcanzados, puesto que se ha desarrollado tambin un mtodo que permite reducir al caso proposicional el problema de la deteccin de inconsistencias en lgica de predicados. Se han superado limitaciones y restricciones impuestas por otros mtodos de Verificacin existentes hasta la fecha. En este sentido cabe destacar que se han contemplado los Sistemas Basados en el
U N I V E R S I D A D 32 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Conocimiento que razonan con conocimiento disyuntivo, y que el mtodo es capaz de aceptar la adicin dinmica de reglas a la base de conocimientos.

U N

I V E R

S I D A D 33

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

PROGRAMA DE CALIDAD UDABOL DIF 003

Recuerde: Este documento debe ser analizado, interpretado discutido y mejorado por su grupo de estudios.

Cientficos estn preocupados por las aplicaciones futuras de la Inteligencia Artificial. Alarmados por los avances y sobre todo por las aplicaciones que podra tener la Inteligencia Artificial (IA), un grupo de reconocidos cientficos se reuni a finales del mes pasado para analizar los riesgos en las investigaciones en IA, las cuales podran tener como consecuencia una perdida del control humano sobre la maquina y conducir a la humanidad a una catstrofe. Entre los asistentes se encontraban personalidades como Eric Horvitz, Raymond Kurzweil, Bill Joy, Paul Berg o Tom Mitchell, quienes debatieron sobre el futuro de la IA y la robtica y sus aplicaciones que van desde construir robots militares autnomos hasta modelos que pueden volar, lo cual preocupa a los cientficos, que creen pueden producirse altos ndices de paro entre los humanos, hechos de delincuencia robtica o incluso un alzamiento robot. Pero donde los cientficos se encuentran mas preocupados es en las investigaciones y desarrollo que se estn llevando a cabo con fines militares. En el estado actual de la tecnologa ya se puede construir desde robots militares autnomos, como los que estn diseando en DARPA quien a puesto los fondos necesarios para que la empresas Robotic Technology desarrolle un robot autnomo, al que nombraron EART (robot tctico energticamente autnomo) capaz de mantenerse funcionando a base de gasolina, energa solar, gas propano y -tambin- de la energa que obtenga al alimentarse de materia orgnica, afirman que podra cortar trozos de madera o restos de animales (humanos incluidos) para alimentarse. En DARPA aseguran que EATR podr mantenerse funcionando por si mismo por el tiempo que la situacin lo amerite. Otros de los proyectos que se estn desarrollando en DARPA contratado a la empresa Aerovironment, consiste en el desarrollo de un pequeo robot volador que se propulsa y mantiene en el aire imitando con gran precisin el batir de las alas que se puede ver en insectos o en pjaros pequeos como los colibres.
U N I V E R S I D A D 34 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Para misiones de espionaje y similares, pero el concepto de robot volador en miniatura con su propia fuente de energa y capaz de cargar material adicional (como podra ser un micrfono en miniatura) es lo suficientemente prometedor como para que DARPA haya decidido invertir ms de dos millones de dlares en l. La empresa involucrada en el proyecto aspira a crear unidades que sean mucho ms pequeas, livianas y veloces, con un tamao que no exceda los siete centmetros y medio, un peso de diez gramos y una velocidad mxima de 35 kilmetros por ahora. Tampoco el cerebro humano escapa al inters de DARPA y estn trabajando en un proyecto llamado SyNAPSE con el cual se intentar reproducir el funcionamiento de un cerebro mediante componentes electrnicos. Pero lo interesante es que intentan desarrollar un cerebro electrnico que no solo imite el comportamiento del cerebro, sino que adems tenga el tamao y el consumo energtico de su equivalente biolgico. DARPA nos promete que de tener xito, el proyecto proporcionar las bases para la creacin de mquinas que puedan reemplazar a los humanos en muchas de las exigentes situaciones que enfrentan los combatientes de hoy. Todo esto ha llevado a los cientficos a alarmarse, de ah que uno de los participantes en la reunin, Eric Horvitz, investigador de Microsoft y presidente de la Association for the Advancement of Artificial Intelligence (AAAI), dijera: El desarrollo de la inteligencia artificial debera ser controlado de forma activa antes de tener mquinas superinteligentes correteando (y eventualmente disparando) por ah Otra de las preocupaciones ante el impacto de la IA y la robtica es la perdida de empleos, debido al uso de robots lo cual podra traer malestar y conflictos sociales. Las ventajas de los robots industriales frente a un trabajador humano son innegables, y difcilmente nadie quiera desactivarlos y volver a ensuciarse las manos armando automviles u ordenadores como hace 30 aos. Pero el grupo de cientficos asegura que debemos buscar la forma de que cada trabajador reemplazado por una de estas mquinas reciba la capacitacin necesaria como para poder seguir ganndose el pan de cada da. Dado el crecimiento acelerado de la tecnologa muchos cientficos predicen las maquinas dada su creciente capacidad de memoria y de calculo, siguiendo la ley de Moore, llegaran a igualar y superar el cerebro humano. Idea sostenida por Raymond Kurzweil y uno de los defensores de la idea de una singularidad que nos llevara al surgimiento de maquinas superinteligentes. Mientras Kurzweil ve en la singularidad un futuro luminoso (la singularidad esta cerca), Bill Joy, se muestra preocupada por el destino de los humanos (Porque las maquinas no nos necesitan). Pero ambos aceptan que la IA avanza a una velocidad asombrosa y

U N

I V E R

S I D A D 35

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

comparan la larga evolucin natural de los humanos con la veloz evolucin artificial de las maquinas que actualmente son capaces de vencer al campen mundial de ajedrez. Si bien en la reunin se descart la posibilidad de superinteligencias muy centralizada o la idea de que la inteligencia podra surgir espontneamente a travs de Internet, pero existe una preocupacin legtima de que los avances tecnolgicos que transforman la fuerza de trabajo mediante la destruccin de una amplia gama de puestos de trabajo, as como el potencial de los seres humanos y la necesidad de aprender a vivir con mquinas que cada vez copian ms el comportamientos de los humanos. Y estn de acuerdo en que los robots autnomos capaces de matar van a ser una realidad muy pronto. Se prest particular atencin en el fantasma que los delincuentes podran aprovechar los sistemas de inteligencia artificial en el momento en que se desarrollaron. Qu puede hacer un criminal con un sistema de sntesis de voz que podra hacerse pasar por un ser humano? Qu sucede si la inteligencia artificial utiliza la tecnologa de la informacin personal en las bases de datos Tom Mitchell, profesor de inteligencia artificial y aprendizaje automtico en la Universidad Carnegie Mellon, dijo que la reunin de febrero haba cambiado su pensamiento. Fui muy optimista sobre el futuro de la IA y pensar que Bill Joy y Ray Kurzweil fueron muy lejos en sus predicciones, dijo. Pero, aadi, El encuentro me hizo querer ser ms abiertamente acerca de estas cuestiones y, en particular, ser abiertamente de la enorme cantidad de datos referentes a nuestra vida personal. A pesar de sus preocupaciones, el Dr. Horvitz dijo que confa en que la inteligencia artificial de investigacin se beneficiaran los seres humanos, y quizs incluso para compensar defectos humanos y afirmo que el grupo estaba buscando la manera de orientar la investigacin a fin de que la tecnologa de mejora de la sociedad en lugar de avanzar hacia catstrofe tecnolgica. Se espera que a finales de este ao se publique un informe con los debates por parte de la asociacin para los avances de la IA, donde se tratara de evaluar la posibilidad de la perdida de control las computadoras basadas en inteligencia as como los problemas sociales, econmicos, jurdicos y tcnicos que habr que enfrentar ante los posibles cambios en las relaciones entre humanos y maquinas. Dif 4 SISTEMAS EXPERTOS

U N

I V E R

S I D A D 36

D E

A Q U

I N

B O L

I V

I A

FACULTAD DE CIENCIAS Y TECNOLOGA

Los sistemas expertos forman parte de un firme y verdadero avance en inteligencia artificial. Los sistemas expertos pueden incorporar miles de reglas. Para una persona seria un experiencia casi "traumtica" el realizar una bsqueda de reglas posibles al completado de un problema y concordar estas con las posibles consecuencias, mientras que se sigue en un papel los trazos de un rbol de bsqueda. Los sistemas expertos realizan amablemente esta tarea; mientras que la persona responde a las preguntas formuladas por el sistema experto, este busca recorriendo las ramas ms interesantes del rbol, hasta dar con la respuesta afn al problema, o en su falta, la ms parecida esta. Los sistemas expertos tienen la ventaja frente a otro tipos de programas de Inteligencia Artificial, de proporcionar gran flexisivilidad a la hora de incorporar nuevos conocimientos. Para ello solo tenemos que introducir la nueva regla que deseemos hacer constar yya est, sin necesidad de cambiar el funcionamiento propio del programa. Los sistemas expertos son "autoexplicativos", al contrario que en los programas convencionales, en los que el conocimiento como tal est encriptado junto al propio programa en forma de lenguaje de ordenador. Los expertos de I.A. dicen que los sistemas expertos tienen un conocimiento declarativo, mientras que en los dems programas es procedural. LA REVOLUCIN SISTEMAS EXPERTOS XCON signific el pistoletazo de salida para los sistemas expertos, convenciendo a las ms importantes empresas a invertir en programas de este tipo. Incluso para los ms conservadores y los radicales Anti-I.A., algo se haca evidente, mientras que los costes de desarrollo de los sistemas expertos se hacan cada vez ms bajos, el salario de los expertos humanos se haca ms alto. La formacin de un futuro experto costaba mucho dinero y aos de esfuerzo, mientras que una vez creado un sistema experto poda ser copiado y distribuido tantas veces como necesario fuese. Adems, el sistema experto nunca se cansa, no necesita dormir, no se distrae, no se va a la competencia, ni se pone enfermo, ni se jubila, ni pide aumento de sueldo Ms tarde se crearon otros S.E (sistemas expertos), como el DELTA, de la General Electric Company, para la reparacin de locomotoras diesel y elctricas. "Aldo en Disco" para la reparacin de calderas hidroestticas giratorias usadas para la eliminacin de bacterias. Muchas grandes empresas invirtieron en el campo de la I.A. creando grupos especializados en esta, para que desarrollaran aplicaciones para la empresa. Empresas como DEC, Xerox, Schlumberger-Doll y Texas Instruments gastaron un total (mas 150 empresas ms) de mil millones de dlares en el desarrollo de la I.A. A raiz de todos estos adelantos e inversiones puestos en marcha desde la calle, es decir, fuera de los laboratorios de las universidades, como era costumbre hasta la fechatodo esto provoc que la sociedad
U N I V E R S I D A D 37 D E A Q U I N O B O L I V I A

FACULTAD DE CIENCIAS Y TECNOLOGA

empezase a or cosas sobre es tal "Inteligencia Artificial", que llegaba a ocupar programas de televisin, y artculos en revistas cientficas de todo tipo. Edward Feigenbaum fund la Teknowledge Inc, pero esta empresa no fue la nica sino que le acompaaron muchas ms, como: Carnegie Group, Symbolics, Lisp Machines Inc, Thinking Machines Corporation, Cognitive Systems Incformando una inversin total de 300 millones de dlares. Los productos ms importantes que creaban estas nuevas compaas eran las "mquinas Lisp", que se trataba de unos ordenadores que ejecutaban programas LISP con la misma rapidez de un ordenador central. Y el otro producto eran las "herramientas de desarrollo de sistemas expertos", tambin llamados "shells" (conchas). Este crecimiento, "desmesurado" a los ojos de los investigadores de I.A. ms veteranos, provoc un colapso en la comunidad cientfica de I.A. haciendo que el primer congreso de la AAAI (Asociacin Americana de Inteligencia Artificial) que se realiz en Stanford, en 1985, reuniese a ms de mil investigadores. Y en la International Joint Conference on Artificial Intelliegence (IJCAI) se lleg a las seis mil personas. Todo estaba cambiado para esos investigadores de I.A. que estaban acostumbrados a las "pequeas" reuniones, casi familiares, en las que se podan hacer charlas, en las que la ropa era totalmente informalestas conferencias eran entonces (1985) el centro de reunin de empresarios, reporteros, cientficos de otras ramas con curiosidad Pero la demanda por parte de las empresas privadas de personal era mucho mayor a la oferta, esto hacia que los sueldos aumentasen enormemente y obligaban a los estudiantes a dejar la universidad cuanto antes. El MIT tenia en 1975 unos cuarenta investigadores y pas a tener doscientos a finales de los 80 (Fuente: Aircenter.net)

U N

I V E R

S I D A D 38

D E

A Q U

I N

B O L

I V

I A