Professional Documents
Culture Documents
TECNICAS DE LA IA.
Luis raul perez larraga
Inteligencia artificial
ndice
Introducion ala inteligencia artificial (ia) .1
robotica .2
redes neuronales .4
vision artificial 5
logica difusa (fuzzy logic) ..6
prosesamiento de lenguaje natural(pln) ..8
sistemas expertos(se) ..14
citas .15
conclucion15
Robtica
Definicin:
El trmino robtica procede de la palabra robot. La robtica es, por lo tanto, la
ciencia o rama de la ciencia que se ocupa del estudio, desarrollo y aplicaciones
de los robots.
Otra definicin de robtica es el diseo, fabricacin y utilizacin de mquinas
automticas programables con el fin de realizar tareas repetitivas como el
ensamble de automviles, aparatos, etc. y otras actividades. Bsicamente, la
robtica se ocupa de todo lo concerniente a los robots, lo cual incluye el control
de motores, mecanismos automticos neumticos, sensores, sistemas de
cmputos, etc.
En la robtica se anan para un mismo fin varias disciplinas confluyentes, pero
diferentes, como la Mecnica, la Electrnica, la Automtica, la Informtica, etc.
El trmino robtica se le atribuye a Isaac Asimov.
panel solar; estos serian 2 grados de libertad en este caso de Este a Oeste (1er
grado) y de Norte a Sur (2do grado).
Visin artificial
La visin artificial, tambin conocida como visin por computador (del ingles
computer visin) o visin tcnica, es un subcampo de la inteligencia artificial. El
propsito de la visin artificial es programar un computador para que "entienda"
una escena o las caractersticas de una imagen.
Desarrollos actuales y aplicaciones de visin artificial
Las aplicaciones de Visin Artificial se dividen en tres grandes categoras:
Control de procesos
Control de calidad
Aplicaciones no industriales (por ejemplo, control del trfico)
Las inspecciones realizadas por los seres humanos, a menudo no pueden
cumplir con los requisitos de la industria moderna respecto a la velocidad de
produccin, calidad de producto y costes de produccin. Los humanos se
cansan, cometen errores y los criterios que se aplican durante las inspecciones
son inevitablemente subjetivos. En algunos casos, no es humanamente posible
llevar a cabo las tareas de inspeccin debido a las condiciones ambientales.
Las cmaras y los sistemas que componen un sistema de Visin Artificial, por
el contrario, llevan a cabo las mediciones con una precisin constante y a un
ritmo que es establecido por el propio proceso de produccin. Estas ventajas
han llevado a una creciente aceptacin de la visin por industrias de todo el
mundo.
Aplicaciones de esta tecnologa en instalaciones alrededor del mundo
incluyen:
La inspeccin de la calidad ptica de las pantallas de los televisores y los
ordenadores
La inspeccin de la calidad de la pintura durante la fabricacin de automviles
La inspeccin de los billetes de banco durante la impresin
Comprobacin de circuitos electrnicos
Comprobacin de que los envases farmacuticos estn completos
Inspeccin para asegurarse de que las botellas estn llenas
Comprobacin de defectos en azulejos en la industria de la cermica
La Visin Artificial se refiere a la interpretacin automtica de imgenes de
escenas reales con el fin de controlar o vigilar mquinas o procesos
industriales. Las imgenes pueden ser de luz visible, rayos X o infrarroja, y
puede incluso derivarse de informacin ultrasnica
Lgica difusa
La lgica difusa o lgica heurstica se basa en lo relativo de lo observado como
posicin diferencial. Este tipo de lgica toma dos valores aleatorios, pero
contextualizados y referidos entre s. As, por ejemplo, una persona que mida 2
metros es claramente una persona alta, si previamente se ha tomado el valor
de persona baja y se ha establecido en 1 metro. Ambos valores estn
contextualizados a personas y referidos a una medida mtrica lineal.
Desarrollos actuales y aplicaciones de lgica difusa
Aplicaciones generales
La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es
muy alta y no existen modelos matemticos precisos, para procesos altamente
no lineales y cuando se envuelven definiciones y conocimiento no
estrictamente definido (impreciso o subjetivo).
En cambio, no es una buena idea usarla cuando algn modelo matemtico ya
soluciona eficientemente el problema, cuando los problemas son lineales o
cuando no tienen solucin.
Esta tcnica se ha empleado con bastante xito en la industria, principalmente
en Japn, y cada vez se est usando en gran multitud de campos. La primera
vez que se us de forma importante fue en el metro japons, con excelentes
resultados. A continuacin se citan algunos ejemplos de su aplicacin:
Sistemas de control de acondicionadores de aire
Sistemas de foco automtico en cmaras fotogrficas
Electrodomsticos familiares (frigorficos, lavadoras...)
Optimizacin de sistemas de control industriales
Sistemas de escritura
Mejora en la eficiencia del uso de combustible en motores
Sistemas expertos del conocimiento (simular el comportamiento de un experto
humano)
Tecnologa informtica
Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para
este punto, por ejemplo, existe el lenguaje FSQL.
y, en general, en la gran mayora de los sistemas de control que no dependen
de un S/No.
10
Recuperacin de Informacin
La aplicacin del procesamiento de lenguaje natural ms obvia y quiz ms
importante en el momento actual es la bsqueda de informacin (se llama
tambin recuperacin de informacin). Por un lado, en Internet y en las
bibliotecas digitales se contiene una cantidad enorme de conocimiento que
puede dar respuestas a muchsimas preguntas que tenemos. Por otro lado,
hay tanta informacin que no sirve porque ya no se puede encontrarla. Hoy en
da la pregunta ya no es si se sabe cmo...? sino ciertamente se sabe, pero
dnde est esta informacin?.
Tcnicamente, rara vez se trata de decidir cules documentos (as se llaman
archivos o textos en la recuperacin de informacin) son relevantes para la
peticin del usuario y cules no. Usualmente, una cantidad enorme de
documentos se puede considerar como relevantes en cierto grado, siendo unos
ms relevantes y otros menos. Entonces, la tarea se entiende como medir el
grado de esta relevancia para proporcionar al usuario primero el documento
ms relevante; si no le sirvi, el segundo ms relevante, etc.
El problema ms difcil de la recuperacin de informacin es, sin embargo, no
de ndole tcnica sino psicolgica: entender cul es la necesidad real del
usuario, para qu formula su pregunta. Este problema se complica ya que no
existe un lenguaje formal en el cual el usuario podra formular claramente su
necesidad. (La direccin ms prometedora de resolver este problema es,
nuevamente, el uso de lenguaje natural.)
Las tcnicas ms usadas actualmente para la recuperacin de informacin
involucran la bsqueda por palabras clave: se buscan los archivos que
contengan las palabras que el usuario teclee. Es decir, la representacin formal
usada es el conjunto de las cadenas de letras (palabras), usualmente junto con
sus frecuencias en el texto (en nmero de ocurrencias). La claridad matemtica
de la tarea caus mucho avance en la teora de estos mtodos. Las ideas ms
usadas son los modelos probabilsticos y los procedimientos iterativos e
interactivos: tratar de adivinar qu necesita el usuario preguntndolo cules
documentos le sirven).
Sin embargo, los mtodos que involucran slo las palabras (como cadenas de
letras) pero no el sentido del texto son muy limitados en su capacidad de
satisfacer la necesidad informtica del usuario, es decir, de hallar la respuesta
a la pregunta que tiene en mente. Se puede mejorar mucho aplicado las
siguientes operaciones, desde las ms sencillas hasta ms complejas:
Coincidencia de las formas morfolgicas de palabras: buscando pensar,
encontrar pinsalo.
11