APLICACIONES CON

TECNICAS DE LA IA.
Luis raul perez larraga

Ing. Sistemas Computacionales 8 semestre

No. Control 11820060

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

Introduccin a la inteligencia artificial (IA):

Una de las reas de las ciencias computacionales encargadas de la
creacin de hardware y software con comportamiento inteligentes.
El estudio de las computaciones que permiten percibir, razonar y actuar
Estudia cmo lograr que las mquinas realicen tareas que, por el momento,
son realizadas mejor por los seres humanos.
Desde el punto de vista de los objetivos, la IA puede considerarse como parte
de la ingeniera o de la ciencia:
El objetivo ingenieril de la IA es resolver problemas reales, actuando
como un armamento de ideas acerca de cmo representar y utilizar el
conocimiento, y de cmo ensamblar sistemas
El objetivo cientfico de la IA es explicar varios tipos de inteligencia. Determinar
qu ideas acerca de la representacin del conocimiento, del uso que se le da a
ste, y del ensamble de sistemas explican distintas clases de inteligencia.
Algunas aplicaciones de la inteligencia artificial:
Tareas de la vida diaria (ms difcil para una mquina que las tareas de un
experto)
Percepcin (visin y habla) Lenguaje natural (comprensin, generacin,
traduccin)
Tareas formales
Juegos (ajedrez, backgammon, damas) Matemticas (geometra, lgica,
clculo, demostracin de propiedades).

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.

Conceptos Bsicos de Robot:

A) Artefacto controlado Internamente o externamente para manipular objetos
y/o realizar trabajos o procesos y a laves interactuar con su entorno o
ambiente.
B) Es un Sistema Electrnico Informtico capaz de recibir informacin y de
comprender su entorno o ambiente para luego ser capaz de tomar decisiones y
ejecutar acciones.
C) Es un Manipulador Multifuncional reprogramable con ciertos grados de
libertad, capaz de mover materiales, segn su trayectoria y variables de
programas para una tarea especfica.
A estos conceptos hay que agregar un concepto que viene en relaciona los
Robot que se denomina Grado de Libertad.
El grado de Libertad es: Cada uno de los Movimientos independientes que
puede realizar un robot.
Por ejemplo:
Un Robot mecanizado con un panel solar, para que funcione sigue la direccin
y los movimientos del sol, por ende tendra dos movimientos principales su

panel solar; estos serian 2 grados de libertad en este caso de Este a Oeste (1er
grado) y de Norte a Sur (2do grado).

Los tres principios o leyes de la robtica segn Asimov son:

* Un robot no puede lastimar ni permitir que sea lastimado ningn ser
humano.
* El robot debe obedecer a todas las rdenes de los humanos, excepto las
que contraigan la primera ley.
* El robot debe auto-protegerse, salvo que para hacerlo entre en conflicto con
la primera o segunda ley.
Clasificacin de los Robots
1.- Robots Play-back, los cuales regeneran una secuencia de instrucciones
grabadas, como un robot utilizado en recubrimiento por espray o soldadura por
arco. Estos robots comnmente tienen un control de lazo abierto.
2.- Robots controlados por sensores, estos tienen un control en lazo cerrado de
movimientos manipulados, y hacen decisiones basados en datos obtenidos por
sensores.
3.- Robots controlados por visin, donde los robots pueden manipular un objeto
al utilizar informacin desde un sistema de visin.
4.- Robots controlados adaptablemente, donde los robots pueden
automticamente reprogramar sus acciones sobre la base de los datos
obtenidos por los sensores.
5.- Robots con inteligencia artificial, donde los robots utilizan las tcnicas de
inteligencia artificial para hacer sus propias decisiones y resolver problemas.
6.-Los robots mdicos son, fundamentalmente, prtesis para disminuir dos
fsicos que se adaptan al cuerpo y estn dotados de potentes sistemas de
mando. Con ellos se logra igualar al cuerpo con precisin los movimientos y
funciones de los rganos o extremidades que suplen.
7.-Los androides son robots que se parecen y actan como seres humanos.
Los robots de hoy en da vienen en todas las formas y tamaos, pero a
excepcin de los que aparecen en las ferias y espectculos, no se parecen a
las personas y por tanto no son androides. Actualmente, los androides reales
slo existen en la imaginacin y en las pelculas de ficcin.
8.- Los robots mviles.- Estn provistos de patas, ruedas u orugas que los
capacitan para desplazarse de acuerdo su programacin. E

Redes Neuronales (RN)

LA NEURONA ARTIFICIAL
Cualquier modelo de red neuronal consta de dispositivos elementales de
procesamiento: las neuronas. A partir de ellas, se pueden generar
representaciones especficas, de tal forma que un estado conjunto de ellas
pueda significar una letra, un nmero o cualquier otro objeto. Generalmente se
pueden encontrar tres tipos de neuronas:
1. Aquellas que reciben estmulos externos, relacionas con el aparato sensorial,
que tomarn la informacin de la entrada, denominadas unidades de entrada.
2. Dicha informacin se transmite a ciertos elementos internos que se ocupan
de su proceso. Es la sinapsis y neuronas correspondientes a este segundo
nivel donde se genera cualquier tipo de representacin interna de la
informacin. Puesto que no tienen relacin directa con la informacin de
entrada y de salida, estos elementos se denominan unidades ocultas.
3. Una vez ha finalizado el periodo de procesado, la informacin llega a las
unidades de salida, cuya misin es dar la respuesta del sistema.
La tecnologa basada en redes neuronales artificiales es de caracter bioinspirado pues su funcionamiento trata de imitar el funcionamiento de
elementos biolgicos que en este caso los constituyen las neuronas del
cerebro.
CAMPO DE APLICACION
Las Redes neuronales artificiales son interesantes para una gran cantidad de
personas de diferentes reas:
Cientficos de la computacin que quieren averiguar sobre las propiedades del
procesamiento de informacin no-simblica con una red neuronal y sobre
sistemas de aprendizaje en general.
Estadsticos utilizan redes neuronales como modelos de clasificacin y
regresin no lineal flexible
Ingenieros de varias especialidades se aprovechan de las capacidades de
redes neuronales en muchas reas, como procesamiento de seales y control
automtico
Los cientficos cognoscitivos ven redes nerviosas como un posible aparato para
describir modelos de pensamiento y conciencia (funcin cerebral de alto-nivel).
Neuro-fisilogos utilizan redes neuronales para describir y explorar funciones
cerebrales de medio-nivel (memoria del ej., sistema sensorial y motriz).
Fsicos usan redes neuronales para modelar fenmenos en mecnica

estadstica y para muchas otras tareas.

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.

En inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la

resolucin de una variedad de problemas, principalmente los relacionados con
control de procesos industriales complejos y sistemas de decisin en general,
la resolucin la compresin de datos. Los sistemas de lgica difusa estn
tambin muy extendidos en la tecnologa cotidiana, por ejemplo en cmaras
digitales, sistemas de aire acondicionado, lavarropas, etc. Los sistemas
basados en lgica difusa imitan la forma en que toman decisiones los
humanos, con la ventaja de ser mucho ms rpidos. Estos sistemas son
generalmente robustos y tolerantes a imprecisiones y ruidos en los datos de
entrada. Algunos lenguajes de programacin lgica que han incorporado la
lgica difusa seran por ejemplo las diversas implementaciones de Fuzzy
PROLOG o el lenguaje fril.
Consiste en la aplicacin de la lgica difusa con la intencin de imitar el
razonamiento humano en la programacin de computadoras. Con la lgica
convencional, las computadoras pueden manipular valores estrictamente
duales, como verdadero/falso, s/no o ligado/desligado. En la lgica difusa, se
usan modelos matemticos para representar nociones subjetivas, como
caliente/tibio/fro, para valores concretos que puedan ser manipuladas por los
ordenadores.
En este paradigma, tambin tiene un especial valor la variable del tiempo, ya
que los sistemas de control pueden necesitar retroalimentarse en un espacio
concreto de tiempo, pueden necesitarse datos anteriores para hacer una
evaluacin media de la situacin en un perodo anterior...

prosesamiento de lenguaje natural(pln)

El recurso ms importante que posee la raza humana es conocimiento, o sea
informacin. En la poca actual de informacin, del manejo eficiente de este
conocimiento depende el uso de todos los dems recursos naturales,
industriales y humanos.
Durante toda la historia de humanidad el conocimiento, en su mayor parte se
comunica, se guarda y se maneja en la forma de lenguaje natural griego, latn,
ingls, espaol, etc. La poca actual no es ninguna excepcin: el conocimiento
sigue existiendo y crendose en la forma de documentos, libros, artculos,
aunque stos se guardan en forma electrnica, o sea digital. El gran avance es
que en esta forma, las computadoras ya pueden ser una ayuda enorme en el
procesamiento de este conocimiento.
Sin embargo, lo que es conocimiento para nosotros los seres humanos no lo
es para las computadoras. Son los archivos, unas secuencias de caracteres, y
nada ms. Una computadora puede copiar tal archivo, respaldarlo, transmitirlo,
borrarlo como un burcrata que pasa los papeles a otro burcrata sin leerlos.
Pero no puede buscar las respuestas a las preguntas en este texto, hacer las
inferencias lgicas sobre su contenido, generalizar y resumirlo es decir, hacer
todo lo que las personas normalmente hacemos con el texto. Porque no lo
puede entender.
Para combatir esta situacin, se dedica mucho esfuerzo, sobre todo en los
pases ms desarrollados del mundo, al desarrollo de la ciencia que se encarga
de habilitar a las computadoras a entender el texto. Esta ciencia, en funcin del
enfoque prctico versus terico, del grado en el cual se espera lograr la
comprensin y de otros aspectos tiene varios nombres: procesamiento de
lenguaje natural, procesamiento de texto, tecnologas de lenguaje, lingstica
computacional. En todo caso, se trata de procesar el texto por su sentido y no
como un archivo binario.
El esquema general de la mayora de los sistemas y mtodos que involucran el
procesamiento de lenguaje es el siguiente:
Primero, el texto no se procesa directamente sino se transforma en una
representacin formal que preserva sus caractersticas relevantes para la tarea
o el mtodo especfico (por ejemplo, un conjunto de cadenas de letras, una
tabla de base de datos, un conjunto de predicados lgicos, etc.).
Luego, el programa principal manipula esta representacin,
transformndola segn la tarea, buscando en ella las subestructuras
necesarias, etc.
Finalmente, si es necesario, los cambios hechos a la representacin formal
(o la respuesta generada en esta forma) se transforman en el lenguaje natural.

Entre las tareas principales del procesamiento de lenguaje natural se puede

mencionar:

10

Entre las tareas principales del procesamiento de lenguaje natural se

puede mencionar:

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.

Este problema es bastante simple a resolver en el lenguaje ingls, al cual se

11