Unidad 5 Aplicaciones Con Técnicas De Ia a121s

UNIDAD 5 APLICACIONES CON TÉCNICAS DE IA 5. APLICACIONES CON TECNICAS DE INTELIGENCIA ARTIFICIAL La inteligencia artificial es aquella que trata de explicar el funcionamiento mental basándose en el desarrollo de algoritmos para controlar diferentes cosas. La inteligencia artificial combina varios campos, como la robótica, los sistemas expertos y otros, los cuales tienen un mismo objetivo, que es tratar de crear máquinas que puedan pensar por sí solas, lo que origina que hasta la fecha existan varios estudios y aplicaciones, dentro de las que se encuentran las redes neuronales, el control de procesos o los algoritmos genéticos. La idea de construir una máquina que pueda pensar es que realice cosas que nosotros realizamos y hacemos. Pero para que las computadoras se ganen el nombre de inteligentes, primero tienen que ser capaces de mantener, por ejemplo, un diálogo con un ser humano, ya que las computadoras únicamente pueden realizar o hacer lo que se les indique, pero nunca sabrán lo que están realizando pues no están conscientes de lo que hacen. Una de sus características es que incluye varios campos de desarrollo, como la robótica, la comprensión y traducción de lenguajes, el reconocimiento y aprendizaje de palabras de máquinas o los variados sistemas computacionales expertos, que son los encargados de reproducir el comportamiento humano en una sección del conocimiento. Tales tareas reducen costos y riesgos en la manipulación humana en áreas peligrosas, mejoran el desempeño del personal inexperto y el control de calidad en el área comercial.

Abigail Mosso Martínez

12520174Página 1

5.1 ROBÓTICA La Robótica es la ciencia encaminada a diseñar y construir aparatos y sistemas capaces de realizar tareas propias de un ser humano. Con esta definición tan general, la palabra ‘robótica’ cubre muchos conceptos diferentes, pero todos giran en torno a la misma idea. Con la aparición del concepto ‘robot’ a principios de siglo XX, se dio el pistoletazo de salida para el desarrollo de sistemas cada vez más autónomos.

Un robot autónomo es un dispositivo robótico capaz de operar por sí mismo, en la robótica de servicio es donde más se están prodigando los robots de servicio. ¿En qué tipo de situaciones puede ser interesante un robot que sea completamente autónomo?     

por ejemplo en entornos hostiles: • Conflictos bélicos. • Exploración espacial. • Exploración submarina. • Rescate en catástrofes.

Pero sin irnos tan lejos, la robótica de servicio combinada con la robótica inteligente nos permitirá en un futuro tener conductores autónomos para nuestros coches, entre otras cosas. Que estas metas se consigan antes o después dependerá de la financiación que las instituciones y mecenas sitúen en los diferentes proyectos de investigación que se desarrollan en el mundo. Karel Capek, un escritor checo, acuño en 1921 el término Robot en su obra dramática “Rossum’s Universal Robots / R.U.R.”, a partir de la palabra checa Robbota, que significa servidumbre o trabajo forzado. El término robótica es acuñado por Isaac Asimov, definiendo a la ciencia que estudia a los robots. Asimov creó también las Tres Leyes de la Robótica. En la ciencia ficción el hombre ha imaginado a los robots visitando nuevos mundos, haciéndose con el poder, o simplemente aliviándonos de las labores caseras.La Robótica ha alcanzado un nivel de madurez bastante elevado en los últimos tiempos, y cuenta con un correcto aparato teórico. Sin embargo, al intentar reproducir algunas tareas que para los humanos son muy sencillas, como andar, correr o coger un objeto sin romperlo, no se ha obtenido resultados satisfactorios, especialmente en el campo de la robótica autónoma. Sin embargo se espera que el continuo aumento de la potencia de los ordenadores y las investigaciones en inteligencia artificial, visión artificial, la robótica autónoma y otras ciencias paralelas nos permitan acercarnos un poco más Abigail Mosso Martínez

12520174Página 2

cada vez a los milagros soñados por los primeros ingenieros y también a los peligros que nos adelanta la ciencia ficción.

5.1.1 CONCEPTOS BASICOS Robótica: es una ciencia o rama de la tecnología, que estudia el diseño y la construcción de máquinas capaces de desempeñar tareas realizadas por el ser humano o que requieren del uso de inteligencia. Las ciencias y tecnologías de las que deriva podrían ser: el álgebra, los autómatas programables, las máquinas de estados, la mecánica o la informática. Robot: es una máquina programable que puede manipular objetos y realizar operaciones que antes sólo podían realizar los seres humanos. Los tres principios o leyes de la robótica según Asimov son:   

Un robot no puede lastimar ni permitir que sea lastimado ningún ser humano. El robot debe obedecer a todas las órdenes 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.

El grado de Libertad: Cada uno de los Movimientos independientes que puede realizar un robot. Programación: Es el proceso de diseñar, codificar, depurar mantener el código de fuente de El código fuente es escrito en un lenguaje de programación. El propósito de la programación es crear programas que exhiban un comportamiento deseado. El proceso de escribir código requiere frecuentemente conocimientos en varias áreas distintas, además del dominio del lenguaje a utilizar, algoritmos especializados y lógica formal. Programar no involucra necesariamente otras tareas tales como el análisis y diseño de la aplicación (pero sí el diseño del código), aunque sí suelen estar fusionadas en el desarrollo de pequeñas aplicaciones. Circuito: Red eléctrica (interconexión de dos o más componentes, tales como resistencias, inductores, condensadores, fuentes y semiconductores) que contiene al menos una trayectoria cerrada. Los circuitos que contienen solo fuentes, componentes lineales (resistores, condensadores, inductores), y elementos de distribución lineales (líneas de transmisión o cables) pueden analizarse por métodos algebraicos para determinar su comportamiento en corriente. Un circuito que tiene componentes es

Abigail Mosso Martínez

12520174Página 3

denominado un circuito electrónica. Estas redes son generalmente no lineales y requieren diseños y herramientas de análisis mucho más complejos. Efector: Dispositivo que produce determinados efectos en el entorno, bajo el control del robot. Se utilizan principalmente de dos maneras: o o

Modificar la ubicación del robot respecto de su ambiente. Desplazar otros objetos del entorno (Manipulación).

5.1.2 CLASIFICACION Primera Generación: Manipuladores Esta primera etapa se puede considerar desde los años 50s ,en donde las maquinas diseñadas cuentan con un sistema de control relativamente sencillo de lazo abierto, esto significa que no existe retroalimentación alguna por parte de algún sensor y realizan tareas previamente programadas que se ejecutan secuencialmente. Resumido: Los robots no se percatan de su entorno, adquieren información muy limitada de su entorno o nula y en consecuencia a esta actúan.

Segunda Generación: Robots de Aprendizaje La segunda etapa se desarrolla hasta los años 80s, este tipo de robots son un poco más conscientes de su entorno que su previa generación, disponiendo de sistemas de control de lazo cerrado en donde por medio de sensores adquieren información de su entorno y obtienen la capacidad de actuar o adaptarse según los datos analizados. También pueden aprender y memorizar la secuencia de movimientos deseados mediante el seguimiento de los movimientos de un operador humano. Resumido: Los robots ahora cuentan con un sistema de retroalimentación que les permite obtener más datos de su entorno y guardarlos en algún medio de almacenamiento junto con las instrucciones.

Tercera Generación: Robots con Control Sonorizado Durante esta etapa, que tiene lugar durante los años 80s y 90s, los robots ahora cuentan con controladores (computadoras) que usando los datos o la información obtenida de sensores, obtienen la habilidad de ejecutar las ordenes de un programa

Abigail Mosso Martínez

12520174Página 4

escrito en alguno de los lenguajes de programación que surgen a raíz de la necesidad de introducir las instrucciones deseadas en dichas maquinas. Los robots usan control del tipo lazo cerrado, lo cual significa que ahora son bastante conscientes de su entorno y pueden adaptarse al mismo. Resumido: Los robots se vuelven reprogramables, usan controladores o computadoras para analizar la información captada de su entorno mediante sensores(cabe mencionar que se desarrolla la visión artificial) y aparecen los lenguajes de programación. Cuarta Generación: Robots Inteligentes Esta generación se caracteriza por tener sensores mucho más sofisticados que mandan información al controlador y la analizan mediante estrategias complejas de control. Debido a la nueva tecnología y estrategias utilizadas estos robots califican como "inteligentes", se adaptan y aprenden de su entorno utilizando "conocimiento difuso" , "redes neuronales", y otros métodos de análisis y obtención de datos para así mejorar el desempeño general del sistema en tiempo real, donde ahora el robot puede basar sus acciones en información más sólida y confiable, y no solo esto sino que también se pueden dar la tarea de supervisar el ambiente que les rodea, mediante la incorporación de conceptos "modélicos" que les permite actuar a situaciones determinadas. Resumido: Mejores sistemas sensoriales, mejores estrategias de control y análisis de información, capaces de comprender su entorno y actuar ante el mediante conceptos "modélicos" en tiempo real.

Quinta generación: Será una nueva tecnología que incorporara 100% inteligencia artificial y utilizara métodos como modelos de conducta y una nueva arquitectura, además de otras tecnologías actualmente en desarrollo como la nanotecnología. Esta etapa depende totalmente de la nueva generación de jóvenes interesados en robótica, una nueva era de robots nos espera. Quinta Generación y más allá Clasificación de los Robots según su Nivel de Inteligencia Los Japoneses (JIRA) tienen su propia forma de clasificar a los robots dentro de seis clases basada en el Nivel de Inteligencia del Robot: 1) Dispositivos de manejo manual, controlados por una persona. 2) Robots de secuencia arreglada. 3) Robots de secuencia variable, donde un operador puede modificar la secuencia fácilmente.

Abigail Mosso Martínez

12520174Página 5

4) Robots regeneradores, donde el operador humano conduce el robot a través de la tarea. 5) Robots de control numérico, donde el operador alimenta la programación del movimiento, hasta que se enseñe manualmente la tarea. 6) Robots inteligentes, los cuales pueden entender e interactuar con cambios en el medio ambiente.

Clasificación de los Robots según el Nivel de Control Ejecutan 1) Nivel de inteligencia artificial, donde el programa aceptará un comando como "levantar el producto" y descomponerlo dentro de una secuencia de comandos de bajo nivel basados en un modelo estratégico de las tareas. 2) Nivel de modo de control, donde los movimientos del sistema son modelados, para lo que se incluye la interacción dinámica entre los diferentes mecanismos, trayectorias planeadas, y los puntos de asignación seleccionados. 3) Niveles de servo-sistemas, donde los actuadores controlan los parámetros de los mecanismos con el uso de una retroalimentación interna de los datos obtenidos por los sensores, y la ruta es modificada sobre la base de los datos que se obtienen de sensores externos. Todas las detecciones de fallas y mecanismos de corrección son implementadas en este nivel. Clasificación de los Robots según el Nivel del Lenguaje de Programación

1) Sistemas guiados, en el cual el conduce el robot a través de los movimientos a ser realizados. 2) Sistemas de programación de nivel-robot, en los cuales el escribe un programa de computadora al especificar el movimiento y el sensado. 3) Sistemas de programación de nivel-tarea, en el cual el especifica la operación por sus accionessobre los objetos que el robot manipula.

Clasificación de los Robots según su Arquitectura

La arquitectura, definida por el tipo de configuración general del robot, se clasifica en lo siguiente: 1) Poli-articulados, Bajo este grupo están los robots de muy diversa forma y configuración cuya característica común es la de ser básicamente sedentarios Abigail Mosso Martínez

12520174Página 6

-aunque excepcional-mente pueden ser guiados para efectuar desplazamientos limitados- y estar estructurados para mover sus elementos terminales en un determinado espacio de trabajo según uno o más sistemas de coordenadas y con un número limitado de grados de libertad". En este grupo se encuentran los manipuladores, los robots industriales, los robots cartesianos y algunos robots industriales y se emplean cuando es preciso abarcar una zona de trabajo relativamente amplia o alargada, actuar sobre objetos con un plano de simetría vertical o deducir el espacio ocupado en el suelo.

2) Móviles, Son robots con gran capacidad de desplazamiento, basada en carros o plataformas y dotada de un sistema locomotor de tipo rodante. Siguen su camino por tele-mando o guiándose por la información recibida de su entorno a través de sus sensores. Estos robots aseguran el transporte de piezas de un punto a otro de una cadena de fabricación. Guiados mediante pistas materializadas a través de la radiación electromagnética de circuitos empotrados en el suelo, o a través de bandas detectadas fotoelectricamente, pueden incluso llegar a sortear obstáculos y están dotados de un nivel relativamente elevado de inteligencia.

3) Androides, Son robots que intentan reproducir total o parcialmente la forma y el comportamiento cinemático del ser humano. Actualmente los androides son todavía dispositivos muy poco evolucionados y sin utilidad práctica, y destinados, fundamentalmente, al estudio y experimentación.

Uno de los aspectos más complejos de estos robots, y sobre el que se centra la mayoría de los trabajos, es el de la locomoción bípeda. En este caso, el principal problema es controlar dinámica y coordinadamente en el tiempo real el proceso y mantener simu ltáneamente el equilibrio del robot . 4) Zoomorficos, Los robots zoomórficos, que considerados en sentido no restrictivo podrían incluir también a los androides, constituyen una clase caracterizada principalmente por sus sistemas de locomoción que imitan a los diversos seres vivos. A pesar de la disparidad morfológica de sus posibles sistemas de locomoción es conveniente agrupar a los robots zoomórficos en dos categorías principales: caminadores y no caminadores. El grupo de los robots zoomórficos no caminadores está muy poco evolu cionado.En cambio, los robots zoomórficos caminadores multípedos son muy numeroso y están siendo experimentados en diversos laboratorios con vistas al desarrollo posterior de verdaderos vehículos terrenos, piloteando o autónomos, capaces de evolucionar en superficies muy accidentadas. Las aplicaciones de estos robots serán interesante en el campo de la exploración espacial y en el estudio de los volcanes. Abigail Mosso Martínez

12520174Página 7

5) Híbridos, Estos robots corresponden a aquellos de difícil clasificación cuya estructura se sitúa en combinación con alguna de las anteriores ya expuestas, bien sea por conjunción o por yuxtaposición. Por ejemplo, un dispositivo segmentado articulado y con ruedas, e s al mismo tiempo uno de los atributos de los robots móviles y de los robots zoomórficos. De igual forma pueden considerarse híbridos algunos robots formados por la yuxtaposición de un cuerpo formado por un carro móvil y de un brazo semejante al de los r obots industriales. En parecida situación se encuentran algunos robots antropomorfos y que no pueden clasificarse ni como móviles ni como androides, tal es el caso de los robots personales.

5.1.3 DESARROLLOS ACTUALES Y APLICACIONES Los robots son utilizados en una diversidad de aplicaciones, desde robots tortugas en los salones de clases, robots soldadores en la industria automotriz, hasta brazos teleoperados en el transbordador espacial. Cada robot lleva consigo su problemática propia y sus soluciones afines; no obstante que mucha gente considera que la automatización de procesos a través de robots está en sus inicios, es un hecho innegable que la introducción de la tecnología robótica en la industria, ya ha causado un gran impacto. En este sentido la industria Automotriz desempeña un papel preponderante.

Aplicaciones en diversos sectores: Industria Los robots son utilizados por una diversidad de procesos industriales como lo son: la soldadura de punto y soldadura de arco, pinturas de spray, transportación de materiales, molienda de materiales, moldeado en la industria plástica, máquinas herramientas, y otras más. A continuación, se hará una breve explicación de algunas de ellas. o

Aplicación de transferencia de material Las aplicaciones de transferencia de material se definen como operaciones en las cuales el objetivo primario es mover una pieza de una posición a otra. Se suelen considerar entre las operaciones más sencillas o directas de realizar por los robots. Las aplicaciones normalmente necesitan un robot poco sofisticado, y los requisitos de enclavamiento con otros equipos son típicamente simples.

Abigail Mosso Martínez

12520174Página 8

o

Carga y descarga de máquinas Estas aplicaciones son de manejos de material en las que el robot se utiliza para servir a una máquina de producción transfiriendo piezas a/o desde las máquinas.

Existen tres casos que caen dentro de esta categoría de aplicación: 1) Carga/Descarga de Máquinas. El robot carga una pieza de trabajo en bruto en el proceso y descarga una pieza acabada. Una operación de mecanizado es un ejemplo de este caso. 2) Carga de máquinas. El robot debe de cargar la pieza de trabajo en bruto a los materiales en las máquinas, pero la pieza se extrae mediante algún otro medio. En una operación de prensado, el robot se puede programar para cargar láminas de metal en la prensa, pero la pieza acabada se permite que caigan fuera de la prensa por gravedad. 3) Descarga de máquinas. La máquina produce piezas acabadas a partir de materiales en bruto que se cargan directamente en la máquina sin la ayuda de robots. El robot descarga la pieza de la máquina. Ejemplos de esta categoría incluyen aplicaciones de fundición de troquel y moldeado plástico.

La aplicación se tipifica mejor mediante una célula de trabajo con el robot en el centro que consta de la máquina de producción, el robot y alguna forma de entrega de piezas.

o

Operaciones de procesamiento. Además de las aplicaciones de manejo de piezas, existe una gran clase de aplicaciones en las cuales el robot realmente efectúa trabajos sobre piezas. Este trabajo casi siempre necesita que el efector final del robot sea una herramienta en lugar de una pinza.

Por tanto, la utilización de una herramienta para efectuar el trabajo es una característica distinta de este grupo de aplicaciones. El tipo de herramienta depende de la operación de procesamiento que se realiza. Soldadura por puntos. Como el término lo sugiere, la soldadura por puntos es un proceso en el que dos piezas de metal se sueldan Abigail Mosso Martínez

12520174Página 9

en puntos localizados al hacer pasar una gran corriente eléctrica a través de las piezas donde se efectúa la soldadura. Soldadura por arco continúa. La soldadura por arco es un proceso de soldadura continua en oposición a la soldadura por punto que podría llamarse un proceso discontinuo. La soldadura de arco continua se utiliza para obtener uniones largas o grandes uniones soldadas en las cuales, a menudo, se necesita una cierre hermético entre las dos piezas de metal que se van a unir. El proceso utiliza un electrodo en forma de barra o alambre de metal para suministrar la alta corriente eléctrica de 100 a 300 amperes.

o

Recubrimiento con spray: La mayoría de los productos fabricados de materiales metálicos requieren de alguna forma de acabado de pintura antes de la entrega al cliente. La tecnología para aplicar estos acabados varia en la complejidad desde métodos manuales simples a técnicas automáticas altamente sofisticadas. Se dividen los métodos de recubrimiento industrial en dos categorías:

o

Laboratorios Los robots están encontrando un gran número de aplicaciones en los laboratorios. Llevan a cabo con efectividad tareas repetitivas como la colocación de tubos de pruebas dentro de los instrumentos de medición. En ésta etapa de su desarrollo los robots son utilizados para realizar procedimientos manuales automatizados. Un típico sistema de preparación de muestras consiste de un robot y una estación de laboratorio, la cual contiene balanzas, dispensarios, centrifugados, racks de tubos de pruebas, etc.

Las muestras son movidas desde la estación de laboratorios por el robot bajo el control de procedimientos de un programa. Los fabricantes de estos sistemas mencionan tener tres ventajas sobre la operación manual: incrementan la productividad, mejoran el control de calidad y reducen la exposición del ser humano a sustancias químicas nocivas. Las aplicaciones subsecuentes incluyen la medición del pH, viscosidad, y el porcentaje de sólidos en polímeros, preparación de plasma humano para muestras para ser examinadas, calor, flujo, peso y disolución de muestras para presentaciones espectromáticas.

o

Manipuladores cinemáticos La tecnología robótica encontró su primera aplicación en la industria nuclear con el desarrollo de teleoperadores para manejar material radiactivo. Los robots más recientes han sido utilizados para soldar a control remoto y la inspección de tuberías en áreas de alta radiación. El accidente en la

Abigail Mosso Martínez

12520174Página 10

planta nuclear de Three Mile Island en Pennsylvania en 1979 estimuló el desarrollo y aplicación de los robots en la industria nuclear. El reactor número 2 (TMI-2) predio su enfriamiento, y provocó la destrucción de la mayoría del reactor, y dejo grandes áreas del reactor contaminadas, inaccesible para el ser humano. Debido a los altos niveles de radiación las tareas de limpieza solo eran posibles por medios remotos. Varios robots y vehículos controlados remotamente han sido utilizados para tal fin en los lugares donde ha ocurrido una catástrofe de este tipo. Ésta clase de robots son equipados en su mayoría con sofisticados equipos para detectar niveles de radiación, cámaras, e incluso llegan a traer a bordo un minilaboratorio para hacer pruebas.

o

o

Agricultura Para muchos la idea de tener un robot agricultor es ciencia ficción, pero la realidad es muy diferente; o al menos así parece ser para el Instituto de Investigación Australiano, el cual ha invertido una gran cantidad de dinero y tiempo en el desarrollo de este tipo de robots. Entre sus proyectos se encuentra una máquina que esquila a las ovejas. La trayectoria del cortador sobre el cuerpo de las ovejas se planea con un modelo geométrico de la oveja. Para compensar el tamaño entre la oveja real y el modelo, se tiene un conjunto de sensores que registran la información de la respiración del animal como de su mismo tamaño, ésta es mandada a una computadora que realiza las compensaciones necesarias y modifica la trayectoria del cortador en tiempo real. Debido a la escasez de trabajadores en los obradores, se desarrolla otro proyecto, que consiste en hacer un sistema automatizado de un obrador, el prototipo requiere un alto nivel de coordinación entre una cámara de vídeo y el efector final que realiza en menos de 30 segundos ocho cortes al cuerpo del cerdo. Por su parte en Francia se hacen aplicaciones de tipo experimental para incluir a los robots en la siembra, y poda de los viñedos, como en la pizca de la manzana. Espacio La exploración espacial posee problemas especiales para el uso de robots. El medio ambiente es hostil para el ser humano, quien requiere un equipo de protección muy costoso tanto en la Tierra como en el Espacio. Muchos científicos han hecho la sugerencia de que es necesario el uso de Robots para continuar con los avances en la exploración espacial; pero como todavía no se llega a un grado de automatización tan precisa para ésta aplicación, el ser humano aún no ha podido ser reemplazado por estos. Por su parte, son los teleoperadores los que han encontrado aplicación en los transbordadores espaciales. En Marzo de 1982 el transbordador Columbia fue el primero en utilizar este tipo de robots, aunque el ser humano participa en la realización del control de lazo cerrado. Algunas investigaciones están encaminadas al diseño, construcción y control de vehículos autónomos, los cuales llevarán a bordo complejos laboratorios y cámaras muy sofisticadas para la exploración de otros planetas. En Noviembre de 1970 los Rusos consiguieron el alunizaje del Lunokhod 1, el cual poseía cámaras

Abigail Mosso Martínez

12520174Página 11

o

o

de televisión, sensores y un pequeño laboratorio, era controlado remotamente desde la tierra. En Julio de 1976, los Norteamericanos aterrizaron en Marte el Viking 1, llevaba a bordo un brazo robotizado, el cual recogía muestras de piedra, tierra y otros elementos las cuales eran analizados en el laboratorio que fue acondicionado en el interior del robot. Por supuesto también contaba con un equipo muy sofisticado de cámaras de vídeo. Vehículos submarinos Dos eventos durante el verano de 1985 provocaron el incremento por el interés de los vehículos submarinos. En el primero – Un avión de la Air Indian se estrelló en el Océano Atlántico cerca de las costas de Irlanda – un vehículo submarino guiado remotamente, normalmente utilizado para el tendido de cable, fue utilizado para encontrar y recobrar la caja negra del avión. El segundo fue el descubrimiento del Titanic en el fondo de un cañón, donde había permanecido después del choque con un iceberg en 1912, cuatro kilómetros abajo de la superficie. Un vehículo submarino fue utilizado para encontrar, explorar y filmar el hallazgo. En la actualidad muchos de estos vehículos submarinos se utilizan en la inspección y mantenimiento de tuberías que conducen petróleo, gas o aceite en las plataformas oceánicas; en el tendido e inspección del cableado para comunicaciones, para investigaciones geológicas y geofísicas en el suelo marino. La tendencia hacia el estudio e investigación de este tipo de robots se incrementará a medida que la industria se interese aún más en la utilización de los robots, sobra mencionar los beneficios que se obtendrían si se consigue una tecnología segura para la exploración del suelo marino y la explotación del mismo.

Educación Los robots están apareciendo en los salones de clases de tres distintas formas. Primero, los programas educacionales utilizan la simulación de control de robots como un medio de enseñanza. Un ejemplo palpable es la utilización del lenguaje de programación del robot Karel, el cual es un subconjunto de Pascal; este es utilizado por la introducción a la enseñanza de la programación. El segundo y de uso más común es el uso del robot tortuga en conjunción con el lenguaje LOGO para enseñar ciencias computacionales. LOGO fue creado con la intención de proporcionar al estudiante un medio natural y divertido en el aprendizaje de las matemáticas. En tercer lugar está el uso de los robots en los salones de clases. Una serie de manipuladores de bajo costo, robots móviles, y sistemas completos han sido desarrollados para su utilización en los laboratorios educacionales. Debido a su bajo costo muchos de estos sistemas no poseen una fiabilidad en su sistema mecánico, tienen poca exactitud, no existen los sensores y en su mayoría carecen de software. Se hace indispensable que la planificación de los recursos humanos, tecnológicos y financieros se realice de una manera inteligente. El mercado de la robótica y las perspectivas futuras que se tienen son diversos. Las ventas anuales para robots industriales han ido creciendo en Estados Unidos a razón del 25% de acuerdo a estadísticas del año 1981 a 1992. La robótica es una tecnología con futuro y también para el futuro. Si continúan las tendencias actuales, y si algunos de los estudios de investigación en el laboratorio

Abigail Mosso Martínez

12520174Página 12

actualmente en curso se convierten finalmente en una tecnología factible, los robots del futuro serán unidades móviles con uno o más brazos, capacidades de sensores múltiples y con la misma potencia de procesamiento de datos y de cálculo que las grandes computadoras actuales. Serán capaces de responder a órdenes dadas con voz humana. Así mismo serán capaces de recibir instrucciones generales y traducirlas, con el uso de la inteligencia artificial en un conjunto específico de acciones requeridas para llevarlas a cabo. Podrán ver, oír, palpar, aplicar una fuerza media con precisión a un objeto y desplazarse por sus propios medios. En resumen, los futuros robots tendrían muchos de los atributos de los seres humanos. Es difícil pensar que los robots llegarán a sustituir a los seres humanos en el sentido de la obra de Carel Kapek, Robots Universales de Rossum. Por el contrario, la robótica es una tecnología que solo puede destinarse al beneficio de la humanida

5.2 REDES NEURONALES (RN) Las Redes Neuronales (RN) fueron originalmente una simulación abstracta de los sistemas nerviosos biológicos, formados por un conjunto de unidades llamadas “neuronas” o “nodos” conectadas unas con otras. Estas conexiones tienen una gran semejanza con las dendrítas y los axones en los sistemas nerviosos biológicos. En términos generales, el Primer modelo de red neuronal fue propuesto en 1943 por McCulloch y Pitts en términos de un modelo computacional de “actividad nerviosa”. El modelo de McCulloch-Pitts es un modelo binario, y cada neurona tiene un escalón o umbral prefijado. Este primer modelo sirvió de ejemplo para los modelos posteriores de Jhon Von Neumann, Marvin Minsky, Frank Rosenblatt, y muchos otros. Las redes neuronales (también conocidas como sistemas conexionistas) son un modelo computacional basado en un gran conjunto de unidades neuronales simples (neuronas artificiales), de forma aproximadamente análoga al comportamiento observado en los axones de las neuronas en los cerebros biológicos. Cada unidad neuronal está conectada con muchas otras y los enlaces entre ellas pueden incrementar o inhibir el estado de activación de las neuronas adyacentes. Cada unidad neuronal, de forma individual, opera empleando funciones de suma. Puede existir una función limitadora o umbral en cada conexión y en la propia unidad, de tal modo que la señal debe sobrepasar un límite antes de propagarse a otra neurona. Estos sistemas aprenden y se forman a sí mismos, en lugar de ser programados de forma explícita, y sobresale.

Historia de las redes neuronales. 1) 1936 - Alan Turing. Fue el primero en estudiar el cerebro como una forma de ver el mundo de la computación. Sin embargo, los primeros teóricos que concibieron los fundamentos de la computación neuronal fueron Warren McCulloch, un neurofisiólogo, y Walter Pitts, un matemático, quienes, en 1943, lanzaron una Abigail Mosso Martínez

12520174Página 13

teoría acerca de la forma de trabajar de las neuronas (Un Cálculo Lógico de la Inminente Idea de la Actividad Nerviosa - Boletín de Matemática Biofísica 5: 115133). Ellos modelaron una red neuronal simple mediante circuitos eléctricos. 2) 1949 - Donald Hebb. Fue el primero en explicar los procesos del aprendizaje (que es el elemento básico de la inteligencia humana) desde un punto de vista psicológico, desarrollando una regla de como el aprendizaje ocurría. Aun hoy, este es el fundamento de la mayoría de las funciones de aprendizaje que pueden hallarse en una red neuronal. Su idea fue que el aprendizaje ocurría cuando ciertos cambios en una neurona eran activados. También intentó encontrar semejanzas entre el aprendizaje y la actividad nerviosa. Los trabajos de Hebb formaron las bases de la Teoría de las Redes Neuronales. 3) 1950 - Karl Lashley. En sus series de ensayos, encontró que la información no era almacenada en forma centralizada en el cerebro sino que era distribuida encima de él. 4) 1956 - Congreso de Dartmouth. Este Congreso frecuentemente se menciona para indicar el nacimiento de la inteligencia artificial. 5) 1957 - Frank Rosenblatt. Comenzó el desarrollo del Perceptron. Esta es la red neuronal más antigua; utilizándose hoy en día para aplicación como identificador de patrones. Este modelo era capaz de generalizar, es decir, después de haber aprendido una serie de patrones podía reconocer otros similares, aunque no se le hubiesen presentado en el entrenamiento. Sin embargo, tenía una serie de limitaciones, por ejemplo, su incapacidad para resolver el problema de la función OR-exclusiva y, en general, era incapaz de clasificar clases no separables linealmente. 6) 1959 - Frank Rosenblatt: Principios de Neurodinámica. En este libro confirmó que, bajo ciertas condiciones, el aprendizaje del Perceptron convergía hacia un estado finito (Teorema de Convergencia del Perceptron). 7) 1960 - Bernard Widroff/Marcian Hoff. Desarrollaron el modelo Adaline (ADAptative LINear Elements). Esta fue la primera red neuronal aplicada a un problema real (filtros adaptativos para eliminar ecos en las líneas telefónicas) que se ha utilizado comercialmente durante varias décadas. 8) 1961 - Karl Steinbeck: Die Lernmatrix. Red neuronal para simples realizaciones técnicas (memoria asociativa). 1969 - Marvin Minsky/Seymour Papert. En este año casi se produjo la “muerte abrupta” de las Redes Neuronales; ya que Minsky y Papert probaron (matemáticamente) que el Perceptrons no era capaz de resolver problemas relativamente fáciles, tales como el aprendizaje de una función no-lineal. Esto demostró que el Perceptron era muy débil, dado que las funciones no-lineales son extensamente empleadas en computación y en los problemas del mundo real. 9) 1974 - Paul Werbos. Desarrolló la idea básica del algoritmo de aprendizaje de propagación hacia atrás (backpropagation); cuyo significado quedó definitivamente aclarado en 1985. 10) . 1977 - Stephen Grossberg: Teoría de Resonancia Adaptada (TRA). La Teoría de Resonancia Adaptada es una arquitectura de red que se diferencia de todas las demás previamente inventadas. La misma simula otras habilidades del cerebro: memoria a largo y corto plazo. Abigail Mosso Martínez

12520174Página 14

11) 1985 - John Hopfield. Provocó el renacimiento de las redes neuronales con su libro: “Computación neuronal de decisiones en problemas de optimización.” 12) 1986 - David Rumelhart/G. Hinton. Redescubrieron el algoritmo de aprendizaje de propagación hacia atrás (backpropagation). A partir de 1986, el panorama fue alentador con respecto a las investigaciones y el desarrollo de las redes neuronales. En la actualidad, son numerosos los trabajos que se realizan y publican cada año, las aplicaciones nuevas que surgen (sobre todo en el área de control) y las empresas que lanzan al mercado productos nuevos, tanto hardware como software (sobre todo para simulación).

5.2.1 CONCEPTOS BÁSICOS o

o

o

Redes Neuronales Biológicas: Son el principal elemento del Sistema Nervioso. Las redes neuronales biológicas están compuestas por un gran número de elementos llamados neuronas. Una neurona es una célula compuesta por cuerpo, un numero de extensiones llamadas dendritas, que sirven de entradas, y una larga extensión llamada axón que actúa como salida. Redes neuronales artificiales (ANN): imitan su funcionamiento a aquellas que se encuentran en el ámbito biológico. Son aptas para resolver problemas que no poseen un algoritmo claramente definido para transformar una entrada en una salida; aprenden, reconocen y aplican relaciones entre objetos. • Una red neural artificial es un grupo interconectado de nodos similar a la vasta red de neuronas en un cerebro biológico. Cada nodo circular representa una neurona artificial y cada flecha representa una conexión desde la salida de una neurona a la entrada de otra. Neurona artificial: Cualquier modelo de red neuronal consta de dispositivos elementales de procesamiento: las neuronas. A partir de ellas, se pueden generar representaciones específicas, de tal forma que un estado conjunto de ellas pueda significar una letra, un número o cualquier otro objeto.

Abigail Mosso Martínez

12520174Página 15

5.2.2. CLASIFICACIÓN. Una primera clasificación de los modelos de RN podría ser, atendiendo a su similitud con la realidad biológica:

Los modelos de tipo biológico. Este comprende las redes que tratan de simular los sistemas neuronales biológicos así como las funciones auditivas o algunas funciones básicas de la visión.  El modelo dirigido a aplicación. Estos modelos no tienen por qué guardar similitud con los sistemas biológicos. Sus arquitecturas están fuertemente ligadas a las necesidades de las aplicaciones para las que son diseñados.

Redes Neuronales de tipo Biológico Se estima que el cerebro humano contiene más de cien mil millones de neuronas y sinápsis en el sistema nervioso humano. Estudios sobre la anatomía del cerebro humano concluyen que hay más de 1000 sinapsis a la entrada y a la salida de cada neurona. Es importante notar que aunque el tiempo de conmutación de la neurona (unos pocos milisegundos) es casi un millón de veces menor que en las actuales elementos de las computadoras, ellas tienen una conectividad miles de veces superior que las actuales supercomputadoras. El objetivo principal de las redes neuronales de tipo biológico es desarrollar un elemento sintético para verificar las hipótesis que conciernen a los sistemas biológicos. Las neuronas y las conexiones entre ellas (sinapsis) constituyen la clave para el procesado de la información. Abigail Mosso Martínez

12520174Página 16

La mayor parte de las neuronas poseen una estructura de árbol llamadas dendritas que reciben las señales de entrada que vienen de otras neuronas a través de las uniones llamadas sinapsis. Algunas neuronas se comunican solo con las cercanas, mientras que otras se conectan con miles. Hay tres partes en una neurona: 1) el cuerpo de la neurona 2) ramas de extensión llamadas dentrías para recibir las entradas, y 3) un axón que lleva la salida de la neurona a las desdirías de otras neuronas.

La forma que dos neuronas interactúan no está totalmente conocida, dependiendo además de cada neurona. En general, una neurona envía su salida a otras por su axón. El axón lleva la información por medio de diferencias de potencial, u ondas de corriente, que depende del potencial de la neurona. Este proceso es a menudo modelado como una regla de propagación representada por la función de red. La neurona recoge las señales por su sinapsis sumando todas las influencias excitadoras e inhibidoras. Si las influencias excitadoras positivas dominan, entonces la neurona da una señal positiva y manda este mensaje a otras neuronas por sus sinapsis de salida. En este sentido la neurona puede ser modelada como una simple función escalón, la neurona se activa si la fuerza combinada de la señal de entrada es superior a un cierto nivel, en el caso general el valor de activación de la neurona viene dado por una función de activación.

Redes Neuronales para aplicaciones concretas Las RN dirigidas a aplicación están en general poco ligadas a las redes neuronales biológicas. Ya que el conocimiento que se posee sobre el sistema nervioso en general no es completo, se han de definir otras funcionalidades y estructuras de conexión distintas a las vistas desde la perspectiva biológica. Las características principales de este tipo de RN son los siguientes:  Auto Organización y Adaptabilidad: utilizan algoritmos de aprendizaje adaptativo y auto organización, por lo que ofrecen posibilidades de procesado robusto y adaptativo.  Procesado No Lineal: aumenta la capacidad de la red de aproximar, clasificar y su inmunidad frente al ruido. Procesado paralelo: normalmente se usa un gran número de células de procesado por el alto nivel de interconectividad. Estas características juegan un importante papel en las RN aplicadas al procesado de señal e imagen. Una red para una determinada aplicación presenta una arquitectura muy concreta, que comprende elementos de procesado adaptativo masivo paralelo combinadas con estructuras de interconexión de red jerárquica

Abigail Mosso Martínez

12520174Página 17

5.2.3. DESARROLLOS ACTUALES Y APLICACIONES. Las redes neuronales pueden utilizarse en un gran número y variedad de aplicaciones. Se pueden desarrollar redes neuronales en un periodo de tiempo razonable, con la capacidad de realizar tareas concretas mejor que otras tecnologías. Cuando se implementan mediante hardware (redes neuronales en chips VLSI), presentan una alta tolerancia a fallos del sistema y proporcionan un alto grado de paralelismo en el procesamiento de datos. Esto posibilita la inserción de redes neuronales de bajo coste en sistemas existentes y recientemente desarrollados.

APLICACIONES Las Redes neuronales artificiales son interesantes para una gran cantidad de personas de diferentes áreas: o

o o

o o o o o

Científicos de la computación que quieren averiguar sobre las propiedades del procesamiento de información no-simbólica con una red neuronal y sobre sistemas de aprendizaje en general. Estadísticos utilizan redes neuronales como modelos de clasificación y regresión no lineal flexible Ingenieros de varias especialidades se aprovechan de las capacidades de redes neuronales en muchas áreas, como procesamiento de señales y control automático Los científicos cognoscitivos ven redes nerviosas como un posible aparato para describir modelos de pensamiento y conciencia (función cerebral de alto-nivel). Neuro-fisiólogos utilizan redes neuronales para describir y explorar funciones cerebrales de medio-nivel (memoria del ej., sistema sensorial y motriz). Físicos usan redes neuronales para modelar fenómenos en mecánica estadística y para muchas otras tareas. Biólogos utilizan Redes Neuronales para interpretar sucesiones del nucleótido. Filósofos y otras personas también pueden ser interesadas en Redes Nerviosas por las varias razones.

Abigail Mosso Martínez

12520174Página 18

o

La mayoría de estas aplicaciones consisten en realizar un reconocimiento de patrones, como ser: buscar un patrón en una serie de ejemplos, clasificar patrones, completar una señal a partir de valores parciales o reconstruir el patrón correcto partiendo de uno distorsionado. Desde el punto de vista de los casos de aplicación, la ventaja de las redes neuronales reside en el procesado paralelo, adaptativo y no lineal.

5.3 VISIÓN ARTIFICIAL La visión artificial o visión por computador es una disciplina científica que incluye métodos para adquirir, procesar, analizar y comprender las imágenes del mundo real con el fin de producir información numérica o simbólica para que puedan ser tratados por un computador. Tal y como los humanos usamos nuestros ojos y cerebros para comprender el mundo que nos rodea, la visión por computador trata de producir el mismo efecto para que las computadoras puedan percibir y comprender una imagen o secuencia de imágenes y actuar según convenga en una determinada situación. Esta comprensión se consigue gracias a distintos campos como la geometría, la estadística, la física y otras disciplinas. La adquisición de los datos se consigue por varios medios como secuencias de imágenes, vistas desde varias cámaras de video o datos multidimensionales desde un escáner médico.

El propósito de la visión artificial es programar una computadora para que “entienda” una escena o las características de una imagen. Los objetivos típicos de la visión artificial incluyen: • La detección, segmentación, localización y reconocimiento de ciertos objetos en imágenes (por ejemplo, caras humanas). • La evaluación de los resultados (por ejemplo, segmentación, registro). • Registro de diferentes imágenes de una misma escena u objeto, es decir, hacer concordar un mismo objeto en diversas imágenes. • Seguimiento de un objeto en una secuencia de imágenes. • Mapeo de una escena para generar un modelo tridimensional de la escena; este modelo podría ser usado por un robot para navegar por la escena. • Estimación de las posturas tridimensionales de humanos. • Búsqueda de imágenes digitales por su contenido. Estos objetivos se consiguen por medio de reconocimiento de patrones, aprendizaje estadístico, geometría de proyección, procesamiento de imágenes, teoría de grafos y otros campos. La visión artificial cognitiva está muy relacionada con la psicología cognitiva y la computación biológica.

Abigail Mosso Martínez

12520174Página 19

5.3.1 CONCEPTOS BÁSICOS Visión artificial Se puede definir la “Visión Artificial” como un campo de la “Inteligencia Artificial” que, mediante la utilización de las técnicas adecuadas, permite la obtención, procesamiento y análisis de cualquier tipo de información especial obtenida a través de imágenes digitales. La visión artificial la componen un conjunto de procesos destinados a realizar el análisis de imágenes. Estos procesos son: captación de imágenes, memorización de la información, procesado e interpretación de los resultados. Con la visión artificial se pueden: o

o o o o

Automatizar tareas repetitivas de inspección realizadas por operadores. ➢ Realizar controles de calidad de productos que no era posible verificar por métodos tradicionales. ➢ Realizar inspecciones de objetos sin o físico. ➢ Realizar la inspección del 100% de la producción (calidad total) a gran velocidad. Reducir el tiempo de ciclo en procesos automatizados. Realizar inspecciones en procesos donde existe diversidad de piezas con cambios frecuentes de producción. Procesamiento de imágenes digitales Tiene como objetivo la descripción y reconocimiento del contenido de una imagen digital.

Procesamiento digital de imágenes: Transformación de una imagen del mundo real a un formato digital inteligible por un ordenador para su posterior procesamiento. Etapas o Fases: 1. 2. 3. 4. 5. 6. 7.

Digitalización Preprocesamiento Segmentación Representación Descripción Reconocimiento Interpretación

Digitalización: Imagen analógica (continua): imagen natural capturada con una cámara, sensor o cualquier otro dispositivo.

Abigail Mosso Martínez

12520174Página 20

Imagen digital (discreta): proyección de la imagen analógica para que pueda ser manipulada usando un ordenador. La transformación de una imagen analógica a otra digital se llama digitalización la digitalización es el primer paso en cualquier aplicación de procesamiento de imágenes digitales.

5.3.2 DESARROLLOS ACTUALES Y APLICACIONES Con la visión artificial se pueden: o

Automatizar tareas repetitivas de inspección realizadas por operadores. ➢ Realizar controles de calidad de productos que no era posible verificar por métodos tradicionales. ➢ Realizar inspecciones de objetos sin o físico. ➢ Reducir el tiempo de ciclo en procesos automatizados.

Las principales aplicaciones de la visión artificial en la industria actual son:

o o o o o o o o o o o o

Identificación e inspección de objetos. Determinación de la posición de en el espacio. Establecimiento de relaciones espaciales entre varios objetos (guiado de robots). Determinación de las coordenadas importantes de un objeto. Realización de mediciones angulares. Mediciones tridimensionales. Automatizar tareas repetitivas de inspección realizadas por operadores. Realizar controles de calidad de productos que no era posible verificar por métodos tradicionales. Realizar inspecciones de objetos sin o físico. Realizar la inspección del 100% de la producción (calidad total) a gran velocidad. Reducir el tiempo de ciclo en procesos automatizados. Realizar inspecciones en procesos donde existe diversidad de piezas con cambios frecuentes de producción.

Abigail Mosso Martínez

12520174Página 21

4.4 LÓGICA DIFUSA (FUZZY LOGIC) La lógica difusa es la “ciencia que estudia las leyes, los modos y las formas del razonamiento aproximado". Características: o Soporta datos imprecisos o Es conceptualmente fácil de entender o Es tolerante a los datos imprecisos o Se basa en el lenguaje humano o Se basa en la experiencia de expertos conocedores del problema en cuestión o Puede modelar funciones no lineales de alguna complejidad o Combina en forma unificada expresiones lingüísticas con datos numéricos. Básicamente la Lógica Difusa es una lógica multivaluada que permite representar matemáticamente la incertidumbre y la vaguedad, proporcionando herramientas formales para su tratamiento. Básicamente, cualquier problema del mundo puede resolverse como dado un conjunto de variables de entrada (espacio de entrada), obtener un valor adecuado de variables de salida (espacio de salida). La lógica difusa permite establecer este mapeo de una forma adecuada, atendiendo a criterios de significado (y no de precisión). El término Lógica Difusa fue utilizado por primera vez en 1974. Actualmente se utiliza en un amplio sentido, agrupando la teoría de conjunto difusos, reglas si-entonces, aritmética difusa, cuantificadores, etc. En este curso emplearemos este significado extenso el término. El concepto de Lógica Difusa fue creado por Lofti A. Zadeh, catedrático de la Universidad de Berkeley (California). En su propuesta, la lógica difusa fue presentada como una forma de procesamiento de información en la que los datos podrían tener asociados un grado de pertenencia parcial a conjuntos. Fue a mediados de los 70 cuando esta teoría se aplicó a los sistemas de control (cuando los pequeños ordenadores empotrados tuvieron suficiente potencia como para permitir su ejecución). Desde entonces el número de aplicaciones industriales y su utilización en productos de consumo.

Abigail Mosso Martínez

12520174Página 22

5.4.1. CONCEPTOS BÁSICOS. Conjuntos difusos. La mayoría de los fenómenos que encontramos cada día son imprecisos, es decir, tienen implícito un cierto grado de difusidad en la descripción de su naturaleza. Esta imprecisión puede estar asociada con su forma, posición, momento, color, textura, o incluso en la semántica que describe lo que son. En muchos casos el mismo concepto puede tener diferentes grados de imprecisión en diferentes contextos o tiempo. Un día cálido en invierno no es exactamente lo mismo que un día cálido en primavera. La definición exacta de cuando la temperatura va de templada a caliente es imprecisa -no podemos identificar un punto simple de templado, así que emigramos a un simple grado, la temperatura es ahora considerada caliente. Este tipo de imprecisión o difusidad asociado continuamente a los fenómenos es común en todos los campos de estudio: sociología, física, biología, finanzas, ingeniería, oceanografía, psicología, etc.

Conceptos imprecisos. Aceptamos la imprecisión como una consecuencia natural de ''la forma de las cosas en el mundo''. La dicotomía entre el rigor y la precisión del modelado matemático en todo los campos y la intrínseca incertidumbre de ''el mundo real'' no es generalmente aceptada por los científicos, filósofos y analistas de negocios. Nosotros simplemente aproximamos estos eventos a funciones numéricas y escogemos un resultado en lugar de hacer un análisis del conocimiento empírico. Sin embargo procesamos y entendemos de manera implícita la imprecisión de la información fácilmente. Estamos capacitados para formular planes, tomar decisiones y reconocer conceptos compatibles con altos niveles de vaguedad y ambigüedad. Considere las siguientes sentencias:

Abigail Mosso Martínez

12520174Página 23

5.4.2. DESARROLLOS ACTUALES Y APLICACIONES. La Lógica Borrosa tiene gran utilidad ya que ella nos permite tratar problemas demasiado complejos, mal definidos o para los cuales no existen modelos matemáticos precisos. Gracias a este tipo de lógica se ha permitido modelizar y resolver situaciones consideradas intratables desde el punto de vista de la Lógica Clásica.

En los últimos años la Lógica Borrosa se ha utilizado en distintos tipos de instrumentos, máquinas y en diversos ámbitos de la vida cotidiana. Algunos casos por ejemplo son los estabilizadores de imágenes en grabadoras de vídeo, controladores de ascensores e ingeniería de terremotos. También se ha usado esta técnica en la industria, obteniéndose excelentes resultados como en el caso del metro de Sendai en Japón, ya que permitía que el metro arrancara y frenara con gran suavidad, sin producir alteraciones entre los pasajeros.

Realizando una división de los ejemplos en tres grandes grupos tenemos: o

o

o

Productos creados para el consumidor: Lavadoras difusas (Matsuhita Electronic Industrial), hornos microondas, sistemas térmicos, traductores lingüísticos, cámaras de vídeo, televisores, estabilizadores de imágenes digitales (Matsuhita) y sistemas de foco automático en cámaras fotográficas. Sistemas: Elevadores, trenes, automóviles (caso de los sistemas de transmisiones, de frenos y mejora de la eficiencia del uso de combustible en motores), controles de tráfico, sistemas de control de acondicionadores de aire que evitan las oscilaciones de temperatura y sistemas de reconocimiento de escritura. Software: Diagnóstico médico, seguridad, comprensión de datos, tecnología informática y bases de datos difusas para almacenar y consultar información imprecisa (uso del lenguaje FSQL).

Abigail Mosso Martínez

12520174Página 24

5.4.1 CONCEPTOS BÁSICOS Incertidumbre: Se puede clasificar a la incertidumbre en: determinista, aleatoria, ambigua o no especifica, vaguedad y confusión. Determinismo. Es el conocimiento perfecto de los resultados y de la ocurrencia delos eventos, desde este punto no es considerada la incertidumbre. Incertidumbre aleatoria. Esta ocurre cuando los posibles eventos resultantes de un experimento son conocidos, por ejemplo, el lanzar una moneda. Incertidumbre de ambigüedad o no específica. Esto es cuando una afirmación que puede ser verdadera o falsa. En este aspecto la probabilidad se establece de forma empírica, subjetiva o experimental y puede darse en términos de rangos en lugar de valores absolutos. En este punto los eventos no están especificados o bien definidos, ya que hay carencia de información. Esto es la vaguedad imposibilita establecer la verdad o falsedad de una situación. Incertidumbre de confusión. Este tipo presenta características tanto ambiguas como vagas. Función de pertenencia: Las funciones de pertenencia son una forma de representar gráficamente un conjunto borroso sobre un universo. Soft Computing: El término de Soft Computing apareció en 1981 en el BISC (Berkeley Initiative in Soft Computing), y puede ser definido como el uso de metodologías que proporcionan los fundamentos para el diseño, desarrollo y uso de sistemas inteligentes. Las principales metodologías que forman este grupo son la Lógica Difusa, la Computación Evolutiva, Métodos Probabilísticos y Aprendizaje Máquina. En general estas metodologías y técnicas se combinan ofreciendo mejores resultados Información imprecisa: La lógica difusa permite tratar información imprecisa, como la estatura media o temperatura baja, en términos de conjuntos borrosos que combinan en reglas para definir acciones: si la temperatura es alta entonces enfriar mucho. De esta manera, los sistemas de control basados en lógica difusa combinan variables de entrada, definidas en términos de conjuntos difusos, por medio de grupos de reglas que producen uno o varios valores de salida

Abigail Mosso Martínez

12520174Página 25

5.4.2 DESARROLLOS ACTUALES Y APLICACIONES La lógica difusa se utiliza cuando la complejidad del proceso en cuestión es muy alta y no existen modelos matemáticos 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 algún modelo matemático ya soluciona eficientemente el problema, cuando los problemas son lineales o cuando no tienen solución. Esta técnica se ha empleado con bastante éxito en la industria, principalmente en Japón, extendiéndose sus aplicaciones a multitud de campos. La primera vez que se usó de forma importante fue en el metro japonés, con excelentes resultados. Posteriormente se generalizó según la teoría de la incertidumbre desarrollada por el matemático y economista español Jaume Gil Aluja.

A continuación se citan algunos ejemplos de su aplicación: o o o o o o o

Sistemas de control de acondicionadores de aire Sistemas de foco automático en cámaras fotográficas Electrodomésticos familiares (frigoríficos, lavadoras…) Optimización 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) Tecnología informática Bases de datos difusas: Almacenar y consultar información imprecisa. Para este punto, por ejemplo, existe el lenguaje FSQL

Abigail Mosso Martínez

12520174Página 26

5.5. PROCESAMIENTO DE LENGUAJE NATURAL (PLN) El procesamiento de lenguajes naturales —abreviado PLN, o NLP del idioma inglés Natural Language Processing— es un campo de las ciencias de la computación, inteligencia artificial y lingüística que estudia las interacciones entre las computadoras y el lenguaje humano. El PLN se ocupa de la formulación e investigación de mecanismos eficaces computacionalmente para la comunicación entre personas y máquinas por medio de lenguajes naturales. El PLN no trata de la comunicación por medio de lenguajes naturales de una forma abstracta, sino de diseñar mecanismos para comunicarse que sean eficaces computacionalmente — que se puedan realizar por medio de programas que ejecuten o simulen la comunicación—. Los modelos aplicados se enfocan no solo a la comprensión del lenguaje de por sí, sino a aspectos generales cognitivos humanos y a la organización de la memoria. El lenguaje natural sirve solo de medio para estudiar estos fenómenos. Hasta la década de 1980, la mayoría de los sistemas de PLN se basaban en un complejo conjunto de reglas diseñadas a mano. A partir de finales de 1980, sin embargo, hubo una revolución en PLN con la introducción de algoritmos de aprendizaje automático para el procesamiento del lenguaje.

5.5.1. Conceptos básicos Lenguaje Es un sistema de comunicación biológico especializado en la transmisión de información significativa e individualmente. (Pavio / Begg, 1981). Modo de hablar y escribir de cada persona en particular. (Real academia de la lengua española, 2001). El lenguaje puede interpretarse como un sistema compuesto por unidades (signos). El lenguaje da lugar a formas concretas de conducta, lo que permite su interpretación o tipo de comportamiento. Lenguaje natural Es el medio que utilizan exclusivamente las personas de todo el mundo para comunicarse entre sí.

Abigail Mosso Martínez

12520174Página 27

Lenguaje artificial A diferencia de las llamadas lenguas naturales, las artificiales han sido planificadas y construidas conscientemente por personas o grupos de personas con diversos fines. Las lenguas artificiales han sido obra de disímiles especialistas:

     

Teólogos Filósofos Literatos Así como de otros científicos de las llamadas (ciencias duras): Matemáticos Cibernéticos

Ejemplos de lenguajes artificiales:  Código morse  Matemático  Braille

Lenguaje formal Es un tipo de lenguaje artificial que define unívocamente las oraciones correctas que componen un lenguaje natural. Lenguaje cuyos símbolos primitivos son unidos mediante reglas que están formalmente especificadas.

5.5.2. Desarrollos actuales y aplicaciones. Verificación y corrección ortográfica Los verificadores ortográficos son programas informáticos que sirven para revisar la ortografía de un texto. Estos programas suelen realizar dos tareas diferenciadas:  La identificación de las palabras del texto que suponen algún error de ortografía.  La determinación de la forma correcta de la palabra. Además, cuando esto no es posible sugieren la forma correcta. Análisis sintáctico El uso de analizadores sintácticos permite verificar la gramática de un texto, aunque requiere una cierta adaptación. Verificación y corrección Estilística La propiedad estilística de un texto se basa en la afinidad de su estilo con la norma estilística del género al cual se

Abigail Mosso Martínez

12520174Página 28

adscribe. La norma estilística de un género puede definirse a partir de las construcciones lingüísticas del género en cuestión.

Traducción automática Es un proceso de realización automático para traducir textos de una lengua de entrada (sl) a una lengua de salida (tl). El proceso se articula generalmente en análisis que verifican respectivamente un algoritmo de análisis. Recuperación de la información Son aquellos que realizan las tareas de seleccionar los documentos que son relevantes a necesidades de información arbitrarias formuladas por los s. Estos sistemas devuelven una lista de documentos. Los sistemas más conocidos son aquellos que permiten con mayor o menor éxito localizar información a través de internet. Extracción de información Los sistemas de extracción de información realizan la tarea de buscar información muy concreta en colecciones o flujos de documentos. Su finalidad consiste en extraer la información en un formato que sea susceptible de ser tratado posteriormente de forma automática. Búsqueda de respuestas Es aquella tarea automática realizada con ordenadores que tiene como finalidad la de encontrar respuestas concretas a necesidades precisas de información formuladas por los s. Reconocimiento de voz Esta es una aplicación que más éxito ha obtenido en la actualidad. Las computadoras de hoy ya tienen esta característica. El reconocimiento de voz puede tener dos posibles usos:  Identificar al  Procesar lo que el dicte Existiendo ya programas comerciales que son accesibles por la mayoría de los s.

5.6. SISTEMAS EXPERTOS (SE) Los Sistemas Expertos, rama de la Inteligencia Artificial, son sistemas informáticos que simulan el proceso de aprendizaje, de memorización, de razonamiento, de comunicación y de acción en consecuencia de un experto humano en cualquier rama de la ciencia. Estas características le permiten almacenar datos y conocimiento, sacar conclusiones lógicas, tomar decisiones, aprender de la experiencia y los datos existentes, comunicarse con expertos humanos, explicar el porqué de las decisiones tomadas y realizar acciones como consecuencia de todo lo anterior. Técnicamente un sistema experto, contiene una base de conocimientos que incluye la experiencia acumulada de expertos humanos y un conjunto de reglas para aplicar ésta base de conocimientos en

Abigail Mosso Martínez

12520174Página 29

una situación particular que se le indica al programa. Cada vez el sistema se mejora con adiciones a la base de conocimientos o al conjunto de reglas.

“un programa de ordenador inteligente que usa conocimiento y procedimientos de inferencia para resolver problemas que son lo suficientemente difíciles como para requerir la intervención de un experto humano para su resolución”

¿Por qué utilizar un Sistema Experto? 1. Con la ayuda de un Sistema Experto, personas con poca experiencia pueden resolver problemas que requieren un "conocimiento formal especializado". 2. Los Sistemas Expertos pueden obtener conclusiones y resolver problemas de forma más rápida que los expertos humanos. 3. Los Sistemas Expertos razonan pero en base a un conocimiento adquirido y no tienen sitio para la subjetividad. 4. Se ha comprobado que los Sistemas Expertos tienen al menos, la misma competencia que un especialista humano. 5. El uso de Sistemas Expertos es especialmente recomendado en las siguientes situaciones: o Cuando los expertos humanos en una determinada materia son escasos. o En situaciones complejas, donde la subjetividad humana puede llevar a conclusiones erróneas. o Cuando es muy elevado el volumen de datos que ha de considerarse para obtener una conclusión.

Abigail Mosso Martínez

12520174Página 30

5.6.1. Conceptos básicos. Se sabe que una de las características de los seres vivos es la inteligencia, que todos tienen una capacidad o grado distinto de inteligencia, que depende de factores biológicos, psicológicos y de desarrollo mental, pero; que se entiende realmente por Inteligencia. A continuación se revisarán algunos conceptos generales sobre inteligencia: Inteligencia es la aptitud de crear relaciones Esta creación puede darse de manera puramente sensorial, como en la inteligencia animal; también puede darse de manera intelectual, como en el ser humano, que pone en juego el lenguaje y los conceptos. Inteligencia también se la puede conceptuar como la habilidad para adquirir, comprender y aplicar conocimiento; o como la aptitud para recordar, pensar y razonar. Inteligencia podemos también decir que es la capacidad para solucionar problemas lo cual requiere de conocimiento y relaciones.

Los conceptos de inteligencia son relativos y variables pero en general están relacionados a la capacidad de crear relaciones y generar conocimiento para aplicarlos en la solución de problemas; está tácitamente demostrado que inteligencia y conocimiento son conceptos íntimamente ligados. Finalmente se puede decir que el concepto de inteligencia es variable dependiendo del tipo de investigador; es decir los conceptos de inteligencia de un psicólogo, un antropólogo, un abogado u otro profesional pueden ser distintos y válidos para sus respectivas áreas.

No existe una definición concreta de Inteligencia Artificial, pero la mayoría de los autores coinciden en que es, en esencia, lograr que una máquina tenga inteligencia propia, es decir: “La inteligencia artificial es una de las áreas más fascinantes y con más retos de las ciencias de la Computación ya que ha tomado a la inteligencia como la característica universalmente aceptada para diferenciar a los humanos de otras criaturas ya sean vivas o inanimadas, para construir programas o computadoras inteligentes.” Ventajas Las ventajas que se presentan a continuación son en comparación con los expertos humanos  Están siempre disponibles a cualquier hora del día y de la noche, y de forma interrumpida.  Mantiene el humor. Abigail Mosso Martínez

12520174Página 31

 Pueden duplicarse (lo que permite tener tantos SE como se necesiten).  Pueden situarse en el mismo lugar donde sean necesarios.  Permiten tener decisiones homogéneas efectuadas según las directrices que se les fijen.  Son fáciles de reprogramar.  Pueden perdurar y crecer en el tiempo de forma indefinida.  Pueden ser consultados por personas u otros sistemas informáticos.

5.6.2. Clasificación. Por la forma de almacenar conocimiento Se pueden distinguir sistemas basados en reglas y sistemas basados en probabilidad. Así en el primer caso, el conocimiento se almacena en forma de hechos y reglas, mientras que el segundo, la base de conocimientos está constituida por hechos y sus dependencias probabilísticas; en el primer caso el motor de inferencia opera mediante encadenamiento de reglas hacia atrás y adelante, mientras que el segundo caso opera mediante la evaluación de probabilidades condicionales. Finalmente también hay diferencias en la adquisición del conocimiento y el método de explicación. Por la naturaleza de la tarea a realizar Así se tiene cuatro posibilidades: Diagnostico o Clasificación: se conocen soluciones y se tratan de clasificarlas o diagnosticarlas en función de una serie de datos. Por ejemplo: sistema de diagnóstico médico. Monitorización: análisis del comportamiento de un sistema buscando posibles fallos, en este caso es importante contemplar la evolución del sistema pues no siempre los mismos datos dan lugar a idénticas soluciones. Diseño: se busca la construcción de la solución a un problema, que en principio es desconocida, a partir de datos y restricciones a satisfacer. Predicción: se estudia el comportamiento de un sistema Por la interacción del Apoyo: el sistema aconseja el , que mantiene la capacidad de una última decisión. Por ejemplo, el diagnóstico médico. Control: el sistema actúa directamente sin intervención humana. Critica: Su misión es analizar y criticar decisiones tomadas por el . Por la limitación de tiempo para tomar decisiones Tiempo ilimitado: por ejemplo, aquellos que emplean conocimiento casual, que busca orígenes de un problema que ha ocurrido y cuyo análisis no necesita ser inmediato. Tiempo limitado (tiempo real): sistemas que necesitan actuar controlando o monitorizando Abigail Mosso Martínez

12520174Página 32

dispositivos y que han de tomar decisiones inmediatas frente a los problemas que surjan. Por ejemplo el control de una red de comunicaciones.

Por la variabilidad temporal del conocimiento Estáticos: la base del conocimiento no se altera durante el proceso de decisión. Dinámicos: ocurren cambios en la base de conocimiento durante la toma de decisiones. Estos cambios pueden ser predecibles o impredecibles y además pueden, bien añadir información, bien modificar la información ya existente.

Por la naturaleza del conocimiento almacenado Basado en experiencia: el conocimiento se basa en experiencias o hechos ocasionados conocidos por el experto, pero sin que existe una causa clara para los efectos que se observan. Basado en relaciones causa-efecto. Por la certeza de la información Completa o perfecta: se conocen todos los datos y reglas necesarios para la decisión. Imperfecta: que puede ser incompleta (falta información para tomar decisiones), Datos inciertos (o no confirmados), Conocimientos incierto (reglas no siempre validas), Terminología ambigua (dobles sentidos, etc.)

5.6.3. DESARROLLOS ACTUALES Y APLICACIONES. Medicina Los SE enfrentan tareas tales como la resolución de problemas, razonamiento automático y aprendizaje automático. Es típico el estudio de estos sistemas inteligentes en dominios específicos del conocimiento, como la medicina. Los programas en esta área se pueden clasificar en:  Métodos de contestación prefijada, formados por algoritmos aritméticos lógicos, en los cuales el control y el conocimiento están juntos y están escritos en lenguajes procedimentales.  Métodos estadísticos que se clasificaban en Bayesianos, de análisis discriminantes y análisis secuencial.  Contabilidad Las actividades istrativas, financieras y contables también son campos en los que se pueden aplicar los sistemas expertos, pues se realizan Abigail Mosso Martínez

12520174Página 33

muchas de las tareas antes descritas y, además, éstas cumplen la mayoría de los requisitos que son necesarios para poder desarrollar un sistema experto (las tareas requieren conocimiento especializado, existen auténticos expertos en la materia, los expertos son escasos, la pericia necesita ser localizada en distintos lugares, la mayoría de las tareas requieren soluciones heurísticas). Ahora bien, no en todas las tareas que se realizan en el campo de la contabilidad y las finanzas es necesario utilizar los sistemas expertos.

Planificación financiera e industria de los servicios financieros Planificación financiera corporativa, planificación financiera personal, análisis de inversiones, gestión de tesorería, mercado de valores, seguros, banca, concesiones de crédito, etc. Auditoría Como consecuencia de los grandes cambios producidos en las empresas por el avance tecnológico actual, el trabajo de auditoria se ha visto modificado considerablemente, caracterizándose básicamente por los siguientes rasgos: aumento creciente de las normas y procedimientos de auditoria; normas y procedimientos de auditoria cada vez más complejos; cambios en las normas de ética profesional, que exigen un mayor control y una mayor calidad en la realización de los trabajos de auditoria; mayor competición entre las empresas de auditoría, resultando, como consecuencia de ello, unos honorarios de auditoría más bajos; ofrecimiento al cliente de nuevos servicios ( asesoramiento fiscal, informático); desarrollo de nuevos tipos de auditoría (auditoría de gestión operativa, auditoría informática, auditoría medioambiental). Militar las aplicaciones se centran en:  Elección inteligente de contramedidas electrónicas con el fin de obtener la máxima efectividad con unos recursos limitados.  Guiado de vehículos y proyectiles de forma semiautomática.  Planificación estratégica.  Reconocimiento automático de blancos y valoración de los mismos.

Industria los SE en la industria se aplican principalmente en: Diagnóstico de control de calidad. Detección y actuación en caso de alarmas y emergencias. Configuración de equipos y sistemas bajo demanda. Generación de especificaciones y manuales de utilización, mantenimiento y reparación de sistemas fabricados bajo demanda.  Control de procesos industriales.  Gestión optima de los recursos.    

Abigail Mosso Martínez

12520174Página 34

Electrónica, informática y telecomunicaciones. Las aplicaciones principales de los SE son:       

Diseño de circuitos de alto grado de integración. Sistemas inteligentes de autodiagnóstico contenidos. Configuración de equipos y sistemas. Control de redes de comunicación. Programación automática. Ajuste de equipos y sistemas. Optimización de programas de computadoras.

Robótica Aun cuando los robots no son como se les muestra en las películas, realmente pueden llegar a realizar actividades sorprendentes, sobre todo si son utilizados en la fabricación de productos, donde las tareas son repetitivas y aburridas. Los robots son muy solicitados en ambientes peligrosos para el ser humano, como en el manejo de explosivos, altas temperaturas, atmósfera sin la cantidad adecuada de oxígeno y en general bajo cualquier situación donde se pueda deteriorar la salud. La mayoría de los robots tienen un brazo con varias uniones móviles y partes prensiles, donde todos sus elementos son controlados por un sistema de control programado para realizar varias tareas bajo una secuencia de pasos preestablecidos. Los investigadores de IA pretenden adicionar al robot métodos y técnicas que le permitan actuar como si tuviera un pequeño grado de inteligencia, lo cual pretenden lograr con la conjunción de todas las áreas de la IA.

Aeronáutica Un impacto significativo de los Sistemas Expertos es en la aeronáutica, los Sistemas Expertos apoyan a los pilotos a realizar prácticas de simulación, control, vuelos, diagnósticos, entrenamiento, etc. Simulación: Las prácticas de simulación en la Ingeniería aeronáutica son de vital importancia, en este sentido los Sistemas Expertos permiten apoyar de forma más precisa los procesos de simulación que llevan a cabo los practicantes y futuros pilotos. Las prácticas de simulación evitan graves accidentes, es decir los practicantes durante su entrenamiento no usarán aviones o naves reales, sino arquitecturas electrónicas y sistemas que simulan estas naves, es aquí precisamente donde los Sistemas Expertos apoyan estas labores, otorgando a los practicantes conocimiento sobre mecanismos de vuelo, control, solución de problemas, etc. Diagnósticos: Esta es una de las tareas que desempeñan muy bien los Sistemas Expertos, ya que estos permiten tener siempre un control, el Sistema en este aspecto juega un papel muy importante, ya que será un asistente con una carga masiva de conocimiento que permitirá detectar y solucionar las fallas del avión o nave. El experto humano no siempre tiene de forma clara el conocimiento, ya que el conocimiento en

Abigail Mosso Martínez

12520174Página 35

muchas ocasiones tiende a ausentarse de la mente debido a factores como miedo, presión, estrés, etc.

Abigail Mosso Martínez

12520174Página 36