EFECTOS DE LAS COMPUTADORAS

SOBRE LA SOCIEDAD
“INTELIGENCIA ARTIFICIAL”
Área Académica: Ingeniería

Profesor(a): M. en S.C. Jaqueline Sánchez Espinoza

Periodo: Enero-Mayo 2015

Resumen
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.
Abstract
Artificial intelligence is one that attempts to explain mental functioning
based on the development of algorithms to control different things.
Artificial intelligence combines several fields such as robotics, expert
systems and others, which have the same goal, which is to try to create
machines that can think for themselves, resulting so far there are several
studies and applications, within which are neural networks, process
control and genetic algorithms.

Keywords: Branches, Intelligence, Applications.

 Desarrollo del tema
UNIDAD II Efectos de las Computadoras
sobre la sociedad
2.1 Inteligencia Artificial
2.2 Sistemas Expertos
2.3 Ejemplos
2.4 Referencias
 2.1 INTELIGENCIA ARTIFICIAL (IA)

La Inteligencia Artificial es la parte de la Ciencia que

se ocupa del diseño de sistemas de computación
inteligentes, es decir, sistemas que exhiben las
características que asociamos a la inteligencia en el
comportamiento humano que se refiere a la comprensión
del lenguaje, el aprendizaje, el razonamiento, la
resolución de problemas, entre otros.
 2.1.1 ETAPAS DE LA IA:

Estudios centrados en Redes Neuronales.

Demostración de Teoremas y Ajedrez.

(1937) Matemático Ingles Alan Mathison Turing (Articulo

"Números Calculables”), introdujo la Máquina de Turing, una
entidad matemática abstracta que formalizo el concepto de
algoritmo y resulto ser la precursora de las computadoras
digitales.
2.1.2 PRINCIPALES RAMAS
I.A. Robótica

Robótica
Desarrollo de dispositivos mecánicos o de computación
que tengan la capacidad de realizar funciones y/o tareas
que requieran de un alto grado de precisión, tediosas o
impliquen riesgo de peligro para los seres humanos.
 Robótica
Sistema de visión
Equipos y software que les permite a las
computadoras capturar, almacenar y I.A.
manipular imágenes visuales y
Sistema

fotografías. de visión

Se pueden usar junto con robots para darles "visión" a

estas máquinas y que pueda tomar decisiones con base a
lo que ve y reconocer la información visual de acuerdo
con patrones generales.
 Robótica

Procesamiento de Lenguaje Natural

Programas que tienen como entrada
I.A.
lenguajes humanos para traducirlos en un Procesamiento
Sistema de
de Lenguaje
visión
Natural

conjunto estándar de instrucciones que

una computadora ejecuta.

Permiten a los seres humanos usar su propio lenguaje

natural cuando interactúan con programas como sistemas
de administración de bases de datos (DBMS).
Procesamiento de Lenguaje Natural
El objetivo de los procesadores de lenguaje natural es eliminar
paulatinamente la necesidad de aprender lenguajes de
programación o comandos personalizados para que las
computadoras entiendan.
Su ventaja radica en que combinados con dispositivos de
reconocimiento de voz, el usuario de instrucciones a las
computadoras para que realicen tareas, sin usar un teclado o
cualquier otro dispositivo de entrada.
 Robótica

Sistemas de Aprendizaje
Sistemas de
Aprendizaje
I.A. Sistema de
visión

Procesamiento
de Lenguaje
Natural

Combinación de software y equipos que le permite a la

computadora cambiar su modo de funcionar o reaccionar
a situaciones, basado en la retroalimentación que recibe.
 Robótica

Redes Neuronales
Es un sistema de computación que Redes
Neuronales
I.A. Sistema de
visión

puede actuar en la misma forma

que funciona el cerebro humano, o
Sistemas de
Aprendizaje

simularlo.

La redes neuronales pueden procesar muchas piezas de

información al mismo tiempo y aprender a reconocer patrones.
Características de una Red Neuronal
•Capacidad de recuperar información incluso si falla alguno de
sus nodos.
•Modificación rápida de los datos almacenados a partir de
nueva información.
•Capacidad de descubrir relaciones y tendencias en grandes
bases de datos.
•Capacidad de resolver problemas complejos para los cuales
no se cuenta con la información.
 Robótica

Lógica Difusa
Lógica Sistema de
Se basa en reglas que no tienen límites Difusa visión

discretos, sino que se prolongan en un

I.A.
continuum, permitiendo a un sistema Redes Sistemas de
Neuronales Aprendizaje

manejar mejor la ambigüedad.

Esto es muy útil para reflejar cómo tienden a pensar las

personas, en términos relativos, no absolutos.
 Robótica

Algoritmos Genéticos
Algoritmos Sistema de
Genéticos visión
Un algoritmo genético es un método de
búsqueda dirigida basada en I.A.
Lógica Sistemas de

Probabilidad. Al aumentar el número de Difusa Aprendizaje

Redes
iteraciones, la probabilidad de tener el Neuronales

óptimo en la población tiende a 1.

Funciones matemáticas que usan los principios de Darwin para

mejorar una aplicación. Diseñadas para simular en software.
 Robótica

Agentes Inteligentes Agentes

Inteligentes
Sistema de
visión

Programas de computadora que

automáticamente revisan enormes Algoritmos
I.A. Sistemas de
Genéticos Aprendizaje

cantidades de datos y seleccionan y

Redes
Lógica Difusa
entregan la información más Neuronales

adecuada para el usuario, de acuerdo con requisitos

contextuales o específicos. La aplicación más importante de
los agentes inteligentes se encuentra en la WEB.
 Agentes Inteligentes
El propósito principal de los agentes inteligentes es
realizar sus tareas significativas más rápido, con más
frecuencia y de manera más efectiva, que el usuario. Los
agentes inteligentes vinculan automáticamente su
computadora con sitios favoritos, le avisan cuando éstos
se hayan actualizado y adecuan páginas específicas a sus
preferencias.
 Robótica

Sistemas Expertos Sistemas

Expertos
Sistema de
visión

Programa de computadora, inteligente, que

usa el conocimiento y los procedimientos de
Agentes
Inteligentes
I.A. Sistemas de
Aprendizaje

inferencia para resolver problemas que son Algoritmos

Genéticos
Redes
Neuronales

suficientemente Lógica Difusa

suficientemente difíciles como para requerir significativa

experiencia humana para su solución. Hace un amplio uso del
conocimiento especializado, como lo hace un experto humano.
2.2 Sistemas Expertos
Se utilizan los términos: Sistema Experto (SE),
Sistemas Basados en Conocimientos o
Sistema Experto Basado en Conocimiento.
Para construir un SE, un ingeniero del
conocimiento se entrevista con un experto
humano, y traduce la información en código.
2.2.1 Características de los Sistemas
Expertos (SE)
• Pueden explicar su razonamiento o decisiones sugeridas.
• Puede mostrar un comportamiento "inteligente“.
• Puede obtener conclusiones de relaciones complejas.
• Puede proporcionar conocimientos acumulados.
• Puede hacer frente a la incertidumbre.
2.2.2 Capacidades de los SE
En comparación con otros tipos de sistemas de información,
los SE ofrecen varias capacidades poderosas y beneficios. Los
SE se pueden usar para solucionar problemas en todos los
campos y disciplinas y ayudar en la totalidad de las etapas del
proceso de solución del problemas.
2.2.3 Usos de los SE

El desarrollo de un SE complejo puede ser difícil,

costoso y requerir de tiempo, por lo tanto, es
importante asegurarse de que los posibles beneficios
valen el esfuerzo y que las diversas características del
S.E. se equilibran, en términos de costo, control y
complejidad.
2.2.4 Limitaciones de los SE
• No se han usado o probado en forma extensa.

• Dificultad de uso.

• Están limitados a problemas relativamente limitados.

• No pueden enfrentar con facilidad a conocimientos "mixtos".

• Posibilidad de error.
 Interfaz de Usuario
2.2.5 Componentes de los SE

El usuario interactúa con el SE a través de una interfaz, la cual puede

contender menús, procesamiento del lenguaje natural u otro tipo de
interacción. Debe ser amigable en la entrada y salida de información.
 Interfaz de Usuario Adquisición de
Conocimiento

Se corresponde con el proceso de crear y actualizar la

base de conocimientos
 Adquisición de Base de Conocimiento

Interfaz de Usuario
Conocimiento (BC)

Memoria Activa
(Hechos)
y
Reglas

Almacena toda la información, datos, reglas, casos y relaciones importantes

que utiliza el SE. Para cada aplicación única se tiene que desarrollar una
base conocimientos.
 Adquisición de Base de Conocimiento

Interfaz de Usuario
Conocimiento (BC)

Memoria Activa
(Hechos)
y
Reglas

Es similar a la suma total de los conocimientos y experiencias de los

expertos humanos que se obtienen a través de años de trabajo en un área
o disciplina específica.
 Adquisición de Base de Conocimiento

Interfaz de Usuario
Conocimiento (BC)

Memoria Activa
(Hechos)
y
Reglas

El uso de reglas: una regla es una instrucción condicionada que enlaza

determinadas condiciones con acciones o resultados. La regla se crea
por medio de construcciones de SI – ENTONCES.
 Base de Conocimiento

Interfaz de Usuario
Adquisicion de (BC)
Conocimiento
Memoria Activa
(Hechos)
y
Reglas

El proceso incluye:
1) Encontrar casos almacenados en la base de conocimientos, que
sean similares al problema,
2) Modificar las soluciones a los casos para adaptarlas, o ajustarlas,
al problema o la situación actual.
 Adquisición de Base de Conocimiento

Interfaz de Usuario
Conocimiento (BC)

Memoria Activa
Mecanismo de
(Hechos)
Inferencia.
y
Reglas

Conocido como Motor de Inferencia, usado para buscar información y

relaciones en la base de conocimientos, y proporcionar respuestas,
pronósticos y sugerencias en la misma forma en que lo haría un experto
humano.
 Adquisición de Base de Conocimiento

Interfaz de Usuario
Conocimiento (BC)

Memoria Activa
Mecanismo de
(Hechos)
Inferencia.
y
Reglas

Se asocia con un modelo o paradigma para resolver problemas.

•Modelo que utiliza métodos de encadenamientos de reglas SI
– ENTONCES para formar una línea de razonamiento.
 Adquisición de Base de Conocimiento

Interfaz de Usuario
Conocimiento (BC)

Memoria Activa
Mecanismo de
(Hechos)
Inferencia.
y
Reglas

• Si la conclusión es conocida pero la ruta de la conclusión no es conocida

entonces el método que se utiliza es el encadenamiento hacia atrás.
 Adquisición de Base de Conocimiento

Interfaz de Usuario
Conocimiento (BC)

Memoria Activa
Mecanismo de
(Hechos)
Inferencia.
y
Reglas

Busca a través de la BC, intentando asociar el conocimiento almacenado en

forma de hechos el antecedente de una regla (condición).
 Adquisición de Base de Conocimiento
Interfaz de Usuario
Conocimiento (BC)

Memoria Activa
Mecanismo de
(Hechos)
Inferencia.
y
Reglas
Medio de
Explicacion

Permite explicar el proceso de razonamiento seguido para tomar una

decisión.

Responderá a la pregunta: ¿Cómo? O ¿Por qué? Cuando ha efectuado una

conclusión.
 2.3 Ejemplos
• Robot QRIO de Sony http://www.youtube.com/watch?v=rokOtmUhos0
• El primer trabajo práctico de Robótica en la Maestría de Inteligencia
Artificial en la UCLA, Venezuela :D...Robot minibot Lego RCX
http://www.youtube.com/watch?v=Wz0aJmFYeaE
• Video de Robótica
http://www.youtube.com/watch?v=yzCadN4_5Ms
• Video Redes Neuronales
http://www.youtube.com/watch?v=HdHFTxlYIjc
• Video Lógica difusa
http://www.youtube.com/watch?v=ilchnpsROSs
 Referencias
Claver Cortés, Enrique, Sistemas de información estratégicos, Ed. Trillas,
ISBN:9788479082024.

Peter Norvig, Inteligencia artificial un enfoque moderno, Ed. Pearson España,

ISBN: 9788483227565

Roque Luis Marín Morales, Inteligencia Artificial y Sistemas Inteligentes, Ed.

McGraw Hill, ISBN: 9788448174019