NDICEI. INTRODUCCIN

II. ANTECEDENTES4

2.1 Desarrollo Histrico Segn [Jackson 86]..6

III. IMPORTANCIA Y JUSTIFICACIN DEL ESTUDIO.

III.I JUSTIFICACIN..9

IV. OBJETIVOS

4.1 Objetivos Generales.10

4.2 Objetivos especficos...10

V. METODOLOGA.

INTELIGENCIA ARTIFICIAL (IA)...11

5.1 Algunas Definiciones de la inteligencia Artificial (IA).13

5.2 Caractersticas de la inteligencia artificial..14

5.3 La vida artificial...15

5.3.1 Cuestin Filosfica de la Vida Artificial17

5.3.2 Perspectivas Futuras de la Vida Artificial..17

5.3.3 Dos posturas dentro de la Vida Artificial: la fuerte y la dbil.18

5.4. La base de la inteligencia artificial.19

5.5 Los fines de la IA20

5.6 La Inteligencia Artificial y el cerebro humano20

5.7 Inteligencia artificial y las emociones..22

5.8 Tendencias de los sistemas de inteligencia artificial23

5.8.1 Redes neuronales.24

5.8.2 Sistemas de lgica difusa27

5.8.3 Algoritmos genticos27

5.9 reas de aplicacin de la Inteligencia Artificial28

5.10 Inteligencia artificial: avance tecnolgico o amenaza social?..................29

VI. CONCLUSION31

BIBLIOGRAFIAS..32

I. INTRODUCCIN

La Inteligencia artificial es un trmino que, en su sentido ms amplio, indicara la capacidad de un artefacto de realizar los mismos tipos de funciones que caracterizan al pensamiento humano. La posibilidad de desarrollar un artefacto as ha despertado la curiosidad del hombre desde la antigedad; sin embargo, el funcionamiento de la mente humana todava no ha llegado a conocerse en profundidad y, en consecuencia, el diseo informtico seguir siendo esencialmente incapaz de reproducir esos procesos desconocidos y complejos.

Desde el origen de las computadoras digitales, constantemente se han hecho investigaciones cientficas y tecnolgicas con la finalidad de facilitar algunas actividades propias de los seres humanos. Se ha logrado automatizar muchos procesos mecnicos, de clculo, de almacenamiento de datos, de procesamiento, etc. desarrollando, cada vez, herramientas de cmputo capaces de auxiliar en forma directa cada una de estas actividades. En varias de ellas se tiene la necesidad de examinar el medio ambiente donde se desarrollar tal actividad y realizar un anlisis de las situaciones y tomar una decisin siguiendo un razonamiento lgico.

Los seres humanos, a diferencia de otras especies, tienen la capacidad de razonar sobre una serie de percepciones de hechos y proposiciones estableciendo relaciones entre s. A esta capacidad se le llama inteligencia. Mediante el uso delos sentidos, puede enterarse de hechos que suceden en el medio ambiente que lo rodea y es capaz de establecer relaciones entre ellos para obtener conclusiones, desarrollar conocimiento y actuar en base a ellos. De manera semejante, se han desarrollado aplicaciones que emulan el comportamiento humano mediante sistemas computacionales

II. HISTORIA Y ANTECEDENTES

En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage plante el asunto de si la mquina de Babbage poda "pensar". Los primeros problemas que se trat de resolver fueron puzzles, juegos de ajedrez, traduccin de textos a otro idioma. Durante la II Guerra Mundial Norbert Wiener y John Von Neumannestablecieron los principios de la ciberntica en relacin con la realizacin de decisiones complejas y control de funciones en mquinas.

La teora de la retroalimentacin en mecanismos, como por ejemplo: un termostato que regula la temperatura en una casa, tuvo mucha influencia. Esto an no era propiamente Inteligencia Artificial. Se hizo mucho en traducciones (Andrew Booth y Warren Weaver), lo que sembr la semilla hacia el en atendimiento del lenguaje natural.

En el ao 1955 Herbert Simon, el fsico Allen Newell y J.C. Shaw,programador de la RAND Corp. y compaero de Newell, desarrolla el primer lenguaje de programacin orientado a la resolucin de problemas de la Inteligencia Artificial, el IPL-11. Un ao ms tarde estos tres cientficos desarrollan el primer programa de Inteligencia Artificial al que llamaron Logic Theorist, el cualera capaz de demostrar teoremas matemticos, representando cada problema como un modelo de rbol, en el que se seguan ramas en busca de la solucin correcta, que result crucial.

En 1956, con la ahora famosa conferencia de Dartmouth, organizada por John McCarthy y en la cual se utiliz el nombre de inteligencia artificial para este nuevo campo, se separ la Inteligencia Artificial de la ciencia del computador, como tal. Se estableci como conclusin fundamental la posibilidad de simular inteligencia humana en una mquina. En 1957 Newell y Simon continan su trabajo con el desarrollo del GeneralProblems Solver (GPS). GPS era un sistema orientado a la resolucin de problemas; a diferencia del Logic Theorist, el cual se orient a la demostracin de teoremas matemticos, GPS no estaba programado para resolver problemas deun determinado tipo, razn a la cual debe su nombre. Resuelve una gran cantidad de problemas de sentido comn, como una extensin del principio de retroalimentacin de Wiener.

Diversos centros de investigacin se establecieron, entre los ms relevantes estn, la Universidad Carnegie Mellon, el Massachusetts Institute of Technologie (MIT), encabezado por Marvin Minsky, la Universidad de Standford eIBM. Los temas fundamentales eran el desarrollo de heursticas y el aprendizaje de mquinas.

A finales de los aos 50 y comienzos de la dcada del 60 se desarrolla un programa orientado a la lectura de oraciones en ingls y la extraccin de conclusiones a partir de su interpretacin, al cual su autor, Robert K. Lindsay, denomina "Sad Sam". Este poda leer oraciones del tipo "Jim es hermano deJohn" y "La madre de Jim es Mary", a partir de ella el sistema conclua que Mary deba ser tambin la madre de John. Este sistema represent un enorme paso de avance en la simulacin de inteligencia humana por una mquina, pues era capaz de tomar una pieza de informacin, interpretarla, relacionarla con informacin anteriormente almacenada, analizarla y sacar conclusiones lgicas

III. IMPORTANCIA Y JUSTIFICACIN DEL ESTUDIO.La Inteligencia Artificial se crea con la implementacin en las computadoras para realizar mecanismo de computacin que utiliza programas fijos y contiene una seria de reglas que lo hacen funcionar. Esto permite a las computadoras a ser creadas en maquinas artificiales que desempean tareas montonas, repetitivas y simples mas eficiente y efectivas que un ser humano. Estudios sobre trabajos o tareas repetitivas han demostrado que el ser humano no le agrada este tipo de trabajo y al pasar el tiempo son ms susceptibles a cometer errores en el mismo. Para situaciones complejas el objetivo se hace mas complejo debido a que la inteligente artificial dada a las computadoras tienen dificultad en entender ciertas situaciones o problemas especficos y como reaccionar a estas. Tambin ocurre que dentro de un problema tienen la variabilidad del mismo y no pueden adaptarse a un cambio que pueda ocurrir. Estos problemas son de suma importancia para la Inteligencia Artificial que busca el mejorar, aprender, entender y el razonamiento del comportamiento de las computadoras en situaciones complejas.

El campo de la ciencia de Inteligencia Artificial esta todava en etapas de crecimiento comparadas con otras ramas de computadoras pero poco a poco el estudio del comportamiento humano dar paso para aplicar estos conocimientos a las computadoras y estas lograr de manera primitiva razonas sobre diferentes situaciones. La complejidad en aplicarle conocimientos del ser humano a las computadoras es la capacidad de estos de ser impredecible y las maneras diferentes que se actua ante una posible situacin y estas reacciones hacen que no se pueda implementar un patrn dentro de la memoria de una computadora. Hasta ahora no existe la posibilidad de predecir o almacenar todo tipo de comportamiento de un ser humano a todas las situaciones que se enfrenta durante su existencia.III.I JUSTIFICACIN

El empleo de la IA esta orientado a aquellas profesiones que, ya sea por lo incomodo, peligroso o complicado de su trabajo necesitan apoyo de un experto en la materia. Las ventajas que trae el disponer de un asistente artificial no son mas que las de solucionar los errores y defectos propios del ser humano; es decir, el desarrollo de sistemas expertos que hoy en da se estn utilizando con xito en los campos de la medicina, geologa y aeronutica aunque todava estn poco avanzados en relacin con el ideal del producto IA completo.

IV. OBJETIVO Plasmar la importancia de la Inteligencia Artificial en este trabajo para entender como influye en nuestra vida diaria.

Explicar la relacin tecnologa, ciencia y sociedad que se encuentra incluida en el tema de inteligencia Artificial.

Profundizar en el estudio del tema

V. METODOLOGA.INTELIGENCIA ARTIFICIAL (IA)

La inteligencia artificial (AI), abarca un nmero diverso de aplicaciones informticas, o los componentes dentro de las aplicaciones, que utilizan conjuntos de reglas y conocimientos para hacer inferencias. A diferencia de sus races como una disciplina esotrica de tratar de hacer que las computadoras emular la mente humana, moderna adjunto con las tecnologas que ha inspirado-tiene muchas ramificaciones prcticas y ofrece beneficios reales a los usuarios.

La Inteligencia Artificial (IA), es la tecnologa clave para muchas aplicaciones de la novela de hoy, que van desde los sistemas bancarios que detectan intentos de fraude con tarjeta de crdito, a los sistemas de telfono que entender el habla, los sistemas de software que cuenta cuando tienes problemas y ofrecer un asesoramiento adecuado.

A travs de la inteligencia artificial se han desarrollado los sistemas expertos que pueden limitar la capacidad mental del hombre y relacionan reglas de sintaxis del lenguaje hablado y escrito sobre la base de la experiencia, para luego hacer juicios acerca de un problema, cuya solucin se logra con mejores juicios y ms rpidamente que el ser humano. En la medicina tiene gran utilidad al acertar el 85 % de los casos de diagnstico.

El propsito de la inteligencia artificial es hacer computacional el conocimiento humano no analtico por procedimientos simblicos, conexionistas o hbridos. Para conseguir una visin razonablemente amplia del contenido de la inteligencia artificial usaremos criterios extensionales (proporcionando una relacin lo ms completa posible de los temas que estudia la inteligencia artificial), junto a otros criterios intencionales (que establecen las reglas de clasificacin), de forma que al enfrentarnos con un problema computacional (o con un mtodo de solucin) especfico podamos concluir si pertenece o no al campo de la inteligencia artificial en funcin.

As, en la inteligencia artificial existen dos perspectivas bsicas:

a) la inteligencia artificial como ciencia de lo natural o anlisis.El procedimiento terico busca una explicacin de esa correlacin en trminos de un conjunto de leyes generales de un nivel superior que permiten predecir lo que ocurrira en otros casos no observados. Realmente lo que hace es buscar un modelo del conocimiento humano, generalmente organizado en varios niveles (esttico, dinmico y estratgico) para poder usarlo en prediccin. Esta tcnica se basa en experimentos para conseguir una teora del conocimiento computable con capacidad predictiva (como una ley fsica).

b) inteligencia artificial como ciencia de lo artificial o ingeniera de sntesis.Aspira a convertirse en una ingeniera en sentido estricto. Ahora se parte de un conjunto de especificaciones funcionales y se busca la sntesis de un sistema (programa ms mquina) que las satisfaga.

5.1 Algunas Definiciones de la inteligencia Artificial (IA).

Se denomina inteligencia artificial a la rama de la informtica que desarrolla procesos que imitan a la inteligencia de los seres vivos. La principal aplicacin de la inteligencia artificial es la creacin de mquinas para la automatizacin de tareas que requieran un comportamiento inteligente.

Ciencia que tiene como objetivo el diseo y construccin de maquinas capaces de imitar el comportamiento inteligente de las personas.

Rama especializada de la informtica que investiga y produce razonamiento por medio de maquinas automtica y que pretende fabricar artefactos dotados de la capacidad de pensar.

La Inteligencia Artificial es la parte de la informticarelacionada con el diseo de sistemas de ordenadoresinteligentes, es decir, sistemas que exhiben lascaractersticas que asociamos con la inteligencia de laconducta humana.

5.2 Caractersticas de la inteligencia artificial. Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos numricos es el uso de smbolos no matemticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos, tambin procesan smbolos y no se considera que usen tcnicas de Inteligencia Artificial.

El comportamiento de los programas no es descrito explcitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cmo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo).

El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de explicar discrepancias entre ellas. Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas.

La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en mquinas que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de palabras y aprendizaje de mquinas; sistemas computacionales expertos.

Los sistemas expertos, que reproducen el comportamiento humano en un estrecho mbito del conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e indican un tratamiento, los que interpretan datos sismolgicos en exploracin geolgica y los que configuran complejos equipos de alta tecnologa.

Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas peligrosas, mejoran el desempeo del personal inexperto, y mejoran el control de calidad sobre todo en el mbito comercial.5.3 La vida artificial. La Vida Artificial se puede considerar como la parte de la Inteligencia Artificial que pretende reproducir los procesos y comportamientos tpicos de los seres vivos. Tambin podemos definirla como el intento de crear vida, o algo parecido a la vida, mediante la combinacin de smbolos (datos) y procesos de smbolos (programas) independientemente del soporte fsico de estos smbolos y procesos.

Por una parte estn los intentos "hardware" de emulacin de vida. Por ejemplo, es posible construir un pequeo robot con aspecto de ratn capaz de encontrar la salida de un laberinto.

Por otra parte estn las simulaciones "software". stas tienen la ventaja de que permiten construir un gran nmero de seres vivos y entornos en los que estos existen, de manera que es ms fcil estudiar comportamientos sociales.

Podemos construir los seres artificiales con el objetivo de solucionar los problemas que a nosotros nos interesen, y que aprendan o colaboren entre ellos hasta conseguir el resultado deseado. De esta forma, se puede considerar la Vida Artificial (VA) como un paso ms all despus de la Programacin Orientada a Objetos (POO), y sin embargo, siendo la VA un caso particular de la POO. Es decir, si un objeto es un elemento que encapsula datos y procedimientos, una entidad artificial es un elemento que encapsula un objetivo, unos sentidos, unas acciones y unas creencias. A esto le podemos llamar Programacin Orientada a Agentes.

En muchos campos de estudio se plantea la posibilidad de realizar simulaciones para intentar predecir o ayudar a la toma de decisiones acerca de ciertos aspectos del mundo real. Hay dos formas de enfocar estas simulaciones.

La primera de ellas se basa en la observacin de la realidad, centrando la atencin en los aspectos "a ms alto nivel", es decir, precisamente en los que se pretenden predecir o modificar, y tambin en aquellos que aparentemente estn ms relacionados con stos. El cerebro humano elabora una teora acerca de cmo todos estos aspectos varan. Esta teora se formaliza en frmulas, reglas o algo parecido, y se simula en un ordenador ante diversas condiciones iniciales. Se observa si el modelo, ante datos histricos del pasado, ofrece salidas (resultados) que se ajustan a lo esperado segn los datos histricos, y en ese caso, se utiliza para la toma de decisiones en el futuro, ajustando continuamente el modelo segn el error obtenido. En caso de obtener resultados muy alejados de la realidad, se revisa la teora inicial, reescribindola por completo, ajustando ciertos aspectos o detallando con mayor nivel de profundidad los que parecen ser generalizaciones excesivas.

La segunda de ellas se basa en la observacin de la realidad, centrando la atencin en los aspectos "a ms bajo nivel" del problema, buscando los aspectos ms sencillos y a la vez con una alta multiplicidad. Es decir, el cerebro humano identifica aquellas caractersticas sencillas que estn presentes en muchas entidades del problema. Mediante frmulas, reglas o algo parecido, se define un tipo genrico de entidad que admita estas caractersticas, y en un ordenador se realiza una simulacin basada en la generacin de un alto nmero de estas entidades capaces de interactuar entre s, con la esperanza en que de esta interaccin emerja el comportamiento complejo que se pretende estudiar. Inicialmente los agentes genricos se definen tan sencillos como sea posible sin dejar de ajustarse al problema. Se observa si el modelo, ante datos histricos del pasado, ofrece salidas (resultados) que se ajustan a lo esperado segn los datos histricos, y en ese caso, se utiliza para la toma de decisiones en el futuro, ajustando continuamente el modelo segn el error obtenido. En caso de obtener resultados muy alejados de la realidad, se deduce que la definicin del agente genrico (ms su entorno, etc.) es demasiado sencilla y se va complicando, aadiendo detalles hasta ajustarse suficientemente a la realidad.

5.3.1 Cuestin Filosfica de la Vida Artificial

La Vida Artificial tambin nos ofrece una "visin privilegiada" de nuestra realidad. No hace falta que las simulaciones por ordenador sean todava ms complejas, para poder tener el derecho a preguntarnos acerca de si nuestro propio mundo no ser tambin una "simulacin dentro de un cosmo-ordenador". De hecho, esta pregunta se ha planteado, desde tiempos remotos, de infinidad de maneras.

Si los ordenadores son capaces de simular universos artificiales poblados por organismos que mediante la reproduccin, las mutaciones y la seleccin natural, evolucionan y se hacen cada vez ms inteligentes y conscientes, podramos interpretar nuestro propio mundo como un "superordenador" donde nosotros mismos somos los "seres artificiales" que lo habitan, siguiendo el curso de evolucin que El Programador ha deseado.

5.3.2 Perspectivas Futuras de la Vida Artificial

Con poco ms de diez aos de antigedad, la Vida Artificial se ha convertido en un punto de referencia slido de la ciencia actual.

En septiembre de 1987, 160 cientficos en informtica, fsica, biologa y otras disciplinas se reunieron en el Laboratorio Nacional de Los lamos para la primera conferencia internacional sobre Vida Artificial. En aquella conferencia se definieron los principios bsicos que han marcado la pauta desde entonces en la investigacin de esta disciplina.

Un concepto bsico dentro de este campo es el de comportamiento emergente. El comportamiento emergente aparece cuando se puede generar un sistema complejo a partir de reglas sencillas. Para que se d este comportamiento se requiere que el sistema en cuestin sea reiterativo, es decir, que el mismo proceso se repita de forma continua y adems que las ecuaciones matemticas que definen el comportamiento de cada paso sean no lineales.

Por otra parte, un autmata celular consiste en un espacio n-dimensional dividido en un conjunto de celdas, de forma que cada celda puede encontrarse en dos o ms estados, dependiendo de un conjunto de reglas que especifican el estado futuro de cada celda en funcin del estado de las celdas que le rodean.

5.33 Dos posturas dentro de la Vida Artificial: la fuerte y la dbil.

Para los que apoyan la postura dbil, sus modelos son solamente representaciones simblicas de los sntomas biolgicos naturales, modelos ciertamente muy tiles para conocer dichos sistemas, pero sin mayores pretensiones.

Para los que defienden la versin fuerte, dicen que se puede crear vida autntica a partir de un programa de ordenador que reproduzca las caractersticas bsicas de los seres vivos.

Desde este punto de vista, la vida se divide en vida hmeda, que es lo que todo el mundo conoce como vida, vida seca, formada por autmatas fsicamente tangibles, y vida virtual, formada por programas de computador. Las dos ltimas categoras son las que integran lo que genricamente se conoce como Vida Artificial.

Para defender un punto de vista tan radical, los defensores de la postura fuerte, aluden a un conjunto de reglas que comparten las tres categoras anteriores:

* La biologa de lo posible: La Vida Artificial no se restringe a la vida hmeda tal como la conocemos, sino que "se ocupa de la vida tal como podra ser". La biologa ha de convertirse en la ciencia de todas las formas de vida posibles.

* Mtodo sinttico: La actitud de la Vida Artificial es tpicamente sinttica, a diferencia de la biologa clsica, que ha sido mayoritariamente analtica. Desde este punto de vista, se entiende la vida como un todo integrado, en lugar de desmenuzarlo en sus ms mnimas partes. * Vida real (artificial): La Vida Artificial es tal porque son artificiales sus componentes y son artificiales porque estn construidos por el hombre. Sin embargo, el comportamiento de tales sistemas depende de sus propias reglas y en ese sentido es tan genuino como el comportamiento de cualquier sistema biolgico natural.

* Toda la vida es forma: la vida es un proceso, y es la forma de este proceso, no la materia, lo que constituye la esencia de la vida. Es absurdo pretender que slo es vida genuina aquella que est basada en la qumica del carbono, como es el caso de la vida hmeda.

* Construccin de abajo hacia arriba: la sntesis de la Vida Artificial tiene lugar mejor por medio de un proceso de informacin por computador llamado programacin de abajo hacia arriba. Consiste en partir de unos pocos elementos constitutivos y unas reglas bsicas, dejar que el sistema evolucione por s mismo y que el comportamiento emergente haga el resto. Poco a poco el sistema se organiza espontneamente y empieza a surgir orden donde antes slo haba caos.

5.4. La base de la inteligencia artificial.La inteligencia artificial se basa en dos reas de estudio: el cuerpo humano y el ordenador electrnico. Puesto que la meta es copiar la inteligencia humana, es necesario entenderla. Sin embargo, a pesar de todos los progresos en Neurologa y Psicologa, la inteligencia del hombre se conoce poco, exceptuando sus manifestaciones externas. Muchos estudiosos de la inteligencia artificial se han vuelto para obtener su modelo de inteligencia hacia el estudio de la Psicologa cognoscitiva, que aborda la forma de percibir y pensar de los seres humanos.. Despus comprueban sus teoras programando los ordenadores para simular los procesos cognoscitivos en el modelo. Otros investigadores intentan obtener teoras generales de la inteligencia que sean aplicables a cualquier sistema de inteligencia y no solo al del ser humano.

5.5 Los fines de la IA.Las primeras investigaciones acerca de la inteligencia artificial estaban principalmente dirigidas al hallazgo de una tcnica universal para la solucin de problemas. Este intento a gran escala ha sido abandonado y las investigaciones actuales estn dirigidas al diseo de numerosos programas para ordenadores capaces de imitar los procesos de toma de decisiones de expertos, como mdicos, qumicos, basados en los conocimientos de especialistas en cada materia, son ahora utilizados para diagnosticar enfermedades, identificar molculas qumicas, localizar yacimientos de minerales e incluso disear sistemas de fabricacin. Investigaciones acerca de la percepcin han sido aplicadas a los robots y se han diseado algunos capaces de "ver". La meta final consiste en crear un sistema capaz de reproducir todas las facetas de la inteligencia humana.

5.6 La Inteligencia Artificial y el cerebro humanoLa inteligencia artificial desde su campo ha empezado a realizar funciones y actividades que anteriormente el hombre realizaba, esto es debido a que el cerebro del ser humano ha empezado a desarrollarse en aplicar sus conocimientos en el mbito de la tecnologa, provocando una discusin en el desarrollo del cerebro humano y la del ordenador, tratando de conocer cul de estos han evolucionado o desarrollado mejor su inteligencia.

Las 6 diferencias ms notorias de la inteligencia artificial y el cerebro humano son:

1. El cerebro usa una memoria de contenido direccionable. Dando como justificacin que el acceso a travs de las computadoras se realiza buscando informacin en el preciso lugar en la memoria y a esta memoria se le denomina byte-direccionable, mientras en la del ser humano la memoria es de contenido direccionable, debido a que se puede acceder a esta a travs de conceptos relacionados.

2. La velocidad de procesamiento cerebral no es fija; no hay ningn reloj de sistema. El cerebro humano no cuenta con un tiempo fijo para dar informacin o para procesar y realizar actividades, esta puede variar; sin embargo, dentro del cerebro s se cuenta con una nocin de tiempo y espacio. De igual forma existen evidencias que hacen referencia a que la velocidad est sujeta a una cantidad de variables, por ejemplo en el tiempo que tarda la seal en llegar al cerebro, mientras que los ordenadores cuentan con un sistema encargado de generar pulsos y esto marca el ritmo con que se llevan a cabo, por ejemplo disminuir la velocidad para ahorro de energa.

3. La memoria a corto plazo no es como la RAM. La diferencia ms clara es que la memoria a corto plazo con la que cuenta un cerebro humano tiende a no tener lmites, mientras que la memoria RAM que utiliza un procesador tiende a ser finita, es decir tienen un fin o un lmite establecido.

4. A diferencia de las computadoras, el procesamiento y la memoria son llevados a cabo por los mismos componentes en el cerebro. En un ordenador es el microprocesador el encargado de trabajar con los datos que obtiene y depositarlos en su memoria, mientras que el cerebro humano las mismas neuronas que procesan la informacin pueden ser el asiento de su memoria.

5. El cerebro es un sistema auto-organizado. Esta caracterstica que diferencia a un ordenador del cerebro humano, permite que en caso de lesiones que sufra el cerebro de una persona, una zona de este llegue a realizar las funciones perdidas y se le conoce como plasticidad inducida por un trauma, mientras el ordenador no cuenta con una funcin similar.

6. Los cerebros tienen cuerpos. Esta caracterstica aunque es calificada como trivial, hace que el cerebro del ser humano al contar con un cuerpo, pueda utilizar el medio ambiente como una extensin de s mismo, aparte de que se encuentra a su entera disposicin.

6.1 Tendencias de los sistemas de inteligencia artificial Actualmente segn Delgado [1998], Stuart [1996], existen tres paradigmas en cunto al desarrollo de la IA: Redes Neuronales. Algoritmos genticos. Sistemas de Lgica difusa.

Pero se han venido destacando otros paradigmas como lo son los agentes de decisin inteligente y autmatas programables, con respecto a estos ltimos se suelen emplear en gran medida en procesos industriales de acuerdo a necesidades a satisfacer como, espacio reducido, procesos de produccin peridicamente cambiantes, procesos secuenciales, maquinaria de procesos variables, etc.

A juicio de los autores se determina que todos estos desarrollos acortan bastante el proceso de decisiones y optimizan las mismas, pero ah que tener mucho cuidado ya que hay que analizar los diferentes impactos ya sean ambientales, sociales, polticos y econmicos.

6.2 Redes neuronales A grandes rasgos, se recordar que el cerebro humano se compone de decenas de billones de neuronas interconectadas entre s formando circuitos o redes que desarrollan funciones especficas.

Una neurona tpica recoge seales procedentes de otras neuronas a travs de una plyada de delicadas estructuras llamadas dendritas. La neurona emite impulsos de actividad elctrica a lo largo de una fina y delgada capa denominada axn, que se escinde en millares de ramificaciones.

Las extremidades de estas ramificaciones llegan hasta las dendritas de otras neuronas y establecen conexin llamada sinapsis, que transforma el impulso elctrico en un mensaje neuroqumico mediante liberacin de unas sustancias llamadas neurotransmisores que excitan o inhiben sobre la neurona, de esta manera la informacin se transmite de neuronas a otras y va siendo procesada a travs de las conexiones sinpticas y el aprendizaje vara de acuerdo a la efectividad de la sinapsis.

Figura 1. Neuronas y conexiones sinpticas. Fuente: Sandra Patricia Daza, Universidad Militar Nueva Granada, 2003. Un psiclogo D Hebb [1949], introdujo dos ideas fundamentales que han influido de manera decisiva en el campo de las redes neuronales. La hiptesis de Hebb, basadas en investigaciones psicofisiolgicas, presentan de manera intuitiva el modo en que las neuronas memorizan informacin y se plasman sintticamente en la famosa regla de aprendizaje de Hebb (tambin conocida como regla de producto). Esta regla indica que las conexiones entre dos neuronas se refuerzan si ambas son activadas. Muchos de los algoritmos actuales proceden de los conceptos de este psiclogo.

Widrow [1959], publica una teora sobre la adaptacin neuronal y unos modelos inspirados en esta teora, el Adaline (Adaptative Linear Neuron) y el Madaline (Mltiple Adaline). Estos modelos fueron usados en numerosas aplicaciones y permitieron usar, por primera vez, una red neuronal en un problema importante del mundo real: filtros adaptativos que eliminan ecos en las lnea telefnicas.

Hopfield [1980], elabora un modelo de red consistente en unidades de proceso interconectadas que alcanzan mnimos energticos, aplicando los principios de estabilidad desarrollados por Grossberg. El modelo result muy ilustrativo sobre los mecanismos de almacenamiento y recuperacin de la memoria. Su entusiasmo y claridad de presentacin dieron un nuevo impulso al campo y provoc el incremento de las investigaciones.

Analoga de redes neuronales biolgicas y artificiales Segn Herrera Fernndez

Las neuronas se modelan mediante unidades de proceso, caracterizadas por una funcin de actividades que convierte la entrada total recibida de otras unidades en un valor de salida, el cual hace la funcin de tasa de disparo de la neurona.

Las conexiones sinpticas se simulan mediante conexiones ponderadas, la fuerza o peso de la conexin cumple el papel de la efectividad de la sinapsis. Las conexiones determinan si es posible que una unidad influya sobre otra. Una unidad de proceso recibe varias entradas procedentes de las salidas de otras unidades de proceso de entrada total de una unidad de proceso y se suele calcular como la suma de todas las entradas ponderadas, es decir, multiplicadas por el peso de la conexin. El efecto inhibitorio o excitatorio de la sinapsis se logra usando pesos negativos o positivos respectivamente.

Redes neuronales biolgicasRedes neuronales artificiales

NeuronasUnidades de proceso

Conexiones sinpticasConexiones ponderadas

Efectividad de la sinapsisPeso de las conexiones

Efecto excitatorio o inhibitorioSigno del peso de una conexin

Estimulacin totalEntrada total ponderada

Activacin (tasa de disparo)Funcin de activacin (salida)

Tabla 1. Comparativo entre neuronas reales y las unidades de proceso empleadas en los modelos computacionales.

Las redes neuronales deben tener como estructura varias capas las cuales son: primera capa como buffer de entrada, almacenando la informacin bruta suministrada en la red realizando un sencillo preproceso de la misma, la llamamos capa de entrada; otra capa acta como interfaz o buffer de salida que almacena la respuesta de la red para que pueda ser leda, la llamamos capa de salida; y las capas intermedias, principales encargadas de extraer, procesar y memorizar la informacin, las denominan capas ocultas.

Figura 2. Modelo de red en cascada de varias capas. Fuente: Sandra Patricia Daza, Universidad Militar Nueva Granada, 2003.

6.3 Sistemas de lgica difusaA concepto de Delgado [1998] es la segunda herramienta que permite emular el razonamiento humano. Los seres humanos pensamos y razonamos por medio de palabras y en grados entre dos estados por ejemplo blanco y negro fro y caliente, etc. Estos sistemas de lgica difusa son una mejora a los sistemas experto tradicionales, en el sentido de que permiten utilizar lenguaje humano como nosotros razonamos.

Ya hablando de sistemas expertos tradicionales, estos intentan reproducir el razonamiento humano de forma simblica. Es un tipo de programa de aplicacin informtica que adopta decisiones o resuelve problemas de un determinado campo, como los sistemas de produccin, las finanzas o la medicina, utilizando los conocimientos y las reglas analticas definidas por los expertos en dicho campo. Los expertos solucionan los problemas utilizando una combinacin de conocimientos basados en hechos y en su capacidad de razonamiento. En los sistemas expertos, estos dos elementos bsicos estn contenidos en dos componentes separados, aunque relacionados: una base de conocimientos y una mquina de deduccin, o de inferencia. La base de conocimientos proporciona hechos objetivos y reglas sobre el tema, mientras que la mquina de deduccin proporciona la capacidad de razonamiento que permite al sistema experto extraer conclusiones. Los sistemas expertos facilitan tambin herramientas adicionales en forma de interfaces de usuario y los mecanismos de explicacin.

6.4 Algoritmos genticos Segn Delgado [1998] son una tcnica inspirada en aspectos biolgicos, el proceso de la evolucin del que Charles Darwin hace referencia se puede aplicar para optimizar dispositivos de control o robots o cualquier otro tipo de aspectos que sean susceptibles de ser optimizados como lneas de produccin. En general es aceptado que cualquier algoritmo gentico para resolver un problema, debe tener cinco componentes bsicos como se vera a continuacin: Se necesita una codificacin o representacin del problema, que resulte adecuada al mismo.

Una manera de crear una poblacin inicial de soluciones.

Una funcin de ajuste adaptacin al problema, tambin llamada funcin de evaluacin, la cual asigna un nmero real a cada posible solucin codificada.

Durante la ejecucin del algoritmo, los padres dos individuos pertenecientes a la poblacin inicial, que son soluciones factibles del problema- deben ser seleccionados para la reproduccin; a continuacin dichos padres seleccionados se cruzarn generando dos hijos, nuevas soluciones al problema, sobre cada uno de los cuales actuar un operador de mutacin de acuerdo con una cierta probabilidad. El resultado de la combinacin de las anteriores funciones ser un conjunto de individuos (posibles soluciones al problema), los cuales en la evolucin del Algoritmo Gentico formarn parte de la siguiente poblacin.

Valores para los parmetros: tamao de la poblacin, probabilidad de aplicacin de los operadores genticos.

7. reas de aplicacin de la Inteligencia Artificial.Pero tambin hay reas de aplicacin. En efecto, estos procesos de la AI se aplican en los sistemas reales en una gran variedad de ramas y problemas:

Gestin y control: anlisis inteligente, fijacin de objetivos.

Fabricacin: diseo, planificacin, programacin, monitorizacin, control, gestin de proyectos, robtica simplificada y visin computarizada.

Educacin: adiestramiento prctico, exmenes y diagnstico.

Ingeniera: diseo, control y anlisis.

Equipamiento: diseo, diagnstico, adiestramiento, mantenimiento, configuracin, monitorizacin y ventas.

Cartografa: interpretacin de fotograf as, diseo, resolucin de problemas cartogrficos.

Profesiones: abogaca, medicina, contabilidad, geologa, qumica.

Software: enseanza, especificacin, diseo, verificacin, mantenimiento.

Sistemas de armamento: guerra electrnica, identificacin de objetivos, control adaptativo, proceso de imgenes, proceso de seales.

Proceso de datos: educacin, interfase en lenguaje natural, acceso inteligente a datos y gestores de bases de datos, anlisis inteligente de datos. Finanzas: planificacin, anlisis, consultora.

VI. CONCLUSION.

La finalidad de la inteligencia artificial consiste en crear teoras y modelos que muestren la organizacin y funcionamiento de la inteligencia. Actualmente, el mayor esfuerzo en la bsqueda de la inteligencia artificial se centra en el desarrollo de sistemas de procesamientos de datos que sean capaces de imitar a la inteligencia humana, realizando tareas que requieran aprendizaje, solucin de problemas y decisiones

La Inteligencia artificial es la capacidad de una mquina de pensar y actuar como el hombre, pero para lograr esto primero se debe conocer totalmente el funcionamiento del pensamiento humano. En el mbito tecnolgico la Inteligencia Artificial es una de las reas que causa mayor expectacin, incluso dentro de la sociedad en general, debido a que la bsqueda para comprender los mecanismos de la inteligencia, ha sido la piedra filosofal del trabajo de muchos cientficos por muchos aos y lo sigue siendo. Pero aun sin haber desarrollado completamente la inteligencia artificial, ya se ven las graves consecuencias sociales que trae consigo, no se debe olvidar que hoy en da la creacin de artefactos inteligentes, se vuelve cada vez ms una meta que un sueo; implcitamente se vuelve mas una amenaza social que un avance tecnolgico.

BIBLIOGRAFIAS

Elaine Rich. Knight Kevin. Inteligencia Artificial. Segunda Edicin. Mc Graw Hill. Mxico 1994.

Stuart Rusell. Norving Meter. Inteligencia Artificial un Enfoque Moderno. Printice Hall. Mxico 1996.

LPEZ, Jhony C. "Inteligencia Artificial" en http://es.wikipedia.org/wiki/Inteligencia_artificial. 2006

http://www.lajornadadeoriente.com.mx/2008/02/25/puebla/s1arr16.php

8