MATERIAL SOBRE INTELIGENCIA ARTIFICIAL Y SISTEMAS EXPERTOS

Rodolfo Arana Gonzales

Sistemas Expertos: Un gran avance...

DEFINICIÓN DE SISTEMAS EXPERTOS

Bajo el termino de sistemas expertos se encuentran un nuevo tipo de software que imita el comportamiento de un experto humano en la solución de un problema. puede almacenar conocimientos de expertos para un campo determinado y solucionar un problema mediante deducción lógica de conclusiones.

VENTAJAS DE SISTEMAS EXPERTOS

Se crearon sistemas expertos que además basándose en algunas de acción (silogismos) y el análisis de posibilidades nos dan una ayuda muy útil, en todas las ramas de la acción humana. De este modo se crearon sistemas expertos para tareas genéricas: es decir para la monitorización y el diagnostico, además de los trabajos de simulación de la realidad. se esta usando en gran medida para la monitorización y diagnóstico: como en plantas de energía, grandes industrias, cohetes, control de trafico aéreo, búsqueda de yacimientos petrolíferos y hasta hospitales.

DESVENTAJAS DE SISTEMAS EXPERTOS

Tiene sus limitaciones propias, al ser un especialista en tan solo un área, pero un completo idiota en casi todas las otras ramas del pensamiento humano y al ser rule-base-sistgms (sistemas basados en reglas fijas), donde se pierden algunas veces la creatividad y un sentido común.

CAPACIDADES DE LOS SISTEMAS EXPERTOS

Los siguientes expertos se aplican por norma general en problemas que implican un procedimiento basado en el conocimiento. Un procedimiento de solución basado en el conocimiento comprende las siguientes capacidades.

1. Utilización de normas o estructuras que contengan conocimiento y experiencias de expertos especializados.

2. Deducción lógica de conclusiones.3. Capaz de interpretar datas ambiguos.4. Manipulación de conocimientos afectados por valores de probabilidad

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

2

FUNCIÓN DE SISTEMAS EXPERTOS

La función de un sistemas experto es la de aportar soluciones a problemas, como si de humanos se tratara, es decir, capaz de mostrar soluciones inteligentes. Es posible gracias a que al sistema lo crean con expertos (humanos), que intentan estructuran y formatean conocimientos poniéndolos a disposición del sistema, para que este pueda resolver una función dentro del ámbito del problemas, de igual forma que lo hubiera hecho un experto acceder a los conocimientos adquiridos por experiencia es lo mas difícil, ya que los expertos, al igual que otras personas, apenas lo reconocen como tales. Son buscados con mucho esfuerzo y cuidado siendo descubiertos de uno en uno, poco a poco.

COMPONENTES DE UN SISTEMAS EXPERTOS

La base de conocimientos:

La base de conocimientos contiene todos los hechos, las reglas y los procedimientos del dominio de aplicación que son importantes para la solución del problema. Contiene el conocimiento de los hechos y la experiencia de los expertos de un dominio determinado.

Un sistema experto contiene conocimiento de los hechos y de las experiencias de los expertos en un dominio determinado.

El mecanismo de inferencia de un sistema experto puede simular la estrategia de solución de un experto. Es la unidad lógica con la que se extraen conclusiones de la base de conocimiento, según un método fijo de solución de problemas que esta configurado, limitando el procedimiento humano de los expertos para solucionar problemas.

Una conclusión se produce mediante aplicación de las reglas sobre hechos presentes. Las funciones de mecanismo de inferencia son:

1. Determinación de las acciones que tendrá lugar, el orden en que lo harán y como lo harán entre las diferentes partes del sistema experto.

2. Determinar como y cuando se procesaran las reglas, y dado el caso también la elección de que reglas deberán procesarse.

3. Control de dialogo con el usuario.

El componente explicativo:

Explica al usuario la estrategia de solución encontrada y el porque de las decisiones tomas. Las soluciones descubiertas por los expertos deben poder ser repetibles,

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

3

tanto por lo el ingeniero del conocimiento en la base de comprobación, así como por usuario. La exactitud de los resultados, sólo podrá ser controlada, naturalmente por los expertos. siempre es deseable que durante el trabajo de desarrollo del sistema se conozca el grado de progreso en el procesamiento del problema.

A pesar de insistir sobre la importancia del componente explicativo es muy difícil y hasta ahora no se han conseguido cumplir todos los requisitos de un buen componente explicativo. Muchos representan el progreso y la consulta al sistema de forma gráfica, además los componentes explicativos intentan ajustar su función rastreando hacia atrás el camino de la solución. aunque encontrar la forma de representar finalmente en un texto lo suficiente inteligible las soluciones encontradas depara las mayores dificultades.

Los componentes explicativos pueden ser suficientes para el ingeniero del conocimiento, ya que esta muy familiarizado con el entorno del conocimiento de datos y a veces basta también para el experto, pero para el usuario, que a menudo desconoce las sutilizas del conocimiento de datos, los compones explicativos son todavía un poco satisfactorios.

La interfaz del usuario:

Sirve para que éste pueda realizar una consulta en un lenguaje lo más natural posible. Este componente es la forma en la que el sistemas se presenta ante el usuario.

Requisitos o características de la interfase que se presenta al usuario al desarrollar el sistema.

1. El aprendizaje del manejo debe ser rápido.2. Debe evitarse en lo posible la entrada de datos erróneos.3. Los resultados deben presentarse en una forma clara para el usuario.4. Las preguntas y explicaciones deben ser comprensibles.

El componente de adquisición

Ofrece ayuda a la estructuración e implementación del conocimiento en la base de conocimientos. Un buen componente de adquisición ayudara considerablemente la labor del ingeniero del conocimiento. Este puede concentrarse principalmente en la estructuración del conocimiento sin tener que dedicar tanto tiempo en la actividad de programación. Daremos una reglas o requisitos de nuestro componente de adquisición.

Requisitos o características del componentes de adquisición.

1. El conocimiento, es decir, las reglas, los hechos, las relaciones entre los hechos, debe poder introducirse de la forma mas sencilla posible.

2. Posibilidades de representación clara en todas la informaciones contenida en una base de conocimientos.

3. Comprobación automática de la sintaxis.

4. Posibilidad constante de acceso al lenguaje de programación.

CARACTERÍSTICAS

CAPACIDAD DE INFERENCIA DEDUCTIVA:

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

4

Esto significa que los agentes no solo deben recuperar la información almacenada en la base de datos, sino hacer deducciones usando información para hacer deducciones que produzcan nuevas informaciones para la base de datos.

CRECIMIENTO DINÁMICO:

Porque los datos y las reglas están sujetas a constante revisión, es decir, es fácil devorar o modificar los datos.

COLECCIÓN INTEGRADA DE CONOCIMIENTO:

Los agentes que constituyen el sistema pueden representar los juicios de muchos expertos en varias partes del globo. Estas experiencias son guardadas en un solo lugar por lo que es posible la utilización luego por los expertos o no expertos también. Sin embargo, la real utilidad de ese sistema es que permite un constante intercambio de datos y juicios de lideres expertos, y esto permite la formación de nuevas reglas e ideas acerca del tema.

DIFERENCIA ENTRE EXPERTO HUMANO Y EXPERTO ARTIFICIAL

EXPERTO HUMANO

EXPERTO ARTIFICIAL

NO PERDURABLE

PERMANENTE

DIFÍCIL DE TRANSFERIR

FÁCIL

DIFÍCIL DE DOCUMENTAR

FÁCIL

IMPREDECIBLE CONSISTENTE

CARO ALCANZABLE

CREATIVO NO INSPIRADO

ADAPTATIVONECESITA SER ENSEÑADO

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

5

EXPERIENCIA PERSONAL

ENTRADA SIMBÓLICA

ENFOQUE AMPLIO

ENFOQUE CERRADO

CONOCIMIENTO DEL SENTIDO COMÚN

CONOCIMIENTO TÉCNICO

DESARROLLO DE LOS SISTEMAS EXPERTOS

Para desarrollar el software primero conocemos el equipo de gente necesario, después los métodos que y utiliza ese equipo de gente y por ultimo como prueban y construyen prototipos de software para terminar en el sistema final.

1. Equipos de desarrollo1.1 Expertos1.2 El ingeniero del conocimiento1.3 El usuario

2. Métodos auxiliares en el desarrollo:La eficiencia en la creación de sistemas expertos puede aumentarse en gran medida con la aplicación de shells.

Un shell es un sistema experto que contiene una base de conocimientos vacía. Existe el mecanismo de inferencia, el componente explicativo y a veces también la interfaz del usuario.

3. construcción de prototiposla implantación de un prototipo de sistema experto que le permite llevar a cabo las funciones mas importantes de éste, aunque con esfuerzo de desarrollo considerablemente inferior al de una implementación convencional. Este proceder se define bajo el nombre de “rapid prototyping”.

SISTEMAS EXPERTOS UTILIZADOS EN EL MUNDO

DENDRAL:: Es capaz de calcular o descubrir hechos relativos a las estructuras moleculares a partir de unos datos químicos sin elaborar.

MYCIN: el mas famoso de todos, diagnostica infecciones en la sangre y meningitis y además sugiere el tratamiento que se debe seguir en cada caso.

PUFF: el hermano menor de MYCIN, que diagnostica y trata enfermedades del pulmón.

MOLGENO: ayuda a los biólogos que trabajan en el campo del DNA y la ingeniería genética.

PROGRAMMERS APPRENTICE: Se trata de un sistema que ayuda a la escritura de programas.

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

6

EURISKO: Sistema experto capaz de aprender a medida que funciona, que crea circuitos microelectricos

GENESIS: Permite a los científicos planificar y simular experimentos en el campo de la unión de genes

EXPERT SYSTEMAS TO COMBAT INETRNATIONAL TERRORRISM:ayuda a los expertos a la escritura de programas

LEGAL DECISIONMAKING

TATR

TWIRL:Simulaciones de guerras completas y guia de mejores acciones posibles a realizar, en casi todas las situaciones.

RI:Programa utilizado para el descubrimiento de yacimientos petrolíferos bajo aguas marinas.

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

7

De Inteligencia Artificial, Sistemas Expertos, Robótica, Procesamiento de Lenguaje Natural e Ingeniería del Conocimiento

Hace ya dos años que el director de esta revista me invitó a atender y mantener este blog de inteligencia Artificial. Le dije que sí (no puedo negarle nada a este emprendedor de la divulgación científica a quien conozco hace 20 años) y que era un buen momento porque era el 50 aniversario de la aparición del termino “inteligencia Artificial” en una reunión que tuvo lugar en el Dartmouth College con el “objetivo” de diseñar métodos, técnicas y herramientas que permitiesen crear máquinas capaces de “pensar aprender y crear”, máquinas en definitiva que pudiesen emular las prestaciones que denominamos inteligentes y que asociamos casi en exclusiva a seres humanos.

Aquella época trajo un gran debate y la consiguiente incorporación de profesionales de todo tipo, pero quizás en especial del mundo de la sicología, rama que hizo grandes aportaciones. Posiblemente porque de dicho mundo tendría que venir alguna definición más precisa del término “inteligencia”. Bueno, tengo que decir que el inicio de mi amistad con Eduardo Martínez proviene de cuando hace 20 años, vino a verme cuando era yo Director del Laboratorio de Inteligencia Artificial de la Facultad de Informática -en la que sigo hoy-, y me pidió que escribiese un par de artículos sobre lo que era la Inteligencia Artificial, cuando Tendencias era todavía una revista de divulgación científica en papel.

No tengo costumbre con esto de los blogs, y me asustó un poco la dependencia que eso podría suponer y mi posible falta de tiempo para atenderlo, pero Eduardo me ha dicho siempre, que haga lo que pueda y que ejerza de vez en cuando esa capacidad que me adjudica de divulgar cosas de las que puedo saber algo. Y como sabe que fuera de mi ámbito no me gusta mucho hablar de lo que hago en mi trabajo - quizás porque tengo la sensación de que aburro-, me insiste, porque me dice cada vez que le veo y le cuento cosas, que las escriba y se las cuente a otros.

Así que trataré de hacerlo. Si les aburro díganmelo, si quieren que les cuente cosas muy sesudas, díganmelo pero quizás encuentren en otros lugares información más dispuesta que la que les pueda dar yo.

Inteligencia Artificial

De cuando hice el primer borrador para este blog hace ya un tiempo (ya descartado), me quedé alucinado de lo bien escrito que estaba todo lo que había en Wikipedia sobre el termino Inteligencia Artificial. Así que estaba claro, eso ya estaba contado y queda bien ir a buscarlo allí.

Sin embargo, puede que no se hable mucho de donde esta hoy ese término de Inteligencia Artificial (IA en lo sucesivo) y qué se hace en la actualidad. A veces se ve algo en la prensa o en otras ocasiones aparece como aditivo de marketing a algún producto en el mercado. Pero siempre me ha sorprendido en estos últimos años que para remarcar mejor las cualidades de casi lo que sea, se añade el termino “inteligente” a cosas que están lejos de serlo incluso bajo los parámetros de la IA (ya no entro en cuestiones de orden sicológico).

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

8

Muy recientemente, Larry Page, uno de los cofundadores de Google a quien le han otorgado el Premio Príncipe de Asturias de Comunicación y Humanidades, decía en el transcurso de una entrevista “hay que intentar desarrollar inteligencia artificial para facilitarnos el acceso a nuevas formas de conocimiento”. Como vemos, pues, el término sigue vivo y lo hace como afirmando que hay que ir mas allá del estado actual de las cosas en este campo.

¿Novela escrita por un ordenador?

A la vez que esto o casi, hace unos meses salió una noticia en la prensa y TV de que una “maquina inteligente” había sido capaz de escribir una novela, creo recordar que fue en Rusia, pero no estoy seguro.

Cuando vi esta última noticia me quedé perplejo y por supuesto ya daba por hecho que no podía ser así. Las técnicas de generación de lenguaje no están tan perfeccionadas como para que lo escrito por esa máquina haya salido sin revisión humana pero luego esta lo más difícil, es decir la generación del contenido, lo que diríamos pertenece a la inventiva de alguien y que es capaz de generar un contenido coherente, entendible…creo que el estado actual de la tecnología de IA esta muy lejos de poder conseguir eso.

Luego me sorprendió que fuera en Rusia, donde no hay una tradición tan larga de IA como en otras partes del mundo. La cuestión es si sería posible hacerlo. Bueno, no hay que olvidar una cuestión muy simple; ninguna máquina (ordenador) hace absolutamente nada que no se le diga que haga (bueno, a veces fallan cuando no les hemos dicho que fallen, pero eso es otra historia…) luego alguien habría tenido que meter ese conocimiento en un ordenador. Y eso ya no tiene por que ser una cuestión imposible.

Si se sabe como es una novela, qué estructura tiene que tener, qué define a sus personajes y las relaciones entre los mismos, etc.., dicho conocimiento podría intentar meterse en una máquina, no es una cuestión imposible en principio y parece incluso abordable.

Recuerdo a un viejo amigo mío cuya hermana, profesora de literatura, dedicaba parte de su tiempo en una editorial a detectar plagios de novelas basándose en el estudio de la estructura de cada personaje y las relaciones que podía haber entre todos los personajes. Al parecer (hablo de memoria) se podía detectar un plagio de una novela original ubicada en el Imperio Romano por decir algo, aunque la narración fuera traspasada al mundo de hoy.

Sistemas expertos

No se si lo digo bien, y si alguien me lee y me dice que estoy equivocado podría aceptarlo, pero eso motivó que estudiásemos en algún momento la posibilidad de meter lo que sabia hacer esa mujer en un ordenador en lo que durante años se llamaron Sistemas Expertos, en los que tengo una aceptable experiencia.

Hoy en España casi nadie habla de estos tipos de sistemas cuando de hecho han sido los mas inteligentes que yo he visto, o al menos lo parecían, que de eso se trata. Naturalmente lo que hacíamos era analizar el conocimiento de expertos en un área y

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

9

meterlo en un ordenador. Durante muchos años a la disciplina que enseñaba a desarrollar sistemas de estos se la llamó Ingeniería del Conocimiento, es decir, se pasó de la IA a la IC, aunque la IA abarcaba más cosas que la IC.

Grandes empresas de informática en nuestro país (España) tenían un departamento de “sistemas expertos”, las escuelas y Facultades de Informática que crecían en número en nuestro país incorporaban esa asignatura a sus programas. En España eso ocurrió a finales de los 80 y durante los 90.

Sistemas avanzados

Luego ya en el siglo XXI fue desapareciendo el término hasta el punto en que recuerdo que una empresa colaboradora de mis trabajos cambió el nombre de Sistemas Expertos por “sistemas avanzados”, por varios motivos a mi juicio.

Uno porque empezaban a aparecer sistemas que se denominaban inteligentes sin que fueran sistemas expertos. No había una línea clara que marcara cuando un sistema era inteligente o no, y vino la época en la que el término inteligente parecía que cubría mejor la realidad de las cosas que los sistemas expertos.

Una segunda explicación podría ser de orden práctico. Los sistemas expertos requerían mucho tiempo para su desarrollo. Era difícil encontrar expertos de verdad en un tema (no hay que olvidar que experto es alguien que sabe por la experiencia y si es joven por ejemplo puede tener conocimientos pero no experiencia) y la tendencia era a conseguir sistemas que se desarrollaran rápido.

Se comenzó un poco a nivel global a dar más importancia, incluso en el mercado, a los conocimientos sobre la experiencia, con el pretexto de que mucha de la experiencia quedaba obsoleta debido al vertiginoso cambio de la sociedad y de los parámetros que regían los mercados y la sociedad en general. No era verdad, pero estaban viniendo épocas que desdeñaban la experiencia a favor del volumen, quizás eliminaban de sus sistemas productivos a la gente que de verdad sabía porque “le habían pasado cosas” dando entrada a generaciones jóvenes con responsabilidades de toma de decisiones sobre asuntos que desconocían, ya fuera por nuevos asuntos o por su propia juventud.

Fue un fenómeno global, pero en España fue hasta llamativo. Siempre me pregunté por qué las grandes empresas prejubilaban a generaciones enteras en función de la edad (generaciones con alrededor de 50 años que es cuando el conocimiento comienza a tejer redes de razonamiento de altísima calidad) dejándoles además con su salario integro cuando podrían formar un bloque corporativo de opinión o consejo, (como adjuntos a los departamentos o incluso a la Presidencia y altos cargos de dichas compañías) sobre los procesos aunque dejasen de tener responsabilidades ejecutivas. Siempre me pareció ese proceso, no un ajuste sino un derroche descomunal del capital intelectual de las empresas. Dejó como decíamos de haber expertos de verdad en dichas empresas. Poco Sistema Experto se podía desarrollar entonces.

Banalización del término

Quizás una tercera razón para que el término desapareciese (sobretodo aquí en España) fue quedarse con las formas de los sistemas y perder en contenido y fue cuando se

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

10

empezó a banalizar el término hasta su desprestigio. Eso ocurrió en muchos casos porque una de las maneras más sencillas de modelizar el conocimiento de un experto era por medio de reglas de este estilo:

SI el enfermo tiene gripe y granos ENTONCES tiene sarampión

Por ejemplo. Acabó llamándose Sistema Experto a todo aquello que tenía reglas cuando solo se podría decir en condiciones si lo que había detrás de la regla tenía un origen fiable y provenía de un experto en un tema. Aunque parezca mentira, este tipo de cosas acabó con el prestigio en España de este tipo de sistemas a pesar de los miles de sistemas expertos que se habían desarrollado en el mundo hasta ese momento, con éxito.

Sin embargo fuera de España siguieron vivos, aunque como siempre siguieron siendo costosos de producir, largos de desarrollar pero muy efectivos en los campos en los que el dominio es estable. En dominios inestables o de corta vida no se debían desarrollar por tener un ciclo de vida demasiado corto. La vorágine de cambios que vino a final de los años 90 y comienzos de este siglo hizo que se manejasen modelos y sistemas en el mundo sobre los que no había experiencia y donde por tanto todo era más especulativo que otra cosa porque no había dado tiempo a probarse.

Se podría decir que la velocidad del cambio en muchas cosas parecía que era signo de avance, cuando en realidad el conjunto de la sociedad comenzaba a sustentarse sobre patas nuevas, poco experimentadas y por tanto de enorme debilidad potencial. Y está claro que ni siquiera los análisis de riesgos sabían o querían contemplar cosas que podían ocurrir y que recientes crisis de todo tipo parecen confirmar.

En cualquier caso surgió un concepto que involucraba a todo tipo de organizaciones que era “Gestión del Conocimiento”. Como tantas banderas anteriores pasó a ser un tema “en el que había que estar” y como tantas veces antes, había que definir con claridad en que consistía y como se iba a implantar. Curiosamente la gestión de la experiencia no siempre estaba contemplada en los modelos que se iban definiendo de “gestión del conocimiento”.

Robótica

Volviendo un poco hacia atrás y casi al hilo del artículo que escribí para Tendencias hace 20 años, cabría decir las tres grandes áreas que se definieron como de aplicación de la IA. Una fue la robótica, otra el procesamiento del lenguaje natural y otra la Ingeniería del conocimiento.

La robótica conoció un desarrollo enorme y con ella toda un área que sigue trabajando y consiguiendo éxitos notables. Desde la fabricación de coches hasta sistemas que reconocen su huella digital para que usted entre en su ordenador o reconocen su voz hasta el punto de que le abran la puerta a usted y no a otro, o que permiten reconocer a alguien por sus caracteres antropomórficos, y que deriva en que le reconocen a usted para entrar en un edificio por su rostro o bien que saben cuando usted está triste o preocupado o con sistemas muy modernos que pretenden saber cuando alguien miente.

Esa ha sido un área donde se han mezclado ideas que venían de la Ingeniería del

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

11

conocimiento y que se han conseguido incluso modelizar matemáticamente para garantizar una rapidez de respuesta importante. También se ha avanzado mucho en reconocimiento de voz o incluso en síntesis de voz. Nuevas tendencias de IA como las redes de neuronas, con su intrínseca capacidad de aprendizaje, fueron capaces de emular casi cualquier tipo de voz, incluida la suya.

Otra gran área fue la ingeniería del conocimiento que en su momento abarcó los ya mencionados “sistemas expertos” y que hoy se extiende a todas las técnicas que permitan resolver mejor problemas de todo tipo. Como ya hemos comentado, de una u otra forma existen ya un conjunto de técnicas o tipos de problemas con una “bandeja de técnicas” capaz de resolverlos, pero que en general definiría como una rama de la IA aplicada dedicada a estudiar modelos de resolución de problemas.

Procesamiento del lenguaje natural

Una tercera área que fue en los años 80 objeto de un optimismo desmesurado fue la del Procesamiento automático del lenguaje natural. Los avances en este área fueron mucho más modestos que en otras. No se llegó al traductor automático universal de todas las lenguas con todas. El avance en estas áreas se hizo basándose en modelos diferentes según el área geográfica.

Europa, con su enorme problema de multilingüismo, eligió una aproximación basada en pares de lenguas y se llegó a resultados limitados. Japón siguió una vía denominada interlingüa que debía ser un lenguaje artificial (capaz de ser entendido por ordenadores) que hiciera de intermedio entre los demás y por medio de dicho lenguaje permitir que unas y otras lenguas se entendiesen entre sí. Dicha aproximación sufrió desviaciones importantes (los ordenadores de entonces procesaban información decenas de miles de veces mas despacio que los de hoy en día) y se decantó aquella aproximación por usar de interlingua la lengua inglesa y ello derivó en el fracaso de dicha aproximación.

Que los humanos usamos de hecho el inglés como interlingua no quiere decir que un ordenador pueda hacerlo bien. Un ordenador necesita su lenguaje especial. (es una “caja tonta” que hace las operaciones con mucha rapidez, no lo olvidemos). Años mas tarde, y aprovechando la aproximación japonesa, la Universidad de las Naciones Unidas con sede en Tokyo adoptó dicha aproximación como la única capaz de poder solucionar el problema del acceso a la información de manera multilingüe en Internet, base sin duda para eliminar o paliar los efectos de la brecha digital, es decir los defectos de acceso a la educación por parte de comunidades humanas menos desarrolladas.

Y, sin duda, la diversidad lingüística contribuye fuertemente a ser una característica de limitar el acceso efectivo a la educación. Solo la tecnología y la voluntad de hacerlo podrán resolver conjuntamente el problema de la multilingualidad y el de la conservación de la diversidad lingüística y cultural.

Para eso falta mucho por hacer y no será rápido. Es uno de los temas que ocupan mi tiempo desde que en 1996 fuéramos (ni grupo de investigación) invitados por la Universidad de las Naciones Unidas a desarrollar módulos y tecnologías relativas a la lengua española (entendiendo por la misma el castellano). Pero de eso si quieren ya les cuento otro día. Solo decir que en mi opinión sólo la aproximación de interlingua podrá resolver aceptablemente este problema como reconoce Mike Dillinguer, Presidente de la

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

12

Asociación Americana de Traducción Automática en su informe LISA.

Para mi Grupo de investigación, al que pertenecemos lingüistas e Ingenieros aparte de nuestros colegas de otros países, el modelo Interlingua tiene además ventajas de capacidad de representación de contenidos. Nos hace falta poder representar un texto de una manera que no dependa de la lengua original. Trabajamos en sistemas de permitan hacer eso, pero también vemos la necesidad de crear sistemas que quizás utilizando técnicas mas “inteligentes” sean capaces de capturar contenidos o conocimientos a partir de los textos escritos en cualquier lengua. Otro día les comento un demostrador que estamos instalando basándose en unos trabajos previos hechos para la EOLSS (Enciclopedia de la UNESCO para las ciencias de la vida). Cuando esté instalado se los comunico y podrían visualizarlo.

Hay áreas como el llamado “text mining” o minería de textos, es decir que pretenden extraer conocimiento a partir de un texto, y conocimiento es algo más que datos, son las relaciones entre los datos, es decir, algo a veces mas “neto” los datos en sí…

Ingeniería del conocimiento

A nivel particular he trabajado en ingeniería del conocimiento durante años aunque ahora llevo ya bastantes en las áreas que hemos dado en llamar Ingeniería Lingüística, quizás porque la perciba como el conjunto de técnicas de Inteligencia Artificial encargadas de estudiar y entender el lenguaje natural que percibo como el ultimo eslabón de la inteligencia humana.

Quizás por eso, se nos haya “atragantado tanto”. Se está lejos de tener una máquina que sepa siquiera aprender a leer un texto y con eso quiero decir, que lea y que entienda lo que dice y que sea capaz de guardar lo importante y desechar lo que no lo es….quizás ese día podamos (no lo veré yo…) construir máquinas con las que de verdad podamos dialogar y hacer cosas juntos.

¿Imposible? No deberíamos ser tan soberbios pienso yo pensando es que eso no podrá ser…que no sepamos como funciona nuestra máquina humana no quiere decir que algún día no se sepa. O quizás le pase que se defienda de quienes la estudiamos cambiando lo suficientemente rápido como para que nunca consigamos saberlo todo sobre ella. Cabe cualquier conjetura.

Hace no mucho en una presentación de sistemas avanzados (de estos que se llaman hoy “avanzados”) alguien me dijo que en treinta años se podría verter el contenido de un cerebro y poderlo guardar. Lo miré evidentemente incrédulo; me sorprenden esas afirmaciones tan optimistas cuando simplemente ver en el mercado el resultado de unos trabajos que hice en un proyecto europeo hace unos años ha tardado 9 años!!! Y cuando que yo sepa (vaya usted a saber si hay alguna forma “secreta”, pero lo dudo…) no se puede saber siquiera lo que hay en un disco duro de un ordenador poniendo unos electrodos en la carcasa del mismo. Y el cerebro es mucho mas complejo que eso …

Déficit de inteligencia y seguridad

Y terminado por hoy, sabiendo que las líneas de investigación en las que estamos, aun resolvemos poco de nuestro mundo y son muchas veces sobre cosas muy concretas,

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

13

calculen ustedes lo que falta por hacer a nivel global. No dejo de sorprenderme como ciudadano de hechos que han ocurrido en esta década y que van desde los gigantescos atentados terroristas del 11S hasta la colosal crisis financiera de estos días.

¿Cómo no ha sido posible prever nada de nada de los mismos? No me queda otro remedio que pensar que las organizaciones que añaden a su definición la palabra “inteligencia” tienen poca capacidad de previsión mínimamente inteligente o quizás hay pocas ganas de prever. O puede que haya una explicación mucho más compleja.

Quizás el asunto sea mucho más difícil de lo que parece. La intervención de dominios diferentes y aparentemente lejanos como la economía, la religión o las lenguas y quién sabe qué otros, requieren mucha mas investigación. Quizás nuestros expertos en muchas áreas lo sean en áreas muy concretas y ¿quien se encarga de relacionar todo esto?

No es sencillo, a lo mejor el manejo de ingentes cantidades de información requiera de ayudas materiales, de máquinas más inteligentes que ayuden más a los gobiernos y organizaciones, quizás haya que inventar un término medio nuevo que podría llamarse “inteligencia artificial global” encargada de descubrir esas relaciones entre las cosas de este mundo que nos parecen ocultas, quizás haya que volver a reconsiderar que las personas maduras saben mucho que no podemos desechar…quizás sean ellas las que puedan ayudar a ser Base de Conocimientos de esos nuevos estudios. Solo quizás.

Esto no es un alegato de nada. Simplemente recuerdo los tiempos de los sistemas expertos que se hacían antes. Aún alguno de ellos habiéndolo diseñado yo mismo me parecía alucinante como razonaba y como respondía a cuestiones peliagudas. De hecho se utilizaron mucho tiempo para formación de nuevos profesionales. Recuerdo la perplejidad del experto que había “donado” conocimiento al sistema al ver la precisión y la rapidez con que el sistema hacía lo mismo que él mismo haría. Y era lógico. Era “su” conocimiento.

Bueno, no les canso más por hoy. Seguimos hablando. Saludos y hasta pronto. Jesús Cardeñosa.

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

14

La Inteligencia artificial padece de muerte cerebral

Fuente: Wired News (http://pa.wired.com/wired/tecnologia/0,1157,24614,00.html). 13 de Mayo de 2003.Por Mark Baard

¿Alguna vez seremos capaces de crear máquinas que sean tan inteligentes como nosotros?

No si los ingenieros insisten en construir estúpidos robots, según lo manifestado por el fundador de la investigación en el campo de la inteligencia artificial.

"La inteligencia artificial padece de muerte cerebral desde la década de 1970", señaló el gurú de la inteligencia artificial, Marvin Minsky, en un discurso que pronunciara recientemente en la Universidad de Boston. Minsky cofundó el MIT Artificial Intelligence Laboratory (Laboratorio de Inteligencia Artificial del Instituto Tecnológico de Massachusetts) en 1959 junto con John McCarthy.

Minsky ha dedicado gran parte de su carrera a estudiar el "razonamiento basado en el sentido común" -que es la capacidad de las computadoras de captar conceptos cotidianos que los seres humanos dan por sentado-.

Nociones tales como "el agua moja" y "el fuego quema" han resultado ser un blanco esquivo para los investigadores del campo de la inteligencia artificial. Minsky acusó a los investigadores de renunciar al inmenso desafío de construir una máquina pensante totalmente autónoma.

Los expertos en inteligencia artificial, movidos por las críticas de Minsky, salieron a defender su progreso.

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

15

"Estos últimos 15 años han sido un período muy interesante para la inteligencia artificial", señaló Stuart Russell, director del Center for Intelligent Systems (Centro de Sistema Inteligentes) de la Universidad de California, sede Berkeley, y coautor de un libro sobre inteligencia artificial titulado Artificial Intelligence: A Modern Approach (Un enfoque moderno de la inteligencia artificial).

Russell, quien calificó a los comentarios de Minsky como "sorprendentes y desalentadores", señaló que los científicos que estudian el aprendizaje, la visión, la robótica y el razonamiento han hecho enormes avances en sus áreas.

Los sistemas de inteligencia artificial de hoy en día detectan las estafas con tarjetas de crédito aprendiendo a partir de las transacciones anteriores. Y los ingenieros en computación continúan refinando los sistemas de reconocimiento de voz para las PCs y los sistemas de reconocimiento facial para las aplicaciones de seguridad.

Estos logros han ido aportando cada vez más a este campo, y cada desarrollo contribuye a la obtención de sistemas de inteligencia más sofisticados y completos en el futuro.

"Estamos construyendo sistemas que detectan patrones muy sutiles dentro de enormes volúmenes de datos", señaló Tom Mitchell, director del Center for Automated Learning and Discovery (Centro de Descubrimiento y Aprendizaje Automatizado) de la Universidad Carnegie Mellon, y presidente de la American Association for Artificial Intelligence (Asociación Estadounidense de Inteligencia Artificial). "La cuestión es: ¿Cuál es la mejor estrategia para poder avanzar desde donde estamos en este momento hacia un agente inteligente autónomo e integrado?".

Lamentablemente, las estrategias que mayor aceptación tuvieron entre los investigadores del campo de la inteligencia artificial en la década de 1980 han conducido a una calle sin salida, señaló Minsky. Los denominados "sistemas expertos", que emulaban la experiencia humana dentro de áreas temáticas estrictamente definidas como el derecho y la medicina, podrían relacionar las consultas de los usuarios con diagnósticos, informes y compendios relevantes, y aún así no aprender conceptos que la mayoría de los niños ya manejan a los 3 años.

"Para cada tipo de problema distinto, había que volver a comenzar desde cero la construcción de sistemas expertos, porque no acumulaban conocimientos basados en el sentido común", explicó Minsky.

Sólo un investigador se ha abocado a la colosal tarea de construir un sistema de razonamiento integral basado en el sentido común, según lo señalado por Minsky. Douglas Lenat, a través de su proyecto Cyc, ha dirigido el ingreso en forma individual de más de 1 millón de reglas en una base de nociones de sentido común.

"El Cyc sabe que los árboles por lo general están afuera, que una vez que la gente muere deja de comprar cosas, y que los recipientes con líquido hay que llevarlos derechos para que no se vuelque lo que tienen dentro", dice en un recuadro del sitio web del Cyc. El Cyc puede utilizar su amplia base de conocimientos para buscar coincidencias con consultas hechas en lenguaje natural. Ante un pedido de "imágenes de personas fuertes y temerarias" se conecta con una imagen relevante como la de un hombre haciendo alpinismo en un risco.

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

16

Si bien reconoce que se han producido ciertos avances en el campo de la investigación de la inteligencia artificial, Minsky lamenta el estado del laboratorio que fundara hace más de 40 años.

"La peor manía han sido estos estúpidos robotitos", señaló Minsky. "Los estudiantes universitarios están desperdiciando 3 años de sus vidas soldando y reparando robots, en lugar de dedicar ese tiempo a hacerlos inteligentes. Es realmente shockeante".

"Puede que las críticas de Marvin estuvieran dirigidas a mí", expresó Rodney Brooks, director del MIT Artificial Intelligence Lab, quien reconoció que gran parte de las investigaciones de ese laboratorio están centradas en los robots.

Pero Brooks, inventor de la aspiradora automática , sostiene que algunos avances en materia de visión computarizada y otras formas de inteligencia artificial han sido posibles gracias a la robótica. El laboratorio de inteligencia artificial del MIT, por ejemplo, está desarrollando el Cog.

Los ingenieros esperan que este sistema robótico adquiera conciencia de sí mismo aprendiendo a detectar sus propios movimientos y ver la relación causal. Cog podría ser capaz de "aprender" a hacer cosas.

Brooks señaló que la tecnología de sensores ha llegado a un punto en que es más sofisticada y menos cara, con lo cual ahora los robots están llenos de sensores.

"No toda nuestra inteligencia está bajo el control de nuestra mente consciente", señaló Brooks. "Hay muchos niveles de inteligencia que no requieren de introspección". En otras palabras, el énfasis en el razonamiento basado en el sentido común no se aplica a algunos esfuerzos realizados en el campo de la inteligencia artificial.

Los investigadores del campo de la inteligencia artificial, además, podrían ser víctimas de su propio éxito. La gente da por sentado que se pueden hacer búsquedas en Internet y que se pueden hacer reservas de pasajes aéreos a través del teléfono -éstos son ejemplos de la inteligencia artificial en la práctica-.

"Estamos en una posición muy particular", señaló Martha Pollack, profesora del Artificial Intelligence Laboratory (Laboratorio de Inteligencia Artificial) de la Universidad de Michigan y editora ejecutiva del Journal of Artificial Intelligence Research.

"Apenas resolvemos un problema, en lugar de ver la solución como una forma de inteligencia artificial, la empezamos a ver como otro sistema informático más", señaló Pollack.

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

17

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

18

Inteligencia Artificial y Sistemas Expertos

Inteligencia artificial

 

1. La inteligencia: Diferentes teorías y definiciones 2. Inteligencias múltiples 3. Futuro de la IA.

 

Él termino "inteligencia artificial" fue acuñado formalmente en 1956 durante la conferencia de Darthmounth, más para entonces ya se había estado trabajando en ello durante cinco años en los cuales se había propuesto muchas definiciones distintas que en ningún caso habían logrado ser aceptadas totalmente por la comunidad investigadora. La AI es una de las disciplinas más nuevas que junto con la genética moderna es el campo en que la mayoría de los científicos " más les gustaría trabajar".Una de las grandes razones por la cuales se realiza el estudio de la IA es él poder aprender más acerca de nosotros mismos y a diferencia de la psicología y de la filosofía que también centran su estudio de la inteligencia, IA y sus esfuerzos por comprender este fenómeno están encaminados tanto a la construcción de entidades de inteligentes como su comprensión.El estudio de la inteligencia es una de las disciplinas más antiguas, por más de 2000 años los filósofos no han escatimado esfuerzos por comprender como se ve, recuerda y razona junto con la forma en que estas actividades deberían realizarse. Según John Mc Carthy la inteligencia es la "capacidad que tiene el ser humano de adaptarse eficazmente al cambio de circunstancias mediante el uso de información sobre esos cambios", pero esta definición resulta muy amplia ya que de acuerdo con esta, el sistema inmunológico del cuerpo humanó resultaría inteligente ya que también mediante el uso de información este logra adaptarse al cambio. Otra interesante manera de ilustrar la inteligencia seria recurrir a la teoría societal de la mente de Marvin Minsky donde cada mente humana es el resultado del accionar de un comité de mentes de menor poder que conversan entre sí y combinan sus respectivas habilidades con el fin de resolver problemas.La llegada de las computadoras a principios de los 50, permitió el abordaje sin especulación de estas facultades mentales mediante una autentica disciplina teórica experimental. Es a partir de esto que se encontró que la IA constituye algo mucho más complejo de lo que se pudo llegar a imaginar en principio ya que las ideas modernas que constituyen esta disciplina se caracterizan por su gran riqueza, sutileza e interés; en la actualidad la IA abarca una enorme cantidad de subcampos que van desde áreas de propósito general hasta tareas especificas.Una de las definiciones que se han dado para describir la IA la sitúa dentro de una disciplina que tiene que ver con las ciencias de la computación que corresponden al esfuerzo por parte de gran cantidad de científicos que durante los últimos treinta años han realizado con el fin de dotar a las computadoras de inteligencia, a partir de esta definición encontramos que una de las técnicas de IA es aquella que se utiliza con el fin de lograr que un determinado programa se comporte de forma inteligente sin pretender tener en cuenta la " forma de razonamiento "empleada para lograr ese comportamiento. Luego, aquí surge un dilema, ya que según esto cualquier problema resoluble por un

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

19

computador, sin complicaciones y también como un ser humano podría encuadrarse en el campo de la inteligencia artificial acudiendo solamente a la aplicación de reglas consecutivas al pie de la letra o lo que encontramos con el nombre de Algoritmos dentro del lenguaje de IA; este termino fue acuñado en honor al matemático árabe AL-KWARIZMI que copiló una serie de estos para ser aplicados a diferentes problemas algebraicos.

Cuando se aplican algoritmos a la solución de los problemas aunque no se está actuando inteligentemente si esta siendo eficaz pero los problemas realmente complicados a los que se enfrenta el ser humano son aquellos en los cuales no existe algoritmo conocido así que surgen de reglas que tratan de orientarnos hacia las soluciones llamadas Heurísticas en las cuales nunca nada nos garantiza que la aplicación de una de estas reglas nos acerque a la solución como ocurre con los anteriores. A partir de estos datos; Farid Fleifel Tapia describe a la IA como: "la rama de la ciencia de la computación que estudia la resolución de problemas no algorítmicos mediante el uso de cualquier técnica de computación disponible, sin tener en cuenta la forma de razonamiento subyacente a los métodos que se apliquen para lograr esa resolución.Para completar esa definición, algunas definiciones no tan formales emitidas por diferentes investigadores de la IA que consideran otros puntos de vista son:

  o La IA es el arte de crear maquinas con capacidad de realizar funciones

que realizadas por personas requieren de inteligencia. ( Kurzweil, 1990)

 

o La IA es el estudio de cómo lograr que las computadoras realicen tareas que, por el momento, los humanos hacen mejor. (Rich, Knight, 1991).

o La IA es la rama de la ciencia de la computación que se ocupa de la automatización de la conducta inteligente. (Lugar y Stubblefied, 1993).

o La IA es el campo de estudio que se enfoca a la explicación y emulación de la conducta inteligente en función de procesos computacionales. (Schalkoff, 1990).

En la IA se puede observar dos enfoques diferentes:

1. La IA concebida como el intento por desarrollar una tecnología capaz de proveer al ordenador capacidades de razonamiento similares a los de la inteligencia humana.

 

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

20

2. La IA en su concepción como investigación relativa a los mecanismos de la inteligencia humana que se emplean en la simulación de validación de teorías.

El primer enfoque se centra en la utilidad y no en el método como veíamos anteriormente con los algoritmos, los temas claves de este enfoque son la representación y gestión de conocimiento, sus autores más representativos son McCrrthy y Minsky.

John McCarthy

En el segundo enfoque encontramos que este se orienta a la creación de un sistema artificial capaz de realizar procesos cognitivos humanos haciendo importante ya no la utilidad como el método, los aspectos fundamentales de este enfoque se refieren al aprendizaje y adaptabiliada y sus autores son Newell y Simon de la Carnegie Mellon University.La IA al tratar de construir maquinas que se comporten aparentemente como seres humanos han dado lugar al surgimiento de dos bloques enfrentados: el enfoque simbólico o top-down, conocido como la IA clásica y el enfoque subsimbolico llamado a veces conexionista.Los simbólicos simulan directamente las características inteligentes que se pretenden conseguir o imitar y lo mejor que también se tiene a la mano es el hombre; para los constructores de los sistemas expertos resulta fundamental la representación del conocimiento humano donde gracias a estos avances se han encontrado dos tipos de conocimiento: conocimiento acerca del problema particular¨ y ¨conocimiento a cerca de cómo obtener mas conocimiento a partir del que ya tenemos¨. El ejemplo más representativo de esta corriente es el proyecto de Cyc de Douglas B. Lenat sobre un sistema que posee en su memoria millones de hechos interconectados.Dentro de la otra corriente: la subsimbolica; sus esfuerzos se orientan a la simulación de los elementos de mas bajo nivel dentro de los procesos inteligentes con la esperanza de que estos al combinarse permitan que espontáneamente surja el comportamiento inteligente. Los ejemplos mas claros que trabajan con este tipo de orientación son las redes neuronales y los algoritmos genéticos donde estos sistemas trabajan bajo la autonomía, el aprendizaje y la adaptación, conceptos fuertemente relacionados.

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

21

Uno de los grandes seguidores de la IA; Marvin Minsky, ha dado una clasificación para los lenguajes de programación que se utilizan en esta disciplina:

Marvin Minsky

¨Haga ahora¨: Donde el programador surte de instrucciones a la maquina para realizar una tarea determinada donde todo queda especificado excepto quizás él numero de repeticiones.

¨Haga siempre que¨: Aquí se permite escribir un programa que le sirva a la computadora para resolver aquello problemas que el programador no sabe resolver pero conoce que tipo de soluciones se pueden intentar.

"De constreñimiento": se escriben programas que definen estructuras y estados que se condicionan y limitan recíprocamente.

Pero Minsky, admite que aún será necesario desarrollar dos tipos de lenguajes más para obtener una IA comparable a la inteligencia humana; y estos podrían ser.

  o "Haga algo que tenga sentido¨: Donde se permite al programa aprender

del pasado y en una nueva situación aplicar sus enseñanzas. o "Mejórense a sí mismo": Allí se podrá permitir escribir programas que

tengan en adelante la capacidad de escribir programas mejores que ellos mismos.

Otro punto desde luego tiene que ver con el tema que aquí estamos tratando es por supuesto el concepto de lo que es creatividad, que a simple vista es algo que no podemos explicar porque es resultado de un don especial pero que los estudios sobre IA han comenzado hacer posible dar explicación satisfactoria: nos dicen que en la medida que se logre escribir programas que exhiban propiedad, en esa misma medida se empezara a explicar la creatividad.Otra propiedad que se espera ver asociada a la IA es la autoconciencia; que de acuerdo con los resultados de las investigaciones psicológicas hablan por una parte de que como

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

22

es bien sabido, el pensamiento humano realiza gran cantidad de funciones que no se pueden calificar de conscientes y que por lo tanto la autoconciencia contribuye en cierto sentido a impedir el proceso mental eficiente; pero por otro lado es de gran importancia poder tener conocimiento sobre nuestras propias capacidades y limitaciones siendo esto de gran ayuda para el funcionamiento de la inteligencia tanto de la maquina como del ser humano.Pero seria imposible tratar de contemplar el tema de la IA sin recurrir a la cuestión de la complejidad; donde el comportamiento inteligente es el resultado de la interacción de muchos elementos y que con seguridad es una de las más valiosas contribuciones al tratar de simular en la maquina los fenómenos intelectuales humanos. La IA se ha desarrollado como disciplina a partir de la concepción de la inteligencia que se realizo al interior de la psicología y a partir de la cual se elaboraron diferentes categorías. La inteligencia: Diferentes teorías y definiciones.En 1904 el ministerio de instrucción publica de Francia pidió al psicólogo francés Alfred Binet y a un grupo de colegas suyos que desarrollan un modo de determinar cuales alumnos de la escuela primaria corrían el riesgo de fracasar para que estos alumnos reciban una atención compensatoria. De sus esfuerzos nacieron las primeras pruebas de inteligencia. Importadas a los EEUU varios años después las pruebas se difundieron ampliamente así como la idea de que existiera algo llamado " inteligencia" que podía medirse de manera objetiva y reducirse a un numero o puntaje llamado " coeficiente intelectual" desde entonces sé a definido la inteligencia en términos de "habilidad para resolver problemas".I.INTELIGENCIAS MULTIPLESUn psicólogo de Harvard llamado Howard Garden, señalo que nuestra cultura había definido la inteligencia de manera muy estrecha y propuso en su libro " estructura de la mente", la existencia de por lo menos siete inteligencias básicas:

Inteligencia lingüística: capacidad de usar las palabras de modo efectivo ( ya sea hablando, escribiendo, etc). Incluye la habilidad de manipular la sintaxis o escritura del lenguaje, la fonética o los sonidos del lenguaje, la semántica o significado de lenguaje o división, pragmática o los husos prácticos.

Inteligencia lógico matemática: capacidad de usar los números de manera efectiva y de razonar adecuadamente ( pensamiento vertical).

Inteligencia espacial: la habilidad para percibir la manera exacta del mundo visual-espacial y de ejecutar transformaciones sobre esas percepciones ( decorador, artistas, etc).

Inteligencia corporal - kinética: la capacidad para usar el cuerpo para expresar ideas y sentimientos y facilidad en el uso de las propias manos para producir o transformar cosas.

Inteligencia musical: capacidad de percibir, discriminar, trasformar y expresar las formas musicales.

Inteligencia interpersonal: la capacidad de percibir y establecer distinciones entre los estados de ánimo, las intenciones, motivaciones, sentimientos, de otras personas.

Inteligencia intrapersonal: el conocimiento de sí mismo y la habilidad para adaptar las propias maneras de actuar a partir de ese conocimiento.

Más allá de la descripción de las inteligencias y de sus fundamentos teóricos hay ciertos aspectos que convienen destacar:

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

23

  o Cada persona posee varios tipos de inteligencias.

 

o La mayoría de las personas pueden desarrollar cada inteligencia hasta un nivel adecuado de competencia.

o Las inteligencias por lo general trabajan juntas de manera compleja, ósea, siempre interactúan entre sí para realizar la mayoría de las tareas se precisan todas las inteligencias aunque en niveles diferentes hay muchas maneras de ser inteligentes en cada categoría.

Inteligencia emocional: existe una dimensión de la inteligencia personal que esta ampliamente mencionada aunque poco explorada en las elaboraciones de Gadner: el papel de las emociones.Daniel Goleman; toma este desafío y comienza a trabajar sobre el desarrollo de Gadner llevando a un plano más pragmático y centrado en las emociones como foco de la inteligencia.

FUTURO DE LA IA.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 día se están utilizando con éxito en los campos de la medicina, geología y aeronáutica aunque todavía están poco avanzados en relación con el ideal del producto IA completo. Sistema Experto (SE) [editar]Se puede entender como una rama de la inteligencia artificial. Estos sistemas imitan las actividades de un humano para resolver problemas de distinta índole (no necesariamente tiene que ser de inteligencia artificial). También se dice que un SE se basa en el conocimiento declarativo (hechos sobre objetos, situaciones) y el conocimiento de control (información sobre el seguimiento de una acción).Para que un sistema experto sea herramienta efectiva, los usuarios deben interactuar de una forma fácil, reuniendo dos capacidades para poder cumplirlo:

1. Explicar sus razonamientos o base del conocimiento : los sistemas expertos se deben realizar siguiendo ciertas reglas o pasos comprensibles de manera que se

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

24

pueda generar la explicación para cada una de estas reglas, que a la vez se basan en hechos.

2. Adquisición de nuevos conocimientos o integrador del sistema : son mecanismos de razonamiento que sirven para modificar los conocimientos anteriores. Sobre la base de lo anterior se puede decir que los sistemas expertos son el producto de investigaciones en el campo de la inteligencia artificial ya que esta no intenta sustituir a los expertos humanos, sino que se desea ayudarlos a realizar con más rapidez y eficacia todas las tareas que realiza.

Debido a esto en la actualidad se están mezclando diferentes técnicas o aplicaciones aprovechando las ventajas que cada una de estas ofrece para poder tener empresas más seguras. Un ejemplo de estas técnicas sería los agentes que tienen la capacidad de negociar y navegar a través de recursos en línea; y es por eso que en la actualidad juega un papel preponderante en los sistemas expertos.

Estructura básica de un SE

Un Sistema Experto está conformado por:

Base de conocimientos (BC): Contiene conocimiento modelado extraído del diálogo con el experto.

Base de hechos (Memoria de trabajo): contiene los hechos sobre un problema que se ha descubierto durante el análisis.

Motor de inferencia: Modela el proceso de razonamiento humano. Módulos de justificación: Explica el razonamiento utilizado por el sistema para

llegar a una determinada conclusión. Interfaz de usuario : es la interacción entre el SE y el usuario, y se realiza

mediante el lenguaje natural.

Tipos de SE

Principalmente existen tres tipos de sistemas expertos:

Basados en reglas . Basados en casos o CBR (Case Based Reasoning). Basados en redes bayesianas.

En cada uno de ellos, la solución a un problema planteado se obtiene:

Aplicando reglas heurísticas apoyadas generalmente en lógica difusa para su evaluación y aplicación.

Aplicando el razonamiento basado en casos, donde la solución a un problema similar planteado con anterioridad se adapta al nuevo problema.

Aplicando redes bayesianas, basadas en estadística y el teorema de Bayes.

Ventajas y limitaciones de los Sistemas Expertos

Ventajas

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

25

Permanencia: A diferencia de un experto humano un SE (sistema experto) no envejece, y por tanto no sufre pérdida de facultades con el paso del tiempo.

Duplicación: Una vez programado un SE lo podemos duplicar infinidad de veces.

Rapidez: Un SE puede obtener información de una base de datos y realizar cálculos numéricos mucho más rápido que cualquier ser humano.

Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias a la capacidad de duplicación el coste finalmente es bajo.

Entornos peligrosos: Un SE puede trabajar en entornos peligrosos o dañinos para el ser humano.

Fiabilidad: Los SE no se ven afectados por condiciones externas, un humano sí (cansancio, presión, etc.).

Consolidar varios conocimientos Apoyo Academico

Limitaciones

Sentido común: Para un Sistema Experto no hay nada obvio. Por ejemplo, un sistema experto sobre medicina podría admitir que un hombre lleva 40 meses embarazado, a no ser que se especifique que esto no es posible.

Lenguaje natural: Con un experto humano podemos mantener una conversación informal mientras que con un SE no podemos.

Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de sus errores y de errores ajenos, que un SE haga esto es muy complicado.

Perspectiva global: Un experto humano es capaz de distinguir cuales son las cuestiones relevantes de un problema y separarlas de cuestiones secundarias.

Capacidad sensorial: Un SE carece de sentidos. Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para

la resolución de un problema. Conocimiento no estructurado: Un SE no es capaz de manejar conocimiento

poco estructurado.

Ejemplos importantes Dendral Dipmeter Advisor Mycin CADUCEUS R1 CLIPS , Jess Prolog ehsis.ikudetelemed.com

Tareas que realiza un Sistema Experto

Monitorización

La monitorización es un caso particular de la interpretación, y consiste en la comparación continua de los valores de las señales o datos de entrada y unos valores que actúan como criterios de normalidad o estándares. En el campo del mantenimiento

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

26

predictivo los Sistemas Expertos se utilizan fundamentalmente como herramientas de diagnóstico. Se trata de que el programa pueda determinar en cada momento el estado de funcionamiento de sistemas complejos, anticipándose a los posibles incidentes que pudieran acontecer. Así, usando un modelo computacional del razonamiento de un experto humano, proporciona los mismos resultados que alcanzaría dicho experto.

Diseño

Diseño es el proceso de especificar una descripción de un artefacto que satisface varias características desde un número de fuentes de conocimiento.El diseño se concibe de distintas formas:

El diseño en ingeniería es el uso de principios científicos, información técnica e imaginación en la definición de una estructura mecánica, máquina o sistema que ejecute funciones específicas con el máximo de economía y eficiencia.

El diseño industrial busca rectificar las omisiones de la ingeniería, es un intento consciente de traer forma y orden visual a la ingeniería de hardware donde la tecnología no provee estas características.

Los SE en diseño ven este proceso como un problema de búsqueda de una solución óptima o adecuada. Las soluciones alternas pueden ser conocidas de antemano o se pueden generar automáticamente probándose distintos diseños para verificar cuáles de ellos cumplen los requerimientos solicitados por el usuario, ésta técnica es llamada "generación y prueba", por lo tanto estos SE son llamados de selección. En áreas de aplicación, la prueba se termina cuando se encuentra la primera solución; sin embargo, existen problemas más complejos en los que el objetivo es encontrar la solución óptima.

Planificación

La planificación es la realización de planes o secuencias de acciones y es un caso particular de la simulación. Está compuesto por un simulador y un sistema de control. El efecto final es la ordenación de un conjunto de acciones con el fin de conseguir un objetivo global.Los problemas que presentan la planificación mediante SE son los siguientes:

Existen consecuencias no previsibles, de forma que hay que explorar y explicar varios planes.

Existen muchas consideraciones que deben ser valoradas o incluirles un factor de peso.

Suelen existir interacciones entre planes de subobjetivos diversos, por lo que deben elegirse soluciones de compromiso.

Trabajo frecuente con incertidumbre, pues la mayoría de los datos con los que se trabaja son más o menos probables pero no seguros.

Es necesario hacer uso de fuentes diversas tales como bases de datos.

Control

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

27

Un sistema de control participa en la realización de las tareas de interpretación, diagnóstico y reparación de forma secuencial. Con ello se consigue conducir o guiar un proceso o sistema. Los sistemas de control son complejos debido al número de funciones que deben manejar y el gran número de factores que deben considerar; esta complejidad creciente es otra de las razones que apuntan al uso del conocimiento, y por tanto de los SE.Cabe aclarar que los sistemas de control pueden ser en lazo abierto, si en el mismo la realimentación o el paso de un proceso a otro lo realiza el operador, o en lazo cerrado si no tiene que intervenir el operador en ninguna parte del mismo. Reparación, correcta o terapia.La reparación, corrección, terapia o tratamiento consiste en la proposición de las acciones correctoras necesarias para la resolución de un problema. Los SE en reparación tienen que cumplir diversos objetivos, como son: Reparación lo más rápida y económicamente posible. Orden de las reparaciones cuando hay que realizar varias. Evitar los efectos secundarios de la reparación, es decir la aparición de nuevas averías por la reparación.

Simulación

La simulación es una técnica consistente en crear modelos basados en hechos, observaciones e interpretaciones, sobre la computadora, a fin de estudiar el comportamiento de los mismos mediante la observación de las salidas para un conjunto de entradas. Las técnicas tradicionales de simulación requieren modelos matemáticos y lógicos que describen el comportamiento del sistema bajo estudio.El empleo de los SE para la simulación viene motivado por la principal característica de los SE, que es su capacidad para la simulación del comportamiento de un experto humano, que es un proceso complejo.En la aplicación de los SE para simulación hay que diferenciar cinco configuraciones posibles:

1. Un SE puede disponer de un simulador con el fin de comprobar las soluciones y en su caso rectificar el proceso que sigue.

2. Un sistema de simulación puede contener como parte del mismo a un SE y por lo tanto el SE no tiene que ser necesariamente de simulación.

3. Un SE puede controlar un proceso de simulación, es decir que el modelo está en la base de conocimiento del SE y su evolución es función de la base de hechos, la base de conocimientos y el motor de inferencia, y no de un conjunto de ecuaciones aritmético - lógicas.

4. Un SE puede utilizarse como consejero del usuario y del sistema de simulación. 5. Un SE puede utilizarse como máscara o sistema frontal de un simulador con el

fin de que el usuario reciba explicación y justificación de los procesos.

Instrucción

Un sistema de instrucción realizara un seguimiento del proceso de aprendizaje. El sistema detecta errores ya sea de una persona con conocimientos e identifica el remedio adecuado, es decir, desarrolla un plan de enseñanza que facilita el proceso de aprendizaje y la corrección de errores.

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

28

Recuperación de información

Los Sistemas Expertos, con su capacidad para combinar información y reglas de actuación, han sido vistos como una de las posibles soluciones al tratamiento y recuperación de información, no sólo documental. La década de 1980 fue prolija en investigación y publicaciones sobre experimentos de este orden, interés que continua en la actualidad.Lo que diferencia a estos sistemas de un sistema tradicional de recuperación de información es que éstos últimos sólo son capaces de recuperar lo que existe explícitamente, mientras que un Sistema Experto debe ser capaz de generar información no explícita, razonando con los elementos que se le dan. Pero la capacidad de los SE en el ámbito de la recuperación de la información no se limita a la recuperación. Pueden utilizarse para ayudar al usuario, en selección de recursos de información, en filtrado de respuestas, etc. Un SE puede actuar como un intermediario inteligente que guía y apoya el trabajo del usuario final.

Extractado por Rodolfo Arana Gonzales – UNIFRANZ 2008

29