INteLIgeNCia ARtiFIciAL

• ¿Que es la inteligencia artificial?

Se denomina inteligencia artificial (IA) a la rama de las ciencias de la Computación dedicada al desarrollo de agentes racionales no vivos.

Para explicar la definición anterior, entiéndase a un agente como cualquier cosa capaz de percibir su entorno (recibir entradas), procesar tales percepciones y actuar en su entorno (proporcionar salidas), y entiéndase a la racionalidad como la característica que posee una elección de ser correcta, más específicamente, de tender a maximizar un resultado esperado. De acuerdo al concepto previo, racionalidad es más general y por ello más adecuado que inteligencia para definir la naturaleza del objetivo de esta disciplina.

Por lo tanto, y de manera más específica la inteligencia artificial es la disciplina que se encarga de construir procesos que al ser ejecutados sobre una arquitectura física producen acciones o resultados que maximizan una medida de rendimiento determinada, basándose en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura.

Existen distintos tipos de conocimiento y medios de representación del conocimiento, el cual puede ser cargado en el agente por su diseñador o puede ser aprendido por el mismo agente utilizando técnicas de aprendizaje.

• Aplicaciones de la inteligencia artificial

1. Lingüística computacional
2. Minería de datos (Data Mining)
3. Industriales.
4. Médicas
5. Mundos virtuales
6. Procesamiento de lenguaje natural (Natural Language Processing)
7. Robótica
8. Sistemas de apoyo a la decisión
9. Videojuegos
10. Prototipos informáticos
11. Análisis de sistemas dinámicos.
12. Smart Process Management
      
    Historia de la Robótica.
    

    • A mediados del siglo XVIII: J. de Vaucanson construyó varias muñecas mecánicas de tamaño humano que ejecutaban piezas de música.

    • J. Jacquard inventó su telar, que era una máquina programable para la urdimbre.
    • 1805 H. Maillardet construyó una muñeca mecánica capaz de hacer dibujos.
    • 1946 El inventor americano O. C. Devol desarrolló un dispositivo controlador que podía registrar señales eléctricas por medios magnéticos y reproducirlas para accionar una máquina mecánica.
    • 1951 Trabajo de desarrollo con teleoperadores (manipuladores de control remoto) para manejar materiales radioactivos.
    • 1952 Una máquina prototipo de control numérico fue objeto de demostración en el Instituto de Tecnología de Massachusetts después de varios años de desarrollo. Un lenguaje de programación de piezas denominado APT (Automatically Programmed Tooling -Herramental Automáticamente Programado) se desarrolló posteriormente y se publicó en 1961.
    • 1954 El inventor británico C. W. Kenward solicitó una patente para diseño de robot.
    • 1954 O. C. Devol desarrolla diseños para «transferencia de artículos programada».
    • 1959 Se introdujo el primer robot comercial por Planet Corporation. Estaba controlado por interruptores de fin de carrera y levas.
    • 1960 Se introdujo el primer robot «Unimate», basado en la «transferencia de artículos programada» de Devol. Utilizaba los principios del control numérico para el control del manipulador y era un robot de transmisión hidráulica.
    • 1961 Un robot Unímate se instaló en la Ford Motor Company para atender una máquina de fundición en troquel.
    • 1966 Tralífa, una firma noruega, construyó e instaló un robot de pintura por pulverización.
    • 1968 Un robot móvil llamado «Shakey» se desarrolló en SRI (Stanford Research Institute). Estaba provisto de una diversidad de censores, incluyendo una cámara de visión y censores táctiles, y podía desplazarse por el suelo.
    • 1971 El «Stanford Arm», un pequeño brazo de robot de accionamiento eléctrico, se desarrolló en Stanford University.
    • 1973 Se desarrolló en SRI el primer lenguaje de programación de robot del tipo de computadora para la investigación con la denominación WAVE. Fue seguido por el lenguaje AL en 1974. Los dos lenguajes se desarrollaron posteriormente en el lenguaje VAL comercial para Unimation por Victor Scheinman y Bruce Simano.
    • 1974 ASEA introdujo el robot IRb6 de accionamiento completamente eléctrico.
    • 1974 Kawasaki, bajo licencia de Unimation, instaló un robot para soldadura por arco para estructuras de motocicletas.
    • 1974 Cincinnati Milacron introdujo el robot T3 con control por computadora.
    • 1975 El robot «Sigma» de Olivetti se utilizó en operaciones de montaje, una de las primitivas aplicaciones de la robótica al montaje.
    • 1976 Un dispositivo de Remote Center Compliance (RCC) para la inserción de piezas en la línea de montaje se desarrolló en los laboratorios Charles Stark Draper Labs en Estados Unidos.
    • 1978 Se introdujo el robot PUMA (Programmable Universal Machine for Assembly) para tareas de montaje por Unimation, basándose en diseños obtenidos en un estudio de la General Motors.
    • 1978 El robot T3 de Cincinnati Milacron se adaptó y programó para realizar operaciones de taladrado y circulación de materiales en componentes de aviones, bajo el patrocinio de Air Force ICAM (Integrated Computer-Aided Manufacturing).
    • 1979 Desarrollo del robot del tipo SCARA (Selective Compliance Arm for Robotic Assembly) en la Universidad de Yamanashi en Japón para montaje. Varios robots SCARA comerciales se introdujeron hacia 1981.
    • 1980 Un sistema robótico de captación de recipientes fue objeto de demostración en la Universidad de Rhode Island. Con el empleo de la visión de máquina, el sistema era capaz de captar piezas en orientaciones aleatorias y posiciones fuera de un recipiente.
    • 1981 Se desarrolló en la Universidad Carnegie-Mellon un robot de impulsión directa. Utilizaba motores eléctricos situados en las articulaciones del manipulador sin las transmisiones mecánicas habituales empleadas en la mayoría de los robots.
    • 1982 IBM introduce el robot RS-l para montaje, basado en varios años de desarrollo interno. Se trata de un robot de estructura de caja que utiliza un brazo constituido por tres dispositivos de deslizamiento ortogonales. El lenguaje de robot AML, desarrollado por IBM, se introdujo también para programar el robot RS-1.
    • 1983 Informe emitido sobre la investigación en Westinghouse Corp. bajo el patrocinio de National Science Foundation sobre un «sistema de montaje programable-adaptable» (APAS), un proyecto piloto para una línea de montaje automatizada flexible con el empleo de robots.
    • 1984 Varios sistemas de programación fuera de línea se demostraron en la exposición Robots 8. La operación típica de estos sistemas permitía que se desarrollaran programas de robot utilizando gráficos.
    • 1985. Un robot de la Kawasaki mata a un mecánico japonés en un mal funcionamiento.
    • 1986. El robot jugador de tenis de mesa de Anderson le gana a un ser humano.
    • 1986. La máquina de ajedrez HiTech de CMU compite en un torneo de nivel master.
    • 1986. La policía de Dallas usa un robot para entrar en las casas.

    
    
    

    
    

• Tipos de robots

                                                              Mujer biónica NASA

Robokoneko de Japón

Kismet

            zoomórfico 

TABLA DE LA HISTORIA DE LA ROBOTICA

Fecha	Importancia	Nombre del robot	Inventor
Siglo I a. C. y antes	Descripciones de más de 100 máquinas y autómatas, incluyendo un artefacto con fuego, un órgano de viento, una máquina operada mediante una moneda, una máquina de vapor, en Pneumatica y Automata de Herón de Alexandria	Autonoma	Ctesibius de Alexandria, Filón de Bizancio, Herón de Alexandria, y otros
1206	Primer robot humanoide programable	Barco con cuatro músicos robotizados	Al-Jazarí
c. 1495	Diseño de un robot humanoide	Caballero mecánico	Leonardo da Vinci
1738	Pato mecánico capaz de comer, agitar sus alas y excretar.	Digesting Duck	Jacques de Vaucanson
1800s	Juguetes mecánicos japoneses que sirven té, disparan flechas y pintan.	Juguetes Karakuri	Hisashige Tanaka
1921	Aparece el primer autómata de ficción llamado "robot", aparece en R.U.R.	Rossum's Universal Robots	Karel Čapek
1930s	Se exhibe un robot humanoide en la World's Fairs entre los años 1939 y 1940	Elektro	Westinghouse Electric Corporation
1948	Exhibición de un robot con comportamiento biológico simple[5]	Elsie y Elmer	William Grey Walter
1956	Primer robot comercial, de la compañía Unimation fundada por George Devol y Joseph Engelberger, basada en una patente de Devol[6]	Unimate	George Devol
1961	Se instala el primer robot industrial	Unimate	George Devol
1963	Primer robot "palletizing"[7]	Palletizer	Fuji Yusoki Kogyo
1973	Primer robot con seis ejes electromecánicos	Famulus	KUKA Robot Group
1975	Brazo manipulador programable universal, un producto de Unimation	PUMA	Victor Scheinman
2000	Robot Humanoide capaz de desplazarse de forma bípeda e interactuar con las personas	ASIMO	Honda Motor Co. Ltd

Sociedad Mexicana de Inteligencia Artificial

La Sociedad Mexicana de Inteligencia Artificial (SMIA) es una sociedad científica cuya misión es promover el cultivo y la aplicación de la inteligencia artificial en la República Mexicana. Agrupa tanto a profesionales como a académicos del área, a quienes ofrece un marco organizacional y de gestión que les permite compartir y difundir sus proyectos de investigación, docencia, vinculación o difusión de la disciplina. Agrupa también, a través de sus capítulos nacionales, a estudiantes de nivel licenciatura o posgrado cuyos intereses los orienten a cultivar alguna de las áreas de la la inteligencia artificial.

Para difundir la producción de sus miembros, tanto en el ámbito de la investigación o desarrollo, como en el de la divulgación, la SMIA tien a su cargo diversas publicaciones y organiza anualmente el Congreso Internacional Mexicano de Inteligencia Artificial (MICAI), entre otras actividades.

Las labores de la SMIA son coordinadas por la mesa directiva de la misma, cuyos miembros son elegidos cada dos años.

Las redes neuronales artificiales

Carlos Serrano Profesor de la Universidad de Zaragoza (España)

Las redes neuronales son una rama de la Inteligencia Artificial. En las redes neuronales el conocimiento se incorpora mediante el aprendizaje a partir de ejemplos. La lección presenta los principales modelos de redes neuronales, describe usos habituales en la empresa de estos modelos y expone un ejemplo práctico de su utilización, concretamente un modelo de predicción de quiebras de empresa a partir de información financiera.

El hombre se ha caracterizado siempre por su búsqueda constante de nuevas vías para mejorar sus condiciones de vida. Estos esfuerzos le han servido para reducir el trabajo en aquellas operaciones en las que la fuerza juega un papel primordial. Los progresos obtenidos han permitido dirigir estos esfuerzos a otros campos, como por ejemplo, a la construcción de máquinas calculadoras que ayuden a resolver de forma automática y rápida determinadas operaciones que resultan tediosas cuando se realizan a mano.

Charles Babbage trató de construir una máquina capaz de resolver problemas matemáticos. Posteriormente otros tantos intentaron construir máquinas similares, pero no fue hasta la Segunda Guerra Mundial, cuando ya se disponía de instrumentos electrónicos, que se empezaron a recoger los primeros frutos. En 1946 se construyó la primera computadora electrónica, ENIAC. Desde entonces los desarrollos en este campo han tenido un auge espectacular.

Estas máquinas permiten implementar fácilmente algoritmos para resolver multitud de problemas que antes resultaban engorrosos de resolver. Sin embargo, se observa una limitación importante: ¿qué ocurre cuando el problema que se quiere resolver no admite un tratamiento algorítmico, como es el caso, por ejemplo, de la clasificación de objetos por rasgos comunes? Este ejemplo demuestra que la construcción de nuevas máquinas más versátiles requiere un enfoque del problema desde otro punto de vista. Los desarrollos actuales de los científicos se dirigen al estudio de las capacidades humanas como una fuente de nuevas ideas para el diseño de las nuevas máquinas. Así, la inteligencia artificial es un intento por descubrir y describir aspectos de la inteligencia humana que pueden ser simulados mediante máquinas. Esta disciplina se ha desarrollado fuertemente en los últimos años teniendo aplicación en algunos campos como visión artificial, demostración de teoremas, procesamiento de información expresada mediante lenguajes humanos... etc.

Las redes neuronales son más que otra forma de emular ciertas características propias de los humanos, como la capacidad de memorizar y de asociar hechos. Si se examinan con atención aquellos problemas que no pueden expresarse a través de un algoritmo, se observará que todos ellos tienen una característica en común: la experiencia. El hombre es capaz de resolver estas situaciones acudiendo a la experiencia acumulada. Así, parece claro que una forma de aproximarse al problema consista en la construcción de sistemas que sean capaces de reproducir esta característica humana.

En definitiva, las redes neuronales no son más que un modelo artificial y simplificado del cerebro humano, que es el ejemplo más perfecto del que disponemos para un sistema que es capaz de adquirir conocimiento a través de la experiencia. Una red neuronal es "un nuevo sistema para el tratamiento de la información, cuya unidad básica de procesamiento está inspirada en la célula fundamental del sistema nervioso humano: la neurona".

Todos los procesos del cuerpo humano se relacionan en alguna u otra forma con la (in)actividad de estas neuronas. Las mismas son un componente relativamente simple del ser humano, pero cuando millares de ellas se conectan en forma conjunta se hacen muy poderosas.

También, es bien conocido que los humanos son capaces de aprender. Aprendizaje significa que aquellos problemas que inicialmente no pueden resolverse, pueden ser resueltos después de obtener más información acerca del problema.

Por lo tanto, las Redes Neuronales:

• Consisten de unidades de procesamiento que intercambian datos o información.
• Se utilizan para reconocer patrones, incluyendo imágenes, manuscritos y secuencias de tiempo, tendencias financieras.
• Tienen capacidad de aprender y mejorar su funcionamiento.

Una primera clasificación de los modelos de redes neuronales podría ser, atendiendo a su similitud con la realidad biológica:

1) El modelo de tipo biológico. Este comprende las redes que tratan de simular los sistemas neuronales biológicos, así como las funciones auditivas o algunas funciones básicas de la visión.

2) El modelo dirigido a aplicación. Este modelo no tiene por qué guardar similitud con los sistemas biológicos. Su arquitectura está fuertemente ligada a las necesidades de las aplicaciones para la que es diseñada.