Compresion de Datos e Inteligencia Artificial

 

UNIVERSIDAD NACIONAL DE INGENIERÍA “FACULTAD DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA”  

 

PRÁCTICA CALIFICADA N°1

PROFESOR: RODRIGUEZ GUTIERREZ, ALFREDO TELECOMUNICACIONES NES II CURSO: TELECOMUNICACIO

ALUMNO:

 

 

SOLUCIONARIO DE LA PRIMERA PRÁCTICA CALIFICADA 1. PROBLEMA 1: Técnicas de comprensión de datos: 

1.1  Técnicas de compresión de texto:   



 

Basados en caracteres simples: Huffman:

El algoritmo consiste en la creación de un árbol un  árbol binario que tiene cada uno de los símbolos por hoja, y construido de tal forma que siguiéndolo desde la raíz a cada una de sus hojas se obtiene el código Huffman asociado a él. 1. Se crean varios árboles, uno por cada uno de los sí símbolos mbolos del alfabeto, consistiendo cada uno de los árboles en un nodo sin hijos, y etiquetado cada uno con su símbolo asociado y su frecuencia de aparición. 2. Se toman los dos árboles de menor frecuencia, y se unen creando un nuevo árbol. La etiqueta de la raíz será la suma de las frecuencias de las raíces de los dos árboles que se unen, y cada uno de estos árboles será un hijo del nuevo árbol. También sede etiquetan las dos ramas del nuevo árbol: con un 0 la de la izquierda, y con un 1 la la derecha. 3. Se repite el paso 2 hasta que sólo quede un árbol. Con este árbol se puede conocer el código asociado a un símbolo, así como obtener el símbolo asociado a un determinado código. Para obtener el código asociado a un símbolo se debe proceder del siguiente modo: 1. 2. 3. 4.

Comenzar con un código vacío Iniciar el recorrido del árbol en la hoja asociada al símbolo Comenzar un recorrido del árbol hacia arriba Cada vez que se suba un nivel, añadir al código la etiqueta de la rama que se ha recorrido 5. Tras llegar a la raíz, invertir el código 6. El resultado es el código Huffman deseado

Para obtener un símbolo a partir de un código se debe hacer así: 1. 2. 3. 4.

Comenzar el recorrido del árbol en la raíz de éste Extraer el primer símbolo del código a descodificar Descender por la rama etiquetada con ese símbolo Volver al paso 2 hasta que se llegue a una hoja, que será el símbolo asociado al código

En la práctica, casi siempre se utiliza el árbol para obtener todos los códigos de una sola vez; luego se guardan en tablas y se descarta el árbol. Basados en cadenas:

1

 

   

LempelLempe l-ziv ziv (L Z)

LZW (Lempel-Ziv-Welch LZW ( Lempel-Ziv-Welch)) es un algoritmo un algoritmo de de compresión  compresión sin pérdida desarrollado por  Terry Welch en en 1984  1984 como una versión mejorada del algoritmo algoritmo LZ78  LZ78 desarrollado por   Abraham Abraham Lempel y Jacob Ziv. Ziv.   La mayoría de los métodos de compresión se basan en un análisis inicial del texto para identificar cadenas repetidas para armar un diccionario de equivalencias, asignando códigos breves a estas cadenas. En una segunda etapa, se convierte el texto utilizando los códigos equivalentes para las cadenas repetidas. Esto requiere dos etapas, una de análisis y una segunda de conversión y también requiere que el diccionario se encuentre junto con el texto codificado, incrementando el tamaño del archivo de salida. La clave del método LZW reside en que es posible crear sobre la marcha, de manera automática y en una única pasada un diccionario de cadenas que se encuentren dentro del texto a comprimir mientras al mismo tiempo se procede a su codificación. Dicho diccionario no es transmitido con el texto comprimido, puesto que el descompresor puede reconstruirlo usando la misma lógica con que lo hace el compresor y, si está codificado correctamente, tendrá exactamente las mismas cadenas que el diccionario del compresor tenía. Las entradas del diccionario pueden representar secuencias de caracteres simples o secuencias de códigos de tal forma que un código puede representar dos caracteres o puede representar secuencias de otros códigos previamente cargados que a su vez representen, cada uno de ellos, otros códigos o caracteres simples, o sea que un código puede representar desde uno a un número indeterminado de caracteres. En realidad, el algoritmo no discrimina entre códigos y caracteres simples pues el diccionario se carga inicialmente de códigos que representan los primeros 256 caracteres simples por lo que estos no son más que otros códigos dentro del mismo diccionario. Otra característica importante del algoritmo es que los códigos en la salida se representan por cadenas de bits variables.

1.2 Técnicas de comp compres res ión de video

2

 

 

  Formato de contenedore contenedoress



 Formato

AVI

El formato avi permite almacenar simultáneamente un flujo de datos de video y varios flujos de audio. El formato concreto de estos flujos no es objeto del formato AVI y es interpretado por un programa externo denominado códec. denominado códec. Es  Es decir, el audio y el video contenidos en el  AVI pueden estar estar en cualquier forma formato to (AC3 (AC3/DivX, /DivX, o  o MP3  MP3/Xvid, /Xvid, entre  entre otros). Por eso se le considera un formato un formato contenedor. contenedor.   Para que todos los flujos puedan ser reproducidos simultáneamente, es necesario que se almacenen de manera intercalada (interleave). De esta manera, cada fragmento de archivo tiene suficiente información como para reproducir unos pocos fotogramas junto con el sonido correspondiente. 

  Formato específicos: específicos:   

Forma Form ato M MJJ PE G

Motion JPEG (M-JPEG)  (M-JPEG)  es un nombre trivial para aquellos formatos multimedia donde cada fotograma cada  fotograma o campo campo entrelazado  entrelazado de una secuencia de de video  video digital es es comprimida  comprimidapor por separado como una imagen una imagen JPEG.  JPEG.   Es frecuentemente usado en dispositivos portátiles tales como cámaras digitales. El Motion JPEG utiliza tecnología de codificación intracuadro, que es muy similar en tecnología a la parte I-frame parte I-frame de los estándares de codificación como el el MPEG-1  MPEG-1 y el el MPEG MPEG2, 2, sin  sin emplear la predicción intercuadro. La ausencia del uso de la predicción intercuadro conlleva a una pérdida en la capacidad de compresión, pero facilitando la edición de video, dado que se pueden realizar ediciones simples simp les en cualquier cuadro cuando todos estos son I-frames. Los formatos de codificación codificaci ón tales como el el MPEG-2  MPEG-2 pueden ser también utilizados basándose meramente en este principio para proveer capacidades similares de compresión y de edición.

1.3

Técnicas de compresión de multimedia:

  Formato GIF (Graphics Interchange Format)



Graphics Interchange Format ( Format (GIF GIF)) traducido al español como Formato de Intercambio de Gráficos), Gráficos), es un formato un formato gráfico utilizado ampliamente en la la World  World Wide Web, Web,   tanto para imágenes para  imágenes como para para animaciones.  animaciones.   El formato fue creado por   CompuServe CompuServe en 1987 en 1987 para dotar de un formato de imagen en en color  color para sus áreas de descarga de archivos, sustituyendo su temprano formato RLE formato  RLE en blanco y negro. GIF llegó a ser muy popular porque podía usar el algoritmo el  algoritmo

3

 

 

de compresión LZW compresión LZW (Lempel Ziv Welch) para realizar la compresión de la imagen, que era más eficiente que el algoritmo el algoritmo Run-length  Run-length encoding (RLE) GIF es un formato sin pérdida de calidad para imágenes con hasta 256 colores, limitados por una paleta restringida a este número de colores. Por ese motivo, con imágenes con más de 256 colores (profundidad de color superior a 8), la imagen debe adaptarse reduciendo sus colores, produciendo la consecuente pérdida de calidad.

Formatto J PE G   Forma



 J oin ointt P hotog raphi raphicc E x perts G rou roup p (JPEG  (JPEG), ), traducido al español como Grupo

Conjunto de Expertos en Fotografía, Fotografía, es el nombre de un comité comi té de expertos que creó un un estándar  estándar de de compresión  compresión y codificación de de archivos  archivos e imágenes fijas.  Además de ser ser un método de compresi compresión, ón, es a men menudo udo consid considerado erado co como mo un un formato  formato de archivo.  archivo. JPEG/Exif  es   es el formato de imagen más común, utilizado por las  cámaras fotográficas digitales y otros dispositivos de captura de imagen, junto con JPG/JFIF JPG/JFIF,, que también es otro formato para el almacenamiento y la transmisión de imágenes fotográficas en la World la World Wide Web.  Web.  Estas variaciones de formatos a menudo no se distinguen, y se llaman “JPEG”. Los archivos de este tipo se suelen nombrar con la extensión la extensión .jpg .

4

 

 

El formato JPEG utiliza habitualmente un  un  algoritmo de compresión con pérdida para reducir el tamaño de los archivos los  archivos de imágenes, esto significa que al descomprimir o visualizar la imagen no se obtiene exactamente la misma imagen de la que se partía antes de la compresión. la compresión.   Existen también tres variantes del estándar JPEG que comprimen la imagen sin pérdida de datos: JPEG datos:  JPEG 2000, 2000, JPEG-LS  JPEG-LS y Lossless JPEG. JPEG.  

Otras técnicas de compresión de multimedia son:

5

 

 

1.4 Técnica Técnic as de comp compres res ión de voz:

Otras técnicas de compresión de voz son:

2. PROBLEMA 2: Explique los algoritmos de encriptación de inf información ormación

¿Qué es encriptación? Es el proceso mediante el cual cierta información o texto sin formato es cifrado de forma que el resultado sea ilegible a menos que se conozcan los datos necesarios para su interpretación. Es una medida de seguridad utilizada para que al momento de almacenar o transmitir información sensible ésta no pueda ser obtenida con facilidad por terceros. Opcionalmente puede existir además un proceso de desencriptación a través del cual la información puede ser interpretada de nuevo a su estado original, aunque existen métodos de encriptación que no pueden ser revertidos. El término encriptación es traducción literal del inglés y no existe en el idioma español. La forma más correcta de utilizar este término sería cifrado.

6

 

 

Usos de la Encriptación  Algunos de los usos más comunes de la en encriptación criptación son el a almacenamie lmacenamiento nto y transmisión de información sensible como contraseñas, números de identificación legal, números de tarjetas de crédito, reportes administrativo-contables y conversaciones privadas, entre otros. Como sabemos, en un Sistema de Comunicación de Datos, es de vital importancia importanci a asegurar que la Información viaje segura, manteniendo su autenticidad, integridad, confidencialidad y el no repudio de la misma entre otros aspectos. Estas características solo se pueden asegurar utilizando las Técnicas de Firma Digital Encriptada y la Encriptación de Datos.

Métodos de Encriptación Para poder Encriptar un dato, se pueden utilizar tres procesos matemáticos diferentes: Los algoritmos HASH, los simétricos y los asimétricos.

1. Algoritmo HASH:  Este algoritmo un cálculoun matemático sobre los datos queUn constituyen el documento y daefectúa como resultado número único llamado MAC. mismo documento dará siempre un mismo MAC. 

2. Criptografía de Clave Secreta o Simétrica  Utilizan una clave con la cual se encripta y desencripta el documento. Todo documento encriptado con una clave, deberá desencriptarse, en el proceso inverso, con la misma clave. Es importante destacar que la clave debería viajar con los datos, lo que hace arriesgada la operación, imposible de utilizar en ambientes donde interactúan varios interlocutores. Los criptosistemas de clave secreta se caracterizan porque la clave de cifrado y la de descifrado es la misma, por tanto la robustez del algoritmo recae en mantener el secreto de misma. características son: Suslaprincipales   rápidos y fáciles de implementar



  clave de cifrado y descifrado son la misma



  cada par de usuarios tiene que tener una clave secreta compartida



  una comunicación en la que intervengan múltiples usuarios requiere muchas



claves secretas distintas

7

 

 

 Actualmente existen d dos os métod métodos os de cifra cifrado do para criptografí criptografía a de clav clave e secreta, el cifrado de flujo y el cifrado en bloques.   Cifrado de flujo 



El emisor A, con una clave secreta y un algoritmo determinístico (RKG), genera una secuencia binaria (s) cuyos elementos se suman módulo 2 con los correspondientes bits de texto claro m, dando lugar a los bits de texto cifrado c, Esta secuencia (c) es la que se envía a través del canal. En recepción, B, con la misma clave y el mismo algoritmo determinístico, genera la misma secuencia cifrante (s), que se suma modulo 2 con la secuencia cifrada (c) , dando lugar a los bits de texto claro m. Los tamaños de las claves oscilan entre 120 y 250 bits   Cifrado en bloque 



Los cifrados en bloque se componen de cuatro elementos: - Transformación inicial por permutación. - Una función criptográfica débil (no compleja) iterada r veces o "vueltas". - Transformación final para que las operaciones de encriptación y desencriptación sean simétricas. - Uso de un algoritmo de expansión de claves que tiene como objeto convertir la clave de usuario, normalmente de longitud limitada entre y 256 bits, en conjunto de subclaves que puedan estar constituidas por 32 varios cientos deun bits en total.

3. PROBLEMA 3: Explique en que consiste y de unos ejemplos de los

algoritmos de compresión con perdida y sin perdida 

8

 

 

3.1

Algoritmos

Asimétricos

(RSA):  

Requieren dos Claves, una Privada (única y personal, solo conocida por su dueño) y la otra llamada Pública, ambas relacionadas por una fórmula matemática compleja imposible de reproducir. El concepto de criptografía de clave pública fue introducido por Whitfield Diffie y Martin Hellman a fin de solucionar la distribución de claves secretas de los sistemas tradicionales, mediante un canal inseguro. El usuario, ingresando su PIN genera la claveinconveniente Publica y Privada La clave Publica podrá ser distribuida sin ningún entre necesarias. todos los interlocutores. La Privada deberá ser celosamente guardada. Cuando se requiera verificar la autenticidad de un documento enviado por una persona se utiliza la Clave Publica porque el utilizó su Clave Privada.

Firma Digital Origen:  El concepto de firma digital nació como una oferta tecnológica para acercar la operatoria social usual de la firma ológrafa (manuscrita) al marco de lo que se ha dado en llamar el ciberespacio o el trabajo en redes.

Concepto: Es la transformación de un mensaje utilizando un sistema de cifrado asimétrico de manera que la persona que posee el mensaje original y la clave pública del firmante, pueda establecer de forma segura, que dicha transformación se efectuó utilizando la clave privada correspondiente a la pública del firmante, y si el mensaje es el original o fue alterado desde su concepción.

9

 

 

Ventajas Ofrecidas por la Firma Digital:   El uso de la firma digital satisface los siguientes aspectos de seguridad :   Integridad de la información: la integridad del documento es una protección contra



la modificación de los datos en forma intencional o accidental. El emisor protege el documento, incorporándole incorporá ndole a ese un valor de control de integridad, que corresponde a un valor único, calculado a partir del contenido del mensaje al momento de su creación. El receptor deberá efectuar el mismo cálculo sobre el documento recibido y comparar el valor calculado con el enviado por el emisor. De coincidir, se concluye que el documento no ha sido modificado durante la transferencia.    Autenticid  Autenticidad ad del origen origen del mensaje: mensaje: este aspecto de seguridad protege al receptor



del documento, garantizándole que dicho mensaje ha sido generado por la parte identificada en el documento como emisor del mismo, no pudiendo alguna otra entidad suplantar a un usuario del sistema. Esto se logra mediante la inclusión en el documento transmitido de un valor de autenticación (MAC, Message autentication code). El valor depende tanto del contenido conteni do del documento como de la clave secreta en poder del emisor. 

  No repudio del repudio de origen protege al de receptor de la negación del origen: emisor el deno haberlo enviado. Este aspecto seguridel seguridad daddocumento es más fuerte

que los anteriores ya que el emisor no puede negar bajo ninguna circunstancia que ha generado dicho mensaje, transformándose en un medio de prueba inequívoco respecto de la responsabilidad del usuario del sistema.

Algoritmo de compresión con pérdida Se refiere a cualquier procedimiento de codificación que tenga como objetivo representar cierta cantidad de información utilizando una menor cantidad de la misma, siendo imposible una reconstrucción exacta de los datos originales. Esto es porque, en lugar de guardar una copia exacta, solo se guarda una aproximación. Esta aproximación se aprovecha de las limitaciones de la percepción humana para esconder la distorsión introducida. La compresión con pérdida solo es útil cuando la reconstrucción reconstr ucción exacta no es indispensable para que la información tenga sentido. La información reconstruida es solo una aproximación de la información original. Suele restringirse a información analógica que ha sido digitalizada (imágenes, audio, video, etc.), donde la información puede ser "parecida" y, al mismo tiempo, ser subjetivamente la misma. Su mayor ventaja reside en las altas razones de compresión que ofrece en contraposición a un  un   algoritmo de compresión sin pérdida.   pérdida. La compresión con pérdida acepta una pérdida de datos para poder mejorar el factor de compresión. Se aplica generalmente al almacenamiento digital de datos analógicos como ficheros de gráficos y de sonidos. La gran ventaja de comprensión con pérdida es alcanzar una tasa de compresión más elevadas a costa de sufrir una pérdida de información sobre la imagen original.

10

 

 

Ejemplos  



Chroma subsampling o color subsampling

  JPEG



En compresión de imagen

  Compresion fractal.





  GIF

  MPEG



  H.264



En compresión de video

  Theora



  Dirac



Sorenson 

   AAC



   ADPCM



   ATRAC



En compresión de audio

   AC3



  MP3



  Vorbis



Algoritmo de compresión sin pérdida Se denomina algoritmo de compresión sin pérdida a cualquier procedimiento de codificación que tenga como objetivo representar cierta cantidad de información utilizando u ocupando un espacio menor, siendo posible una reconstrucción exacta de los datos originales. Es decir, la compresión sin pérdidas engloba a aquellas técnicas que garanticen generar un duplicado exacto del flujo de datos de entrada después de un ciclo de compresión / expansión. Por esta razón es utilizada para comprimir archivos que contienen datos que no pueden ser degradados o perdidos, como pueden ser documentos de texto, imágenes y sonido.

11

 

 

Se fundamenta en conceptos de la  la Teoría de la Información, Información,   como la Redundancia la Redundancia y Entropía de los datos (ver   compresión de datos) datos)   y es generalmente implementada usando uno o dos tipos de modelos diferentes: el estático y aquel basado en en diccionario.  diccionario.   El modelo estático lee y codifica utilizando la probabilidad de aparición de cada carácter. Su forma más simple usa una tabla estática de probabilidades. Generar un  un  árbol de Huffman completo de los datos tiene un coste computacional significativo; por tanto, no siempre se genera, sino que en su lugar se analizan bloques representativos de datos, dando lugar a una tabla de frecuencia característica. A partir de ésta, se genera un árbol de Huffman que se generaliza al resto de datos, dando lugar a un modelo estático. Pero utilizar un modelo estático tiene sus limitaciones. Si un flujo de entrada no concuerda bien con la estadística previamente acumulada, la relación de compresión se degradaría, posiblemente hasta el punto de que el flujo de datos saliente fuese tan largo como el entrante (o incluso más). Por tanto, la siguiente mejora obvia fue construir una tabla que se construya conforme se recibe el flujo de entrada.  

Ejemplos

  PNG   RLE ((run-length encoding) run-length encoding)



En compresión de imagen



  RAR



En compresión de archivo

  gzip



  bzip2





   ARJ

En compresión de audio

  FLAC



  Monkey's



 Audio

12

 

 

4. PROBLEMA 4:  Analizar la inteligencia artificial y los algoritmos genéticos genéticos,, aplicaciones en la industria de electrónica y telecomunicaciones.  telecomunicaciones.  INTELIGENCIA ARTIFICIAL La inteligencia artificial (Artificial Intelligence, o AI) es la simulación de procesos de inteligencia humana por parte de máquinas, especialmente sistemas informáticos. Estos procesos incluyen el aprendizaje (la adquisición información y reglas para el uso de la información), el razonamiento (usando las reglas de para llegar a conclusiones aproximadas o definitivas) y la autocorrección. Las aplicaciones particulares de la AI incluyen sistemas expertos, reconocimiento de voz y visión artificial. Tipos de inteligencia artificial:  AI puede ser catego categorizado rizado en cualquier número d de e maneras, pero aqu aquíí hay d dos os ejemplos ejemplos.. El primero clasifica los sistemas de AI como AI débil o AI fuerte. La AI débil, también conocida como AI estrecha, es un sistema de AI que está diseñado y entrenado para una tarea en particular. Los asistentes personales virtuales, como Siri de Apple, son una forma de débil de AI. La AI fuerte, también conocida como inteligencia general artificial, es un sistema de AI con habilidades cognitivas humanas generalizadas, de modo que cuando se le presenta una tarea desconocida, tiene suficiente inteligencia para encontrar una solución. La prueba de Turing, desarrollada por el matemático Alan Turing en 1950, es un método utilizado para determinar si una computadora puede realmente pensar como un humano, aunque el método es polémico. El segundo ejemplo es de Arend Hintze, profesor asistente de biología integradora e ingeniería y ciencias de computación en la Universidad Estatal de Michigan. Categoriza la  AI en cuatro tipos, desde el tipo de sistemas de AI que existen hoy en día hasta los ssistemas istemas sensitivos, que aún no existen. Sus categorías son las siguientes: • Tipo 1: Máquinas reactivas. Un reactivas.en  Un es DeepDeep Blue,Blue el programa de ajedrez de IBM que venció a Garry Kasparov losejemplo años noventa. puede identificar piezas en

el tablero de ajedrez y hacer predicciones, pero no tiene memoria y no puede usar experiencias pasadas para informar a las futuras. Analiza movimientos posibles –los propio y los de su oponente –  y elige el movimiento más estratégico. Deep Blue y AlphaGO de Google fueron diseñados para propósitos estrechos y no pueden aplicarse fácilmente a otra situación. • Tipo 2: Memoria limitada . Estos sistemas de AI pueden usar experiencias pasadas para

informar decisiones futuras. Algunas de las funciones de toma de decisiones en vehículos autónomos han sido diseñadas de esta manera. Las observaciones son utilizadas para informar las acciones que ocurren en un futuro no tan lejano, como un coche que ha cambiado de carril. Estas observaciones no se almacenan permanentemente.

13

 

  • Tipo 3: Teoría de la mente. Este es un término psicológico. Se refiere a la comprensión

de que los demás tienen sus propias creencias, deseos e intenciones que afectan las decisiones que toman. Este tipo de AI aún no existe. • Tipo 4: Autoconocimiento. En esta categoría, los sistemas de AI tienen un sentido de sí

mismos, tienen conciencia. Las máquinas con conciencia de sí comprenden su estado actual y pueden usar la información para inferir lo que otros están sintiendo. Este tipo de AI aún no existe. ANALISIS DE LA INTELIGENCIA ARTIFICIA ARTIFICIAL L La Inteligencia Artificial supone un avance exponencial en la comodidad de las personas, ya que las máquinas son, cada vez más, más capaces de aprender y de realizar tareas. Entre otras cosas, por medio de la Inteligencia Artificial, también se podrán mejorar las técnicas de reconocimiento de los patrones que utilizan los ciberdelincuentes, con lo que las computadoras podrán detectar a los hackers con malas intenciones todavía más rápido que las personas. En los últimos años, el 'malware' ha evolucionado tanto que se han dado casos como el de 'Blackshades', un virus a modo de franquicia del mal. Este sistema de Inteligencia Artificial, diseñado por un hacker sueco, se instaló en lo más profundo de los sistemas operativos de miles de ordenadores. El ciberdelincuente creó un programa que cualquiera se podía descargar para gestionar el virus y conectarse a los micros y webcams de esos miles de ordenadores. La investigación generalista en IA está desapareciendo. En este mundo inundado de datos, esta tecnología es completamente distinta. El coche autónomo de Google o el superordenador Watson de IBM analizan terabytes de información para tomar decisiones correctas. Sin embargo, no saben explicar cómo han llegado a ellas Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicación con el usuario. Este obstáculo es debido a la ambigüedad del lenguaje, y se remonta a los inicios de los primeros operativos informáticos. La capacidad de ellosinterlocutor. humanos Para para comunicarse entresistemas sí implica el conocimiento del lenguaje que utiliza que un humano pueda comunicarse con un sistema inteligente hay dos opciones: o bien que el humano aprenda el lenguaje del sistema como si aprendiese a hablar cualquier otro idioma distinto al nativo, o bien que el sistema tenga la capacidad de interpretar el mensaje del usuario en la lengua que el usuario utiliza. En un estudio publicado por McKinsey Global Institute, expertos examinaron el papel de la Inteligencia Artificial (IA) en diversas industrias, entre ellas la educativa. Los analistas afirman que la implementación exitosa de la IA en la educación dependerá no sólo de aspectos técnicos, sino también de cuestiones éticas, por ejemplo, la gestión de los datos privados de los estudiantes.

14

 

 

La inteligencia artificial no sólo de pie para ayudar a difundir el uso de recursos renovables que también lleva a cabo una profunda potencial de las energías tradicionales. Las industrias de petróleo y gas natural también tienen sus ojos puestos en la IA. APLICACIONES APLICACION ES EN LA ELECTRONICA Animatrónica e inteligencia artificial La animatrónica junto con la inteligencia artificial es lo que da como resultado los androides, como se suele conocer a los robots que imitan el comportamiento humano. Tenemos una técnica capaz de dotar del aspecto y comportamiento de seres vivos a máquinas. Es decir, humanizar' a los robots. Pero ya no sólo hablamos que los movimientos sean muy reales, sino que además, parece real gracias a la piel sintética que han usado y al maquillaje. Biométricas Esta tecnología contempla la identificación, medición y análisis de las características físicas (forma o composición del cuerpo) y de comportamiento de las personas. Esto permite interacciones más naturales entre humanos y máquinas, incluyendo  –pero no limitado a –  reconocimiento de tacto, imagen, habla y lenguaje corporal. Automatización de procesos robóticos Esta automatización se da al integrar scripts y otros métodos para imitar y automatizar tareas humanas que apoyen en los procesos empresariales.  Actualmente utilizado en casos donde resulta muy costoso o ineficiente que los humanos  Actualmente ejecuten una determinada tarea o proceso. Eso sí, recordemos que la inteligencia artificial art ificial no viene a reemplazar la l a capacidad humana, sino a complementarla y a potencializar todo el talento que tienen las personas. El Área de Electrónica e Inteligencia Artificial, además de realizar investigación aplicada y desarrollos industriales bajo fórmulas de colaboración técnica o subcontratación, ofrece el diseño de prototipos, y la fabricación, así como la total gestión de la industrialización del producto, incluyendo testeo, ensayos, validación y certificación CE. APLICACIONES APLICACION ES EN TELECOMUNICAC TELECOMUNICACIONES IONES Las compañías de telecomunicaciones planean aumentar la inversión en inteligencia artificial y robótica en un 40%, en promedio, en el corto plazo. Sin embargo, incluso con este impulso, anual, el gasto aún ascenderá a menos de siete millones de euros, lo que probablemente será insuficiente para explorar completamente la amplia gama de aplicaciones que actualmente están disponibles o que estarán disponibles pronto. La inteligencia artificial (IA) y el análisis predictivo se focalizaron durante mucho tiempo solamente a la investigación y a las aplicaciones altamente especializadas. Recientemente,

15

 

 

han encontrado un uso más generalizado para las aplicaciones de consumo, como por ejemplo el asistente Siri de Apple. Ahora este tipo de servicios se están comercializando rápidamente para una variedad de aplicaciones empresariales estándar.  Algunas empresas, en particular los grandes corporativ corporativos, os, se han mostrado reacias en adoptar servicios de cloud pública. Las preocupaciones sobre seguridad, confiabilidad y control han llevado a la preferencia por las implementaciones de la nube privada. Esto a su vez ha significado dejar de lado algunos de los beneficios más fundamentales de la revolución de la nube: costos drásticamente más bajos, no existen instalaciones para administrar y algo muy importante escalabilidad y elasticidad ilimitadas. La Nube pública se convertirá en la opción preferida del mercado  Algunas empresas, en particular los grandes corporati corporativos, vos, se han mostrado reacias en adoptar servicios de cloud pública. Las preocupaciones sobre seguridad, confiabilidad y control han llevado a la preferencia por las implementaciones de la nube privada. Esto a su vez ha significado dejar de lado algunos de los beneficios más fundamentales de la revolución de la nube: costos drásticamente más bajos, no existen instalaciones para administrar y algo muy importante escalabilidad y elasticidad ilimitadas. Estas barreras también han afectado a las Comunicaciones Unificadas como Servicio (UCaaS): Sólo las empresas muy grandes podrían justificar las implementaciones de una nube privada por ello es que los proveedores de servicios implementaran su propia nube privada para la prestación de servicios.  Ahora el impulso de la nube pública está aument aumentando ando tanto en las empresas como los proveedores de servicios. Esto es impulsado principalmente principal mente por un cambio en la percepción sobre la seguridad. Es cada vez más claro que la nube pública es de hecho superior: su escala permite medidas de seguridad avanzadas y robustas, tanto computacionales como físicas. Call Center: la Inteligencia Artificial en las la s telecomunicaciones En los call centers, los dispositivos que disponen de IA son los responsables por el análisis de las llamadas y por el direccionamiento inteligente de las demandas, inclusive en el seguimiento relacionado relaci onado a otras máquinas, fortaleciendo el concepto de Máquina a Máquina (M2M, su siglas en ingles Machine to Machine), transmisión transmi sión automática y medición de datos de fuentes remotas realizado por medios como la radio y el cable. Normalmente, la entrega de las llamadas pasa por cuatro fases:  Analizar el el tipo de llllamada amada y e encontrar ncontrar e ell agente correcto pa para ra el clien cliente; te;  Acceder a las informaciones informaciones de los clientes y comprender comprender los direccionamiento direccionamientoss de ultimo agente que lo atendió;

16

 

 

Gestionar rutas dinámicamente: alterar la ruta y realizar la distribución inteligente de llamadas entre servidores propios y tercerizados; Optimizar el uso de la fuerza de trabajo, suministrando datos útiles al agente responsable. Inteligencia artificial y los smartphones La inteligenciapor artificial abarca la capacidad programada en las máquinas que puedan desempeñar sí mismas tareas que sólo eran realizadas por lospara humanos, esta capacidad además de otorgarles un “pensamiento propio” también los dota d e otras cualidades para que ejecuten su asignación sin errores y en el menor tiempo posible.  Actualmente  Actualmen te las telecomuni telecomunicaciones caciones se apoyan en los avances de la tecnologí tecnología a para ofrecer novedades de interés y entretenimiento a los internautas Un ejemplo de esto es la opción de actualización automática de las aplicaciones en los smartphones, que permite la descarga de nuevo contenido y gracias a esa función puede ser visualizados desde la foto de una mascota hasta los resultados de una contienda electoral en pocos segundos. Tampoco se debe dej dejar ar de lado las redes de telecomunicaciones que junto a la inteligencia artificial contribuye a compartir simultáneamente los contenidos entre varios usuarios interconectados. Inteligencia artificial y las redes de comunicación Las aplicaciones de la inteligencia artificial también cubren las redes de comunicación empresariales pues son utilizadas para adaptar los sistemas de respuestas automatizadas en sistemas de soporte técnico al público (las conocidas operadoras). Inteligencia artificial optimiza telecomunicaciones ópticas Las redes de datos se entienden como la infraestructura física que permite la transmisión de información a través de, por ejemplo, fibra óptica. La predicción de eventos en las redes de telecomunicaciones tiene dos ventajas: la primera permite daños en la infraestructura o ataques irrupcióndetectar de hakers), lo que implica salir avante de ellos.externos a la misma red (como la La segunda ventaja consiste en predecir grandes demandas repentinas de información y de datos por parte de los usuarios de la red, lo que permite preparar la red por adelantado garantizando un mayor rendimiento y un mejor servicio. Como consecuencia directa, es muy importante mencionar que la predicción de eventos y la preparación temprana por parte de la red, habilitando o deshabilitando subsistemas de acuerdo con la demanda, permitirá el ahorro energético.  Así lo estableció Neil Gu Guerrero errero Go González, nzález, profesor de la Universidad Nacional de Col Colombia ombia (U.N.) Sede Manizales, quién representó a la Institución en el Comité Científico del mayor

17

 

 

congreso de comunicaciones ópticas conocido como OFC (Optical Fiber Conference), realizado entre el 19 y el 23 de marzo en Los Ángeles, Estados Unidos. De acuerdo con el docente “optimizar los recursos de infraestructura usados dentro de la

red de telecomunicaciones y disminuir el consumo energético aunado a la utilización de las redes ópticas son algunas de las principales mejoras en la red de telecomunicaciones”.

El investigador también se refirió a la mejora en la transmisión de datos a velocidades superiores a 100 gigabits por segundo, utilizando tecnologías basadas en la modulación directa, que están siendo empleadas emplead as para dar soporte a centros de datos, como por ejemplo los usados por Google. La otra tendencia tiene que ver con la implementación de modulación y codificación avanzadas, como formatos multidimensionales y mapeado no uniforme de bits y símbolos dependiendo de la calidad del canal de transmisión. ALGORITMO GENETICO Los Algoritmos Genéticos (AGs) son métodos adaptativos que pueden usarse para resolver problemas de búsqueda y optimización. Están basados en el proceso genético de los organismos vivos. A lo largo de las generaciones, las poblaciones evolucionan en la naturaleza de acorde con los principios de la selección selecc ión natural y la supervivencia de los más fuertes, postulados por Darwin (1859). Por imitación de este proceso, los Algoritmos Genéticos son capaces de ir creando soluciones para problemas del mundo real. La evolución de dichas soluciones hacia valores óptimos del problema depende en buena medida de una adecuada codificación de las mismas. Se aplican tres operadores genéticos: selección, cruzamiento y mutación. La selección identifica los individuos que van a cruzarse para producir la siguiente generación. Utilizamos la selección por torneo binario, donde dos individuos son elegidos aleatoriamente de la población, el que tenga mejor aptitud, gana. Este proceso se repite dos veces con el fin de seleccionar dos padres. Los individuos se desarrollan hasta que el criterio de paro se cumple. Enen nuestro caso, el algoritmo se detiene si la aptitud aptit ud del mejor individuo encontrado no mejora 10 generaciones. Análisis de algoritmo genético Tanto las redes sociales como los algoritmos genéticos son herramientas que ya tienen varias décadas, sin embargo actualmente siguen estando muy vigentes. Por un lado, las redes sociales permiten analizar un conjunto de personas representando las relaciones entre ellas. La prioridad del análisis de redes sociales está puesto en las relaciones de las personas más que en las características específicas de cada individuo. Por otra parte, los algoritmos genéticos consisten en una estrategia que, usando operadores análogos a los de la selección natural, filtra y optimiza un conjunto de soluciones inicialmente aleatorio.

18

 

 

Este tipo de algoritmos de naturaleza heurística resulta de utilidad para problemas que involucren un gran caudal de información y un gran conjunto de soluciones posibles. Se dice que no poseen una buena escalabilidad con la complejidad, por ejemplo para sistemas que están compuestos por muchas variables, componentes o elementos su respectivo espacio de búsqueda crece de manera exponencial debido entre otras cosas a las relaciones que puedan surgir, por lo tanto el problema del diseño de una aeronave debe desglosarse en representaciones simples, como perfiles aerodinámicos, tomando en cuenta que la recombinación de los elementos puede perjudicar el rendimiento individual. No es recomendable utilizarlos para problemas que buscan respuesta a problemas que convergen en soluciones simples como Correcto/Incorrecto ya que el algoritmo difícilmente convergerá y el resultado será tan válido como escogerlo al azar. Para problemas de alta complejidad la función de evaluación puede tornarse demasiado costosa en términos de tiempo y recursos. Por ejemplo existen casos en la vida real para los cuales recrear una simulación de la solución propuesta por una iteración puede tardar muchos días y consumir gran cantidad de procesamiento y recursos asociados. El diseño, la creación de la función de aptitud (fitness) y la selección de los criterios de mutación entre otros, necesitan de cierta pericia y conocimiento del problema para obtener buenos resultados. Puede haber casos en los cuales dependiendo los parámetros que se utilicen para la evaluación el algoritmo podría no llegar a converger en una solución óptima o bien terminar en una convergencia prematura con resultados no satisfactorios satisfactori os (la convergencia prematura podría significar una convergencia en un óptimo local o punto arbitrario afectando los resultados a largo plazo). La "mejor" solución lo es solo en comparación a otras soluciones por lo que no se tiene demasiado claro un criterio de cuándo detenerse ya que no se cuenta con una solución específica. Aplicaciones de algoritmos genéticos en la industria electrónica En el campo de la Ingeniería Mecatrónica se destacan dos grupos de aplicación de los AG: la ingeniería de control y la robótica. Para problemas de ingeniería de control, la sintonización de los valores de comando que controlan un sistema es un problema frecuente. De una correcta selección de estos valores depende el correcto desempeño de un sistema, como un robot, un proceso industrial o un sistema mecánico. Los AG son utilizados (Martínez et al., 2006) como sintonizadores que garantizan la robustez del sistema de control y determinan un máximo global que garantice el mejor desempeño, optimizando en compa-ración con aquellos que se sintonizaban de forma tradicional tradicional.En .En el caso de los sistemas de control basados en redes neuronales (Fiszelew et al., 2002) y Lógica Fuzzy (Mucientes et al., 2006) se aprovechan los recursos de exploración que proporcionan los AG para sintonizar adecuadamente sus valores de trabajo. Las redes neuronales requieren encontrar una arquitectura óptima que les garantice aprender un

19

 

 

problema particular, sin embargo su espacio de búsqueda es muy grande. El AG explora las diferentes estrategias, y selecciona de acuerdo con los parámetros de evaluación la mejor red.En robótica, las aplicaciones de los AG están en el control de movimiento. Para un robot móvil, es posible generar trayectorias en función de la topografía del entorno (Kala et al., 2009 y Castillo & Trujillo, 2005). El AG genera trayectorias válidas en un ambiente con obstáculos, a través de funcio-nes de evaluación que analicen el diseño de los trayectos, evaluando dificultad y la del distancia de Kala la trayectoria paraobstáculos favorecer en la minimización de tiemposuy uso de energía vehículo. (2009) incluyó movimiento (otros robots por ejemplo), esto se logró a través de la generación de trayectorias entre dos puntos que se interconectaban hasta conformar la trayectoria general. Para otras estructuras robóticas, como un robot con piernas (Heinen & Santos, 2006) es necesario determinar los valores de los parámetros que afectan el caminar, como la distancia, la inestabilidad, el número de extremidades en contacto con el suelo (si tiene más de dos piernas), que se convierten en funciones de evaluación. Los investigadores trabajaron con un software llamado LegGen el cual esta-blece los parámetros de caminata a través de un ambiente virtual. El software explora a través de un AG los valores que garanticen una buena caminata. Un trabajo similar (Picado, et al., 2009) establece trayectorias de movimiento para cada una de las articulaciones del robot, estas trayectorias están parametrizadas por ecuaciones obtenidas a través de funciones de oscilación de simple frecuencia, las cuales requieren de parámetros para su calibración. Los AG determinan los parámetros más ade-cuados para el sistema y garantizan un paso estable, rápido y poco sensitivo a los disturbio En otra aplicación robótica, se implementa el AG para determinar las rotaciones de las articulaciones de un robot antropomórfico que garanticen una correcta localización de un actuador localizado en la última extremidad (Zacharia & Aspragathos, 2004). El AG determina una ruta óptima en un sistema de seis grados de libertad tomando en cuenta múltiples soluciones, para esto aplicaron el problema del Vendedor Viajero (TSP por sus siglas en inglés), el cual busca la mejor ruta para un vendedor que debe visitar todos los puntos de un recorrido sin repetirse y regresar a la ciudad de origen. Sin embargo, un posicionamiento en el espacio de un manipulador presenta restricciones de movimiento y múltiples respuestas a causa de las N posiciones que puede tener un actuador para localizarse en determinada posición, el AG evalúa estos dos aspectos para determinar el individuo que cumpla con las restricciones y además genere la mejor trayectoria de movimiento. En otro problema de la robótica, como es la cinemática inversa, se implementa un AG para realizar una búsqueda de los valores de rotación necesarios en cada una de las articulaciones de un sistema, para alcanzar una posición y orientación del efector deseada. Los métodos tradicionales como Piper (Goodwine, 2005) permiten encontrar un conjunto de posiciones en las cuales el sistema cumple las condiciones de posición y orientación requeridas, sin embargo, esta respuesta no siempre es la más adecuada. Los  AG establece establecen, n, a través de parámetros de búsque búsqueda da y restricción estos valores (Veslin,

20

 

 

2010; Giraldo et al., 2006; Gordillo et al., 2009; Parker & Goldberg, 1989, Tabandel et al., 2006 y Mar-cos et al, 2009), encontrando así la respuesta más adecuada a la morfología del robot. El individuo está compuesto por los valores de rotación posibles para cada una de las articulaciones, en tanto que la función de evaluación son las ecuaciones de movimiento del sistema, el sistema pondera pesos en función del error de posicionamiento del efector final y las orientaciones de cada articulación, y al final selecciona aquel que favorezca desviación respecto lospruebas valores requeridos, la Figura 4 presenta la tendencia la demenor la respuesta del AG para a100 respecto a un conjunto de valores predefinidos, la tendencia del algoritmo es el encontrar una única respuesta con una media (línea punteada) cercana al valor requerido definido, queda por delante optimizar este proceso de búsqueda explorando otros operadores naturales. APLICACION DE ALGORITMOS GENETICOS EN TELECOMUNICA TELECOMUNICACIONES CIONES ALGORITMOS ALGORITMO S GENÉTICOS Y LA CLASIFICACIÓN DE IMÁGENES En relación con la utilización de los algoritmos genéticos en el proceso de clasificación de imágenes, se encuentran tres enfoques. El primero se refiere a la aplicación de estos algoritmos directamente al proceso de clasificación de imágenes no clasificadas. El segundo plantea la aplicación esta técnica en la extracción (aprendizaje) de reglas deenfoque clasificación sobre imágenes de previamente clasificadas por expertos. Un tercer enfoque utiliza los algoritmos genéticos para generar un nuevo algoritmo clasificador a partir de la combinación de operadores de bajo nivel aplicables a las imágenes. En (Larch, 1994) se encuentra un ejemplo del primer grupo, donde se propone un mé- todo que utiliza algoritmos genéticos para optimizar las reglas usadas en la clasificación de coberturas en imágenes Landsat. Las reglas optimizadas son obtenidas mediante la comparación de los resultados de las reglas con datos reales del terreno, usando una función objetivo que minimiza el número de falsos positivos y falsos negativos. Un ejemplo del segundo grupo se encuentra en (Quirin, Korczak et al., 2004) en donde se describen dos sistemas de clasificación aprendida, que pueden ser usados para clasificar imágenes de percepción remota. Un primer sistema utiliza ICU (Quirin, 2002), que es un sistema de descubrimiento de reglas que combina un algoritmo genético, una población de reglas de clasificación que describen las restricciones para cada píxel de los datos, y un conjunto de métodos usados para la selección de las reglas y la asignación de la exactitud. El segundo sistema utiliza XCS (Wilson, 1998), en este caso la función de aptitud se basa en la exactitud de la predicción y en que las cadenas de bits clásicas de los sistemas clasificadores son reemplazadas por vectores de valores reales (Wilson, 2000). En ambos casos se trata de la extracción de reglas de clasificación de una imagen previamente clasificada por expertos, y de la aplicación de dichas reglas a imágenes no clasificadas. Se habla aquí de la minería de reglas como el proceso de descubrir un conjunto de clasificadores, donde cada uno de ellos toma como entrada un píxel y devuelve su clase. En esta categoría cae también el trabajo tr abajo presentado en (Benton, 1995) donde los algoritmos algori tmos genéticos son utilizados para identificar, dentro de un conjunto de píxeles ya clasificados,

21

 

 

aquellos que resulten representativos de una categoría de clasificación, y a partir de esta selección automatizar la labor de clasificación de los píxeles en imágenes similares. Como muestra del tercer enfoque, se encuentra en (Brumby, 2004) una descripción de una aplicación llamada Genie, que en lugar de optimizar un único algoritmo, toma varios algoritmos de procesamiento de imágenes individuales (detección de bordes, medición de texturas, operaciones espectra- UNIVERSIDAD MILITAR NUEVA GRANADA Ciencia e Ingeniería Neogranadina, 2007 105 les, filtros morfológicos) como miembros de la población inicial. Sobre Vol. esta17-2, población se aplica el algoritmo genético, produciendo un nuevo algoritmo de clasificación supervisada. Genie está escrito en una mezcla de código Perl y C, y corre sobre estaciones de trabajo Linux estándar. Adicionalmente, y como un tema estrechamente relacionado se encuentran varios trabajos sobre clustering con estrategias evolutivas (Lee and Antonsson, 2000), (Lozano and Larrañaga, 1998). El clustering es uno de los mecanismos más utilizados en el proceso de clasificación, y consiste en el agrupamiento de píxeles con valores digitales similares. Algoritmos Genéticos aplicados a la optimización de antenas Los algoritmos genéticos son una técnica de optimización global, empleados hoy en día en el diseño de antenas. En el artículo se definen los principios básicos de estos algoritmos y se muestran los resultados obtenidos utilizando estos algoritmos en el proceso de diseño y optimización de tres tipos de antenas, la bocina piramidal, el reflector parabólico y el parche circular.  Aplicación y ev  Aplicación evaluación aluación d de e diferen diferentes tes al algoritmos goritmos genéticos canónicos en el diseño eficie eficiente nte de redes de radio frecuencia en comunicaciones inalámbricas La difusión de servicios inalámbricos de comunicación (telefonía, internet, etc) es cada vez mayor en la actualidad. El costo de los equipamientos necesarios para brindar el servicio con calidad adecuada es elevado. La selección de un conjunto de puntos geográficos que permitan una cobertura óptima de una señal de radio frecuencia minimizando uso de recursos es fundamental. A esta tarea se la denomina diseño de la red de radio y es un problema NP  –  duro de optimización, por lo tanto, es factible de ser tratado con metaheurísiticas. Las metaheurísiticas son métodos que integran procedimientos de mejora local y estrategias de alto nivel para realizar una búsqueda robusta en el espacio del problema.

22