Inteligencia Artificial

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

INDICE INTELIGENCIA ARTIFICIAL DEFINICIONES…………………………………….PÁG. 2 NOCIONES Y ANTECEDENTES HISTÓRICOS………PÁG. 3-8 CARACTERÍSTICAS………………………………..PÁG. 9-11 OBJETIVOS DE LA INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL…………………...PÁG. 12-13 APLICACIONES DE LA INTELIGENCIA ARTIFICIAL……………………….PÁG. 14-17 TA-TE-TI O JUEGO DE TRES RAYAS ORÍGENES DEL JUEGO……………………………PÁG. 18DESCRIPCIÓN……………………………………...PÁG. REGLAS BÁSICAS DEL JUEGO…………………….PÁG. APERTURA Y POSIBLE RESPUESTA……………….PÁG. PROGRAMACIÓN DEL JUEGO…………………….PÁG.

1

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

INTELIGENCIA ARTIFICIAL DEFINICIONES -

-

Disciplina científico-técnica que trata de crear sistemas artificiales capaces de comportamientos que, de ser realizados por seres humanos, se diría que requieren inteligencia. Estudio de los mecanismos de la inteligencia y las tecnologías que lo sustentan. (Newell, 91) Intento de reproducir (modelar) la manera en que las personas identifican, estructuran y resuelven problemas difíciles (Pople, 84) Son ciertas herramientas de programación, entendiendo por herramientas: Lenguajes: LISP, PROLOG  Entornos de desarrollo: shells  Arquitecturas de alto nivel: nodo y arco, sistemas de producciones

La Inteligencia Artificial es una combinación de la ciencia del computador, fisiología y filosofía, tan general y amplio como eso, es que reúne varios campos (robótica, sistemas expertos, por ejemplo), todos los cuales tienen en común la creación de máquinas que pueden "pensar". La Inteligencia Artificial comenzó como el resultado de la investigación en psicología cognitiva y lógica matemática. Se ha enfocado sobre la explicación del trabajo mental y construcción de algoritmos de solución a problemas de propósito general. Punto de vista que favorece la abstracción y la generalidad.

La idea de construir una máquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegos, traducción de idiomas, comprensión de idiomas, diagnóstico de fallas, robótica, suministro de asesoría experta en diversos temas. Es así como los sistemas de administración de base de datos cada vez más sofisticados, la estructura de datos y el desarrollo de algoritmos de inserción, borrado y locación de datos, así como el intento de crear máquinas capaces de realizar tareas que son pensadas como típicas del ámbito de la inteligencia humana, acuñaron el término Inteligencia Artificial en 1956. Trabajos teóricos fundamentales fueron el desarrollo de algoritmos matemáticos por Warren McCullock y Walter Pitts, en 1943, necesarios para posibilitar el trabajo de clasificación, o funcionamiento en sentido general, de una red neuronal. En 1949 Donald Hebb desarrolló un algoritmo de aprendizaje para dichas redes neuronales creando, en conjunto con los trabajos de McCullock y Pitts, la escuela creacionista. Esta escuela se considera hoy como el origen de la Inteligencia Artificial, sin embargo se trató poco por muchos años, dando paso al razonamiento simbólico basado en reglas de producción, lo que se conoce como sistemas experto.

2

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

NOCIONES Y ANTECEDENTES HISTÓRICOS Desde sus comienzos hasta la actualidad, la Inteligencia Artificial ha tenido que hacer frente a una serie de problemas: - Los computadores no pueden manejar (no contienen) verdaderos significados. - Los computadores no tienen autoconciencia (emociones, sociabilidad, etc.). - Un computador sólo puede hacer aquello para lo que está programado. - Las máquinas no pueden pensar realmente. En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage planteó el asunto de si la máquina de Babbage podía "pensar". Los primeros problemas que se trató de resolver fueron puzzles, juegos de ajedrez, traducción de textos a otro idioma. Durante la II Guerra Mundial Norbert Wiener y John Von Neumann establecieron los principios de la cibernética en relación con la realización de decisiones complejas y control de funciones en máquinas. La teoría de la retroalimentación en mecanismos, como por ejemplo un termostato que regula la temperatura en una casa, tuvo mucha influencia. Esto aún no era propiamente Inteligencia Artificial. Se hizo mucho en traducciones (Andrew Booth y Warren Weaver), lo que sembró la semilla hacia el entendimiento del lenguaje natural. En el año 1955 Herbert Simon, el físico Allen Newell y J.C. Shaw, programador de la RAND Corp. y compañero de Newell, desarrolla el primer lenguaje de programación orientado a la resolución de problemas de la Inteligencia Artificial, el IPL-11. Un año más tarde estos tres científicos desarrollan el primer programa de Inteligencia Artificial al que llamaron Logic Theorist, el cual era capaz de demostrar teoremas matemáticos, representando cada problema como un modelo de árbol, en el que se seguían ramas en busca de la solución correcta, que resultó crucial. Este programa demostró 38 de los 52 teoremas del segundo capítulo de Principia Mathematica de Russel y Whitehead. En 1956, con la ahora famosa conferencia de Dartmouth, organizada por John McCarthy y en la cual se utilizó el nombre de inteligencia artificial para este nuevo campo, se separó la Inteligencia Artificial de la ciencia del computador, como tal. Se estableció como conclusión fundamental la posibilidad de simular inteligencia humana en una máquina.

3

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

En 1957 Newell y Simon continúan su trabajo con el desarrollo del General Problems Solver (GPS). GPS era un sistema orientado a la resolución de problemas; a diferencia del Logic Theorist, el cual se orientó a la demostración de teoremas matemáticos, GPS no estaba programado para resolver problemas de un determinado tipo, razón a la cual debe su nombre. Resuelve una gran cantidad de problemas de sentido común, como una extensión del principio de retroalimentación de Wiener. Diversos centros de investigación se establecieron, entre los más relevantes están, la Universidad Carnegie Mellon, el Massachusetts Institute of Technologie (MIT), encabezado por Marvin Minsky, la Universidad de Standford e IBM. Los temas fundamentales eran el desarrollo de heurísticas y el aprendizaje de máquinas. En 1957 McCarthy desarrolló el lenguaje LISP. La IBM contrató un equipo para la investigación en esa área y el gobierno de USA aportó dinero al MIT también para investigación en 1963. A finales de los años 50 y comienzos de la década del 60 se desarrolla un programa orientado a la lectura de oraciones en inglés y la extracción de conclusiones a partir de su interpretación, al cual su autor, Robert K. Lindsay, denomina "Sad Sam". Este podía leer oraciones del tipo "Jim es hermano de John" y "La madre de Jim es Mary", a partir de ella el sistema concluía que Mary debía ser también la madre de John. Este sistema representó un enorme paso de avance en la simulación de inteligencia humana por una máquina, pues era capaz de tomar una pieza de información, interpretarla, relacionarla con información anteriormente almacenada, analizarla y sacar conclusiones lógicas. En el mismo período de tiempo hay trabajos importantes de Herbert Gelernter, de IBM, quien desarrolla un "Demostrador Automático de Teoremas de la Geometría", Alex Bernstein desarrolla un programa para el juego de ajedrez que se considera el antecedente para "Deep Blue". En 1961 se desarrolla SAINT (Simbolic Automatic INTegrator) por James Slagle el cual se orienta a la demostración simbólica en el área del álgebra.

4

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era capaz de comprender oraciones en inglés. A continuación un ejemplo, traducido, de interacción entre SIR y un usuario: Usuario: Todos somos personas SIR: Comprendo Usuario: Un dedo es una parte de la mano SIR: Comprendo Usuario: Cada persona tiene dos manos SIR: La oración anterior es ambigua. Por favor reconstrúyala. Usuario: En cada persona hay dos manos SIR: Comprendo Usuario: ¿Cuantos dedos tiene John? SIR: La oración anterior es ambigua, pero asumo que TIENE significa TIENE COMO PARTES. No se si los dedos forman parte de John. Usuario: John es un chico SIR: Comprendo Usuario: ¿Cuántos dedos tiene John? SIR: La oración anterior es ambigua, pero asumo que TIENE significa TIENE COMO PARTES, ¿cuántos dedos por mano?. Usuario: Cada mano tiene cinco dedos. SIR: Comprendo Usuario: ¿Cuántos dedos tiene John? SIR: La respuesta es diez. En la década del 60 se comienza en el MIT el estudio de la visión artificial, lo cual implica no solo captar imágenes a través de una cámara, sino también la comprensión, de lo que estas imágenes representan. Un resultado importante en este trabajo lo constituye el "mundo de micro-bloques", en el cual un robot era capaz de percibir un conjunto de bloques sobre una mesa, moverlos y apilarlos; el éxito se debió a los investigadores Larry Roberts, Gerald Sussman, Adolfo Guzman, Max Clowes, David Huffman, David Waltz, Patrick Winston, y Berthold Horn. Posteriormente se obtuvieron resultados importantes entre ellos el de mayor resonancia fue el sistema SCHRDLU de Terry Winograd, pues permitía interrogar y dar órdenes a un robot que se movía dentro de un mundo de bloques.

5

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

A continuación mostramos un ejemplo traducido:

Usuario: Toma un bloque rojo. SCHRDLU: Ok. Usuario: Busca un bloque más pequeño que el que tienes y ponlo dentro de la caja. SCHRDLU: Asumo que PONLO se refiere al bloque más pequeño que el que tengo. Usuario: ¿Qué contiene la caja? SCHRDLU: La pirámide azul y el bloque azul. Usuario: ¿Qué sostiene a la pirámide? SCHRDLU: La caja. Usuario: ¿Cuántos bloques no están sobre la mesa? SCHRDLU: Cuatro. Usuario: ¿Es al menos uno de ellos más estrecho que aquel que te dije que recogieras? SCHRDLU: Sí, el cubo rojo. Usuario: ¿Lo sostiene algo? SCHRDLU: Sí, la mesa. Usuario: ¿Puede la mesa recoger bloques? SCHRDLU: No. Usuario: La pirámide azul es mía. SCHRDLU: Comprendo. Usuario: Todos los bloques que no son rojos son míos, pero no poseo nada que sostenga una pirámide. SCHRDLU: Comprendo. Usuario: ¿Poseo una caja? SCHRDLU: No 6

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

Usuario: ¿Poseo algo de la caja? SCHRDLU: Si, dos cosas: El bloque azul y la pirámide azul. Aunque parezca impresionante la capacidad del sistema para razonar y ejecutar acciones, no se debe perder de vista el hecho que el robot se mueve en un mundo muy simple de figuras geométricas, y que las relaciones entre ellas son muy limitadas. En el mundo real existen tantos objetos diferentes y relaciones entre ellos, que tratar de llevar este sistema a un entorno real resulta prácticamente imposible. En los primeros años de la década del 60 Frank Rosemblatt desarrolla, en la Universidad de Cornell, un modelo de la mente humana a través de una red neuronal y produce un primer resultado al cual llama perceptrón. Este sistema era una extensión del modelo matemático concebido por McCullock y Pitts para las neuronas, y funcionaba basándose en el principio de "disparar" o activar neuronas a partir de un valor de entrada el cual modifica un peso asociado a la neurona, si el peso resultante sobrepasa un cierto umbral la neurona se dispara y pasa la señal a aquellas con las que está conectada. Al final, en la última capa de neuronas, aquellas que se activen definirán un patrón el cual sirve para clasificar la entrada inicial. Este trabajo constituye la base de las redes neuronales de hoy en día, sin embargo a raíz de su desarrollo sufrió fuertes críticas por parte de Marvin Minsky y Seymour Papert lo cual provocó que la mayoría de los investigadores interesados en el tema lo abandonarán, y este no se retomara hasta los años 80. En 1965-70, comenzaron a aparecer los programas expertos, que predicen la probabilidad de una solución bajo un set de condiciones, entre esos proyectos estuvo: DENDRAL, que asistía a químicos en estructuras químicas complejas euclidianas; MACSYMA, producto que asistía a ingenieros y científicos en la solución de ecuaciones matemáticas complejas, etc. En la década 1970-80, creció el uso de sistemas expertos, muchas veces diseñados para aplicaciones médicas y para problemas realmente muy complejos como MYCIN, que asistió a médicos en el diagnóstico y tratamiento de infecciones en la sangre. Otros son: R1/XCON, PIP, ABEL, CASNET, PUFF, INTERNIST/CADUCEUS, etc. Algunos permanecen hasta hoy. De 1975 en adelante, comienza la era de los lenguajes expertos (shells) como EMYCIN, EXPERT, OPSS, etc. para luego tratar de que éstos sean más amigables y funcionales. 7

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

Las definiciones de Inteligencia Artificial son muchas, pero podría decirse que son programas que realizan tareas que si fueran hechas por humanos se considerarían inteligentes. Estos programas obviamente corren en un computador y se usan, como por ejemplo, en control robótico, comprensión de lenguajes naturales, procesamiento de imágenes basado en conocimientos previos, estrategias de juegos, etc. reproduciendo la experiencia que un humano adquiriría y de la forma en que un humano lo haría. Para clasificar las máquinas como "pensantes", es necesario definir qué es inteligencia y qué grado de inteligencia implica resolver problemas matemáticos complejos, hacer generalizaciones o relaciones, percibir y comprender. Los estudios en las áreas del aprendizaje, del lenguaje y de la percepción sensorial han ayudado a los científicos a definir a una máquina inteligente. Importantes desafíos han sido tratar de imitar el comportamiento del cerebro humano, con millones de neuronas y extrema complejidad.

8

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

CARACTERÍSTICAS 1) Una característica fundamental que distingue a los métodos de Inteligencia Artificial de los métodos numéricos es el uso de símbolos no matemáticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos, también procesan símbolos y no se considera que usen técnicas de Inteligencia Artificial. 2) El comportamiento de los programas no es descrito explícitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cómo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explícitamente, cómo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento). Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las conclusiones intermedias alcanzadas durante las consideraciones al problema específico. Los lenguajes orientados al objeto comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia Artificial. 3) El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del ámbito del conocimiento en que ellos operan. Al contrario de los programas para propósito específico, como los de contabilidad y cálculos científicos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dándole la capacidad de explicar discrepancias entre ellas. 4) Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolución de conflictos en tareas orientadas a metas como en planificación, o el diagnóstico de tareas en un sistema del mundo real: con poca información, con una solución cercana y no necesariamente exacta. La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robótica, usada principalmente en el campo industrial; comprensión de lenguajes y traducción; visión en máquinas que distinguen formas y que se usan en líneas de ensamblaje; reconocimiento de palabras y aprendizaje de máquinas; sistemas computacionales expertos.

9

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

Los sistemas expertos, que reproducen el comportamiento humano en un estrecho ámbito del conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e indican un tratamiento, los que interpretan datos sismológicos en exploración geológica y los que configuran complejos equipos de alta tecnología. Tales tareas reducen costos, reducen riesgos en la manipulación humana en áreas peligrosas, mejoran el desempeño del personal inexperto, y mejoran el control de calidad sobre todo en el ámbito comercial. Diferentes teorías: 1) Construir réplicas de la compleja red neuronal del cerebro humano (bottom-up). 2) Intentar imitar el comportamiento del cerebro humano con un computador (top-down). Diferentes metodologías: 1) La lógica difusa: permite tomar decisiones bajo condiciones de incerteza. 2) Redes neuronales: esta tecnología es poderosa en ciertas tareas como la clasificación y el reconocimiento de patrones. Está basada en el concepto de "aprender" por agregación de un gran número de muy simples elementos. Este modelo considera que una neurona puede ser representada por una unidad binaria: a cada instante su estado puede ser activo o inactivo. La interacción entre las neuronas se lleva a cabo a través de sinapsis. Según el signo, la sinapsis es excitadora o inhibidora. El perceptrón está constituido por las entradas provenientes de fuentes externas, las conexiones y la salida. En realidad un perceptrón es una Red Neuronal lo más simple posible, es aquella donde no existen capas ocultas. Para cada configuración de los estados de las neuronas de entrada (estímulo) la respuesta del perceptrón obedece a la siguiente dinámica: se suman los potenciales sinápticos y se comparan con un umbral de activación. Esta suma ponderada es también llamada campo. Si el campo es mayor que un umbral, la respuesta de la neurona es activa, si no, es inactiva. Con una arquitectura tan simple como la del perceptrón no se puede realizar más que una clase de funciones "booleanas" muy simples, llamadas linealmente separables. Son las funciones en las cuales los estados de entrada con salida positiva pueden ser separados de aquellos a salida negativa por un hiperplano. Un hiperplano es el conjunto de puntos en el espacio de estados de entrada, que satisfacen una ecuación lineal. En dos dimensiones, es una recta, en tres dimensiones un plano, etc. 10

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

Si se quieren realizar funciones más complejas con Redes Neuronales, es necesario intercalar neuronas entre las capas de entradas y de salida, llamadas neuronas ocultas. Una red multicapas puede ser definida como un conjunto de perceptrones, ligados entre si por sinapsis y dispuestos en capas siguiendo diversas arquitecturas. Una de las arquitecturas más comúnmente usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y de éstas hacia la salida. El funcionamiento de una Red Neuronal es gobernado por reglas de propagación de actividades y de actualización de los estados.

11

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

OBJETIVOS DE LA INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL Los investigadores en inteligencia artificial se concentran principalmente en los sistemas expertos, la resolución de problemas, el control automático, las bases de datos inteligentes y la ingeniería del software (diseños de entornos de programación inteligente). Otros investigadores están trabajando en el reto del reconocimiento de patrones donde se espera un rápido progreso en este campo que abarca la comprensión y la síntesis del habla, el proceso de imágenes y la visión artificial. Finalmente, la fundamental investigación sobre la representación del conocimiento, la conceptualización cognoscitiva y la comprensión del lenguaje natural. Uno de los principales objetivos de los investigadores en inteligencia artificial es la reproducción automática del razonamiento humano. El razonamiento de un jugador de ajedrez no siempre es el mismo que el de un directivo que se pregunta la viabilidad de fabricar un nuevo producto. Un niño jugando con bloques de madera en una mesa no tiene idea de la complejidad del razonamiento necesario para llevar a cabo la construcción de una pirámide, e intentar que un robot hiciera lo mismo que el niño requeriría un largo programa de computador. Formas de considerar situaciones complejas son: -

deducción, que permite obtener conclusiones de reglas cuyas premisas hemos comprobado inducción que produce reglas a partir de observaciones parciales.

Estos dos tipos principales pueden utilizarse de un modo analítico (el razonamiento se divide en submódulos que son más difíciles de manejar, o de un modo sintético (inverso del proceso anterior, juntando elementos que se separaron anteriormente). La inducción puede tener lugar cuando se comparan situaciones que son casi similares, con parámetros desconocidos en una situación dada asignándole los valores que tienen ya en una situación de referencia; este es un razonamiento por analogía. Los métodos para razonar son variados. La iteración significa repetir la misma secuencia de razonamiento hasta que se alcance una condición de final; la recursión consiste en una 12

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

forma particular del razonamiento que se llama a sí misma, como aquellas muñecas rusas que están unas dentro de otras, hasta llegar a un problema simple que es fácil de resolver. Las estrategias para el razonamiento pueden hacer uso de la especialización, la reducción al absurdo, de la eliminación de caminos poco prometedores y de la reducción de las diferencias. En todos los casos, la organización jerárquica del conocimiento y la segmentación de los problemas son métodos que se emplean siempre al intentar resolver un problema complejo. La función asignada a los sistemas expertos es la de RAZONAR.

13

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

APLICACIONES DE LA INTELIGENCIA ARTIFICIAL  SISTEMAS PRODUCTIVOS La incorporación de agentes de decisión inteligente, redes neuronales, sistemas expertos, algoritmos genéticos y autómatas programables para optimización de sistemas de producción es una tendencia activa en el ambiente industrial de países con alto desarrollo tecnológico y con una gran inversión en investigación y desarrollo. Dichos componentes de la Inteligencia Artificial tienen como función principal controlar de manera independiente, y en coordinación con otros agentes, componentes industriales tales como celdas de manufactura o ensamblaje, y operaciones de mantenimiento, entre otras. Existe una tendencia creciente a la implementación de sistemas de manufactura/ensamblaje más autónomos e inteligentes, debido a las exigencias del mercado por obtener productos con niveles muy altos de calidad; lo cual con operaciones manuales se hace complicada hace que los países subdesarrollados como el nuestro no alcance niveles competitivos a nivel mundial. Al diseñar un sistema de producción integrado por computadora se debe dar importancia a la supervisión, planificación, secuenciación cooperación y ejecución de las tareas de operación en centros de trabajo, agregado al control de los niveles de inventario y características de calidad y confiabilidad del sistema. Los factores mencionados determinan la estructura del sistema y su coordinación representa una de las funciones más importantes en el manejo y control de la producción.  EDUCACIÓN Como se ha mencionado, es posible aplicar los logros de la inteligencia artificial en cualquier área del quehacer humano, y la educación no es la excepción. Cuando se habla de la relación entre computación y educación es común que se piense en la docencia solamente, sin considerar todas las demás actividades que tienen que ver con la educación, actividades como la investigación o la administración educativa entre otras. En cualquier aspecto del ámbito educativo que se pueda vislumbrar como posible de ser enriquecido con el uso de computadoras, cabe también la inteligencia artificial y esta última parte del artículo está dedicada a mencionar algunas de las posibilidades. La investigación educativa Las posibilidades de aplicación en la investigación educativa, van desde un nivel conceptual, utilizando modelos teóricos de la Inteligencia Artificial como base a partir de la cual se interpretan hallazgos en la investigación educativa; hasta un nivel práctico, ahorrando tiempo, recursos y esfuerzos en actividades de apoyo al trabajo del investigador, actividades como las siguientes: Consulta a bases de datos y bibliotecas Piense el lector en la posibilidad de contar con una biblioteca computarizada inteligente. Hasta ahora, la mayoría de las bibliotecas y bancos de datos, aunque cuentan con bases de datos en las que están almacenados la información referente a cada libro o documento existente, son explotadas en un mínimo porcentaje debido a la forma en que la información está dispuesta; los libros son catalogados por temas y subtemas en formas -a veces arbitrarias, a veces de acuerdo a clasificaciones preestablecidas-, que limitan sus posibilidades de uso, por ejemplo, en la mayoría de las fichas computarizadas se describe el 14

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

contenido de un documento en cinco “palabras claves” solamente. Esto ocasiona que investigadores y usuarios en general prefieran la consulta física de cada material, hecho que implica una pérdida de tiempo considerable. Considérese ahora la posibilidad de contar con un “bibliotecario experto” en el contenido de cada uno de los libros, que sea capaz de sugerir documentos de acuerdo a las necesidades específicas de cada usuario. Esto es posible con la implementación de bases inteligentes. Simulación de procesos Ahora, aún con un desarrollo de computadoras inteligentes en gestación, es posible realizar experimentos piloto y jugar con variables que en la realidad serían imposibles de controlar y manipular. La inteligencia artificial puede también ayudar en la capacitación y asesoría de recursos humanos para la investigación, independientemente de la perspectiva bajo la cual se esté trabajando o se quiera trabajar, por ejemplo, es posible capacitar a observadores para que realicen registros, primero en realidades virtuales controladas y luego después, en un salón de clases.  AGRICULTURA Los Robots han sido usados en entornos peligrosos para el hombre y en muchas ocasiones son más rentables que trabajadores humanos. En la Agricultura, los Robots, están siendo usados para sustituir las grandes máquinas usadas para excavar, cosechar, etc Maquinaria y Mecanización Agrícola El uso de técnicas de IA en la administración de maquinaría agrícola no ha tenido auge en los últimos años,sin embargo se pueden nombrar para años anteriores al año 2000, un sistema experto para el soporte de decisiones en la administración de maquinaría agrícola (Lal et at, 1992) y un sistema basado en conocimiento para el diseño y mantenimiento de maquinaría agrícola (Kusz&Marciniak, 1995). Para la selección de maquinaría agrícola se han desarrollado en los últimos años diversos sistemas expertos,en época mas resiente se puede mencionar, un sistema basado en conocimiento para la selección de juntas en maquinarías de tipo agrícola. La evaluación de maquinaría agrícola por medio de técnicas de IA para los últimos años no se reporta ningún trabajo, sin embargo se puede señalar para los años antes del 2000, un sistema experto para el diagnóstico del sistema hidráulico en un tractor John Deere serie 50 (Gaultney, Harlow &Ooms, 1989), un sistema inteligente de diagnóstico para maquinaría agrícola (Roger, 1995). Para la simulación de Maquinaría y Mecanización agrícola En años recientes se puede nombrar, un sistema depredicción de carga en cosechadoras combinadas usando algoritmos genéticos , en años anteriores al 2000 se puede mencionar un sistema experto que analiza y simula operaciones en campo de maquinaría agrícola. Producción Animal En el área de la producción animal el uso de sistemas que usan la IA ha sido hasta la fecha escaso en comparación con los trabajos realizados en producción vegetal, sin embargo en el campo de la administración de recursos se puede mencionar, una revisión de literatura acerca de control y aplicación de técnicas de IA en la producción acuícola en años 15

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

anteriores al 2000 se reportan múltiples sistemas expertos para la administración de producciones agropecuarias. Un área de trabajo reciente es el control y diagnóstico de enfermedades, gracias a su importancia económica y social este campo puede tener una mayor dedicación de esfuerzos en los próximos años, en los años recientes los trabajos que se pueden nombrar son; un sistema experto para diagnosticar enfermedades en producciones de anguilas, trabajos anteriores al año 2000 tratan el diagnóstico de estrés en ganadería (Mitchell et al, 1996) (Scholten et al, 1995), el diagnóstico de mastitis en vacas de ordeños(Nielen et al, 1995) (Hogeveen et al, 1995) (Helad et al, 1995), adicionalmente del desarrollo de sistemas expertos para el diagnóstico y control de enfermedades  MEDICINA De entre las varias aplicaciones de la robótica a la medicina destaca la cirugía. Las primeras aplicaciones de la robótica a la cirugía del cerebro datan del año 1982. En esta fecha se comenzó en Memorial Medical Center de Long Beach (California) un programa cuyo objetivo consistía en utilizar un robot comercial (Puma 260) para realizar determinadas operaciones de neurocirugía. Desde entonces se han puesto a punto varios sistemas que, con ayuda de un scanner, un ordenador registre toda la información necesaria del cerebro para que el equipo médico decida el punto exacto donde debe ser realizada la incisión, donde penetrara la sonda para obtener una muestra para realizar una biopsia. El robot, que se encuentra perfectamente situado con respecto al paciente, porta en su extremo los instrumentos necesarios para realizar la incisión, tomar la muestra, etc. La utilización de un robot conectado al ordenador permite que tanto la incisión como la toma de la muestra se realicen con la máxima precisión y en un tiempo notablemente inferior al que se consumiría en caso de emplear el sistema habitual. Además, se descarga al cirujano de la mecánica de ciertas tareas como el correcto posicionamiento de los instrumentos de cirugía con respecto al cráneo del paciente, permitiendo una mayor concentración en el seguimiento y control de la operación. También, otro posible beneficio de la aplicación de la robótica a la cirugía se encuentra en el telediagnóstico y la telecirugía.  JUEGOS La mayoría de los juegos de mesa y una gran cantidad de problemas informáticos pueden resolverse mediante una adecuada modelización en estados y aplicar un algoritmo de búsqueda entre estos estados. Para acotar el problema, pensemos en un juego de tablero de 2 jugadores, por ejemplo, las tres en raya,las damas, el ajedrez, el othello, etc. ¿Cómo podría programarse un juego de este tipo? Bien, en primer lugar, un tablero es una estructura de datos de tipo matriz donde cada elemento puede ser ocupado por el jugador 1, ocupado por el jugador 2, ó vacío (en juegos como el ajedrez donde cada jugador tiene diferentes fichas habría que completar el enfoque). Una partida es una secuencia de estados por los que pasa un tablero. Ahora veamos cómo debería actuar nuestro sistema inteligente para ganarnos en una partida. 16

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

• Una primera aproximación podría ser tener todas las posibles partidas en memoria y aplicar solo los movimientos que han llevado a partidas victoriosas. • Otro enfoque sería actuar en cada turno, teniendo en cuenta ciertas reglas estáticas (ej: ciertos if). Un ejemplo de reglas en las tres en raya puede ser: si tengo dos fichas alineadas entonces ocupa el último lugar vacío y gana la partida, si el oponente tiene fichas alineadas ocupa el lugar vacío y evita la victoria del oponente, en cualquier otro caso mueve de manera aleatoria. • En general, para este tipo de juegos se utiliza la estrategia minimax que imita el comportamiento humano de examinar por anticipado un cierto número de jugadas, explorando el grafo de tableros quese generarían tras un movimiento dado. En este enfoque existe una función de evaluación que da un valor a cada posible movimiento. Para ilustrar la implementación de estos enfoques, instalar el paquete tictactoe que implementa las 3 en raya con 2 niveles de dificultad easy (implementa reglas tontas) y hard (implementa minimax).

Gráfico representativo de un árbol del “Algoritmo Minimax”

17

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

PROYECTO EDUCATIVO: TA-TE-TI O JUEGO DE TRES EN RAYA ORÍGENES DEL JUEGO Los orígenes del Tres en Raya se remontan a hace mucho tiempo en un país del lejano Oriente. Muchos autores piensan que el Tres en Raya (el llamado Tic Tac Toe en inglés) se originó en China, como muchos otros juegos de mesa, surgiendo después del juego conocido como Go, que es considerado el más antiguo del mundo, nacido en China hace miles de años.

Figura 1: Juego de tres en Raya

DESCRIPCIÓN Para poder jugar al “Tres en Raya”, son necesarios únicamente dos cosas: un tablero y 6 fichas (tres para cada jugador).  Tablero: Tiene que ser una cuadrícula de 3x3 y puede ser trazada rápidamente, o realizar un tablero mas elaborado de cualquier material como cerámica, madera, o a base de leds para un tratamiento electrónico como es nuestro caso. El tablero también puede tener forma de cuadrado, dividido en cuatro cuadrados iguales con unas líneas que pasen por el centro del cuadrado, añadiendo dos diagonales que también pasen por el centro (en este formato de tablero, las fichas se colocan en los puntos de unión de las líneas).

18

Escuela Nacional de Comercio Nº2 Prof. Prudencio Vidal Zelaya

Figura 3: Ejemplos de diferentes tableros, usados para el tres en raya. 

Fichas: cada juego de las Tres en Raya, tiene 6 fichas, tres para cada jugador, normalmente tres fichas tienen forma de “X” y otras tres fichas forma de “O”. Pero en realidad basta con que tres fichas tengan una forma o color y las otras tres fichas otra forma u otro color. Objetivo del Juego: Conseguir colocar sus tres fichas formando una línea antes de que lo consiga el adversario y de esta manera ganar la partida. Reglas: El juego de “tres en raya” se juega con dos participantes y un tablero con celdas de 3x3 que se encuentran inicialmente vacías. Un jugador es “X” y el otro es “O”. Los jugadores se alternan para colocar sus marcas en una celda vacía; “X” empieza primero. Los jugadores tienen que ir colocando sus fichas siguiendo algún tipo de estrategia, la cual le lleve a colocar sus tres fichas formando una línea antes que su adversario, ganando de esta manera la partida. Aunque el primero en jugar tiene una ligera ventaja, se puede demostrar que un juego entre dos contendientes inteligentes siempre terminara en un empate.

19