UNIDAD 1: LA INTELIGENCIA ARTIFICIAL EN LA INGENIERÍA

1.1   DEFINICION La Inteligencia Artificial es una rama de la informática que estudia la inteligencia e intenta imitarla de forma artificial. Pero la inteligencia es un término que todavía no se ha conseguido definir de manera unánime por todas las ciencias. Por ejemplo, muchas personas se refieren a la inteligencia de los animales. ¿Es un animal inteligente? ¿Es el mbre más inteligente que el animal? El primero que estudió estos temas fue Alan Turing que se planteó si se podría construir algún día una máquina que fuera tan inteligente como un ser humano. Se planteó cuál sería el momento en el que podríamos decir que una máquina es tan inteligente como un ser humano. De este modo enunció su famosa "Prueba de Turing", ésta consiste en colocar nuestra máquina inteligente y a un ser humano frente a frente, pero sin poder verse. Se iniciaría una conversación sobre algún tema. Según Turing, una máquina sería inteligente si el ser humano no distinguiera si es una máquina u otra persona con la que está hablando.   1.2   AREAS DE APLICACION Pero también hay áreas de aplicación. En efecto, estos procesos de la AI se Aplican en los sistemas reales en una gran variedad de ramas y problemas: • Gestión y control: análisis inteligente, fijación de objetivos. • Fabricación: diseño, planificación, programación, monitorización, control, gestión de proyectos, robótica simplificada y visión computarizada. •Educación: adiestramiento práctico, exámenes y diagnóstico. •Ingeniería: diseño, control y análisis. •Equipamiento: diseño, diagnóstico, adiestramiento, mantenimiento, configuración, monitorización y ventas. • Cartografía: interpretación de fotograf ías, diseño, resolución de problemas cartográficos. • Profesiones: abogacía, medicina, contabilidad, geología, química. • Software: enseñanza, especificación, diseño, verificación, mantenimiento. • Sistemas de armamento: guerra electrónica, identificación de objetivos, control adaptativo, proceso de imágenes, proceso de señales. • Proceso de datos: educación, interfase en lenguaje natural, acceso inteligente a datos y gestores de bases de datos, análisis inteligente de datos. • Finanzas: planificación, análisis, consultoría.             1.3   METODOS INTELIGENTES  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. 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. 1.4   REDES SEMANTICAS Una red semántica o esquema de representación en Red es una forma de representación de conocimiento lingüístico en la que los conceptos y sus interrelaciones se representan mediante un grafo. En caso de que no existan ciclos, estas redes pueden ser visualizadas como árboles. Las redes semánticas son usadas, entre otras cosas, para representar mapas conceptuales y mentales. Un ejemplo de red semántica. En un grafo o red semántica los elementos semánticos se representan por nodos. Dos elementos semánticos entre los que se admite se da la relación semántica que representa la red, estarán unidos mediante una línea, flecha o enlace o arista. Cierto tipo de relaciones no simétricas requieren grafos dirigidos que usan flechas en lugar de líneas. 1.5  INTELIGENCIA DISTRIBUIDA Autores como Salomon (1993) o Resnick y Collins (1996) afirman que la cognición al igual que las herramientas, artefactos y sistemas simbólicos son saberes compartidos por los individuos de manera tal que el pensamiento estaría situado y distribuido socialmente en contextos particulares de intenciones, compañeros e instrumentos. David Perkins junto con Roy Pea hablan de Inteligencia Distribuida y Cognición Distribuida respectivamente. La Inteligencia Distribuida está constituida por los recursos cognitivos del ser humano además de todas las herramientas que ha desarrollado a lo largo de la civilización. Deberíamos, entonces, aprender a utilizar inteligente y pertinentemente los recursos del entorno para potenciar nuestros aprendizajes. Roy Pea prefiere referirse al término Cognición Distribuida (en la obra con ese título) como aquellos saberes que están presentes en diferentes personas y que, al compartirse, pasan a ser apropiados por los compañeros del grupo. Indudablemente, las teorías revisadas reflejan las numerosas facetas y la multilateralidad de la inteligencia y creo indispensable un esfuerzo de coordinación entre ellas para lograr un entendimiento holista de lo qué es la inteligencia y de cómo se compone. Así pues, la inteligencia no sólo está relacionada con la capacidad cognitiva del ser humano sino que abarca otro tipo de habilidades que irían desde las mentales hasta las emocionales logrando dar una visión de las personas no sólo en cuanto a su pensar inteligente sino también a su hacer, sentir y convivir. La actividad inteligente implica una multiplicidad de capacidades, estructuras y procesos de carácter contextual, personal, social, cultural que abarcan desde capacidades mentales para adquirir nuevo conocimiento, resolver problemas, ajustarse a nuevas situaciones, usar conceptos o combinar información novedosamente hasta capacidades personales y socioculturales para percibir y entender las emociones propias y ajenas, compartir y distribuir saberes y recursos y tener éxito personal y social en el diario vivir.