TRABAJO DE INVESTIGACIN INTRODUCCIN A LA INTELIGENCIA

ARTIFICIAL







CAMILO VALENCIA ASTAIZA





JHON JAIVER MUOZ
SISTEMAS EXPERTOS




CORPORACION UNIVERSITARIA MINUTO DE DIOS
FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA DE SISTEMAS
2014
Aunque el concepto de inteligencia artificial sea tomado como moderno, no
necesariamente significa que sus trabajos previos iniciaron hace pocos aos, dado
que desde hace mucho antes ya se hablaba de la forma de realizar trabajos de
manera automatizada, o con el menor esfuerzo posible, de esta manera, nos
remontamos a unos cientos de aos antes de Cristo. En el 384-322 A.C. se
empezaron a usar los silogismos, que son un conjunto de reglas que describen
una parte del funcionamiento de la mente humana para obtener conclusiones
racionales. En el 250 A.C. Ctesibio de Alejandra construy la primera mquina
auto controlada. Dando un salto en la historia, por all en 1315 D.C. se empieza a
usar el concepto de Razonamiento Artificial.

En 1847 surge la Lgica Proposicional Booleana. En 1849 se extiende la lgica
booleana y aparece la Lgica De Primer Orden. En 1849 Eduard Lucas crea el
juego matemtico Torres de Hanoi. En 1940, haciendo historia ms all de sus
antecesores, Alan Turing disea la mquina universal que demuestra la viabilidad
de un dispositivo fsico para implementar cualquier cmputo formalmente definido,
esta mquina es conocida como la Mquina de Turing. En 1941, Konrad Zuse
disea el primer computador programable y el primer lenguaje de programacin de
alto nivel.

En 1943 aparece el primer modelo de neuronas artificiales desarrollado por
Warren McCulloch y Walter Pitts. En 1950 vuelve a aparecer Alan Turing, pero
esta vez mostrndonos el Test de Turing, el cual sirve para comprobar si un
programa de ordenador puede ser tan inteligente como un ser humano. En 1951
William Shockley inventa el transistor de unin y de esta forma se empez a
desarrollar una nueva generacin de computadoras mucho ms rpidas y
pequeas.

En 1956 se us por primera vez el trmino de Inteligencia Artificial. En 1963
Quillian desarrolla las redes semnticas como modelo de representacin del
conocimiento. En 1960 aparecen los llamados sistemas expertos y surgi
DENDRAL, desarrollado por Edward Feigenbaum, y fue el primer sistema experto
en ser utilizado para propsitos reales, al margen de la investigacin
computacional, y durante aproximadamente 10 aos, el sistema tuvo cierto xito
entre qumicos y bilogos, ya que facilitaba enormemente la inferencia de
estructuras moleculares.

En 1987 Martin Fischels y Oscar Firschein describieron los atributos de un agente
inteligente. En 2009 ya hay en desarrollo sistemas inteligentes teraputicos que
permitan detectar emociones para poder interactuar con nios autistas. En la
actualidad existen robots de todo tipo, hay recepcionistas, jugadores de futbol,
soldados, exploradores, y hasta cuidadores de ancianos.

Todos estos estudios y adelantos a lo largo de los aos han contribuido para que
ahora podamos ver el mundo tal como est, con el desarrollo industrial tan grande
que se observa por estos das, pero como la ambicin del hombre va ms all,
aun se sigue investigando y perfeccionando muchas tcnicas para tener nuevos
adelantos en un futuro no tan lejano, tanto as que a estas alturas podemos
encontrar cosas como robots que jueguen al futbol.

La Copa Mundial RoboCup es una competencia de robots autnomos. Este es un
proyecto internacional que busca promover, a partir de competencias con robots
autnomos, la investigacin sobre inteligencia artificial. RoboCup reunir a dos mil
500 participantes, en particular de Brasil, Estados Unidos, China, Canad, Francia
y Tailandia. Segn las declaraciones de los organizadores, el objetivo es construir
para el ao 2050 un equipo que pueda competir con los campeones del mundo del
ftbol profesional. Para entonces, los robots deben tener forma y tamao humano
y ser capaces de hacer los movimientos que requiere y obliga el deporte rey.

Todos estos avances se han podido conseguir gracias a la evolucin que han
surgido los sistemas y gracias al concepto reciente de sistema experto, el cual se
basa en la separacin de los conocimientos al mecanismo del procesamiento, a
diferencia del sistema clsico, en el que el conocimiento y el procesamiento estn
combinados en el mismo programa. Otras diferencias de estos dos, estn
marcadas por los siguientes aspectos:

Mientras que el sistema clsico debe ser perfecto, el sistema experto es ms
flexible y puede contener errores; el sistema clsico no da explicaciones, ya que
los datos se usan o se escriben, a diferencia del sistema experto que posee un
mdulo de explicacin; el sistema clsico slo opera completo, lo cual conlleva a
cambios tediosos, por el contrario, el sistema experto puede funcionar con pocas
reglas y los cambios en stas son fciles. El sistema clsico se ejecuta paso a
paso y con informacin completa para operar, el experto se fundamenta en
ejecucin heurstica y lgica, y puede operar con informacin incompleta.
Finalmente podemos decir que el sistema clsico representa y usa datos, pero el
sistema experto representa y usa conocimiento.

Luego el Forward Chaining y el Backward Chaining empiezan a hacer parte muy
importante de la Inteligencia Artificial y ms concretamente de los sistemas
expertos, ya que estos son mtodos de razonamiento utilizados en las reglas de
inferencia de la Inteligencia Artificial, dichos razonamientos son utilizados en la
creacin de sistemas expertos que utilizan reglas de inferencia lgica para extraer
ms datos por medio de los motores de inferencia que determinan a travs de las
clausulas los antecedentes para determinar su veracidad o falsedad agregando
as ms informacin a los datos con los que ya se cuentan.

En esta lgica es importante aclarar que dichas sentencias utilizan los postulados
del Modus Ponens que en espaol se refiere a (afirmando afirma) y que se aplica
de la siguiente forma:

Si A, entonces B
A
Por lo tanto, B

Este tipo de Lgica es fundamental para el forward Chaining, ya que ste permite
que las deducciones y las conclusiones sobre los datos sean lo ms exacto con el
fin de que los programas alcancen sus metas o se ejecuten nuevas posibilidades,
este racionamiento se utiliza bsicamente en la bsqueda del estado, el tiempo o
el mismo razonamiento dirigido a Datos.

El otro tipo de razonamiento es el Backward Chaining o razonamiento haca atrs
del objetivo, dicho razonamiento empieza con una lista de objetivos y trabaja hacia
atrs para ver si hay datos que apoyen ninguna de las consecuentes, trabajando
as el motor de inferencia haca atrs con la lgica de reglas buscando una
consecuencia que coincida con el objetivo buscado.

Ambos razonamientos son de vital importancia en la creacin de los Sistemas
Expertos, ya que deben generar respuestas exactas y claras en el momento que el
sistema lo requiera ya que un error sera fatal para la ejecucin de procesos en
Hospitales, la industria y en todos los campos que requieran ser exactos en todas
las respuestas.