Beruflich Dokumente
Kultur Dokumente
PIURA
INTELIGENCIA ARTIFICIAL
POR
ALBAN ATO JEANCARLOS
SAAVEDRA YARLEQUE RONALD
ZURITA BERRU CRISANTO
REA NAVARRO VICTOR ANDRES
FARFAN CIENFUEGO REYSON
INDICE
I.- Introduccin
resonance imaging).
INTELIGENCIA ARTIFICIAL
I.
INTRODUCION
II.
ilusoria. Pero
inteligente no depende de inmediatos y probados resultados, sino que est avalado por
sus logros y su desarrollo a lo largo de varias dcadas, por lo cual se ha consolidado en
el mbito de la computacin como una acepcin totalmente asumida, aunque sometida
todava a controversia en algunos sectores cientficos (Pajares Martinsan y Santos
Peas, 2006).
Lo que hoy se conoce como IA empez hacia 1960 cuando en el Instituto
Tecnolgico de Massachusetts (MIT, por sus siglas en ingls), John McCarthy cre el
LISP (el primer lenguaje de investigacin dentro de la IA). Sin embargo, el trmino IA
suele atribursele a Marvin Minsky, tambin del MIT, quien en 1961 escribi un artculo
titulado Hacia la Inteligencia Artificial (The Institute of Radio Engineers
Proceedings). Los aos sesenta del siglo pasado fueron un intenso periodo de optimismo
hacia la posibilidad de hacer que una computadora pensase. Despus de todo, esos aos
contemplaron la primera computadora que jugaba ajedrez, las primeras pruebas
matemticas informatizadas, y el ya famoso e igualmente bien conocido Programa
ELIZA que fue escrito en el MIT por Joseph Weisenbaum en 1964. El programa ELIZA
actuaba como un psico analizador. En este tipo de anlisis, el psiquiatra toma un papel
pasivo generalmente repitiendo las propias declaraciones del paciente, en vez de llevar
el peso de la conversacin.
III.
Se podra considerar que unos de los primeros pasos hacia la IA fueron dados
hace mucho tiempo por Aristteles (384-322 a.C.), cuando se dispuso a explicar y codifi
car ciertos estilos de razonamiento deductivo que l llam silogismos. Otro intento sera
el de Ramn Llull (d.C. 1235-1316), mstico y poeta cataln, quien construy un
conjunto de ruedas llamado Ars Magna, el cual se supona iba a ser una mquina capaz
de responder todas las preguntas.
Por su parte, Martin Gardner [Gardner 1982] atribuye a Gottfried Leibniz (16461716) el sueo de un lgebra universal por el cual todos los conocimientos, incluyendo
las verdades morales y metafsicas, pueden algn da ser interpuestos dentro de un
sistema deductivo nico. Sin embargo, no existi un progreso sustancial hasta que
George Boole [Boole 1854] comenz a desarrollar los fundamentos de la lgica
proposicional. El objeto de Boole fue, entre otros: recoger... algunos indicios probables
sobre la naturaleza y la constitucin de la mente humana. Poco despus, Gottlob Frege
propuso un sistema de notacin para el razonamiento mecnico y al hacerlo invent
gran parte de lo que hoy conocemos como clculo proposicional (lgica matemtica
moderna) [Frege 1879].
Lgicos del siglo XX, entre ellos Kart Codel, Stephen Kleene, Emil Post,
Alonzo Church y Alan Turing, formalizaron y aclararon mucho de lo que poda y no
poda hacerse con los sistemas de lgica y de clculo. En fechas ms recientes, cientfi
cos de la computacin como Stephen Cook y Richard Karp, descubrieron clases de
clculos que aunque parecan posibles en principio, podran requerir cantidades
totalmente impracticables de tiempo y memoria (almacenamiento).
Algunos filsofos [Lucas 1961, Penrose 1989, Penrose 1994] interpretaron como
una confirmacin que la inteligencia humana nunca ser mecanizada. Warren
McCulloch y Walter Pitts escribieron teoras acerca de las relaciones entre los elementos
de clculo simple y las neuronas biolgicas [McCuylloch y Pitts 1943]. Otro trabajo
realizado por Frank Rosenblatt [1962] explor el uso de redes llamadas perceptrones.
Hacia finales de los setenta y principios de los ochenta, algunos programas que
se desarrollaron contenan mayor capacidad y conocimientos necesarios para imitar el
desempeo humano de expertos en varias tareas. El primer programa que se le atribuye
la demostracin de la importancia de grandes cantidades de conocimiento y dominio
especfico es DENDRAL, un sistema de prediccin de la estructura de las molculas
orgnicas que considera su frmula qumica y el anlisis de espectrograma de masa
[Feigenbaum, Buchanan and Lederberg 1971]. Le siguieron otros sistemas expertos
como por ejemplo [Shortliffe 1976, Millar Pople y Myers 1982] sistemas
computacionales confi gurables [McDermott 1982] y otros ms.
Softbots [Etzioni y Weld 1994] son agentes de software que deambulan por la
Internet, encontrando informacin que piensan ser til a sus usuarios al acceder a
Internet. La presin constante para mejorar las capacidades de los robots y los agentes
de software motivarn y guiarn mayores investigaciones de IA en los aos venideros
IV.
1.
2.
3.
4.
V.
Lgica difusa
Redes neurales artificiales
Algoritmos genticos
Cuando los matemticos carecen de algoritmos que dictan cmo un sistema debe
responder a ciertas entradas, la lgica difusa puede controlar o describir el sistema
usando reglas de sentido comn que se refieren a cantidades indefinidas. Los sistemas
difusos frecuentemente tienen reglas tomadas de expertos, pero cuando no hay experto
los sistemas difusos adaptivos aprenden las reglas observando cmo la gente manipula
sistemas reales.
Las RNA son robustas, pueden fallar algunos elementos de procesamiento pero
la red contina trabajando; esto es contrario a lo que sucede en programacin
tradicional.
Las RNA se deben entrenar para cada problema. Adems, es necesario realizar
mltiples pruebas para determinar la arquitectura adecuada. El entrenamiento es largo y
puede consumir varias horas de la computadora (CPU).
neural utilizada es una red multicapa de diez neuronas en la capa de entrada, diez
neuronas en la capa oculta y cinco neuronas en la capa de salida.
ALGORITMOS GENTICOS
Un algoritmo gentico (AG) es una tcnica de bsqueda iterativa inspirada en
los principios de seleccin natural. Los AG no buscan modelar la evolucin biolgica
sino derivar estrategias de optimizacin.
IA, de manera que ahora se abordarn otros aspectos importantes para entender mejor
esta parte de la ciencia.
Los componentes de un algoritmo gentico son:
Una funcin que se desea optimizar.
Un grupo de candidatos para la solucin.
Una funcin de evaluacin que mida cmo los candidatos optimizan la
funcin.
Funcin de reproduccin.
VI.
de ellas para que nuestros compaeros tengan un panorama ms amplio de todas las
tcnicas mencionadas y aprecie la potencia que desempean como herramienta en
nuestra realidad. Estos ejemplos se tomaron de diferentes fuentes y la descripcin de
cada proyecto se explica de manera ms extensa y detallada.
resonance imaging).
Luego se procedi a generar las bases de datos necesarias para cada red neural,
se configur una matriz P, de 180 vectores en relacin 1:4, es decir, por cada vector (ai)
que representa un marcador anatmico,se introducen cuatro vectores (Ii) relativos a no
marcadores; esto es, la estructura parcial de P es la siguiente: P 5 [a1 I1 I2 I3 I4 a2 I5 I6
I7 I8 a3 I9 I10 I11 I12. . .]. Con el objeto de indicarle a la red cules vectores de P
constituyen no marcadores y cules representan pex, se construy una matriz de 180
etiquetas t, respetando la misma relacin establecida para P, asignndole el valor de 1 a los vectores pex y 1 a los vectores no pex; por tanto la estructura parcial de t
es: t 5 [-1 1 1 1 1 -1 1 1 1 1 -1 1 1 1 1. . .]
RESULTADO
CONCLUSIONES
Las redes neuronales generadas identificaron los marcadores anatmicos
primordiales para la deteccin automtica de los contornos ventriculares del corazn: la
regin del pex y las regiones anterior y posterior a la vlvula artica. Se verifica que
tales patrones pueden ser identificados sin la necesidad de utilizar tcnicas de
preprocesamiento de los patrones de entrenamiento de cada red neuronal.
Etapa de entrenamiento
En estos dos pasos queda el sistema preparado para segmentar nuevas imgenes.
Etapa de consulta
RESULTADOS Y CONCLUSIONES
acuerdo con su rendimiento. Ahora bien, en este caso no se aplic lgica difusa porque
como se dijo, no se conoce una relacin especfica o modelo entre los parmetros
analizados, y stos a su vez se utilizan ms dentro del control de procesos.
Con el objeto de reducir los costos del proceso antes mencionado, se debe
considerar (ver diagrama 1.2):
Mediciones directas
Estimaciones paramtricas
Descripciones verbales del paciente.
Otro aporte para el proceso de decisin son las descripciones de la pupila. stas
se realizan principalmente al ver la pupila durante el examen de los ojos y la estimacin
de varios parmetros, como la razn copa-disco (RCD), la ubicacin de la excavacin o
una comparacin de la RCD de los ojos derecho e izquierdo. La diferencia entre ellos se
clasifica por los mdicos como normal o en aumento.
Y el ltimo aporte son las descripciones del paciente mismo que proporcionan
informacin acerca de cambios entre las visitas al doctor y ofrecen una lnea de tiempo
de dichos cambios.
como
normal/patolgico,
sino
tambin
respuestas
como
En este caso, cada gen de nuestro cdigo representa una espiral de nuestro
magneto, los cuales se combinarn y mutarn de la manera ms conveniente para
producir la mejor resolucin de imgenes en el MRI. Esto aplica no slo para MRI de
cuerpo completo: se dara la posibilidad de construir equipos ms pequeos utilizados
slo para el procesamiento de imgenes de ciertas partes del cuerpo, u obtener a su vez
PET scans (tomografas a base de emisiones de positrones).
La ventaja de este software entre otras es que fue diseado para correr en
paralelo en varias unidades que comparten la informacin de las mutaciones de los
genes de informacin, lo que acelera el proceso de evolucin del diseo. La grfica
1.3 muestra cmo estos algoritmos se hicieron cada vez ms ptimos y eficientes.
CONCLUSIONES
Una vez que la inteligencia artificial tenga una inteligencia igual o superior a la
del hombre, en ese momento surgir un cambio poltico y social en todo el mundo, en el
que la inteligencia artificial tiene todas las de ganar si se da cuenta que no necesita a los
humanos para dominar el universo.
En el futuro, la inteligencia artificial podra fcilmente hacerse con todas las
colonias humanas fuera de la tierra, y la raza humana nunca podr luchar en el espacio
vaco en igualdad de condiciones.
El futuro de una inteligencia superior puede ser la investigacin de tecnologas
como la tele portacin, los viajes estelares y cualquier otra tecnologa para aumentar
artificialmente la inteligencia.
Otros experimentos como la Habitacin china de Searle han mostrado como una
mquina puede simular pensamiento sin tener que tenerlo y puede pasar muchos test,
sin siquiera entender lo que hace.
El empleo de la IA est orientado a aquellas profesiones que, ya sea por lo
incomodo, peligroso o complicado de su trabajo necesitan apoyo de un experto en
la materia. Las ventajas que trae el disponer de un asistente artificial no son mas que las
de solucionar los errores y defectos propios del ser humano; es decir, el desarrollo de
sistemas expertos que hoy en da se estn utilizando con xito en los campos de
la medicina, geologa y aeronutica aunque todava estn poco avanzados en relacin
con el ideal del producto IA completo.
Como hemos observado con anterioridad, la IA gracias a su gran versatilidad le
permite a los Ingenieros Civiles resolver un sin nmero de problemas prcticos sin tener
que exponer vidas humanas, adems que le provee de datos ms exactos y eficientes.
BIBLIOGRAFIA:
1.- INTELIGENCIA ARTIFICIAL CON APLICACIONES A LA INGENIERIA.PEDRO PONCE CRUZ