Вы находитесь на странице: 1из 13

Captulo 2

Inteligencia Artificial

2.1 Definiciones de Inteligencia Artificial


La interesante tarea de lograr que las computadoras piensen mquinas con mentes, en su amplio sentido literal. (Haugeland, 1985) La automatizacin de actividades que vinculamos con procesos de pensamiento humano, actividades tales como toma de decisiones, resolucin de problemas, aprendizaje(Bellman, 1978) El arte de crear mquinas con capacidad de realizar funciones que realizadas por personas requieren inteligencia. (Kurzweil, 1990) El estudio de cmo lograr que las computadoras realicen tareas que, por el momento, los humanos hacen mejor. (Rich y Knight, 1991) El estudio de las facultades mentales mediante el uso de modelos computacionales. (Charniak y McDermott, 1985) El estudio de los clculos que permiten percibir, razonar y actuar. (Winston, 1992) Un campo de estudio que se enfoca en la explicacin y emulacin de la conducta inteligente en funcin de procesos computacionales. (Schalkoff, 1990) La rama de la computacin que se ocupa de la automatizacin de la conducta inteligente. (Luger y Stubblefied, 1993)

2.2 Historia de la Inteligencia Artificial


La historia de la Inteligencia Artificial tiene sus orgenes en 1950 con el trabajo de Alan Turing, el matemtico britnico que dise el primer computador electrnico digital y funcional del mundo en los aos 1940. Cuando era estudiante de posgrado en Princeton en 1936, Turing public On Computable Numbers, un artculo que estableci las bases tericas para todas las ciencias de computacin. Ah describi lo que denomin Mquina de Turing, un dispositivo terico que poda leer instrucciones de una cinta de papel perforada y ejecutar todas las operaciones crticas de un computador. La mquina de Turing es un modelo computacional en el trabajo On computable numbers, with an application to the Entscheidungsproblem, publicado por la Sociedad Matemtica de Londres, en el cual se estudiaba la cuestin planteada por David Hilbert sobre si las matemticas son decidibles, es decir, si hay un mtodo definido que pueda aplicarse a cualquier sentencia matemtica y que nos diga si esa sentencia es cierta o no. Turing construy un modelo formal de computador, la mquina de Turing, y demostr que existan problemas que ______________________________________________________________________8

Captulo 2

Inteligencia Artificial

una mquina no poda resolver. La mquina de Turing es un modelo matemtico abstracto que formaliza el concepto de algoritmo. La I.A. tuvo su boom a partir de la conferencia efectuada en el Darmouth College en 1956 (aqu nace la I.A.) Estando presentes cientficos como: 1.-John Mccarty: quien le dio el nombre a esta nueva rea del conocimiento. 2.-Marvin Minisky: fundador del laboratorio de I.A. del MIT (Instituto Tecnolgico de Massachusetts). 3.-Claude Shannon: de los laboratorios Bell de E.U.A. 4.-Nathaniel Rodhester: de I.B.M. 5.-Allen Newell: primer presidente de la A.A.A.I. (Asociacion Americana de Inteligencia Artificial) 6.-Herbert Simmon: Premio Novel de Carnige Mellon University.

La historia de la Inteligencia Artificial ha pasado por diversas situaciones: 50s.-Se logra realizar un sistema que tuvo cierto xito, se llam el Perceptrn de Rossenblatt. ste era un sistema visual de reconocimiento de patrones en el cual se aunaron esfuerzos para que se pudieran resolver una gama amplia de problemas, pero estas energas se diluyeron enseguida. 60s.-Alan Newell y Herbert Simon, trabajando la demostracin de teoremas y el ajedrez por computadora logran crear un programa llamado GPS (General Problem Solver: solucionador general de problemas). ste era una sistema en el que el usuario defina un entorno en funcin de una serie de objetos y los operadores que se podan aplicar sobre ellos. Este programa era capaz de trabajar con las torres de Hanoi, as como con criptoaritmtica y otros problemas similares, operando, claro est, con microcosmos formalizados que representaban los parmetros dentro de los cuales se podan resolver problemas. Lo que no poda hacer el GPS era resolver problemas ni del mundo real, ni mdicos ni tomar decisiones importantes. El GPS manejaba reglas heursticas (aprender a partir de sus propios descubrimientos) que la conducan hasta el destino deseado mediante el mtodo del ensayo y el error. 70s.- Un equipo de investigadores dirigido por Edward Feigenbaum comenz a elaborar un proyecto para resolver problemas de la vida cotidiana o que se centrara, al menos, en problemas ms concretos. As es como naci el Sistema Experto.

______________________________________________________________________9

Captulo 2

Inteligencia Artificial

El primer sistema experto fue el denominado Dendral, un intrprete de espectrograma de masa construido en 1967, pero el ms influyente resultara ser el Mycin de 1974. El Mycin era capaz de diagnosticar trastornos en la sangre y recetar la correspondiente medicacin, todo un logro en aquella poca que incluso fueron utilizados en hospitales (como el Puff, variante de Mycin de uso comn en el Pacific Medical Center de San Francisco, EEUU). 80s.- Se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial, tales como el LISP o el PROLOG. Es en esta poca cuando se desarrollan Sistemas Expertos ms refinados, como por el ejemplo el EURISKO. Este programa perfecciona su propio cuerpo de reglas heursticas automticamente, por induccin. En trminos generales las eras por las que ha pasado la IA. son las siguientes: 1.-El inicio (1956-1965) ponindose principal nfasis en la implementacin de juegos en la computadora (ajedrez, damas etc.), as como en la demostracin de teoremas. 2.-La etapa obscura (1965-1970) aqu se apoya el entusiasmo por la IA. 3.-Etapa del renacimiento de la IA. (1970-1975), iniciado en la universidad de Stanford con el sistema experto medico MYCIN (experto en enfermedades infecciosas de la sangre como la meningitis). 4.-Etapa de las sociedades. (1975-1980) aqu se identifica la necesidad de trabajar en sociedad con profesionistas en otras reas del conocimiento (Dendral = MYCIN) 5.-Etapa de la comercializacin de la IA.

Fig. 2.1 Diagrama Artstico de la Mquina de Turing

2.3 Inteligencia Artificial como Disciplina


Turing inaugur el campo de la Inteligencia Artificial con su artculo publicado en 1950, Computing Machinery and Intelligence, en el que propuso una prueba concreta para determinar si una mquina era inteligente o no. Aos despus Turing se convirti en el adalid que quienes defendan la posibilidad de emular le pensamiento humano a travs de la computacin y fue coautor del primer programa para jugar ajedrez.

______________________________________________________________________10

Captulo 2

Inteligencia Artificial

En su histrico artculo de 1950, Turing propuso que la pregunta puede pensar una mquina? era demasiado filosfica para tener valor y para hacerlo ms concreto, propuso un juego de imitacin. En la prueba de Turing intervienen dos personas y una computadora. Una persona, el interrogador, se sienta en una sala y teclea preguntas en la terminal de una computadora. Cuando aparecen las respuestas en la terminal, el interrogador intenta determinar si fueron hechas por otra persona o por una computadora. Si acta de manera inteligente, segn Turing es inteligente. Turing, seal que una mquina podra fracasar y an ser inteligente. Aun as crea que las mquinas podran superar la prueba a fin del siglo. Disciplinas sobre las que se apoya la IA La ciencia no se define, sino que se reconoce. Para la evolucin de la Inteligencia Artificial las dos fuerzas ms importantes en el entorno de 1930 y 1940 fueron la lgica matemtica, la cual se desarrolla rpidamente a finales de esta centuria, y nuevas ideas acerca de computacin. La lgica matemtica ha continuando siendo un rea muy activa en la inteligencia artificial. Incluso antes de la existencia de las computadoras como son los sistemas lgicos deductivos.

2.4 Caractersticas de la Inteligencia Artificial


1.- Una caracterstica fundamental que diferencia a los mtodos de Inteligencia Artificial de los mtodos numricos es el uso de smbolos no matemticos, aunque no es bastante para diferenciarlo totalmente. Otros ejemplos de programas como los compiladores y sistemas de bases de datos, tambin procesan smbolos y no se considera que utilicen tcnicas de Inteligencia Artificial. 2.- El comportamiento de los programas no es descrito explcitamente por el algoritmo. El programa especifica cmo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En diferencia con los programas que no son de Inteligencia Artificial, que siguen un algoritmo determinado, que detalla, explcitamente, cmo hallar 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 especfico. 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 mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de explicar discrepancias entre ellas. 4.- Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de ______________________________________________________________________11

Captulo 2

Inteligencia Artificial

problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a metas como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con una solucin cercana y no necesariamente exacta. La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en mquinas que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de palabras y aprendizaje de mquinas; sistemas computacionales expertos. Los Sistemas Expertos, que reproducen el comportamiento humano en un estrecho mbito del conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e indican un tratamiento, los que interpretan datos sismolgicos en exploracin geolgica y los que configuran complejos equipos de alta tecnologa. Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas peligrosas, mejoran el desempeo del personal inexperto, y mejoran el control de calidad sobre todo en el mbito comercial.

2.5 Aplicaciones de la Inteligencia Artificial


Los esfuerzos de la IA se clasifican segn varias categoras. Mientras la investigacin y el desarrollo como Robtica y Visin Artificial, se relacionan con el hardware y software, la investigacin y el desarrollo en otras reas slo se relacionan con el software. Sistemas de visin: Incluyen equipos y software que les permite a las computadoras capturar, almacenar y manipular imgenes visuales y fotografas. Los sistemas de visin se pueden usar junto con robots para darles "visin" a estas mquinas y que pueda tomar decisiones con base a lo que ve y reconocer la informacin visual de acuerdo con patrones generales.

Fig. 2.2 Visin Artificial

Procesamiento de Lenguaje Natural: Son programas diseados para tomar lenguajes humanos como entrada y traducirlo en un conjunto estndar de instrucciones que una computadora ejecuta. El propsito de estos complejos programas es permitir a los seres humanos usar su propio lenguaje natural cuando interactan con programas como sistemas de administracin de bases de datos (DBMS) o sistemas de apoyo para la toma de decisiones.

______________________________________________________________________12

Captulo 2

Inteligencia Artificial

Sistemas de aprendizaje: Una combinacin de software y equipos que le permite a la computadora cambiar su modo de funcionar o reaccionar a situaciones, basado en la retroalimentacin que recibe. Agentes Inteligentes: La creacin ms reciente en IA son los agentes inteligentes, programas de computadora que automticamente revisan enormes cantidades de datos y seleccionan y entregan la informacin ms adecuada para el usuario, de acuerdo con requisitos contextuales o especficos. La aplicacin ms importante de los Agentes Inteligentes se encuentra en la WEB. Tipos de agentes Agentes de reflejo simple: Este tipo de agente no contiene internamente estados y sus procesos o acciones que realiza son respuestas a la entrada de percepciones, a esta conexin entre percepciones y acciones se las denomina reglas de condicin-accin. Ejemplo: Si el carro de adelante est frenando entonces empiece a frenar. Agentes bien informados de todo lo que pasa: Este tipo de agente guarda estados internos lo que nos sirve sin consideracin para ejecutar una accin. Los sensores no pueden informar a la vez de todos los estados que maneja su ambiente, es por este caso que el agente necesita actualizar algo de informacin en el estado interno. Esto le permite discernir que entre estados del ambiente que generan la misma entrada de percepciones pero, sin embargo; para cada uno de los estados se necesitan acciones distintas. Agentes basados en metas: Adems de los estados, los agentes necesitan cierto tipo de informacin sobre sus metas Estas metas van a detallar las situaciones a las que se desea llegar de este modo, el programa de agente puede combinar las metas con la informacin de los resultados (acciones) que emprenda y de esta manera poder elegir aquellas acciones que permitan alcanzar la meta. Agentes basados en utilidad: Las metas por s solas garantizan la obtencin de una conducta de alta calidad. En un programa de agente se podra tener un conjunto de metas pero la obtencin de stas no garantizan distinciones entre estados felices e infelices, mediante una medida de desempeo se podra establecer una comparacin entre los diversos estados del mundo (ambientes) para poder encontrar el estado de felicidad para el agente. Este estado ofrecer una mayor utilidad al agente.

Fig. 2.3 Diagrama de un Agente Inteligente

______________________________________________________________________13

Captulo 2

Inteligencia Artificial

Sistemas Expertos: Consisten de equipos y software que almacenan conocimientos y hacen inferencias, en forma similar a un experto humano. Los esfuerzos se orientaron al diseo de programas que resolvieran problemas en reas precisas utilizando conocimiento y razonamiento de expertos. El propsito de los SE es duplicar el conocimiento no estructurado ni documentado de unos pocos (los expertos) y los pone a disposicin de otros. Debido a la forma en que estn planteados los SE (basados en la experiencia) no puede ayudar a los usuarios que tratan con sucesos que los expertos no consideraron durante el periodo de creacin. Sin embargo muchos programas avanzados que incluyen "redes neuronales" aprenden de situaciones nuevas y formulan reglas adhoc en sus bases de conocimiento para resolver eventualidades no consideradas originalmente en su diseo. Vehculos Autnomos. Son una amalgama de ramas de la IA como: Robtica, aprendizaje de mquina, Sistemas Expertos, Visin, etc., para lograr que una mquina inteligente pueda maniobrar en un espacio fsico singular pero variable, de manera autnoma hasta lograr el objetivo que se le asigne: tomar una muestra de la superficie del planeta Marte, conducir un vehculo hasta cierto destino por una carretera transitada, etc. Realidad Virtual. Sistema o Interfaz Informtico que recrea mundos artificiales en tiempo real que pueden ser captados por diversos canales sensoriales en el espectador, el cul puede navegar "inmerso" a travs de dicho mundo virtual.

Fig. 2.4 Realidad Virtual Las Aplicaciones de la IA podran resumirse de la siguiente manera:

Ingeniera del Conocimiento para problemas de configuracin espacial Tcnicas hbridas para resolucin de problemas de diseo Validacin inteligente de datos

Bsqueda y resolucin de problemas


Estrategias de bsqueda en grafos. Decisin multicriterio.

______________________________________________________________________14

Captulo 2

Inteligencia Artificial

Inteligencia Artificial Distribuida


Sistemas multiagente Negociacin automatizada. Formacin de coaliciones Agentes para diseo ingenieril

Minera de Datos

Nuevos modelos para series temporales Modelos de aprendizaje de patrones que cambian con el tiempo

Razonamiento difuso

Lenguajes de programacin difusos Computabilidad difusa

Representacin del conocimiento


Representacin del conocimiento de diseo Representacin del conocimiento de diagnstico/validacin Representacin del conocimiento jurdico

2.6 Ramas de la Inteligencia Artificial 2.6.1 Lgica Difusa.


La Lgica Difusa se basa en reglas que no tienen lmites discretos, sino que se prolongan en un continuum, permitiendo a un sistema manejar mejor la ambigedad. Esto es muy til para reflejar cmo tienden a pensar las personas, en trminos relativos, no absolutos. Cuando la lgica difusa se incorpora a un SE, el resultado es un sistema que limita mejor la manera natural en que un experto humano resolvera un problema. Este tipo de lgica toma dos valores aleatorios, pero contextualizados y referidos entre s: verdadero o falso. Basado en los principios del razonamiento aproximado y el "clculo con palabras", se logra simplificar y aproximar la descripcin del problema de una manera natural, eficiente y robusta. La Lgica Difusa va ms all de la lgica booleana en cuanto a que acepta valores parciales de verdad, es decir, de 0 a 100%; aceptando con ello expresiones tales como: "Juan es alto" con un 75% de certeza, o mejor an, simplificndolo a "Juan no es muy alto"; "El tanque est lleno" con 50% de certeza, o bien, "El tanque est medio lleno o medio vaco". La Lgica Difusa se adapta mejor al mundo real en el que vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy alto", "el ritmo del corazn est un poco acelerado", etc.

______________________________________________________________________15

Captulo 2

Inteligencia Artificial

La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco"). Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica (ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa) Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de Redes Neuronales para fortalecer las futuras tomas de decisiones. Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao. Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente manera:

Fig. 2.5 Funcionamiento de un sistema de control difuso

2.6.2 Redes Neuronales Artificiales.


Denominadas habitualmente como RNA o en ingls como: ANN (Artificial Neural Networks) son un paradigma de aprendizaje y procesamiento automtico inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexin de neuronas en una red que colabora para producir un estmulo de salida. Una de las misiones en una red neuronal consiste en simular las propiedades observadas en los sistemas neuronales biolgicos a travs de modelos matemticos recreados mediante mecanismos artificiales (como un circuito integrado, una computadora o un conjunto de vlvulas). El objetivo es conseguir que las mquinas den respuestas similares a las que es capaz de dar el cerebro que se caracterizan por su generalizacin y su robustez.

______________________________________________________________________16

Captulo 2

Inteligencia Artificial

Fig. 2.6 Red Neuronal Biolgica Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una serie de entradas a travs de interconexiones y emite una salida. Esta salida viene dada por tres funciones: 1. Una funcin de propagacin (tambin conocida como funcin de excitacin), que por lo general consiste en el sumatorio de cada entrada multiplicada por el peso de su interconexin (valor neto). Si el peso es positivo, la conexin se denomina excitatoria; si es negativo, se denomina inhibitoria. 2. Una funcin de activacin, que modifica a la anterior. Puede no existir, siendo en este caso la salida la misma funcin de propagacin. 3. Una funcin de transferencia, que se aplica al valor devuelto por la funcin de activacin. Se utiliza para acotar la salida de la neurona y generalmente viene dada por la interpretacin que queramos darle a dichas salidas. Algunas de las ms utilizadas son la sigmoide (para obtener valores en el intervalo [0,1]) y la hiperblica-tangente (para obtener valores en el intervalo [-1,1]).

Fig. 2.7 Perceptrn con 2 Entradas

A diferencia de los Sistemas Expertos, un sistema de red neuronal aprende por ensayo y error.

______________________________________________________________________17

Captulo 2

Inteligencia Artificial

Caractersticas: Capacidad de recuperar informacin incluso si falla alguno de los nodos neuronales. Modificacin rpida de los datos almacenados como consecuencia de nueva informacin.

Capacidad de descubrir relaciones y tendencias en grandes bases de datos. Capacidad de resolver problemas complejos para los cuales no se cuenta con la informacin.

Fig. 2.8 Red Neuronal Artificial

2.6.3 Algoritmos Genticos.


Los Algoritmos Genticos son funciones matemticas que usan los principios de Darwin para mejorar una aplicacin. Las funciones se disean para simular en software, en cuestin de minutos o segundos, lo que sucede en ambientes naturales durante millones de aos. Un algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solucin a un problema especfico. Los Algoritmos Genticos se inspiran en la evolucin biolgica y su base gentico-molecular. Estos algoritmos hacen evolucionar una poblacin de individuos sometindola a acciones aleatorias semejantes a las que actan en la evolucin biolgica (mutaciones y recombinaciones genticas), as como tambin a una seleccin de acuerdo con algn criterio, en funcin del cual se decide cules son los individuos ms adaptados, que sobreviven, y cules los menos aptos, que son descartados. Los Algoritmos Genticos establecen una analoga entre el conjunto de soluciones de un problema, llamado fenotipo, y el conjunto de individuos de una poblacin natural, codificando la informacin de cada solucin en una cadena, generalmente binaria, llamada cromosoma. Los smbolos que forman la cadena son llamados los genes. Cuando la representacin de los cromosomas se hace con cadenas de dgitos binarios se le conoce como genotipo. Los cromosomas ______________________________________________________________________18

Captulo 2

Inteligencia Artificial

evolucionan a travs de iteraciones, llamadas generaciones. En cada generacin, los cromosomas son evaluados usando alguna medida de aptitud. Las siguientes generaciones (nuevos cromosomas), llamada descendencia, se forman utilizando dos operadores, de cruzamiento y de mutacin. Esquema general de funcionamiento del Algoritmo Gentico 1. Inicializar aleatoriamente una poblacin de soluciones a un problema, representadas por una estructura de datos adecuada. 2. Evaluar cada una de las soluciones, y asignarle una puntuacin segn lo bien que lo hayan hecho. 3. Escoger de la poblacin la parte que tenga una puntuacin mayor 4. Mutar (cambiar) y entrecruzar (combinar) las diferentes soluciones de esa parte escogida, para reconstruir la poblacin. 5. Repetir un nmero determinado de veces o hasta que se haya encontrado la solucin deseada.

Fig. 2.9 Estructura de un fragmento de ADN

2.6.4 Robtica
La Robtica es una rama del rbol tecnologa, que estudia el diseo y construccin de mquinas capaces de desempear tareas repetitivas o peligrosas para el ser humano. Las ciencias y tecnologas de las que deriva podran ser: el lgebra, los autmatas programables, las mquinas de estados, la mecnica, la electrnica y la informtica. La Robtica Incluye el desarrollo de dispositivos mecnicos o de computacin que tengan la capacidad de realizar funciones, tales como pintar automviles, de hacer soldaduras de precisin y realizar otras tareas que requieran de un alto grado de precisin o que sean tediosas o impliquen peligro para los seres humanos. En la robtica contempornea se combinan las capacidades de alta precisin de la mquina con un software controlador sofisticado.

Fig. 2.10 Brazo Robot Soldador ______________________________________________________________________19

Captulo 2

Inteligencia Artificial

2.7 Futuro de la Inteligencia Artificial


En el futuro, la Inteligencia Artificial auto replicante 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 teleportacin, los viajes estelares y cualquier otra tecnologa para aumentar "artificialmente" la inteligencia... ISC Jhony C. Lpez Hemos llegado a un punto de avance tcnico en el que no podemos plantear la posibilidad de crear inteligencia, cualidad humana, en mquinas fsicamente superiores a nosotros. Esto las dotara de un poder casi sin limitaciones. En el momento en el que una computadora pueda prescindir de la intervencin del hombre para funcionar y adquiera la capacidad de pensar, estar viva, todo ser vivo desarrolla sentidos acordes con su condicin, siendo uno de estos el de supervivencia. Rafael Lpez Diez Revista Jumping

______________________________________________________________________20