Tendencias actuales de la simulacin.

1Generadores de simuladores, entornos de simulacin y animacin grafica,

Los lenguajes de simulacin presentan una serie de limitaciones en lo que se
refiere a la comunicacin con el usuario, por lo que se propone una metoologia
donde se ncorore de manera directa los conceptos fundamentales de la teora
de sistemas donde se incluye:

1.1La modelizacin
El Modelizador debera tener la posibilidad de elegir diversos formalismos de
modelizacin segn las caractersticas del sistema que pueden ser entre otros
continuos y discretos, pudindose concebir tambin modelos de sistemas cuya
estructura vare con el tiempo, es decir habra la posibilidad de especificar
cambios controlados por el modelo en su estructura estatica y dinmica. Por lo
cual la modelizacio debe constar de :

Seleccin del formalismo de modelizacin .

Maipulacion del modelo . descomposicin del modelo en submodelos.
Construccin modular del modelo. Construir macro modelos acoplando e
integrando modelos de subsistemas.

1.2Marcos experimentales.
Posibilidad de manipulacin interactiva.
1.3 programas de simulacin
Especificacin algortmica de los programas de simulacin que permita un
tratamiento automatico de los pares modelo-marco experimental, o que
supone una especificacin del lenguaje de simulacin que haga posible:

Una expresin modular de los modelos y sus acoplamientos e

interacciones de acuerdo con los diferentes formalismos de
modelizacin.
Una especificacin modular de los macros experimentales.
La consecuencia de todos los requisitos y especificaciones mencionados
en una metodologa de simulacin , y un lenguaje que la materialice, lo
cual hariaposible un proceso de modelizacin asistida por computador.
2. simulacin visual interactiva.

La simulaion visual interactiva puede definirse como aquella que

posibilita la creacin grafica de modelos de simulacin, permite mostrar
por pantalla dinmicamente el sistema simulado,asi como la interaccion
entre el usuario y el programa de ejecucin. La interaccion impica que la
simulacin se detiene y solicita informacin al usuario, o bie que puede
parar la simulacin a su voluntad e interaccionar con el mencionado
programa.
Actualmente hay varios paquetes comerciales que incorporan
plenamente estos conceptos como por ejemplo: simfactory, witness,
FACTOR/AIM. Todos estos productos estn orientados primordialmente a
la utilizacin de la simulacin para la resolucin de problemas en el
mbito de la produccin.

Maria.
3. simulacion e inteligencia artificial.
La inteligencia artificial es una ciencia que trata de la comprensin de la
inteligencia y del diseo de maquinas inteligentes , es decir, el estudio y
la simulacin de las actividades intelectuales del hombre (manipulacin,
razonamiento, percepcin, aprendizaje, creacin) la IA es un campo de
estudio que busca explicar y emular el comportamiento inteligente en
trminos de procesos computacionales .
Algunas expertos en computacin han sostenido, desde hace
algn tiempo, que las computadoras sern poseedoras de capacidades y
habilidades similares a las de los seres humanos , y que , en el futuro
prximo , las veremos igualarnos y superarnos en muchas de las
actividades intelectuales tradicionalmente reservadas a los seres
humanos. Es conocido que las computadoras pueden realizar caculos
aritmticos a increble velocidad, actualmente no es extrao ver
programas que realizan clculos integrales y mucho mas , como la
resolucin de problemas, as como algunos programas sirven para
auxialiar a los mdicos para analizar ciertos tipos de enfermedad , otros
para entender el funcionamiento de circuitos electrnicos.
La inteligencia artificial es la rama de conocimientos que permite
a las maquinas hacer cosas que se requeran inteligencia por parte de
los seres humanos. La IA ha explorado las distintas formas en que las
computadoras podan realizar las tareas que antes estaban reservadas a
lo seres humanos, como resolver problemas, planear a futuro, demostrar
teoremas , jugar ajedrez, conversar y entender un lenguaje , componer
msica etc. El hecho de que aun no haya conseguido reproducir un ser
humano completo ( o que eventualmente lo consiga) es de menor
importancia que la evidencia de que ha mejorado nuestras habilidades

para pensar y clarificar fenmenos de inters para la psicologa y otras

ramas de la ciencia. Ha colaborado en la reformulacin de viejos
problemas psicolgicos y en la reconsideracin y reevaluacion de las
teoras existentes.
Hasta el momento ningn sistema de ordenadores ha estado Proximo a
pasar la prueba de TURING en trminos generales , ya que la prueba de
Turing es un procedimiento bien conocido para evaluar el xito de un
programa de inteligencia artficial.m

1.1 La base de la inteligencia artificial

La inteligencia artificial se basa en dos reas de estudio: el cuerpo humano y el
ordenador electrnico. Puesto que la meta es copiar la inteligencia humana, es
necesario entenderla. Sin embargo, a pesar de todos los progresos en Neurologa y
Psicologa, la inteligencia del hombre se conoce poco, exceptuando sus
manifestaciones externas. Muchos estudiosos de la inteligencia artificial se han vuelto
para obtener su modelo de inteligencia hacia el estudio de la Psicologa cognoscitiva,
que aborda la forma de percibir y pensar de los seres humanos.. Despus comprueban
sus teoras programando los ordenadores para simular los procesos cognoscitivos en
el modelo. Otros investigadores intentan obtener teoras generales de la inteligencia
que sean aplicables a cualquier sistema de inteligencia y no solo al del ser humano.

1.3 Los fines de la IA

Las primeras investigaciones acerca de la inteligencia artificial estaban principalmente
dirigidas al hallazgo de una tcnica universal para la solucin de problemas. Este intento a
gran escala ha sido abandonado y las investigaciones actuales estn dirigidas al diseo de
numerosos programas para ordenadores capaces de imitar los procesos de toma de
decisiones de expertos, como mdicos, qumicos, basados en los conocimientos de
especialistas en cada materia, son ahora utilizados para diagnosticar enfermedades,
identificar molculas qumicas, localizar yacimientos de minerales e incluso disear sistemas
de fabricacin. Investigaciones acerca de la percepcin han sido aplicadas a los robots y se
han diseado algunos capaces de "ver". La meta final consiste en crear un sistema capaz de
reproducir todas las facetas de la inteligencia humana.

2. HISTORIA Y EVOLUCIN DE LA INTELIGENCIA ARTIFICIAL

La Inteligencia Artificial "naci" en 1943 cuando Warren McCulloch y Walter Pitts propusieron
un modelo de neurona del cerebro humano y animal. Estas neuronas nerviosas abstractas
proporcionaron una representacin simblica de la actividad cerebral.
Ms adelante, Norbert Wiener elabor estas ideas junto con otras, dentro del mismo campo,
que se llam "ciberntica"; de aqu nacera, sobre los aos 50, la Inteligencia Artificial.

Los primeros investigadores de esta innovadora ciencia, tomaron como base la neurona
formalizada de McCulloch y postulaban que:
"El cerebro es un solucionador inteligente de problemas, de modo que imitemos al cerebro".
Pero si consideramos la enorme complejidad del mismo esto es ya prcticamente imposible, ni
que mencionar que el hardware de la poca ni el software estaban a la altura para realizar
semejantes proyectos.
Se comenz a considerar el pensamiento humano como una coordinacin de tareas simples
relacionadas entre s mediante smbolos. Se llegara a la realizacin de lo que ellos
consideraban como los fundamentos de la solucin inteligente de problemas, pero lo difcil
estaba todava sin empezar, unir entre s estas actividades simples.
Es en los aos 50 cuando 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 asociaron esfuerzos para que se pudieran resolver una gama amplia de problemas,
pero estas energas se diluyeron enseguida.
Fue en los aos 60 cuando Alan Newell y Herbert Simon, que trabajando la demostracin de
teoremas y el ajedrez por ordenador logran crear un programa llamado GPS (General
Problem Solver: solucionador general de problemas). ste era un 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.
En los aos 70, 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.
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).
Ya en los aos 80, 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.

Jose.
. CARACTERSTICAS DE LA INTELIGENCIA ARTIFICIAL
1.

Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de

los mtodos numricos es el uso de smbolos no matemticos, aunque no es suficiente
para distinguirlo completamente. Otros tipos de programas como los compiladores y

sistemas de bases de datos, tambin procesan smbolos y no se considera que usen

tcnicas de Inteligencia Artificial.
2.

El comportamiento de los programas no es descrito explcitamente por el algoritmo. La

secuencia de pasos seguidos por el programa es influenciado por el problema particular
presente. El programa especifica cmo 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,
explcitamente, cmo encontrar las variables de salida para cualquier variable dada de
entrada (programa de procedimiento).

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 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.

Diferentes metodologas:

1. La lgica difusa: permite tomar decisiones bajo condiciones de incerteza.Tambin

llamada lgica borrosa o lgica heurstica, en ingls Fuzzi Logic se basa en lo relativo de lo
observado como posicin diferencial. Este tipo de lgica toma dos valores aleatorios, pero
contextualizados y referidos entre s.
2. Redes neuronales: poderosa ante tareas como la clasificacin y el reconocimiento
de patrones. Es basada en el concepto de "aprender" por agregacin de un gran nmero 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 interaccinentre
las neuronas se lleva a cabo a travs de sinapsis. Segn el signo, la sinapsis es excitadora o
inhibidora. Un Perceptrn es una Red Neuronal lo ms simple posible, es aquella donde no
existen capas ocultas. Para cada configuracin de los estados de las neuronas de entrada
(estmulo) la respuesta del perceptrn obedece a la siguiente dinmica: se suman los
potenciales sinpticos y se comparan con un umbral de activacin. Esta suma es tambin
llamada campo. Si el campo es mayor que un umbral, la respuesta de la neurona es activa, si
no, es inactiva. Si se quieren realizar funciones complejas con Redes Neuronales, es
necesario intercalar neuronas entre las capas de entradas y de salida, llamadas neuronas
ocultas. Una de las arquitecturas ms usada es llamada feedforward: con conexiones de la
entrada a las capas ocultas y de stas hacia la salida.

Ruben.

Clasificacin de la Inteligencia Artificial

a. Inteligencia artificial convencional

Basada en anlisis formal y estadstico del comportamiento humano ante diferentes
problemas. Tienen las siguientes caractersticas:
Razonamiento basado en casos: ayuda a tomar decisiones mientras se resuelven
ciertos problemas concretos.
Sistemas expertos: infieren una solucin a travs del conocimiento previo del
contexto en que se aplica y de ciertas reglas o relaciones.
Redes bayesianas: propone soluciones mediante inferencia estadstica.
Inteligencia artificial basada en comportamientos: sistemas complejos que tienen
autonoma y pueden auto-regularse y controlarse para mejorar.
b. Inteligencia artificial computacional
La inteligencia computacional (tambin conocida como inteligencia artificial sub simblica)
implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parmetros en
sistemas conexionistas). El aprendizaje se realiza basndose en datos empricos. Algunos
mtodos de esta rama incluyen:
Mquina de vectores soporte: sistemas que permiten reconocimiento de patrones
genricos de gran potencia.
Redes neuronales: sistemas con grandes capacidades de reconocimiento de
patrones.
Modelos ocultos de Markov: aprendizaje basado en dependencia temporal
de eventos probabilsticos.
Sistemas difusos: tcnicas para lograr el razonamiento bajo incertidumbre. Ha sido
ampliamente usada en la industria moderna y en productos de consumo masivo, como las
lavadoras
Computacin evolutiva: aplica conceptos inspirados en la biologa, tales
como poblacin, mutacin y supervivencia del ms apto para generar soluciones
sucesivamente mejores para un problema. Estos mtodos a su vez se dividen en algoritmos
evolutivos (ej. algoritmos genticos) e inteligencia colectiva (ej. algoritmos hormiga)

Inteligencia Artificial y la Industria

La Inteligencia Artificial es una rama de la ciencia de computacin que comprende el estudio y
creacin de sistemas computarizados que manifiestan cierta forma de inteligencia: sistemas
que aprenden nuevos conceptos y tareas, sistemas que pueden razonar y derivar
conclusiones tiles acerca del mundo que nos rodea, sistemas que pueden comprender un
lenguaje natural o percibir y comprender una escena visual, y sistemas que realizan otro tipo
de actividades que requieren de inteligencia humana.
Al disear un sistema de produccin integrado por computadora se debe dar importancia a
la supervisin, planificacin, secuenciacin cooperacin y ejecucin de las tareas de
operacin en centros de trabajo, agregado al control de los niveles de inventario y
caractersticas de calidad y confiabilidad del sistema.
Una de las reas que puede tener mayor incidencia directa en los procesos productivos de la
industria nivel mundial, es el diseo de sistemas de soporte para la toma de decisiones
basados en la optimizacin de los parmetros de operacin del sistema.
Ejemplo: El sistema de visin artificial Robot Visin PRO, es capaz de ejecutar de manera
totalmente automtica las labores de identificacin de objetos y de control de calidad de los
mismos.
El sistema Robot Visin PRO es un paquete de software de visin que permite la adquisicin
de imgenes, pre procesamiento y segmentacin. Adems realiza procesamiento de datos de
alto nivel que brinda filtrado de imgenes, elaboracin de clster y patrones, e identificacin
de objetos

Importancia de la Inteligencia Artificial

Las computadoras son fundamentales hoy da en nuestras vidas afectando

todos los aspectos de esta. La Inteligencia Artificial se crea con la
implementacin en las computadoras para realizar mecanismo de computacin
que utiliza programas fijos y contiene una seria de reglas que lo hacen
funcionar. Esto permite a las computadoras a ser creadas en maquinas
artificiales que desempean tareas montonas, repetitivas y simples mas
eficiente y efectivas que un ser humano. Estudios sobre trabajos o tareas
repetitivas han demostrado que el ser humano no le agrada este tipo de
trabajo y al pasar el tiempo son ms susceptibles a cometer errores en el
mismo. Para situaciones complejas el objetivo se hace mas complejo debido a
que la inteligente artificial dada a las computadoras tienen dificultad en
entender ciertas situaciones o problemas especficos y como reaccionar a
estas. Tambien ocurre que dentro de un problema tienen la variabilidad del
mismo y no pueden adaptarece a un cambio que pueda ocurrir. Estos
problemas son de suma importancia para la Inteligencia Artificial que busca el

mejorar, aprender, entender y el razonamiento del comportamiento de las

computadoras en situaciones complejas. El campo de la ciencia de Inteligencia
Artificial esta todava en etapas de crecimiento comparadas con otras ramas
de computadoras pero poco a poco el estudio del comportamiento humano
dar paso para aplicar estos conocimientos a las computadoras y estas lograr
de manera primitiva razonas sobre diferentes situaciones. La complejidad en
aplicarle conocimientos del ser humano a las computadoras es la capacidad de
estos de ser impredecible y las maneras diferentes que se actua ante una
posible situacin y estas reacciones hacen que no se pueda implementar un
patrn dentro de la memoria de una computadora. Hasta ahora no existe la
posibilidad de predecir o almacenar todo tipo de comportamiento de un ser
humano a todas las situaciones que se enfrenta durante su existencia.