Tema:

Inteligencia Artificial

Materia:
Programación lógica y funcional

Maestro:
Alejandro Peña Casanova

Equipo:
10

Alumnos:
César Ulises Jarquin Hernández
José Carlos Fajardo Torruco
Roxana Cruz Méndez

Carrera:
Ingeniería en Sistemas Computacionales

Lugar: Villahermosa, Tabasco

Fecha: 15 de octubre de 2019

Inteligencia Artificial y Sistemas Expertos
La Inteligencia Artificial "nació" en 1943 cuando Warren McCulloch y Walter Pitts propusieron un
modelo de neurona del cerebro humano y animal. Estas neuronas nerviosas abstractas
proporcionaron una representación simbólica de la actividad cerebral.
La inteligencia artificial se basa en dos áreas de estudio: el cuerpo humano y el ordenador
electrónico. Puesto que la meta es copiar la inteligencia humana, es necesario entenderla. Sin
embargo, a pesar de todos los progresos en Neurología y Psicología, la inteligencia del hombre se
conoce poco, exceptuando sus manifestaciones externas. Muchos estudiosos de la inteligencia
artificial se han vuelto hacia el estudio de la Psicología cognoscitiva, que aborda la forma de
percibir y pensar de los seres humanos.
Existe un lenguaje que es utilizado por la Inteligencia Artificial, el cual debe permitir:

• Representar el conocimiento especializado.

• Representar el conocimiento heurístico.
• Realizar inferencias a partir del conocimiento representado, para obtener conclusiones.

Los lenguajes básicos son:

• Lisp (Funcional)
• Prolog, CHIP, OPS5 (Declarativos)
• SmallTalk, Hypercard, Clos (Orientados a objetos)

En verdad, la inteligencia artificial consiste en la asimilación de los procesos inductivos y deductivos del
cerebro humano. Este intento de imitación se enfrenta a duras restricciones del hardware. Una
computadora no es un cerebro; su complejidad electrónica se encuentra a una distancia abismal de la
superior complejidad neurológica cerebral. La inteligencia artificial acepta el reto de la imitación de los
procesos del cerebro aplicando mucho ingenio para aprovechar los medios de que se dispone y que se
elaboran.

Sea cual sea la aplicación de que se trate, la lA se sustenta sobre los dos elementos siguientes:

• Estrategias de comportamiento inteligente.

• Saber.

Estos elementos forman una construcción coherente: son forma y contenido, estructura y materia. El
primer elemento es el de las estrategias de comportamiento inteligente; se conjuga en la disposición de
reglas para formular buenas inferencias o conjeturas y, también, en su utilidad para la búsqueda de una
solución a la cuestión o tarea planteada. De esta forma, las estrategias son la parte estructural o formal.

Por oposición, el segundo elemento significa lo material o el contenido, y, por tanto, varía en cada caso
de un modo más profundo; se trata del saber. En realidad, no se puede pretender reunir el saber, sino
los saberes. Por ejemplo, cada sistema experto posee en memoria todos los conocimientos distintivos
que tendría un especialista en la materia, sea un médico, un abogado o un químico. El saber que se
recoge tiene un carácter especializado y alcanza un volumen conceptual considerable.
Características de la Inteligencia Artificial

• Uso de símbolos no matemáticos, aunque no es suficiente para distinguirlo completamente.

• El comportamiento de los programas no es descrito explícitamente por el algoritmo.
• El razonamiento basado en el conocimiento, implica que estos programas incorporan
factores y relaciones del mundo real y del ámbito del conocimiento en que ellos operan.
• Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia
Artificial los programas no pueden trabajar con este tipo de problemas.
• Una característica fundamental que distingue a los métodos de Inteligencia Artificial de los
métodos numéricos es el uso de símbolos no matemáticos, aunque no es suficiente para
distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de
bases de datos, también procesan símbolos y no se considera que usen técnicas de Inteligencia
Artificial.
• El comportamiento de los programas no es descrito explícitamente por el algoritmo. La
secuencia de pasos seguidos por el programa es influenciada por el problema particular
presente. El programa especifica cómo 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,
explícitamente, cómo encontrar 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
específico. Los lenguajes orientados al objeto comparten esta propiedad y se han
caracterizado por su afinidad con la Inteligencia Artificial.
• El razonamiento basado en el conocimiento, implica que estos programas incorporan
factores y relaciones del mundo real y del ámbito del conocimiento en que ellos operan. Al
contrario de los programas para propósito específico, como los de contabilidad y cálculos
científicos; los programas de Inteligencia Artificial pueden distinguir entre el programa de
razonamiento o motor de inferencia y base de conocimientos dándole la capacidad de
explicar discrepancias entre ellas.
• Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia
Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la
resolución de conflictos en tareas orientadas a metas como en planificación, o el
diagnóstico de tareas en un sistema del mundo real: con poca información, con una solución
cercana y no necesariamente exacta.

Objetivos

• Duplicar las facultades del comportamiento que atribuimos al ser humano, entendido como
ser con capacidad de pensar.
• Resolver problemas reales, actuando como un conjunto de ideas acerca de cómo representar
y utilizar el conocimiento y de cómo desarrollar sistemas informáticos.
• Buscar la explicación de diversas clases de inteligencia, a través de la representación del
conocimiento y de la aplicación que se da a éste en los sistemas informáticos desarrollados.
Alcances

La mayoría de las definiciones coinciden en que el objetivo de la IA es duplicar las facultades del
comportamiento que atribuimos al ser humano (aprender, tomar decisiones, percibir, razonar y
actuar en consecuencia, respuesta flexible a las situaciones, obtener el sentido a mensajes
contradictorios o ambiguos, reconocer la importancia relativa de los diferentes elementos de una
situación, encontrar semejanzas en las situaciones a pesar de las diferencias que pueda haber entre
ellas, extraer diferencias entre situaciones a pesar de las similitudes que pueda haber entre ellas,
manipular objetos, etc. ) entendido como ser con capacidad de pensar.

• Entender y modelar sistemas “inteligentes” (área de la ciencia)

• Construir Máquinas “inteligentes” (área de la ingeniería)

Ramas

Lógica difusa: Consiste en una nueva forma de entender la lógica, en la que los enunciados dejan
de ser cien por cien verdaderos o falsos, para tomar valores fraccionarios. En el campo concreto de
la IA esto supone evitar las paradojas lógicas que pueden bloquear el sistema, y hacer que el ajuste
entre las variables sea más fino.
Robótica: Su coeficiente intelectual sólo les permite realizar tareas simples, como salvar obstáculos
y recoger objetos del suelo.
Realidad Virtual: Han surgido sistemas de realidad virtual, que simulan comportamiento
inteligente, a un coste mucho menor que el de los robots.

Aplicaciones

• Robótica.
• Procesamiento de lenguaje natural.
• Reconocimiento de patrones.
• Sistemas expertos.
• Tutores inteligentes.
• Demostración de teoremas.
• Manipulación inteligente de base de datos.
• Programación automática.
• Visión computarizada.

Desarrollos actuales.

Procesamiento de Lenguaje Natural (PLN).

El Procesamiento de Lenguaje Natural, es una rama dependiente de la Inteligencia artificial. El
PLN, se encarga de desarrollar la comunicación entre hombres y máquinas de tal manera que esta
pueda realizarse de un modo natural, es decir, como si fuese una comunicación entre humano.

Este Procesamiento del Lenguaje Natural, depende de la lingüística computacional. Por ello, se le
atribuyen numerosas aplicaciones, como: indización y traducción automática (empleando el
lenguaje natural como punto de partida), creación de resúmenes de textos, respuesta a preguntas
(comunicación hombre - máquina) o reconocimiento del habla (verificación del lenguaje natural)
entre otras.
Importancia

• Recursos humanos escasos.

• Desde la perspectiva del apoyo y complementación entre el humano y los sistemas
inteligentes:

- En la agricultura, controlar plagas y manejar cultivos en forma más eficiente.

- En las fábricas, realizar montajes peligrosos y actividades tediosas (labores de inspección
y mantenimiento).
- En la medicina, ayudar a los médicos a hacer diagnósticos, supervisar la condición de los
pacientes, administrar tratamientos y preparar estudios estadísticos.
-En el trabajo doméstico, brindar asesoría acerca de dietas, compras, supervisión y gestión
de consumo energético y seguridad del hogar.

- En las escuelas, apoyar la formación de los estudiantes, especialmente en aquellas

materias consideradas complejas.
- Ayudar a los expertos a resolver difíciles problemas de análisis o a diseñar nuevos
dispositivos.
- Aprender de los ejemplos para explorar bases de datos en busca de regularidades
explotables.
- Proporcionar respuestas a preguntas en lenguaje natural usando datos estructurados y texto
libre.
 Arquitectura básica

Tipos de conocimiento

Sistemas Expertos
¿Qué son los sistemas expertos?
Durante años la actividad de la Inteligencia Artificial estuvo dedicada a las investigaciones teóricas
y al desarrollo de experimentos a través de programas que demostraran “actitudes inteligentes”, con
estos programas se pretendía que la máquina jugara ajedrez, demostrara teoremas matemáticos, etc.
No fue hasta los años 70 que surgió un nuevo paradigma en la Inteligencia Artificial “los Sistemas
Expertos”, cuya función es desarrollar trabajos similares a los que desarrollaría un especialista en
un área determinada, la idea no es sustituir a los expertos, sino que estos sistemas sirvan de apoyo a
los especialistas en un “dominio” de aplicación específico.
Los sistemas expertos se basan en la simulación del razonamiento humano. El razonamiento
humano tiene para ellos, un doble interés: por una parte, el del análisis del razonamiento que
seguiría un experto humano en la materia a fin de poder codificarlo mediante el empleo de un
determinado lenguaje informático; por otra, la síntesis artificial, de tipo mecánico, de los
razonamientos de manera que éstos sean semejantes a los empleados por el experto humano en la
resolución de la cuestión planteada.

Componentes
Para desarrollar los sistemas expertos primero es necesario abordar un área de interés, dentro de esta
área se seleccionan a los expertos, que son los especialistas capaces de resolver los problemas en
dicha área. Una vez seleccionado al experto o a los expertos y estos estén de acuerdo en dar sus
conocimientos, comienza a jugar su papel el “Ingeniero de Conocimientos”, que es el encargado de
extraerle los conocimientos al experto y darle una representación adecuada, ya sea en forma de
reglas u otro tipo de representación, conformando así la base de conocimientos del sistema experto.

Base de conocimientos: Contiene conocimiento modelado extraído del diálogo con un experto.
Base de hechos: Contiene los hechos sobre un problema que se ha descubierto durante el análisis.
Motor de inferencia: Modela el proceso de razonamiento humano.
Módulos de justificación: Explica el razonamiento utilizado por el sistema para llegar a una
determinada conclusión.
Interfaz de usuario: Es la interacción entre el SE y el usuario, y se realiza mediante el lenguaje
natural.

Modelos de agente inteligente.

Un agente es todo aquello que puede considerarse que percibe su ambiente mediante sensores y que
responde o actúa por medio de efectores.
Los agentes humanos tienen ojos, oídos y otros órganos que les sirven de sensores, así como manos,
piernas, boca y otras partes del cuerpo que sirven de efectores. En el caso de los agentes robóticos,
los sensores son sustituidos por cámaras y los efectores remplazados mediante motores. En el caso
de un agente de software, sus percepciones y acciones vienen a ser las cadenas de bits codificados.

Los agentes interactúan con los ambientes a través de sensores y efectores

Propiedades de los Agentes Inteligentes

Autonomía: Actuar sin ningún tipo de intervención humana directa, y tener control sobre sus
propios actos.
Inteligencia: Creada o adaptable al entorno (aprendizaje).
Reactividad — Pro actividad
Reactivo: Actúa en función de los sucesos producidos en el entorno.
Proactivo: Toma la decisión de actuar antes de que se den los sucesos.
Sociabilidad: Comunicarse por medio de un lenguaje común con otros agentes, e incluso con los
humanos.
Cooperación: Con otros agentes para realizar tareas de mayor complejidad.
Racionalidad: el agente siempre realiza «lo correcto» a partir de los datos que percibe del entorno.
Adaptabilidad: está relacionado con el aprendizaje que un agente es capaz de realizar y si puede
cambiar su comportamiento basándose en ese aprendizaje.
Movilidad: Capacidad de un agente de trasladarse a través de una red telemática.

Tipos de agentes inteligentes

Agentes de interfaz
Cuando un usuario hace una consulta, la interfaz recoge los términos de ésta como algo
representativo de la materia en la que se está interesado. Posteriormente, y a partir de su base de
conocimiento, realiza una consulta expandida. Es decir, partiendo de los términos suministrados por
el usuario, se añaden otros relacionados con el mismo concepto, realizando así una consulta mucho
más completa que la que en un principio se pretendía hacer. Por ejemplo, la consulta «perro» puede
ser expandida a «perro o can o sabueso».

Agentes móviles
Son programas que pueden migrar de una a otra máquina. Por ejemplo, un agente móvil puede
suspender el proceso que esté realizando, transportarse a sí mismo por medio de la red y reanudar la
ejecución del proceso que estaba llevando a cabo donde estime oportuno. Esta capacidad le permite
al agente seleccionar la información recuperada antes de enviarla por la red, lo que evita la
transferencia de grandes cantidades de información que podría ser inútil.

Tipos de agentes móviles:

• Monosalto Se mueven a un único y específico lugar.
• Multisalto Transitan por la red de uno a otro lugar.

Agentes colaborativos
Este tipo de agentes se enfatiza en la autonomía y las habilidades sociales con otros agentes para
ejecutar las tareas de sus usuarios. La coordinación de los agentes se logra mediante la negociación
para alcanzar acuerdos que sean aceptables para los agentes negociantes. Los agentes colaborativos
se pueden utilizar es la solución de algunos de los siguientes problemas:

• Para resolver problemas que son muy grandes para un agente centralizado.
• Para permitir la interconexión e interoperabilidad de sistemas de IA existentes como
sistemas expertos, sistemas de soporte de decisión etc.
• Solucionar problemas que son inherentemente distribuidos.
• Proporcionar soluciones que simulen recursos de información distribuidos.
• Incrementar el modularidad, velocidad, confiabilidad, flexibilidad y reutilización en
sistemas de información.

Agentes de información
Están diseñados específicamente para procesar consultas, y poseen al menos uno de los siguientes
elementos: capacidad de proceso, conocimiento del entorno donde se mueven e información de un
dominio. Un agente tiene capacidad de proceso puesto que puede descomponer una consulta en
subconsultas y asociar a los distintos términos resultantes otros términos relacionados o afines. Su
conocimiento del entorno le viene dado por su propio conocimiento y por el de otros agentes que se
comunican con él (el conocimiento puede ser adquirido: del mismo usuario o de otros agentes con
los que se encuentra mientras realiza una tarea determinada). En todo momento debería saber a qué
información acceder o a qué otro agente dirigirse para obtenerla.

Ventajas y Limitaciones
Ventajas Limitaciones

• Permanencia • Sentido común

• Replicación • Lenguaje natural
• Rapidez • Capacidad de aprendizaje
• Bajo costo • Perspectiva global
• Entornos peligrosos • Capacidad sensorial
• Fiabilidad • Flexibilidad
• Consolidar varios conocimientos. • Conocimiento no estructurado
• Apoyo Académico.

Ejemplos importantes de los sistemas expertos

• Dendral
• XCon
• Dipmeter Advisor
• Mycin
• CADUCEUS
• CLIPS
• Prolog
[Recursos]

• Amy, Johnson (2011) La inteligencia artificial. [Entrada de blog] Recuperado de

http://ammyjohnson.blogspot.com/p/aristoteles.html

• Calameo, Fundamentos de la Inteligencia artificial (19-06-2019), recuperado de:

https://es.calameo.com/read/002396583324b7b4448dc

• Huascar, Genere, Introducción a la inteligencia artificial (17-09-2011), recuperado

de:
https://es.slideshare.net/jochibryant/intro-inteligencia-artificial

• Quijada, Marcos. Herramientas para el desarrollo de Sistemas Expertos: guía

evaluativa (15-09-2011), recuperado de:
https://www.monografias.com/trabajos88/herramientas-desarrollo-sistemas-
expertos/herramientas-desarrollo-sistemas-expertos.shtml

• Mendoza, Agustín. Zuluaga Johanna. SISTEMAS EXPERTOS (02-08-2011)

[Entrada de blog], recuperado de:
http://www.sistemasexpertosjohaagus.blogspot.com/2011/08/ejemplos-importantes-
de-se.html