Integrantes: Sergio perozo Yvanna olmos Giovanny martinez Carlos cordero Editorial Revoluciones

1era Edicion. Bqto 11 de Febrero de 2011

Sistemas Expertos: Ordenadores que saben lo que dicen

Los SSEE son software que emula el comportamiento de un experto en un área de

conocimiento, como un médico que diagnostica un asesor de bolsa], un asistente

para hacer pedidos un ingeniero para predecir donde habrá posibilidad de

encontrar minerales… Esquematizando mucho, pero mucho mucho, su esquema

es el de un almacén de conocimientos más un conjunto de reglas para obtener

conclusiones combinando y explotando lo que ya se sabe. En otras palabras se

trata de obtener conocimientos, que „surgen de la capacidad de crear un modelo

fidedigno que describa el objeto y ejemplifique las acciones que pueden ejecutarse

sobre y con el objeto‟ según Pazos y colegas. Las dos piezas, modelo y acciones

se llaman base de concimiento y motor de inferencia y contienen conocimiento

declarativo y de control que sirve, en última instancia, para responder a las

preguntas que se le planteen.

Los SSEE son probablemente el

software más sofisticado que existe,

cuya complejidad incluye además el

no dar respuestas categóricas del

estilo „el señor X tiene gripe‟ o „hay

que comprar Y acciones de X‟, sino de

expresar sus conclusiones en términos

de probabilidades o incluso en posibilidades. Esto es porque no se llega a

conclusiones por un algoritmo o secuencia de pasos prefijada, sino que utiliza

reglas heurísticas ¡Como una persona! Del mismo modo que un experto no suele

pensar en términos categóricos (aunque a veces se piense que el no dudar es

sinónimo de saber mucho, esto es evidentemente una estupidez), un SE puede

idealmente decir que „el señor X tiene gripe al 90% o, sino, podría ser tuberculosis,

así que hay que hacer la prueba Y‟ o „es muy probable que si compras un número

entre X e Y de acciones de la empresa Z, obtengas beneficio a medio plazo‟.

También como ocurre en las personas, otra característica clave de los SSEE es

que integran lo obtenido en su propia base de conocimientos, esto es, podríamos

decir que aprenden. Y dejé para el final lo mejor; son capaces de „explicar‟ porqué

llegan a una determinada conclusión, para que un experto humano re-evalúe las

conclusiones a que llegó el sistema, con lo que permiten establecer una especie

de diálogo, incluso correcciones de supuestos, acerca de sus mecanismos de

decisión.

La extracción de lo que saben los expertos humanos –educción de conocimiento-

para volcarlo a un SE, no es fácil y comporta dificultades en varios ámbitos como

1)qué representación es la más eficaz para los conocimientos, 2)qué „lenguaje‟

utilizo para almacenar las reglas de inferencia, 3)cómo traduzco las explicaciones

vagas del experto a reglas o sobretodo 4)cómo convenzo al experto para que

desnude su conocimiento y se lo de a algo que, si funciona bien, le puede jubilar

antes de tiempo. Y aún con todas esas dificultades, cada vez se invierte más en

SSII, porque la gracia está en que un buen SSEE, tras „inyectarle‟ el conocimiento

y los métodos de un experto de referencia, ¡acierta más veces en término medio

que el propio experto! (Además de otra serie de consideraciones como que no

envejece, no enferma, no viaja, no tiene escrúpulos, no tiene pagas extras, no se

cansa, no tiene presión o estrés y si trabaja bien no le ficha la competencia… lo

que supera con mucho los inconvenientes como su alta inversión, el que no

puedes tomar café con él, ni te pregunta por tu familia, y que los seres humanos

son más evolutivos, porque pueden aceptar conocimiento no estructurado y

trabajar con él).

¿Tenemos delante de nosotros la

pesadilla de Matrix de las máquinas

dominando a los hombres? Hay que

darse cuenta de que una vez el

conocimiento está extraído de una

persona, está potencialmente

disponible en todo momento y ubicuo… No lo creo. Más bien será que haya

hombres que dominen a otros utilizando máquinas: ¡Nada nuevo bajo el sol! En

resumen, tenemos dos opciones: o nos apuntamos al rollo y aprendemos de qué

forma podemos servirnos de esos conocimientos que contendrá la red (porque al

final todo estará en la red y será cuestión de utilizar el conocimiento disponible y,

aún más importante, acceder al restringido). O bien seguimos siendo unos

románticos y nos quedamos que, aunque de término medio el SE acierta más que

el experto y no tiene fluctuaciones, está también demostrado que, en un día de

esos que se levanta bien, el humano alcanza resultados por encima de su pariente

de lata. Lo cual es poético pero, como mucho de lo poético, por sí sólo, poco

rentable.

Br. Sergio Perozo

La Robótica y su relación con la Computación

El término robótica se refiere al área que engloba la construcción de dispositivos

autónomos que actúan en el mundo real de forma que mimeticen el

comportamiento de los seres humanos. Esto quiere decir que estos robots podrán

sentir el ambiente usando sus sensores (sentidos si hacemos un paralelo con los

seres humanos) y modificar o moverse en el ambiente usando sus actuadores (por

ejemplo las extremidades si hacemos un paralelo con los seres humanos). De esta

forma, es posible definir un robot como un dispositivo mecánico versátil equipado

con sensores y actuadores, controlado por un sistema computacional capaz de

extraer informaciones del ambiente y usar su conocimiento al respecto del mundo

de forma a actuar sobre el mismo a través de movimientos.

Robótica engloba tres áreas: Mecánica, electrónica y computación. Es por eso que

alrededor del mundo no es difícil encontrar proyectos de investigación en robótica

en facultades o departamentos académicos de Ingeniería Mecánica, Ingeniería

Eléctrica, Ingeniería Electrónica, Ingeniería de Computación, Ciencia de la

Computación y en Ingeniería Mecatrónica. Cada profesional realizará aportes a la

robótica con mayor énfasis en su área de formación.

En el caso específico de la Computación podemos citar varias subáreas las cuales

hacen parte del dominio de la robótica. Por ejemplo la inteligencia artificial, redes

de computadoras, procesamiento digital de imágenes, compiladores, estructuras

de datos, sistemas operativos, entre otras.

Hablando de la inteligencia artificial primero podemos hablar de la teoría de

agentes, que es aplicable directamente en robótica, inclusive es importante notar

que algunos autores incluyen a los robots como un tipo de agente, llamándolos de

agentes robots. Ya al hablar de algoritmos de aprendizaje (supervisado, no

supervisado y por refuerzo) también se aplican a robótica especialmente cuando

se desea construir robots autónomos que hagan una conexión “inteligente” entre lo

que sienten y sus acciones.

También, las redes neuronales con aprendizaje supervisado son muy usadas para

controlar robots y sus partes.

Por ejemplo se pueden usar redes neuronales para controlar las piernas de un

robot bípedo. Al mismo tiempo, la aplicación de estas técnicas representa un gran

desafío para los investigadores en esta área pues las mismas funcionan

correctamente en condiciones normales donde se puede disponer de un tiempo

“muy grande” para su convergencia, sin embargo, al aplicarlos en robótica nos

encontramos con que la respuesta de los robots debe ser en tiempo real lo que

agrega una restricción mas y hace mucho más interesante esta área de

investigación.

Si hablamos de redes de computadores, luego viene a la cabeza la construcción

de un equipo de robots (sistemas multirobots) donde los elementos del equipo

deberán comunicarse unos con los otros de forma eficiente, para esto la

arquitectura de la red de comunicación construida entre estos elementos debe ser

muy eficiente e inclusive ajustarse a desafíos como pérdida temporal de un

elemento del equipo, usar algunos elementos del equipo como ruteadores para

poder alcanzar elementos más lejanos, entre otros.

Ya al hablar de procesamiento digital de imágenes y visión computacional,

podemos hablar de uno de los sensores más eficientes del mundo de la robótica,

la cámara, donde después de una adquisición adecuada se podrán aplicar todas

las técnicas dentro de estas áreas sumadas a la restricción de que el

procesamiento deberá ser realizado en tiempo real.

En relación a compiladores, pienso instantáneamente en robots operados por

seres humanos. Por ejemplo, en ambientes industriales es posible encontrar

robots que son programados por sus operadores para realizar ciertas tareas

dentro de una cadena de ensamblaje. Estos robots tienen su propio lenguaje de

programación, generalmente creados por la empresa o institución que los idealizó

y construyó. Al mismo tiempo, éste lenguaje tendrá que ser traducido para que

pueda ser entendido por el S.O. y procesador del robot con lo que se hace

necesario la construcción de compiladores o en su defecto intérpretes.

En robótica existe un área de investigación que es la de mapeamento de

ambientes estructurados, que consiste en colocar un robot o un equipo de ellos en

un ambiente desconocido de forma que ellos lo recorran y construyan el mapa del

mismo. Aquí, es necesario el uso de estructuras de datos adhoc para poder

almacenar, actualizar y recuperar las informaciones concernientes al mapa

generado en forma rápida y eficiente.

Ya hablando de robótica educativa, en estos tiempos se ha vuelto indispensable la

creación de kits que permitan el aprendizaje de robótica de forma simple e intuitiva

tanto para niños como personas con poca o ninguna intimidad con el área

tecnológica. Así, muchas instituciones en el mundo vienen sumándose a estos

esfuerzos, los cuales nacen en ambientes académicos universitarios.

En esta área específica se hace necesaria la creación de procesadores adhoc

capaces de soportar directamente los sensores utilizados en robótica y por qué no

incluir capacidades de procesamiento digital de imágenes.

Luego, es necesario crear el sistema operacional para estos procesadores, así

como compiladores y lenguajes de programación específicos para robótica y al

mismo tiempo estos lenguajes deben ser lo suficientemente simples para ser

entendidos por personas no familiarizadas con el área tecnológica.

Para finalizar, es importante observar que existen muchas áreas de convergencia

entre la computación y la robótica y en el Perú no podemos estar ajenos a esta

realidad ya que se espera que en el futuro los robots se vuelvan populares y su

utilización sea masiva en los más diversos campos de acción. Así, espero que

este documento sirva para estimular a los académicos peruanos en el área de la

computación a ser parte activa de la gran cantidad de investigadores que dirigen

sus esfuerzos a hacer de los robots dispositivos seguros, versátiles y autónomos

en todo el sentido de la palabra.

Br. Sergio Perozo

Sistema experto:

El propósito de este artículo es de mostrarnos una amplia y precisa

descripción de lo que son los Sistemas Expertos (SE), los cuales también

son conocidos como Sistemas Basados en Conocimiento.

Para mi los sistemas expertos son programas que pueden resolver una

serie de programas para dar a una solución optima y compleja. Estos

sistemas pueden guarda o almacenar conocimientos de expertos para un

campo determinado y solucionar un problema mediante deducción lógica de

conclusiones. y también tienen como función ser unos Programas que

manipulan conocimiento codificado para resolver problemas en un dominio

especializado en un dominio que generalmente requiere de experiencia

humana.

Los sistemas expertos poseen algunas aplicaciones:

a)Casi todas las empresas disponen de un ordenador que realiza las

funciones básicas de tratamiento de la información: contabilidad general,

decisiones financieras, gestión de la tesorería, planificación, etc.

b) Este trabajo implica manejar grandes volúmenes de información y realizar

operaciones numéricas para después tomar decisiones. Esto crea un terreno

ideal para la implantación de los SE.

Además los SE también se aplican en la contabilidad en apartados como:

Auditoria(es el campo en el que más aplicaciones de SE se está realizando)

Fiscalidad, planificación, análisis financiero y la contabilidad financieras

Sistemas inteligente artículos:

Para mí o mejor dicho mi opinión los sistemas inteligentes es la rama

fundamental de la inteligencia artificial ya que es o son programa basado a la

computación que reúne o agrupa característica similares al de la inteligencia

humana o animal.

La expresión "sistema inteligente" se usa a veces para sistemas inteligentes

incompletos, por ejemplo para una casa inteligente o un sistema experto.

Un sistema inteligente completo incluye "sentidos" que le permiten recibir

información de su entorno. Puede actuar, y tiene una memoria para archivar

el resultado de sus acciones. Tiene un objetivo e, inspeccionando su

memoria, puede aprender de su experiencia. Aprende cómo lograr mejorar

su rendimiento y eficiencia.

Carlos cordero

C.i: 19.590.734

Logica Difusa

La lógica difusa o también llamada lógica borrosa apareció alrededor de

1965 por Lotfi A. Zadech de la universidad de california en Berkeley, y desde

que este científico planteó la teoría de conjuntos difusos se han realizado

múltiples aplicaciones de este, encontrando su mayor campo en la parte de

control automático, y en la robótica móvil. Sin embargo antes de comenzar a

hablar de lógica difusa hay que recordar de qué trata la teoría clásica de la

lógica y de los conjuntos. Esta se basa en que una persona u objeto hace

parte de cierto grupo de objetos llamado conjunto, los conjuntos tienen

ciertas cualidades y propiedades, las cuales tienen que cumplirse totalmente

para que un objeto pertenezca a este. La pregunta para evaluar la

pertenencia a un conjunto clásico tiene la forma ¿este objeto pertenece a

este conjunto? , y la respuesta solo puede ser, si o no, pero no puede ser

una respuesta ambigua. En cambio en estadística y probabilidad, el enfoque

es diferente, la pregunta tiene la forma, ¿Cuál es la probabilidad de que esto

pase? Y la respuesta es un valor porcentual de 0 a 100%. De esa forma se

representan los conjuntos difusos. Se hayan representaciones porcentuales

a cada conjunto. Por ejemplo si se busca saber cuáles son los objetos

pertenecientes a x conjunto, el enfoque en lógica difusa seria hallar la

pertenencia de cada objeto evaluado al conjunto x, mientras que en lógica

clásica se agrupan los elementos que solo pertenecen totalmente a este

conjunto, descartando muchos que pertenecen parcialmente, debido que no

se permite que un elemento pertenezca y a la vez no pertenezca al mismo

conjunto, por ende hay muchos problemas del mundo real que no pueden

ser representados por conjuntos clásicos, porque en el mundo real existen

muchos problemas donde las respuestas no siempre tienen que ser

totalmente ciertas, se incluye un grado de incertidumbre; como decir un

vaso está por la mitad, el vaso puede estar medio lleno, pero también medio

vacío, estas pertenencias ambiguas si son permitidas en la lógica difusa.

Algoritmos genéticos para diseñar reactores nucleares

Los algoritmos genéticos son uno de los métodos que utiliza la

ingeniería para aprender e imitar a la naturaleza. Simplificando mucho,

consisten en partir de un diseño inicial e ir modificando sus características.

Las versiones con mejores propiedades sobreviven y siguen

“evolucionando”, las versiones menos satisfactorias son eliminadas. Todo

de forma automatizada y mediante el uso de potentes ordenadores. El

proceso imita la selección natural basada en supervivencia de los

ejemplares más aptos.

Este proceso puede aplicarse a problemas muy alejados de la naturaleza.

Por ejemplo, al desarrollo de mejores reactores nucleares. Mientras se duda

sobre su posible utilización como fuente de energía, algunos de sus

partidarios proponen modificar unos diseños que, básicamente, no han

cambiado en los últimos veinte años

Ingenieros pertenecientes al Laboratorio Oak Ridge del Departamento de

Energía de los Estados Unidos han partido del esquema básico de un reactor

nuclear que han suministrado al programa de Inteligencia Artificial. Este

diseño ha sido procesado por algoritmos genéticos que modificaban sus

características buscando optimizar alguna de ellas. De esa forma se

obtenían nuevas versiones con diversas características innovadoras. Más

tarde, los diseños eran revisados por especialistas apoyados por

sofisticados programas de simulación para garantizar la ausencia de

problemas.

De momento, han diseñado un pequeño reactor nuclear que podría ser

utilizado por la NASA en una nave que explorase el cinturón de asteroides.

En este caso el objetivo principal era reducir al mínimo el peso del mismo.

Ahora esperan aplicar el mismo proceso a reactores utilizables en la Tierra.

Aquí sus objetivos principales son la seguridad y el mejor rendimiento

económico. Esperemos que el primero sea prioritario en caso de duda.

Sistemas multi-agente

Durante las dos últimas décadas investigadores en redes han trabajado en el

desarrollo de sistemas multi-agente (multi-agent systems o MAS) y agentes

inteligentes (intelligent agents) por considerarlos tecnologías clave para

facilitar el diseño y la implementación en el mundo real de sistemas

distribuidos abiertos y a gran escala. La idea es emplear múltiples agentes

inteligentes que interactúen para resolver problemas científicos complejos.

Se parte de la premisa de que un nivel de desarrollo organizativo y operativo

que contemple autonomía parcial de sus agentes y cierta descentralización

es imprescindible para afrontar la creciente complejidad de ciertos aspectos

de los sistemas de comunicaciones por red actuales y futuros. En este

contexto cada agente inteligente tiene un cierto nivel de autonomía o

“inteligencia” que le permite actuar sobre su entorno e interactuar con otros

agentes del sistema e incluso dirigir su actividad hacia la consecución de

objetivos.