Inteligencia artificial

1.1 DEFINICIÓN
La Inteligencia Artificial es una rama de la ciencia de la
computación que comprende el estudio y creación de sistemas
computarizados que manifiestan cierta forma de inteligencia: sistemas
que aprenden nuevos conceptos y tareas, sistemas que pueden
razonar y derivar conclusiones útiles 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.
Como toda disciplina de reciente creación, la IA no se encuentra
unificada en términos de objetivos y métodos de investigación.
Recientemente, parte de los esfuerzos de los investigadores en esta
área se han dedicado a la definición de dichos objetivos y al recuento
de las herramientas metodológicas utilizadas hasta ahora. Como
resultado de este esfuerzo, que dista mucho de su conclusión, se han
definido algunos acuerdos básicos sobre el área y sus estrategias.
Por ahora, es suficientemente claro que el objetivo de la IA es el
de entender la naturaleza de la inteligencia a través del diseño de
sistemas computacionales que la exhiban. En forma más concreta,
puede afirmarse que, en lo que ha transcurrido de su corta historia, la
IA ha estado dirigida por tres objetivos generales:
1. El análisis teórico de las posibles explicaciones del comportamiento
inteligente.
2. La explicación de habilidades mentales humanas.
3. La construcción de artefactos (computadoras) inteligentes.
Con estos propósitos en su agenda de investigación, los
estudiosos de la IA han recurrido al uso de cuatro diferentes
estrategias metodológicas: el desarrollo de tecnologías útiles en esta

La Inteligencia Artificial y sus Aplicaciones
área, la simulación, el modelamiento, y la construcción de teoría sobre
la inteligencia artificial. El desarrollo de tecnologías de computación ha
sido una empresa titánica que los ingenieros en electrónica han
tomado en sus manos, sin embargo, sólo una pequeña parte de lo que
se conoce como ciencia de la computación puede incluirse dentro de la
IA. No existe todavía un criterio preciso con el cual distinguir cuándo
un sistema computacional es un sistema de IA, pero el acuerdo
general es que cualquier máquina que desempeñe una función mental
que tendría que ser realizada por una inteligencia humana es un
ejemplo de IA.
La simulación que se hace en IA ha intentado reproducir algunas
de las características inteligentes de los seres humanos. Estas
reproducciones han buscado abiertamente la similitud entre una
computadora y los seres humanos. La elaboración de simulaciones ha
sugerido la posibilidad de explorar los procesos cognoscitivos
humanos, sin embargo los esfuerzos en esta línea, a diferencia del
modelamiento, han estado dedicados a producir comportamiento
humano inteligente en las computadoras más que a entenderlo o
explicarlo.
El modelamiento, por otra parte, tiene como objeto la utilización
de los sistemas de IA para entender a la inteligencia humana. Ha sido
tradicionalmente utilizado por psicólogos y no tiene como requisito
necesario el uso de computadoras, De hecho, muchas de las teorías
sobre cognición han utilizado modelos en computadoras sin hacer
referencia a ellas, por ejemplo, la teoría sobre memoria semántica o
sobre representación mental.
Finalmente, el trabajo teórico en IA ha abierto por primera vez la
posibilidad de teorizar sobre la inteligencia sin hacer necesariamente
referencia a la inteligencia humana. Es decir, se ha propuesto la
formulación de una teoría de la inteligencia "pura".
2

1.2 HISTORIA
El nacimiento real de la IA se produce para el año 1950, cuando
Norbet Wiener desarrolló el principio de la retroalimentación. Esta
técnica consiste, por ejemplo, en la tecnología del termostato,
comparar la temperatura actual del entorno con la deseada y, según
los resultados, aumentarla o disminuirla. En 1955 Newell y Simon
desarrollan la Teoría de la lógica la cual permitió desarrollar un
programa que exploraba la solución a un problema utilizando ramas y
nudos, seleccionando únicamente las ramas que más parecían
acercarse a la solución correcta de los problemas siendo éste el primer
programa inteligente basado en su modelo de procesamiento de
información
Basándose en los estudios sobre memoria asociativa, el equipo
Newell-Shaw-Simon construyó los primeros lenguajes de
procesamiento de información (IPL-I, IPL-II) utilizados en el diseño de
su "Logic Theorist Machine" que se convirtió en la primera máquina
"inteligente". Esta máquina fue capaz no sólo de memorizar y
aprender, sitio que consiguió demostrar de una manera original y
"creativa", es decir no prevista por sus creadores, algunos de los
teoremas propuestos por Bertrand Russell en los Principios (Russell
and Whitehead, 1925).
En el año 1957 aparece la primera versión de “The General
Problem Solver” (GPS), un programa capaz de solucionar problemas
de sentido común. El GPS utilizaba la teoría de la retroalimentación de
Wiener.
Desde sus orígenes la IA se relacionó con juegos como el ajedrez
y las damas, probablemente debido a que los juegos de mesa
constituyen modelos de situaciones reales en las que hay que calcular,
solucionar problemas, tomar decisiones, corregir errores, recordar,
etc. A pesar de que esta línea de investigación ha sido casi totalmente
abandonada en la actualidad, muchos de los avances teóricos y
metodológicos de la IA se deben a ella. Por ejemplo, Samuel diseñó en
1961 un programa que jugaba damas y que era capaz de aprender de
3

sus errores, es decir, era capaz de adaptar su comportamiento en
relación con eventos pasados. Lo más controversial de este programa
fue que, aunado a su capacidad de aprendizaje la de memoria, con el
tiempo consiguió derrotar invariablemente a su creador.
Hacia mediados de los sesenta la IA se convierte en un área en
la que se interesan e interactúan especialistas de diversas disciplinas:
lógicos, psicólogos, matemáticos, lingüistas, filósofos, etc. Uno de los
grandes temas de IA en esta década fue el estudio del lenguaje. En la
mayoría de los estudios iniciales sobre el lenguaje, se atacó el
problema de diseñar una máquina que fuera capaz de traducir de un
idioma a otro. El énfasis se hizo en el análisis de la sintaxis, en lugar
del significado, estrategia que se abandonó relativamente pronto. Los
investigadores interesados en esta área de la IA pronto descubrieron
que traducción no es lo mismo que transformación, y que, como
consecuencia de ello, de alguna manera la máquina tendría que
"entender" un texto antes de poder traducirlo. Los esfuerzos se
orientaron hacia una definición de la comprensión que pudiera
simularse en una computadora.
Ya en el año 1970 se produce el advenimiento de los Sistemas
Expertos. Los Sistemas Expertos se han utilizado para ayudar a los
médicos a diagnosticar enfermedades e informar a los mineros a
encontrar vetas de mineral. Al mismo tiempo, en 1970. David Marr
propone nuevas teorías sobre la capacidad de reconocimiento visual de
las diferentes máquinas
Para el 1986 las ventas de hardware y software relacionados con
la IA se contabilizan por 425,000.00 millones de dólares. Compañías
como DuPont, General Motors, y Boeing utilizan sistemas expertos a
principios de la década de los 80 y éstos sistemas expertos se
convertirán en un standard a finales de la misma.
En los 90 la IA fue utiliza de forma efectiva en la Guerra del
Golfo sobre sistemas de misiles visores, los soldados y otros.
4

1.3 ELEMENTOS DE LA INTELIGENCIA ARTIFICIAL
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:
1. Estrategias de comportamiento inteligente.
2. 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.
5

1.4 NIVELES DE LA INTELIGENCIA ARTIFICIAL
La estructura que presenta un sistema de información inteligente
consta de tres niveles perfectamente integrados en una súper
arquitectura microelectrónica. Son tres niveles que cubren desde la
relación exterior hasta la profunda organización interior. Éstos son:
1. Nivel externo. Sirve para relacionar a la máquina con el medio
y el ser humano. Este nivel está integrado por el tratamiento del
lenguaje natural y el tratamiento de faz imágenes. Con estos
instrumentos la máquina percibe inteligentemente las señales
que se le envían sin codificación especial, y adquiere un
conocimiento.
2. Nivel medio. En él se halla el sistema de resolución de
problemas. La instrumentalización de esa capacidad se realiza
mediante los sistemas expertos, que se configuran merced a
unas estrategias de operación y una base de conocimientos
orgánicamente relacionados.
3. Nivel profundo. Este último nivel corre paralelo a las funciones
más profundas del cerebro. En él se sitúa, como proyecto, la
capacidad de «aprender» automáticamente de la máquina. Tal
proceso se concibe como la interpretación de diversas
experiencias y su organización adecuada para ser utilizada en su
caso. Finalmente, el nivel profundo está constituido por la base
de conocimientos generales y la flexibilidad para ampliarse por sí
misma.
1.5 BIOCHIPS
En la oficina del científico Masuo Aizawa, del Instituto de
Tecnología de Tokio, nada llama demasiado la atención, excepto una
placa de vidrio que flota en un recipiente lleno de un líquido
transparente. Se trata de un chip que parece salpicado con barro. Los
grumos alargados del chip de Aizawa no son manchas, sino ¡células
neurales vivas, criadas en el precursor de un circuito electrónico-
6

biológico: el primer paso hacia la construcción neurona por neurona,
de un cerebro semiartificial.
En el futuro se podría utilizar el chip neuronal de Aizawa como
interfaz entre la prótesis y el sistema nervioso de pacientes que
hubieran perdido una extremidad. Si continúa el uso de células vivas
en sistemas eléctricos, en los próximos años casi con toda seguridad
ocurrirá el advenimiento de dispositivos computacionales que, aunque
rudimentarios, serán completamente bioquímicos.
1.6 GRANJA DE EVOLUCION
La evolución en la naturaleza fue la clave para mejorar los
organismos y desarrollar la inteligencia. Michael Dyer, investigador de
IA de la U de California, apostó a las características evolutivas de las
redes neurales (redes de neuronas artificiales que imitan el
funcionamiento del cerebro) y diseñó la Bio-Land, una granja virtual
donde vive una población de criaturas basadas en redes neuronales.
Los biots pueden usar sus sentidos de la vista, el oído e incluso el
olfato y tacto para encontrar comida y localizar parejas. Los biots
cazan en manadas, traen comida a su prole y se apiñan buscando
calor.
Lo que su creador quiere que hagan es hablar entre ellos; tiene
la esperanza de que desarrollen evolutivamente un lenguaje primitivo.
A partir de ese lenguaje, con el tiempo podrían surgir niveles más
altos de pensamiento.
1.7 ¿PUEDE PENSAR UNA MAQUINA?
Esta pregunta tan simple plantea unos problemas tan grandes
que, posiblemente, nunca se llegue a un acuerdo completo entre las
distintas respuestas que se proponen. Bajo la pregunta de si las
máquinas piensan o pueden pensar se cobija una dilatada historia de
discusiones que no ha llegado a su fin y que, muy probablemente,
7

perderá interés antes de llegar a una respuesta satisfactoria. Los más
brillantes científicos han intervenido en la polémica para intentar
sentenciar la cuestión. Turing, Von Neumann o Lucas son algunos de
estos nombres famosos.
Tiempo atrás, considerar que las máquinas pudieran tener
inteligencia parecía un absurdo, una estupidez infantil. Posteriormente,
a medida que los progresos de la investigación cambiaban el
panorama tecnológico, también cambió la actitud y se atribuyó un
valor especifico al problema teórico. Con ello se descubrió que la
hipótesis de una inteligencia mecánica, artificial o simulada, abría
nuevas interrogantes. La más seria de estas interrogantes se refería a
la verdadera realidad de la inteligencia humana:
¿Qué rasgos fundamentales distinguen a los seres inteligentes y
cómo operan biológicamente los procesos cognitivos?
Esta nueva pregunta ha conducido a investigar una inadvertida
laguna del saber humano. Con ello se ha visto que el ser humano,
hasta el momento, se ha ocupado más de los resultados de su
inteligencia que de los sutiles procesos y relaciones que la hacen
posible. Estas relaciones y procesos atañen a la biología y a la lógica,
lo que, en términos computacionales, puede traducirse como los
ámbitos del hardware y el software.
1.8 OBJETIVOS DE LA INTELIGENCIA ARTIFICIAL
• Diseñar y construir aplicaciones computacionales de nivel
superior.
• Resolver problemas difíciles.
• Generar herramientas para la construcción de aplicaciones de
inteligencia artificial.
• Ayudar a los expertos a analizar y diseñar.
• Generar máquinas que faciliten la construcción de aplicaciones
de inteligencia artificial.
8

1.9 ¿QUE PUEDEN HACER LAS COMPUTADORAS
DENTRO DEL ÁREA DE LA INTELIGENCIA
ARTIFICIAL?
• Resolver Problemas difíciles: Es conocido que las computadoras
pueden realizar cálculos aritméticos a increíble velocidad,
actualmente no es extraño ver programas que realicen cálculo
de integrales y mucho más, como la resolución de problemas
mecánicos.
• Ayudar a los Expertos a Analizar y Diseñar: Algunos programas
sirven para auxiliar a los médicos al analizar ciertos tipos de
enfermedades, otros para entender el funcionamiento de
circuitos electrónicos y otros más nos auxilian en la configuración
de los módulos que conforman sistemas complejos de equipo de
computo.
• Entender Inglés Sencillo: Para el ser humano la manera natural
de comunicarse es a través del lenguaje. Esto es lo que ha
motivado un gran interés por desarrollar esta misma habilidad
en las computadoras. Para el entendimiento de un lenguaje
natural escrito como el inglés se puede utilizar, entre otras, la
técnica de palabras clave, esta técnica intenta inferir el
significado de la comunicación a partir del propio significado de
las palabras claves. Esta técnica ha probado su ineficiencia en
contextos donde las palabras claves utilizadas pueden tener
múltiples significados.
• Entender Imágenes Simples: Computadoras equipadas con los
dispositivos adecuados (cámaras de TV etc.), pueden ver lo
suficiente para tratar con un espacio limitado, los objetos que
ahí se encuentran y la relación que guarda uno con respecto del
otro.
• Ayudar a Manufacturar Productos: Actualmente máquinas de
propósito específico auxilian en trabajos que el hombre considera
peligroso, aburrido, o poco remunerado. El pasar de máquinas
de propósito especifica a robots inteligentes, requiere de agregar
muchas capacidades, una de ellas es la de razonar acerca del
9

movimiento en tres dimensiones, tal como el requerido para
mover una caja de un estante a otro en un almacén.
1.10 ¿CÓMO SABREMOS CUANDO TENGAMOS ÉXITO
AL CONSTRUIR UN PROGRAMA INTELIGENTE?
En 1950 Alan Turing propuso la PRUEBA de TURING cuyo
principio se basa en lo siguiente: “Cuando la combinación de Software
y Hardware nos dé como resultado el que personas normales en
nuestra sociedad no puedan determinar si quien ha estado
respondiendo a sus preguntas es un ser humano o una computadora,
entonces podremos decir que hemos logrado el objetivo de construir
un programa inteligente”.
La prueba de TURING es un procedimiento bien conocido para
evaluar el éxito de un programa de IA. Consiste en que un
Entrevistador se comunica vía textual de entrada y salida, con un
sistema de IA y con otra persona que participa en la prueba; el
entrevistador no se da cuenta cuál respuesta viene del computador y
cuál de la otra persona, si después de hacer suficientes preguntas el
entrevistador no puede diferenciar entre el hombre y la máquina,
entonces el sistema pasa la prueba y se estima que es exitoso.
Lamentablemente, ningún sistema de IA existente podría pasar
una prueba de Turing verdaderamente y no es probable que tal
sistema exista en un futuro cercano.
1.11 APLICACIONES DE LA INTELIGENCIA ARTIFICIAL
 Robótica.
 Procesamiento de Lenguaje Natural.
 Reconocimiento de Patrones.
 Sistemas Expertos
 Tutores Inteligentes.
 Manipulación Inteligente de Base de Datos.
 Programación Automática.
10

 Visión Computarizada.
2.1 ETIMOLOGIA
A modo de introducción, debemos hacer referencia al origen de
la palabra robot; si bien desde la antigüedad se conocen ingenios
mecánicos con formas más o menos humanas cuyo propósito fue
proveer diversión en las cortes o llamar la atención de la gente, estos
ingenios, carecen de importancia desde el punto de vista tecnológico,
precisamente por su destino.
El término robot fue acuñado por el escritor checoslovaco Carlos
Chapek, fallecido en 1938, que adquirió fama mundial con su obra
RUR en la que presenta al obrero moderno como un esclavo
mecánico; es allí donde justamente emplea la palabra robot, tomada
del eslavo robota, que significa trabajo.
2.2 DEFINICIÓN
El RIA (Robot Institute of America) define al robot como "un
manipulador multifuncional reprogramable, diseñado para mover
materiales, partes, herramientas o dispositivos especializados a través
de movimientos variables programados para la performance de una
variedad de labores".
Esta definición indudablemente no abarca todas las posibilidades
de aplicación presente y futuras de los robots y a nuestro parecer, el
robot es a la producción, lo que el computador es para el
procesamiento de datos, es decir una nueva y revolucionaria
11

concepción del sistema productivo cuyos alcances recién comienzan a
percibirse en los países altamente industrializados. Realmente los
robots, no incorporan nada nuevo a la tecnología en general, la
novedad radica en la particularidad de su arquitectura y en los
objetivos que se procura con los mismos.
El trabajo del robot se limita generalmente a pocos movimientos
repetitivos de sus ejes, estos son casi siempre 3 para el cuerpo y 3
para la mano o puño, su radio de acción queda determinado por un
sector circular en el espacio donde éste alcanza a actuar. Cuando las
partes o piezas a manipular son idénticas entre ellas y se presentan en
la misma posición, los movimientos destinados a reubicar o montar
partes se efectúan mediante dispositivos articulados que a menudo
finalizan con pinzas.
La sucesión de los movimientos se ordena en función del fin que
se persigue, siendo fundamental la memorización de las secuencias
correspondientes a los diversos movimientos. Puede presentarse el
caso en el que las piezas o partes a ser manipuladas no se presenten
en posiciones prefijadas, en éste caso el robot deberá poder reconocer
la posición de la pieza y actuar u orientarse para operar sobre ella en
forma correcta, es decir se le deberá proveer de un sistema de control
adaptativo. Si bien no existen reglas acerca de la forma que debe
tener un robot industrial, la tecnología incorporada a él está
perfectamente establecida y en algunos casos ésta procede de las
aplicadas a las máquinas-herramientas.
Los desplazamientos rectilíneos y giratorios son neumáticos,
hidráulicos o eléctricos. Como es sabido, los sistemas neumáticos no
proveen movimientos precisos debido a la comprensibilidad del aire y
en ellos deben emplearse topes positivos para el posicionamiento, lo
que implica la utilización de dispositivos de desaceleración. Los robots
neumáticos poseen una alta velocidad de operación manipulando
elementos de reducido peso.
Los accionamientos hidráulicos proporcionan elevadas fuerzas,
excelente control de la velocidad y posicionamiento exacto. En cuanto
a los sistemas eléctricos, se utilizan motores de corriente continua o
motores paso a paso. Estos dos tipos de robots quedan reservados a la
manipulación de elementos más pesados o los procesos de
trayectorias complejas como las tareas de soldadura por punto o
continuos.
12

2.3 CRONOGRAMA SOBRE LA HISTORIA DE LA
ROBÓTICA
FECHA DESARROLLO
SigloXVIII. A mediados del siglo XVIII J. de Vaucanson construyó
varias muñecas mecánicas de tamaño humano que
ejecutaban piezas de música
1801 J. Jaquard invento su telar, que era una máquina
programable para la urdimbre
1805 H. Maillardet construyó una muñeca mecánica capaz de
hacer dibujos.
1946 El inventor americano G.C. Devol desarrolló un
dispositivo controlador que podía registrar señales
eléctricas por medio magnéticos y reproducirlas para
accionar una máquina mecánica. La patente
estadounidense se emitió en 1952.
1951 Trabajo de desarrollo con teleoperadores (manipuladores
de control remoto) para manejar materiales radiactivos.
Patente de Estados Unidos emitidas para Goertz (1954) y
Bergsland (1958).
1952 Una máquina prototipo de control numérico fue objetivo
de demostración en el Instituto Tecnológico de
Massachusetts después de varios años de desarrollo. Un
lenguaje de programación de piezas denominado APT
(Automatically Programmed Tooling) se desarrolló
posteriormente y se publicó en 1961.
1954 El inventor británico C. W. Kenward solicitó su patente
para diseño de robot. Patente británica emitida en 1957.
1954 G.C. Devol desarrolla diseños para Transferencia de
artículos programada. Patente emitida en Estados Unidos
para el diseño en 1961.
1959 Se introdujo el primer robot comercial por Planet
Corporation. Estaba controlado por interruptores de fin
de carrera.
1960 Se introdujo el primer robot ‘Unimate’’, basada en la
13

transferencia de articulaciones programada de Devol.
Utilizan los principios de control numérico para el control
de manipulador y era un robot de transmisión hidráulica.
1961 Un robot Unimate se instaló en la Ford Motors Company
para atender una máquina de fundición de troquel.
1966 Trallfa, una firma noruega, construyó e instaló un robot
de pintura por pulverización.
1968 Un robot móvil llamado ‘Shakey’’ se desarrollo en SRI
(standford Research Institute), estaba provisto de una
diversidad de sensores así como una cámara de visión y
sensores táctiles y podía desplazarse por el suelo.
1971 El ‘Standford Arm’’, un pequeño brazo de robot de
accionamiento eléctrico, se desarrolló en la Standford
University.
1973 Se desarrolló en SRI el primer lenguaje de programación
de robots del tipo de computadora para la investigación
con la denominación WAVE. Fue seguido por el lenguaje
AL en 1974. Los dos lenguajes se desarrollaron
posteriormente en el lenguaje VAL comercial para
Unimation por Víctor Scheinman y Bruce Simano.
1974 ASEA introdujo el robot Irb6 de accionamiento
completamente eléctrico.
1974 Kawasaki, bajo licencia de Unimation, instaló un robot
para soldadura por arco para estructuras de motocicletas.
1974 Cincinnati Milacron introdujo el robot T3 con control por
computadora.
1975 El robot ‘Sigma’’ de Olivetti se utilizó en operaciones de
montaje, una de las primitivas aplicaciones de la robótica
al montaje.
1976 Un dispositivo de Remote Center Compliance (RCC) para
la inserción de piezas en la línea de montaje se desarrolló
en los laboratorios Charles Stark Draper Labs en Estados
Unidos.
1978 El robot T3 de Cincinnati Milacron se adaptó y programó
para realizar operaciones de taladro y circulación de
materiales en componentes de aviones, bajo el patrocinio
de Air Force ICAM (Integrated Computer Aided
Manufacturing).
1978 Se introdujo el robot PUMA (Programmable Universal
Machine for Assambly) para tareas de montaje por
Unimation, basándose en diseños obtenidos en un
14

estudio de la General Motors.
1979 Desarrollo del robot tipo SCARA (Selective Compliance
Arm for Robotic Assambly) en la Universidad de
Yamanashi en Japón para montaje. Varios robots SCARA
comerciales se introdujeron hacia 1981.
1980 Un sistema robótico de captación de recipientes fue
objeto de demostración en la Universidad de Rhode
Island. Con el empleo de visión de máquina el sistema
era capaz de captar piezas en orientaciones aleatorias y
posiciones fuera de un recipiente.
1981 Se desarrolló en la Universidad de Carnegie-Mellon un
robot de impulsión directa. Utilizaba motores eléctricos
situados en las articulaciones del manipulador sin las
transmisiones mecánicas habituales empleadas en la
mayoría de los robots.
1982 IBM introdujo el robot RS-1 para montaje, basado en
varios años de desarrollo interno. Se trata de un robot de
estructura de caja que utiliza un brazo constituido por
tres dispositivos de deslizamiento ortogonales. El
lenguaje del robot AML, desarrollado por IBM, se
introdujo también para programar el robot SR-1.
1983 Informe emitido por la investigación en Westinghouse
Corp. Bajo el patrocinio de National Science Foundation
sobre un sistema de montaje programable adaptable
(APAS), un proyecto piloto para una línea de montaje
automatizada flexible con el empleo de robots.
1984 Robots 8. La operación típica de estos sistemas permitía
que se desarrollaran programas de robots utilizando
gráficos interactivos en una computadora personal y
luego se cargaban en el robot.
2.4 CARACTERÍSTICAS DE LOS ROBOTS
1. Versatilidad: Potencialidad estructural de ejecutar tareas
diversas y/o ejecutar una misma tarea de forma diversa. Esto
impone al robot una estructura mecánica de geometría variable.
15

2. Autoadaptabilidad al entorno: Significa que un robot debe,
por sí solo, alcanzar su objetivo(ejecutar su tarea) a pesar de las
perturbaciones imprevistas del entorno a lo largo de la ejecución
de su tarea. Esto supone que el robot sea consciente de su
entorno y que por lo tanto posea sentidos artificiales.
2.5 FUNCIONAMIENTO DEL ROBOT
Es un sistema mecánico articulado, dotado de sus motores
(eléctricos, hidráulicos o neumáticos) que arrastran a las articulaciones
del robot mediante transmisiones (cables, cintas, correas con
muescas...). Para conocer en todo instante la posición de las
articulaciones se recurre a los captadores (codificadores ópticos) que
se denominan propioceptivos. Estos dan el valor a las articulaciones,
que no es más que la configuración o el estado del robot.
El entorno es el universo en que está sumergida la primera
entidad. Si los robots están sobre un puesto fijo se reduce al espacio
alcanzable por el robot. En él el robot puede encontrar obstáculos que
ha de evitar y objetos de interés, o sea los objetos con los que tiene
que actuar. Por todo esto existe interacción entre la parte física y el
entorno. Mediante los captadores exteroceptivos (cámaras, detectores
de fuerzas, detectores de proximidad, captadores táctiles) se toman
informaciones sobre el entorno.
Las tareas a realizar es el trabajo que se desea que haga el
robot. La descripción de estas tareas se hace mediante lenguajes que
pueden ser a través de los gestos, en el que se le enseña al robot lo
que se debe hacer; orales, se le habla; por escrito en el que se le
escriben las instrucciones en un lenguaje compatible con el robot.
El cerebro del robot es el órgano de tratamiento de la información.
Este puede ser desde un autómata programable para los menos
avanzado hasta un miniordenador numérico o microprocesador para
los más avanzados. El cerebro, es el que tiene el papel principal,
contiene en sus memorias:
Un modelo del robot físico: las señales de excitación de los
accionadores y los desplazamientos que son consecuencia de ellas.
Un modelo del entorno: descripción de lo que se encuentra en el
espacio que puede alcanzar.
16

Programas: permite comprender las tareas que se le pide que realice.
Algoritmos de control.
2.6 CLASIFICACIÓN DE LOS ROBOTS
CRITERIO CLASIFICACIÓN
Geometría Se basa en la forma del área de trabajo producida por el
brazo del robot: rectangular, cilíndrica o esférica.
Configuraciones La configuración polar utiliza coordenadas polares para
especificar cualquier posición en términos de una rotación
sobre su base, un ángulo de elevación y una extensión
lineal del brazo.
La configuración cilíndrica sustituye un movimiento lineal
por uno rotacional sobre su base, con los que se obtiene
un medio de trabajo en forma de cilindro.
La configuración de coordenadas cartesianas posee tres
movimientos lineales, y su nombre proviene de las
coordenadas cartesianas, las cuales son más adecuadas
para describir la posición y movimiento del brazo. Los
robots cartesianos a veces reciben el nombre de XYZ,
donde las letras representan a los tres ejes del
movimiento, o sea, la representación en el espacio.
Grados de
libertad
Consiste en contar el número de grados de libertad que
tengan. Se considera un grado de libertad cada eje a lo
largo del cual se puede mover el brazo de un robot.
Área de
aplicación
Ensamblaje
Falta de ensamblaje: soldar, pintar, revestir, manejo de
materiales y carga y descarga de maquinaria.
Técnica de
control
Lazo cerrado: se monitorea continuamente la posición del
brazo del robot mediante un sensor de posición, y se
modifica la energía que se manda al actuador de tal forma
que el movimiento del brazo se obedece al camino
deseado, tanto en dirección como en velocidad. Éste
control se puede usar cuando la tarea que se ha de llevar a
cabo está dirigida mediante un camino definido por la
misma pieza, tal como sería soldar, revestir y ensamblar.
17

Lazo abierto: en éste sistema el controlador no conoce la
posición de la herramienta mientras el brazo se mueve de
un punto a otro. Éste tipo de control es muy usado cuando
el movimiento que debe seguir el brazo se encuentra
determinado previamente, al ser grabado con anterioridad
y reproducido sin cambio alguno, lo cual es útil cuando
todas las piezas a ser tratadas son exactamente iguales.
Fuente de
energía
Energía hidráulica: En los actuadores hidráulicos fluye un
líquido, comúnmente aceite. Tienen como ventaja que son
pequeños comparados con la energía que proporcionan, y
como desventajas que son propensos a fugas, el líquido
puede incendiarse y que se requiere numeroso equipo
adicional, lo cual incrementa los costos de mantenimiento
del robot. Los sistemas hidráulicos están asociados a un
mayor nivel de ruido.
Energía neumática: En los actuadores neumáticos se
transfiere gas bajo presión. Generalmente sólo tienen dos
posiciones: retraídos y extendidos, si posibilidad de utilizar
retroalimentación para usar un control proporcional. La
energía neumática tiene las siguientes ventajas: está
disponible en la mayoría de las áreas de manufactura, no
es cara y no contamina el área de trabajo. La desventaja
es que no se puede utilizar retroalimentación ni múltiples
pasos.
Energía eléctrica: Los actuadores eléctricos incluyen una
fuente de poder y un motor eléctricos. La mayoría de las
aplicaciones utilizan servomotores, el cual generalmente
utiliza corriente directa. Las ventajas de esta fuente de
energía son que no se requiere transformar la energía
eléctrica en otras formas de energía como la hidráulica o
neumática, no se contamina el espacio de trabajo y el nivel
de ruido se mantiene bajo. La desventaja es la baja
potencia que se consigue en comparación con su
contraparte hidráulica.
18

2.7 TIPOS DE ROBOTS
La producción los robots se destaca por traer consigo una
disminución de la mano de obra; además, ayuda a una mayor calidad
del producto acabado, debido a la rapidez de la producción. Casi
siempre, en la industria, los robots se unen a otras máquinas
aportando mayor eficiencia en la producción. En la esfera científica,
muchos de ellos son utilizados para hacer investigaciones en el campo
donde el hombre se le hace difícil ir, tal vez por un medio hostil o tal
vez demasiado peligroso: submarino, espacial, irradiado por centrales
nucleares. Así se han diseñado dos tipos de robot de acuerdo a su
misión y a su sentido de operacionalidad:
• Robot autónomo: Se le programa su misión, casi siempre con
trabajos sencillos y sin necesidad de reflexionar, de comprender
su entorno.
• Teleoperación o telepresencia: Esta máquina está controlada
a distancia por un puesto maestro monitoreado por el operador
(hombre).
En el campo de la medicina, o bien podríamos llamarle asistencia
individual, se destacan por la ayuda en la asistencia médica de
personas paralíticas, personas con partes del cuerpo amputadas, etc.
La robótica entonces cubre campos como:
• Prótesis: creación de manos y piernas artificiales.
• Órtesis: estructuras rígidas motorizadas que se ponen alrededor
del miembro paralizado y lo arrastran en su movimiento.
• Telétesis: destinadas a los paralíticos de los cuatro
miembros(tetrapléjicos) y son robots que el afectado controla a
distancia a partir de las zonas de motricidad voluntaria que haya
podido conservar, por ejemplo: la lengua, los músculos de los
ojos, etc.
19

2.8 DESARROLLO DE LOS ROBOTS
El lenguaje siempre ha sido una vía eficaz de comunicación, las
relaciones robótica-hombre también utilizan estos mecanismos para
una comunicación eficaz. Entre las formas que existen de
comunicación con los robots se encuentran:
1. Reconocimiento de palabras separadas: actualmente este
sistema es bastante primitivo y suelen depender de quien hablan.
Estos sistemas pueden reconocer un conjunto de palabras
concretas de un vocabulario muy limitado.
2. Enseñanza y repetición: es la más comúnmente utilizada en los
robots industriales. Implica el enseñar al robot todos los
movimientos que necesita realizar. Normalmente la enseñanza se
lleva atendiendo a los siguientes pasos:
 Dirigiendo al robot con un movimiento lento
utilizando el control manual (joystick, conjunto de botones,
uno para cada movimiento, o un sistema de manipulación
maestro esclavo) para realizar la tarea completa y grabando
los ángulos del movimiento del robot en los lugares
adecuados para que vuelva a repetir el movimiento.
 Reproduciendo y repitiendo el movimiento
enseñado.
Si el movimiento enseñado es correcto, entonces se hace
funcionar al robot a la velocidad correcta en el modo
repetitivo.
 Lenguajes de programación de alto nivel:
suministran una solución más general en la comunicación
hombre-robot. Los lenguajes clásicos (FORTRAN, BASIC,
PASCAL) no disponen de los comandos e instrucciones
específicas que se necesitan para la programación en la
robótica. Hasta ahora los lenguajes utilizados han sido
diseñados para un modelo específico de manipulador, una
tarea concreta, por lo que en estos momentos no existe
ningún lenguaje universal.
20

2.9 PROGRAMACIÓN USADA EN LA ROBÓTICA
La programación que se emplea en la robótica tiene caracteres
diferentes: explícito, en el cual el operador es el responsable de las
acciones de control y de las instrucciones adecuadas que las
implementan, o estar basada en la modelación del mundo exterior,
cuando se describe la tarea y el entorno y el propio sistema toma las
decisiones. La programación explícita es la más utilizada en las
aplicaciones industriales y consta de dos técnicas fundamentales:
1. Programación Gestual. Este tipo de programación, exige el
empleo del manipulador en la fase de enseñanza, o sea, trabaja
"on-line".
2. Programación Textual. En esta labor no participa la máquina
(off-line). Las trayectorias del manipulador se calculan
matemáticamente con gran precisión y se evita el
posicionamiento.
3. Programación Gestual O Directa: Es en este tipo de
programación donde el propio brazo interviene en el trazado del
camino y en las acciones a desarrollar en la tarea de la
aplicación; lo que determina la programación "on-line". Esta está
dividida en dos clases:
3.1 Programación por aprendizaje directo: El punto
final del brazo se traslada con ayuda de un dispositivo
especial colocado en su muñeca, o utilizando un brazo
maestro o maniquí, sobre el que se efectúan los
desplazamientos que, tras ser memorizados, serán repetidos
por el manipulador. Esta programación tiene pocas
posibilidades de edición ya que para generar una trayectoria
continua, es preciso almacenar o definir una gran cantidad
de puntos, cuya reducción origina discontinuidades.
3.2 Programación mediante un dispositivo de
enseñanza: Consiste en determinar las acciones y
movimientos del brazo manipulador, a través de un
elemento especial para este cometido. En este caso, las
21

operaciones ordenadas se sincronizan para conformar el
programa de trabajo.
Esta programación tiene como característica común que el
usuario no necesita conocer ningún lenguaje de programación,
simplemente debe habituarse al empleo de los elementos que
constituyen el dispositivo de enseñanza. De esta forma, se pueden
editar programas, aunque como es lógico, muy simples. Los lenguajes
de programación gestual, además de necesitar al propio robot en la
confección del programa, carecen de adaptabilidad en tiempo real con
el entorno y no pueden tratar, con facilidad, interacciones de
emergencia.
4. Programación Textual: El programa queda constituido por un
texto de instrucciones o sentencias, cuya confección no requiere
de la intervención del robot; es decir, se efectúan "off-line". Con
este tipo de programación, el operador no define, prácticamente,
las acciones del brazo manipulado, sino que se calculan, en el
programa, mediante el empleo de las instrucciones textuales
adecuadas. En una aplicación tal como el ensamblaje de piezas,
en la que se requiere una gran precisión, los posicionamientos
seleccionados mediante la programación gestual no son
suficientes, debiendo ser sustituidos por cálculos más perfectos y
por una comunicación con el entorno que rodea al sistema. En
ésta la posibilidad de edición es total.
El robot debe intervenir únicamente en la puesta a punto final.
Según las características del lenguaje, pueden confeccionarse
programas de trabajo complejos, con inclusión de saltos condicionales,
empleo de bases de datos, posibilidad de creación de módulos
operativos intercambiables, capacidad de adaptación a las condiciones
del mundo exterior, etc.
Esta programación textual está dividida en dos grandes grupos
de marcadas diferencias:
1. Programación textual explícita.
2. Programación textual especificativa.
Programación textual explícita: En la programación textual
explícita el programa consta de una secuencia de órdenes o
instrucciones concretas, que van definiendo con rigor las operaciones
necesarias para llevar a cabo la aplicación. Se puede decir que la
22

programación explícita engloba a los lenguajes que definen los
movimientos punto por punto, similares a los de la programación
gestual, pero bajo la forma de un lenguaje formal. Con este tipo de
programación, la labor del tratamiento de las situaciones anormales,
colisiones, etc., queda a cargo del programador.
Dentro de la programación explícita, hay dos niveles:
Nivel de movimiento elemental que comprende los lenguajes dirigidos
a controlar los movimientos del brazo manipulador. Existen dos tipos:
1. Articular: Cuando el lenguaje se dirige al control de los
movimientos de las diversas articulaciones del brazo.
2. Cartesiano: Cuando el lenguaje define los movimientos
relacionados con el sistema de manufactura, es decir, los del
punto final del trabajo (TCP)
Los lenguajes del tipo cartesiano utilizan transformaciones
homogéneas, lo que hace que se independice a la programación del
modelo particular del robot, puesto que un programa confeccionado
para uno, en coordenadas cartesianas, puede utilizarse en otro, con
diferentes coordenadas, mediante el sistema de transformación
correspondiente.
Por el contrario, los lenguajes del tipo articular indican los
incrementos angulares de las articulaciones. Aunque ésta acción es
bastante simple para motores de paso a paso y corriente continua, al
no tener una referencia general de la posición de las articulaciones con
relación al entorno, es difícil relacionar al sistema con piezas móviles,
obstáculos, cámaras de TV, etc.
Nivel estructurado, es el que intenta introducir relaciones entre el
objeto y el sistema del robot, para que los lenguajes se desarrollen
sobre una estructura formal. Se puede decir que los lenguajes
correspondientes a este tipo de programación adoptan la filosofía del
PASCAL: describen objetos y transformaciones con objetos,
disponiendo, muchos de ellos, de una estructura de datos
arborescente.
23

El uso de lenguajes con programación explícita estructurada
aumenta la comprensión del programa, reduce el tiempo de edición y
simplifica las acciones encaminadas a la consecución de tareas
determinadas. En los lenguajes estructurados, es típico el empleo de
las transformaciones de coordenadas, que exigen un cierto nivel de
conocimientos. Por este motivo dichos lenguajes no son populares hoy
en día.
Programación textual especificativa: La programación textual
explícita es una programación del tipo no procesal, en la que el usuario
describe las especificaciones de los productos mediante una
modelización, al igual que las tareas que hay que realizar sobre ellos.
El sistema informático para la programación textual
especificativa ha de disponer del modelo del universo (actualmente,
los modelos del universo son del tipo geométrico, no físico), o mundo
donde se encuentra el robot. Este modelo será, normalmente, una
base de datos más o menos compleja, según la clase de aplicación,
pero que requiere siempre computadoras potentes para el procesado
de una abundante información. El trabajo de la programación
consistirá, simplemente, en la descripción de las tareas a realizar, lo
que supone poder llevar a cabo trabajos complicados.
24

3.1 DEFINICION
La medicina se beneficia de los descubrimientos las aplicaciones
de la electrónica, se asiste, sin embargo, desde hace muchos años, a
un cambio inverso. Cuando dos disciplinas se fusionan, es muy raro
que la colaboración se haga en sentido único; un día u otro hay un
cambio mutuo. La aplicación de la biología a la electrónica, el estudio
de los fenómenos fisiológicos que puedan inducir los dispositivos
electrónicos, ha incitado a los electrónicos a examinar su propia
disciplina bajo un ángulo nuevo: La biónica.
Los estudios de biología comparada, hechos en el conjunto del
mundo viviente, han maravillado siempre a los cibernéticos. La
naturaleza es un inmenso laboratorio donde se realizan continuamente
experiencias; lo mas difícilmente seguramente es saber observarlas e
interpretarlas.
Es probable que la biónica, antes de alcanzar la edad adulta,
pasara por diferentes estados donde se imbricaran mas o menos la
biología y la electrónica. No nos sorprendería ver montajes que
contuvieran órganos receptores provenientes del mundo animal,
unidos entre sí mediante componentes electrónicos, viviendo los
órganos bañados en una solución fisiológica. Así se realizan circuitos,
entre diferentes módulos electrónicos y un determinado numero de
módulos biológicos.
25

MÚSCULOS BIÓNICOS
NERVIOS BIÓNICOS
26

NARIZ BIÓNICA
27

OJO BIÓNICO
OÍDO BIÓNICO
28

LENGUA BIÓNICA
29

ESTIMULACIÓN BIÓNICA
Todos estos avances en la Biónica han ayudado a la medicina a
realizar grandes avances en la cura de enfermedades y deficiencias
físicas.
EL HOMBRE BIÓNICO
30

31

4.1 DEFINICION
La Cibernética es la ciencia que se ocupa de los sistemas de
control y de comunicación en las personas y en las máquinas,
estudiando y aprovechando todos sus aspectos y mecanismos
comunes. El nacimiento de la cibernética se estableció en el año 1942,
en la época de un congreso sobre la inhibición cerebral celebrado en
Nueva York, del cual surgió la idea de la fecundidad de un intercambio
de conocimiento entre fisiólogos y técnicos en mecanismos de control.
Cinco años más tarde, Norbert Wiener, uno de los principales
fundadores de esta ciencia, propuso el nombre de cibernética,
derivado de una palabra griega que puede traducirse como piloto,
timonel o regulador. Por tanto la palabra cibernética podría significar
ciencia de los mandos. Estos mandos son estructuras con elementos
especialmente electrónicos y en correlación con los mecanismos que
regulan la psicología de los seres vivientes y los sistemas sociales
humanos, y a la vez que permiten la organización de máquinas
capaces de reaccionar y operar con más precisión y rapidez que los
seres vivos, ofrecen posibilidades nuevas para penetrar más
exactamente las leyes que regulan la vida general y especialmente la
del hombre en sus aspectos psicológicos, económicos, sociales, etc.
Conocer bien al hombre es facilitar la elección de las armas
necesarias para combatir sus enfermedades. Por tanto, es natural ver
una parte de las investigaciones orientarse hacia un mejor
conocimiento de los procesos fisiológicos. Ayudándose de la química y
de la física es como han podido realizarse grandes progresos. Si quiere
proseguir un mejor camino, debe abrirse mas al campo de la mecánica
y más aun al campo de la electrónica. En este aspecto se abre a la
Cibernética.
Antes de conocer bien al hombre, la evolución científica exige ya
la adaptación de lo poco que se conoce, a un medio que se conoce
apenas mejor. La vida en las regiones interplanetarias trastorna
32

completamente la fisiología y, el cambio brusco que sobreviene
durante el paso de la tierra a otro planeta, no permite al hombre sufrir
el mecanismo de adaptación. Es, por tanto, indispensable crear un
individuo parecido al hombre, pero cuyo destino será aun más
imprevisible, puesto que nacido en la tierra morirá en otro lugar.
Nacido de la unión de la cibernética con la fisiología, se llamara
"cyborg". Su constitución contendrá glándulas electrónicas y
químicas, estimulados bioeléctricos, el todo incluido en un organismo
cibernetizado... Sus padres, M.Clydes y N.Kline, abordan la ficción de
una manera concreta, considerando que el hombre en el espacio, para
protegerse de las radiaciones, temperaturas excesivas y aceleraciones
importantes, deberán cargar una escafandra enorme, hermética y
emplomada, que le obliga a maniobrar delicadas y peligrosas tareas
para realizar el menor acto fisiológico; con riesgo, por lo demás, de
transformar la escafandra en féretro. También, para evitar los
múltiples inconvenientes, se examinara la creación de este nuevo ser.
El individuo, fuera de la escafandra, es extremadamente
vulnerable, hay que transformarlo para hacer de él un Cyborg.
Colocado en una atmósfera cuya presión sea diez veces menor, el
hombre vería su sangre bullir y sus pulmones estallar. Un convertidor
químico injertado en el vientre y colocado en el sistema circulatorio,
cuyo papel seria rebajar la temperatura, como un simple sistema
refrigerador, y eventualmente participar en la oxigenación de la
sangre, bastaría.
El sistema endocrino será reemplazado por estimulados
electrónicos que controlen la cantidad de adrenalina en el caso de una
estimulación suprarrenal o del azúcar sanguíneo (glucemia) en el caso
de una estimulación hipotética. Otro sistema endocrino artificial, un
dispositivo de calentamiento automático, mantendría el cerebro en
condiciones satisfactorias de funcionamiento; sería incluso prever un
sistema de distribución de alimentos energéticos por medio de un
mando electrónico.
Al ser muy larga la duración de los viajes interplanetarios, como
también las estancias, y si es cierto que se debe ver un cyborg llegar a
la tierra, en el caso más favorable en pueda producirse el
acontecimiento, estaríamos frente a un nuevo individuo. Su
33

envejecimiento no será comparable a la dulce madurez de un terrícola
en la tierra, pero por su estructura particular, asistiríamos a la
transformación profunda de todo su ser: una degeneración
prácticamente completa de su sistema digestivo, pero en
compensación, un cerebro mas desarrollado, que ofrecería un
psiquismo muy particular que tal vez no tendría nada de humano.
La Cibernética puede ser considerada como una adquisición
sumamente aprovechable para la evolución científica. Desde el estudio
del comportamiento de la célula nerviosa, la neurona, hasta el del
individuo en su conjunto, ofrece un inmenso campo de investigaciones,
particularmente a la medicina.
4.2 METODOS DE LA CIBERNETICA
La cibernética ha encontrado sus primeros elementos en el
estudio de los reguladores, que se encuentran en biología y en el
campo técnico.
En biología, el sistema nervioso nos ofrece dos formas de
regulación análogas. Es el caso de las regulaciones neuro-endocrinas,
que aseguran el mantenimiento del equilibrio en nuestro medio
interior, aunque las regulaciones sean muy complejas y hayan de
intervenir varios elementos correctores que se anulan, se suman o se
complementan, para realizar finalmente este equilibrio; y por otro lado
se encuentra el papel de los osmo-receptores en el control de la
concentración osmótica del plasma; en este caso la hormona
antidiurética desempeña un papel intermedio para regular la
eliminación renal de agua.
La analogía es más sorprendente cuando se examinan los
problemas musculares. El estar de pie, por ejemplo, se posibilita
mediante el juego de los músculos de la estática que, por una serie de
contracciones y dilataciones, aseguran el equilibrio del conjunto.
La flexión de una pata posterior engendra una serie de
contracciones y relajaciones rítmicas, en tanto dura la flexión.
34

Asistimos al fenómeno del "clonus", bien conocido en neuropatología,
en los síndromes piramidales. N.Wiener, considerado como el padre de
la cibernética, ha estudiado matemáticamente el fenómeno de clonus y
ha podido establecer relaciones entre la experimentación y el cálculo.
Existen otras analogías, como los circuitos reverberantes u
oscilantes que se encuentran en electrónica; algunos han conocido un
determinado favor, como el esquema construido por Bucy para tratar
de explicar la teoría de los movimientos involuntarios. La careoatetosis
con sus movimientos desordenados y el mal de Parkinson con su
temblor asociado a la parálisis, parecen responder a la existencia de
circuitos oscilantes entre la corteza cerebral y los núcleos de la base
del cerebro.
Las calculadoras electrónicas y las maquinas de traducir no son
mas que el embrión de una actividad cerebral supuesta, cuyo trabajo
no corresponde probablemente a lo que pasa realmente en los
circuitos nerviosos.
Esta conclusión, por pesimista que sea, no rebate sin embargo a
los cibernéticos, cuyo fin no es revolucionar el mundo con los "robots",
sino simplemente buscar mejor la forma de comprender el
funcionamiento de los organismos vivientes con ayuda de analogías
mecánicas o eléctricas. Estas analogías no existen sino que a veces es
necesario crearlas; esto es lo que ha dado lugar a los animales
sintéticos como tortugas, ranas etc.
4.3 DIFICULTADES ENCONTRADAS POR LA
CIBERNETICA
Algunos ejemplos muestran cuan delicado es encontrar una
relación entre el funcionamiento de una maquina y el de un órgano. La
dificultad aumenta en cuanto se dirige a las contexturas nerviosas
superiores. A este nivel, no existe ninguna maquina similar, porque la
creación de maquinas nuevas que permitan la comparación implicaría
un conocimiento perfecto de las estructuras nerviosas.
35

5.1 DEFINICION
En teoría, los sistemas expertos son capaces de razonar
siguiendo pasos comparables a los que sigue un especialista (médico,
biólogo, geólogo, matemático, etc.), cuando resuelve un problema
propio de su disciplina. Por ello el creador de un sistema experto debe
comenzar por identificar y recoger, del experto humano, los
conocimientos que éste utiliza: conocimientos teóricos, pero sobre
todo los conocimientos empíricos adquiridos en la práctica.
El estudio y desarrollo de los sistemas expertos (SES) comenzó a
mediados de la década del 60. Entre 1965 y 1972 fueron desarrollados
varios de estos sistemas, muchos de ellos tuvieron un alcance muy
limitado, otros como mycin, dendral y prospector, constituyeron la
base histórica del SES y aún en la actualidad son de gran interés para
los investigadores que se dedican al estudio y construcción de los
mismos.
Los sistemas expertos o especializados constituyen una
instrumentalización de la IA muy útil. Son sistemas que acumulan
saber perfectamente estructurado, de tal manera que sea posible
obtenerlo gradualmente según las situaciones. Aquí desaparece el
concepto de información en favor del de saber. Un sistema experto no
es una biblioteca que aporta información, sino un consejero o
especialista en una materia, de ahí que aporte saber, consejo
experimentado.
Un sistema experto es un sofisticado programa de computadora.
Posee en su memoria y en su estructura una amplia cantidad de saber
y, sobre todo, de estrategias para depurarlo y ofrecerlo según los
requerimientos. Ello convierte al sistema (software-hardware) en un
especialista en la materia para lo que está programado; se utiliza
como apoyo o elemento de consulta para investigadores, médicos,
abogados, geólogos, y otros profesionales. En la actualidad existe un
36

gran número de sistemas expertos repartidos entre los campos más
activos de la investigación y de la profesionalidad.
Un ejemplo sería INTERNIST, un sistema experto en medicina.
La medicina atrae, por el momento, buena parte de la atención de los
diseñadores de sistemas y cuenta con el mayor número de programas.
El sistema INTERNIST contempla el diagnóstico de las enfermedades
de medicina interna u hospitalaria. Fue desarrollado en la universidad
norteamericana de Pittsburg en 1 977.
En los centros médicos que disponen de dicho sistema, el médico
acude a la consola de la computadora después de haber reconocido al
paciente y haber realizado los análisis que cree pertinentes. Entonces
la máquina solicita al médico información sobre el paciente, y se
establece una conversación a través de la pantalla y el teclado, similar
a la que se establecería entre un médico y un reputado especialista al
que se acude para contrastar un diagnóstico.
La computadora recibe el historial médico del enfermo, los
síntomas y los resultados de pruebas y análisis. Con esta información,
el sistema experto relaciona los datos de forma muy elaborada y
comienza por desechar posibles diagnósticos hasta que llega a los que
parecen más probables. Finalmente, elige uno y lo da a conocer con
todo el detalle del proceso. Luego justifica su elección y el porqué de la
posible enfermedad: cuadro clínico, historial, tratamiento,
posibilidades de error, etc.
La elaboración de los sistemas expertos exige el despliegue de
un amplio equipo de ingenieros de lA y una larga tarea de organización
del saber. El equipo trabaja con algún especialista en la materia de la
aplicación; en el caso del INTERNIST, con brillantes y especializados
médicos. Estos especialistas son denominados «informantes». La meta
consiste en plasmar computacionalmente los «pasos» que el
informante sigue para descartar unos diagnósticos y escoger el más
acertado. Ello requiere pacientes sesiones para trasvasar el
conocimiento del médico especialista a una programación que ha de
incluir procedimientos de diagnóstico y conocimientos de
enfermedades.
37

Por ser los SES programas basados en conocimiento, la
programación de SES incluye como aspecto fundamental la
programación del conocimiento, la cual hace uso de la representación
explícita del conocimiento a utilizar por el sistema y de su
interpretación y manipulación lógica por medio de mecanismos de
inferencia, que permitan deducir nuevo conocimiento a partir del que
ya se conoce.
38

6.1 INTRODUCCION
Un gran objetivo, no carente de una abrumadora complejidad, se
cifra en el tratamiento del lenguaje natural. Este objetivo consiste en
que las máquinas computacionales (y sus aplicaciones en robótica)
puedan comunicarse con las personas sin ninguna dificultad de
comprensión, ya sea oralmente o por escrito. Aquí encontramos la
realización de un sueño largamente alimentado: hablar con las
máquinas y que éstas entiendan nuestra lengua y, también, que se
hagan entender en nuestra lengua.
La síntesis del lenguaje y el reconocimiento de voz forman dos
aspectos del mismo propósito. Los logros que se han conseguido
resultan a todas luces parciales e insuficientes, pero alentadores.
Ciertas máquinas pueden interpretar las gráficas de textos escritos y
reproducirlos oralmente: leen los textos en voz alta.
Uno de los avances de este tipo (que sin duda representará una
evolución notable en poco tiempo) es el programa FRUMP, elaborado
en la universidad de Yale. FRUMP es capaz de leer historias cortas y
resumirlas escuetamente con una gramática correcta y una expresión
convincente.
Para lograr que las computadoras comprendan la lengua en la
que la persona se expresa, es preciso pasar por una dilatada cadena
de investigaciones en el campo de la acústica y ondas de lenguaje,
análisis fonético y articulación, reglas de formación de frases o análisis
sintáctico, el dominio semántico o de los conceptos y, finalmente, el
análisis global de los actos de comunicación o pragmática.
El tratamiento del lenguaje natural tendrá una repercusión
difícilmente imaginable. Su aplicación se extenderá al hasta ahora
cegado camino de la traducción automática del lenguaje. Los textos o
expresiones de una lengua se verterán de manera automática e
39

inmediata a otra lengua o idioma. Se prevé alcanzar mecánicamente
un 90 por ciento de precisión, y el resto del material de traducción
será tratado por personal especializado.
Junto al lenguaje, aparece otro objetivo capital, consistente en el
tratamiento de gráficos y la visión artificial. De este planteamiento se
desgranan aspectos como los de la percepción electrónica, selección y
almacenamiento de imágenes, reconocimiento visual de formas y
objetos, producción de imágenes y diseño industrial, etc.
40

7.1 DEFINICION
Una Red Neuronal Artificial es un modelo de procesamiento de
información que es inspirado por el modo de un sistema nervioso
biológico, tal como el cerebro procesa información. El elemento clave
de éste paradigma es la estructura original de el sistema de
procesamiento de información. Este se compone de un gran número
de elementos interconectados procesando “neuronas” y trabajando en
armonía para resolver problemas específicos.
Las Redes Neuronales Artificiales, como las personas, aprenden
con ejemplos. Una Red Neuronal Artificial es configurada para una
aplicación específica, tal como el reconocimiento de patrones o
clasificación de datos, a través de un proceso de aprendizaje.
Aprender, en sistemas biológicos, implica ajustes para las conexiones
sinópticas que existen entre las neuronas. Esto lo hace una Red
Neuronal Artificial. También, las Redes Neuronales Artificiales se han
aplicado a un gran número de problemas reales de complejidad
considerable. Su ventaja más importante está en resolver problemas
que son demasiado complejos para tecnologías convencionales,
problemas que no tienen un algoritmo de solución o que su algoritmo
de solución es muy difícil de encontrar. En general, a causa de su
abstracción del cerebro biológico, las Redes Neuronales Artificiales son
aptas para resolver problemas que las personas pueden resolver, pero
las computadoras no pueden. Estos problemas incluyen
reconocimiento de patrones y pronósticos (los cuales requieren el
reconocimiento de tendencias de datos).
7.2 HISTORIA
41

Durante el período de 1967 a 1982, la búsqueda de la
neurocomputación se lleva a cabo fuera de Estados Unidos (la
búsqueda en Japón, Europa, y la Unión Soviética). Sin embargo, una
gran empresa investiga una cadena neuronal dentro de un proceso del
principio adaptativo de procesos de imágenes, reconocimiento de
patrones y modelos biológicos. Los primeros años de 1980, muchas
investigaciones de la neurocomputación empezaron a ser audaces
propuestas para explorar el desarrollo de neurocomputadoras y
aplicaciones de redes neuronales. En el primer lanzamiento de Defense
Advanced Rechears Projects Agency (DARPA), donde Ira Skurnick (un
programa maestro para la oficina de defensa) rechazó a seguir el
concepto convencional e insistió a que escucharan sus argumentos
acerca de sus investigaciones sobre la neurocomputación.
Audazmente diversifica lo tradicional; Skurnick empezó sus
investigaciones en 1983. Dando el estatus DARPA'S, como uno de los
árbitros mundiales de la moda tecnología. Pocos meses después el
programa maestro de otras organizaciones se consolidaron dando con
esto un gran salto. Skurnic estuvo en el lugar adecuado en el
momento adecuado para hacer una llave de decisión que ayudara al
lanzamiento del renacimiento de la neurocomputación.
Algunas otras fuerzas en los años de 1983 a 1986 fue Jonh
Hopfiel, un físico famoso con reputación mundial quien comenzó una
interesante investigación en redes neuronales. En pocos años, Hopfiel
escribió dos grandes volúmenes de redes neuronales en 1982 y 1984,
que fueron leídas por mucha gente alrededor del mundo, persuadiendo
a muchos físicos y matemáticos de todo el mundo a unirse a la nueva
investigación de redes neuronales. En realidad, alrededor de 1986,
aproximadamente una tercera parte de toda esta gente se había
vuelto seguidor de Hopfiel. El trabajo de Hopfiel ha sido descrito y su
principal contribución a ésta ciencia es que la ha revitalizado. En
algunos círculos de investigadores se ha desarrollado una confusión en
torno a que Hopfiel invento la neurocomputación o es el que ha hecho
los adelantos más significativos. Esta creencia ha generado gran
inconformidad por parte de muchos pioneros especialmente por
aquellos que han estado trabajando muchos años en la oscuridad. Para
1986, con la publicación del libro "PDP", que significa Procesamiento
Paralelo Distribuido, editado por David Rumelhart, el camino fue
abierto. En 1987, se realizo la primera conferencia abierta sobre redes
42

neuronales del I.E.E.E. con 1700 participantes y fue hecha en San
Diego y la Sociedad Internacional de Redes Neuronales fue formada en
1988, seguida por la Computación Neuronal en 1989 y el I.E.E.E.
Transacción sobre Redes Neuronales en 1990. A principios de 1987,
muchas universidades anunciaron la formación de institutos de
investigación y programas de educación acerca de la
neurocomputación. Alrededor de la neurocomputación se hace una
interesante historia pero el camino aún se está desarrollando. Como
dijo Winston Churchill: “estamos al final del principio”.
El origen de las Redes Neuronales Artificiales ha sido el resultado
de investigaciones académicas que involucran fórmulas matemáticas
para modelar operaciones del sistema nervioso. Las técnicas
resultantes están empezando a tener éxito en aplicaciones de negocios
cotidianos. Las Redes Neuronales representan un provechoso
acercamiento para usar las computadoras en los lugares de trabajo.
Una Red Neuronal es usada para aprender patrones y relaciones de
datos. Los datos pueden ser el resultado del esfuerzo de una
investigación de mercado, el resultado de un proceso de producción
dando variación a las condiciones de operación, o las decisiones de un
prestamista dado un conjunto de aplicaciones de préstamo, utilizando
una Red Neuronal es una salida considerable parecida a un enfoque
tradicional. Tradicionalmente un programador o un analista especifican
“códigos” de cada faceta del problema en orden para que la
computadora pueda “entender” la situación. Las Redes Neuronales no
requieren el código explícito del problema. Por ejemplo, para generar
un modelo que lleve a cabo un pronóstico de ventas, una Red Neuronal
sólo necesita que le den los datos sin preparar relacionados con el
problema. Los datos sin preparar podrían consistir en: historias de
ventas pasadas, precios, precios de la competencia y otras variables
económicas. La Red Neuronal escoge entre esta información y produce
un acuerdo de los factores que influyen en las ventas. El modelo puede
entonces ser llamado para dar una predicción de ventas futuras dado
un pronóstico de los factores claves.
Estos adelantos son debido a la creación de reglas de
aprendizaje de una Red Neuronal, que son los algoritmos usados para
“aprender” las relaciones de los datos. Las reglas de aprendizaje
habilitan a la red para “ganar conocimiento” desde datos disponibles y
aplica ese conocimiento para asistir al gerente al tomar decisiones.
7.3 MODELOS DE REDES NEURONALES
43

Los modelos de redes neuronales también conocidos como
modelos de procesamiento distribuido en paralelo ó sistemas
neuromorfológicos, tienen su principio de funcionamiento basado en la
interconexión de alta densidad de elementos sencillos de cómputo. La
estructura de las redes neuronales ha sido desarrollada de acuerdo a
nuestra comprensión del sistema nervioso biológico.
Estos modelos de redes han tenido gran auge en áreas como el
reconocimiento de imágenes y sonido, ya que dichas redes procesan
simultáneamente varias hipótesis a través de redes paralelas
compuestas de elementos de cómputo, conectados a las variables
ponderables. Los elementos de cómputo o nodos utilizados en las
redes neuronales son generalmente no lineales y analógicos, además
están caracterizados por un umbral y offset interno. Algunas de las no
linealidades más comunes son: los limitadores lógicos del umbral y las
no linealidades sigmoidales. Los nodos más complejos incluyen
temporal y otras operaciones matemáticas complejas.
Los módulos de redes neuronales son especificados de acuerdo a
la topología de la red, las características de los nodos y las reglas de
entrenamiento o aprendizaje. Estas reglas indican un grupo inicial de
valores y como deben modificarse esos valores para obtener un mejor
resultado. La mayoría de los algoritmos de las redes neuronales
realizan lecturas de los valores a analizar a lo largo del tiempo para
obtener, basados en resultados actuales, valores más confiables.
Con el propósito de que el aprendizaje y la adaptación sean los
más óptimos, se utilizan clasificadores, los cuales tienen un grado de
robustez determinado por la capacidad de adaptabilidad de la red,
mayor que los clasificadores estadísticos. Mediante la utilización de las
redes neuronales constituídas por una gran cantidad de circuitos
simples de procesamiento operando en paralelo se ha logrado obtener
la capacidad de procesamiento requerida hoy en día.
44

Modelo de Redes Neuronales Clasificadores tradicionales y
Modelo de Red neuronal.
Ambos tipos de clasificadores determinan cual de las M clases es
más representativa de un patrón de entrada desconocido conteniendo
N elementos. El clasificador tradicional está dividido en dos etapas. La
primera etapa computa o registra los valores de cada clase, dándoles
un puntaje, y la segunda etapa selecciona la clase que contenga el
máximo puntaje. Las entradas de la primera etapa son símbolos que
representan los valores de los N elementos de entrada, éstos son
introducidos secuencialmente y decodificados para poder ser
manipulados adecuadamente. Un algoritmo computa el puntaje de
cada una de las M clases, lo cual servirá para indicar si quedan igual o
diferente a éste valor de entrada, comparada con el patron ejemplar
para cada clase. Luego, los resultados son codificados y pasados
secuencialmente de la segunda etapa del clasificador donde son
decodificados y la clase con mayor puntaje es seleccionada, por lo que
después de que la clasificación ha sido completada solamente la salida
correspondiente a la clase seleccionada estará en alto y las demás
salidas en baja. Segundo, los clasificadores pueden ser utilizados como
contenedores direccionables o memorias asociativas. Y tercero,
cuantifica vectorialmente o agrupa las N entradas en los M grupos.
Las redes entrenadas sin supervisión, como las redes formadas
mediante la estructura Kohonen, son utilizadas como cuantificadores
vectroriales o para formar grupos.
La red neuronal Hamming es implementada como el clasificador
más óptimo para patrones binarios contaminados por ruido aleatorio.
La Red Hopfield es usada normalmente cuando se tienen entradas
binarias, y no son muy utilizadas cuando los valores de entrada son
continuos, debido al problema de representación que se presenta
cuando desea convertirse las cantidades continuas en valores binarios.
Este tipo de red tiene N nodos que contienen fuertes no linealidades y
entradas y salidas binarias alrededor de los valores +1 y -1. La salida
de cada nodo se retroalimenta a los demás nodos. Hopfield también
demuestra que las redes convergen cuando el grado similar de no
linealidades para la no linealización de sigmoid. Las ramas de Hopfield
tienen dos limitaciones mayores cuando se usa como un contenido de
memoria direccionable.
Primero, el número de los patrones que pueden inicializar y
precisamente vuelto a llamar es limitado severamente. La segunda
45

limitación de la rama de Hopfield es que un patrón ejemplar será
inestable si los patrones de varios bits son comunes a otro patrón
similar. La distancia Hamming es el número de bits en la entrada, la
cual no hace par el correspondiente ejemplo de bits. El MAXNET
siempre será convergente y encuentra nodo con el valor máximo
cuando e < 1/M. El número de las conexiones en la red Hamming
crece linealmente. La red Hamming no puede dañar de espurios las
salidas patrones cuando puede producir un resultado (no par). El
algoritmo líder selecciona la primera entrada como el primer ejemplar
para el primer grupo. La siguiente entrada es compartida con el primer
grupo ejemplar. Esta sigue al líder y es agrupado con el primero, si la
distancia del primero es menor que un umbral. De otro modo éste es
el ejemplo para un nuevo grupo.
El número de grupos de esta forma crece con el tiempo y
depende en ambos el umbral y la distancia métrica usada para
comparar entradas para los grupos ejemplares. Esta red difiere de la
red Hamming en que las conexiones de retroalimentación están
provistas de los nodos de salida a los nodos de entrada. El algoritmo
Carponter/Grossberg puede funcionar bien con un patrón de entrada
perfecto, pero eso iguala una pequeña cantidad de ruido que puede
causar problemas.
46

La IA tradicional estaba estancada con máquinas que no podían
realizar tareas que un niño hace con facilidad, como no tropezar con
los muebles y distinguir entre una mesa y una taza de café. Pero la IA
basada en la naturaleza trajo aires renovadores y quizás dentro de una
a dos décadas se construya una inteligencia semiartificial.
La cosa no es fácil. Se ha calculado que un PC tiene más o
menos la potencia de cálculo de un caracol, en tanto que un Cray 2
(uno de los más rápidos supercomputadores existentes) apenas iguala
al poder cerebral de un ratón. Si fuera posible hacer una máquina de
capacidad equivalente a la del cerebro humano, requeriría 100
megawatts, energía suficiente para iluminar toda una ciudad. Los
científicos trabajan hace más de 40 años para lograr que las máquinas
piensen de un modo útil e interesante. Aunque se están dando pasos
importantes, encontrar la clave para construir la inteligencia es por el
momento mérito exclusivo de Dios.
47

Para finalizar, recogemos éstas frases célebres, procedentes de
personajes inmersos en la IA, y otros que, desde principios de la Era,
ya tuvieron un visión sobre máquinas inteligentes e inteligencia
artificial:
Aristóteles, el cerebro de más vasta concepción en la historia del
pensamiento, refiriéndose a una forma particular de la tarea repetitiva
acuñó una frase que aún tiene vigencia: "cuando los telares tejan por
si mismos, habrá terminado la esclavitud del hombre".
Norber Winer, matemático norteamericano que introdujo el término
cibernética y su teoría, refiriéndose al mismo tema, expresó: "es una
degradación para un ser humano encadenarlo a un remo y usarlo
como fuente de energía; pero es casi igual degradación asignarle
tareas puramente repetitivas en una fábrica, que exigen menos de una
millonésima parte de su poder cerebral".
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".
48

Inteligencia artificial

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a Inteligencia artificial

Similar a Inteligencia artificial (20)

Último

Último (20)

Inteligencia artificial