Este documento presenta una revisión de las principales tendencias y técnicas utilizadas actualmente en inteligencia artificial, incluyendo algoritmos genéticos, redes neuronales artificiales, agentes inteligentes y máquinas superinteligentes. También describe ejemplos del uso de estas técnicas en áreas como la medicina, ingeniería y entretenimiento, como la detección de objetos en tiempo real utilizando algoritmos genéticos y la clasificación de imágenes satelitales mediante redes neuronales. Finalmente, discute lenguajes de programación

1. Tendencias de la Inteligencia Artificial
“Un nuevo paso hacia el futuro”
José Manuel Valencia Navarro
UNIVERSIDAD CATOLICA DE SANTA MARIA
Programa Profesional de Ingeniería de Sistemas
Arequipa, Peru
jvn14@hotmail.com
Abstract— This electronic document presents a review of trends about more used in artificial intelligence, and examples about what you can achieve such current trends in trouble about different areas as medicine, engineering, military and entertainment.
Keywords- Artificial Intelligence, Solutions, Examples, Logic.
Resumen- Este articulo presenta una revisión acerca de las tendencias mas usadas en inteligencia artificial, así como ejemplos acerca de lo que pueden alcanzar dichas tendencias en la actualidad para resolver problemas de distintas áreas como son la medicina, ingeniería, militares y entretenimiento.
Palabras Clave—Inteligencia Artificial, Soluciones, Ejemplos, Lógica.
I. INTRODUCCION
Muchas personas que en nuestras vidas hemos apreciado películas acerca de robots y maquinas con superinteligencia nos dejaron con una idea futurista de la tecnología, pues gracias a esto la imaginación de personas tuvo una gran estimulación, ya que no todo lo visto en esas películas puede llegar a ser ficción, ya que recientes estudios nos impresionan logrando hacer realidad lo previsto en esas películas. [1]
Las películas de ficción prestan gran utilidad a la ciencia, como medio incentivador y motivador de nuevos proyectos de investigación. También ha resultado una herramienta poderosa para sensibilizar a autoridades y gobernantes sobre la importancia y utilidad que las inversiones públicas tienen el desarrollo científico.
II. TECNICAS ACTUALES
En la actualidad la Inteligencia Artificial está siendo desarrollada usando una amplia variedad de tecnologías y técnicas como: Lógica difusa, Redes Neuronales Artificiales, Sistemas Expertos, Agentes inteligentes, Algoritmos genéticos, Maquinas Super-inteligentes, etc. También existe el desarrollado lenguajes de programación, específicamente para inteligencia artificial así como se están desarrollando algunos que ubiquen la inteligencia artificial, en un nivel más elevado. A continuación explicaremos algunas técnicas de éstas y los ejemplos que se dan en la actualidad utilizando dichas técnicas.
A) Algoritmos Genéticos
Un algoritmo genético es una clase de algoritmo adaptativo estocástico, que implica búsqueda y optimización. Los algoritmos genéticos fueron utilizados en
Holanda en (1975) por primera vez. La idea básica, es tratar de reproducir de forma sencilla el proceso de la selección natural, con el objetivo de encontrar un algoritmo adecuado para la solución de un problema específico.
En la actualidad vemos que se desarrolló el uso de algoritmos genéticos para la detección de objetos en tiempo real, que consiste en la adaptación al tiempo real de algoritmos generalmente utilizados offline[2].
Fig. 1. Captura de imagen y orientación relativa entre cámara y pelota
La figura 1 muestra como la imagen capturada por la cámara representa la pelota, cuando se encuentra a una determinada

2. distancia d, y la diferencia de orientación entre el objeto y la cámara en el eje x es α, y en el eje y β.
Si los valores de α o β variasen en la figura 1, manteniendo la distancia d, la captura de la cámara mostrará una pelota de similares proporciones, pero situada en una zona distinta. Incluso si la variación es grande, la cámara no capturar a la pelota. Como vemos el sistema ofrece una robusta alternativa a los sistemas tradicionales de detección de objetos, utilizando para ello los principios de los algoritmos genéticos.
B) Redes Neuronales Artificiales
Las redes neuronales artificiales tienen una gran capacidad de adquirir conocimiento a partir de datos complejos o imprecisos, son usadas para extraer patrones y detectar tendencias, que pueden resultar tarea titánica para un humano, o imposible de aislar con técnicas computacionales convencionales. Si analizamos las ventajas que tienen estas redes son:
- Auto-organización: Una RNA puede crear su propia topología organizacional, que responde a la representación “grafica” de la información dada durante el entrenamiento.
- Operaciones en Tiempo Real: Los cálculos en RNA pueden realizarse en paralelo. La industria de componentes electrónicos está diseñada y fabricada con dispositivos electrónicos que aprovechan esta característica de las RNA.
- Tolerancia a fallos vía codificación de información redundante: En redes de comunicación es casi inevitable la destrucción parcial de la misma, generalmente por motivos ajenos al control humano. [1]
Como ejemplo en la actualidad de su uso tenemos las redes neuronales artificiales para la clasificación de imágenes satelitales. Esto sugiere, por tanto, que el cerebro podría poseer la capacidad inherente de formar mapas topológicos de la información recibida del exterior. De hecho, esta teoría podría explicar el poder de operar del cerebro con elementos semánticos.
Fig 2. Clasificación de imagines satelitales según RNA
En esta Figura se presenta el análisis hecho a un conjunto de datos que representan diferentes imágenes, clasificadas como: Tierra roja, Cosecha de algodón, Tierra gris, Tierra gris húmeda, Tierra con vegetación, Cada terreno gris húmedo. [3]
Fig 3 . Conjunto de clases
La red neuronal es una buena opción para la agrupar datos de imágenes satelitales, dada su alta efectividad.
C) Agentes Inteligentes Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales percepciones y responder o actuar en su entorno de manera racional, es decir, de manera correcta y tendiendo a maximizar un resultado esperado. Los agentes inteligentes se describen esquemáticamente como un sistema funcional abstracto. Por esta razón, los agentes inteligentes son a veces llamados Agentes Inteligentes Abstractos (AIA) para distinguirlos de sus implementaciones del mundo real como sistemas informáticos, los sistemas biológicos, o de organizaciones. [6]
Fig 4. Agente Inteligente Simple
Como ejemplo en la actualidad de su uso tenemos una arquitectura basada en agentes inteligentes y servicios web para la adaptación de contenidos educativos en plataformas de e- learning. Su finalidad es la publicación de servicios, que puedan ser usados en plataformas de e-learning para lograr un proceso de adaptación en la entrega de contenidos educativos a los usuarios. [1]

3. Fig 5. Arquitectura basada en agentes inteligentes y servicios web.
La arquitectura basada en agentes inteligentes propuesta ha demostrado ser un mecanismo valido para mantener la modularidad y flexibilidad del sistema, facilitando el desarrollo
en grupo. [4]
D) Máquinas Súper-Inteligentes
Esta tendencia se cifra más la esperanza en el hardware, maquinas cada vez más potentes (ley de Moore), que con el tiempo llegaran a superar la potencia del cerebro, en lugar de aspirar a descifrar la mente por medio del software. [7]
Fig 6. Imagen Futurista acerca de máquinas super-inteligentes.
Como ejemplo de éste caso en la actualidad tenemos la Navegación Reactiva de un Robot Móvil usando Kinect. Kinect es un novedoso dispositivo que ha aparecido recientemente en el mercado como periférico para el control de videojuegos. Aquí se presenta la integración del sensor Kinect en un robot móvil para mejorar la realización de las tareas de detección de obstáculos y navegación reactiva. Concretamente, se presentan las principales características del sensor, y se proponen mecanismos para afrontar los problemas que surgen en su integración. [5]
Fig 7. Sensor Kinect
Fig 8. Esquema general de un algoritmo de navegación reactiva que considera diferentes sensores para percibir el entorno, incluido Kinect.
En un futuro se plantea la utilización del sensor Kinect en la construcción de mapas métricos, de manera que la información 3D de la cámara de rango también sea útil para la localización del robot en el entorno.
III. TECNOLOGIAS
Para lograr maquinas más inteligentes, autónomas y con capacidad de decisión, se ha creado una gran variedad de tecnologías, que en muchas formas está colaborando con el desarrollo de la inteligencia artificial, este es el caso de los lenguajes de programación y el software desarrollado, pues pretende mejorar aplicaciones o servir como módulos en otros más complejos. [1]

4. A) Lenguajes de Programación
IPL (Imperative Programming Languages) primer lenguaje desarrollado para inteligencia artificial, incluye características orientadas a apoyar los programas que eventualmente podrían hallar la solución a problemas muy generales, realizando listas, asociaciones, esquemas, asignación de memoria dinámica, flexibilidad, recuperación por asociación, uso de funciones como argumentos, generadores de vectores y multitareas cooperativas . [1]
LISP deriva del nombre "LISt Processing" (Proceso de LIStas) y funciona con notación matemática práctica para los programas de ordenador basado en el cálculo lambda. [1]
Las listas enlazadas son una de las estructuras de datos de los lenguajes Lisp importantes, y el código fuente Lisp es a su vez formado por listas. Como resultado, los programas pueden manipular el código fuente como una estructura de datos, dando lugar a los sistemas de macro que permiten a los programadores crear una nueva sintaxis o incluso nuevos lenguajes específicos de dominio de programación incrustados en Lisp. [1]
PROLOG (logic programming language) es un lenguaje declarativo donde los programas se expresan en términos de relaciones, y la ejecución se produce mediante consultas sobre estas relacionadas. Prolog es particularmente útil en aplicaciones donde se realicen análisis simbólicos de razonamiento, revisión de base de datos y símbolos idiomáticos. Prolog es ampliamente utilizado en I.A. [1]
STRIPS (Stanford Research Institute Problem Solver) es un lenguaje para expresar automatizadas instancias de problemas de planificación. Se expresa un estado inicial, los estados de meta, y un conjunto de acciones. Se da una interpretación procesal de oraciones lógicas consecuencias que se interpretan con el patrón dirigida por inferencia . [1]
POP-11 es un lenguaje reflexivo, cuyo código de programación se compila incrementalmente, esto es, por pedazos según sean los requerimientos del programa, esto para reducir el espacio en la memoria. [1]
B. Software
A partir del software desarrollado para construir aplicaciones en inteligencia artificial, nacen nuevos desafíos y se crean nuevas soluciones. . Aquí se citan dos ejemplos:
Para hallar la mejor ruta: Este presenta una solución
al problema clásico de hacerlo en el desplazamiento de un punto de partida a un punto de llegada dentro una ciudad, para el caso de un mapa, el sistema evita los obstáculos que se interpongan en la ruta. El método emplea una planeación detallada del problema, donde aplica conceptos
de Inteligencia Artificial y se ejecuta el desarrollo teórico
(planeación) de la solución. [1]
Para toma de decisiones: Este sistema fundamentó su
diseño en dos agentes con funciones simples, donde uno
esta encargado de resolver situaciones, mientras el otro se
encarga de realizar las comparaciones. Para lo cual se usan ontologías, donde se crean pequeñas bases de comunicación con la finalidad de administrar la información proporcionada por el testigo punto de referencia para las comparaciones. [1]
IV. CONCLUSIONES
Como pudimos apreciar en este artículo, existe una gran variedad de tendencias en inteligencia artificial, que son muy favorables para el desarrollo tecnológico de la humanidad debido al gran aporte que pueden estas tendencias brindar.
En la actualidad es fácil programar un sistema inteligente o experto, pues existe un gran número de plataformas de desarrollo, unas libres y otras pagas, para desarrollar agentes, sistemas expertos y redes neurales artificiales. También existen lenguajes de programación especializada para el desarrollo de aplicativos inteligentes o expertos.
[1] Desarrollo y tendencias de la inteligencia artificial - Developing and artificial intelligence tendencies : Rueda C. Fabio, Rodríguez S. Alfonso y Castellanos G. H. Camilo - Fundación Universitaria de San Gil - UNISANGIL, Facultad de Ciencias Naturales e Ingenierías -Programa Ingeniería de Sistemas - San Gil, Colombia
[2] Uso de algoritmos genéticos para detección de objetos en tiempo real Jesús Martínez-Gómez, JoséA.Gamez, Ismael García- Varea1, Vicente Matellán- Departamento de Sistemas informáticos, Dept. de Ingeniería Mecánica, Informática y Aeroespacial-Universidad de Castilla-La Mancha, Universidad de León-Albacete,León, España
[3] Artículo de Investigacion Científica y Tecnológica - Redes Neuronales Artificiales para la clasificacion de Imágenes Satelitales - Jorge Enrique Rodríguez Rodríguez.
[4] Arquitectura basada en agentes inteligentes y servicios web para la adaptación de contenidos educativos en plataformas de e- learning- David Huerva, Ramón Fabregat, Carolina Mejía, Sergio Gómez-Insitute of Informatics and Aplications (iiia), Universitat de Girona - Edifici P-IV, Campus Montilivi, 17071 Girona, España.
[5] Navegación Reactiva de un Robot Móvil usando Kinect J.R. Ruiz-Sarmiento, C. Galindo, J. Gonzalez-Jimenez, J.L. Blanco Dpto. de Ingeniería de Sistemas y Automática, Universidad de Málaga, Campus de Teatinos, 29071 Málaga (España).
[6] http://es.wikipedia.org/wiki/Agente_inteligente_(inteligencia_artificial)
[7] http://iutepi2012ia.blogspot.com/2012/11/nuevas-tendencias-en- la-ia.html