Inteligencia artificial y robótica: investigación de sistemas de cómputo (página 2)

Por siglos el ser humano ha construido máquinas
que imiten las partes del cuerpo humano.
Los antiguos egipcios unieron brazos mecánicos a las
estatuas de sus dioses. Estos brazos fueron operados por
sacerdotes, quienes clamaban que el movimiento de
estos era inspiración de sus dioses. Los griegos
construyeron estatuas que operaban con sistemas
hidráulicas, los cuales se utilizaban para fascinar a los
adoradores de los templos.

Durante los siglos XVII y XVIII en Europa fueron
construidos muñecos mecánicos muy ingeniosos que
tenían algunas características de robots.

Jacques de Vauncansos construyó varios músicos
de tamaño humano a mediados del siglo XVIII. Esencialmente
se trataba de robots mecánicos diseñados para un
propósito específico: la diversión.

En 1805, Henri Maillardert construyó una muñeca
mecánica que era capaz de hacer dibujos. Una
serie de levas se utilizaban como "el programa" para el
dispositivo en el proceso de
escribir y dibujar. Estas creaciones mecánicas de forma
humana deben considerarse como inversiones
aisladas que reflejan el genio de
hombres que se anticiparon a su época. Hubo otras
invenciones mecánicas durante la revolución
industrial, creadas por mentes de igual genio, muchas de las
cuales estaban dirigidas al sector de la producción textil. Entre ellas se puede
citar la hiladora giratoria de Hargreaves (1770), la hiladora
mecánica de Crompton (1779), el telar
mecánico de Cartwright (1785), el telar de Jacquard
(1801), y otros.

El desarrollo en
la tecnología, donde se incluyen las poderosas
computadoras
electrónicas, los actuadores de control
retroalimentados, transmisión de potencia a
través de engranes, y la tecnología en sensores han
contribuido a flexibilizar los mecanismos autómatas para
desempeñar tareas dentro de la industria. Son
varios los factores que intervienen para que se desarrollaran los
primeros robots en la década de los 50"s. La
investigación en inteligencia
artificial desarrolló maneras de emular el procesamiento
de información humana con computadoras
electrónicas e inventó una variedad de mecanismos
para probar sus teorías.

No obstante las limitaciones de las máquinas
robóticas actuales, el concepto popular
de un robot es que tiene una apariencia humana y que actúa
como tal. Este concepto humanoide ha sido inspirado y estimulado
por varias narraciones de ciencia
ficción.

Una obra checoslovaca publicada en 1917 por Karel Kapek,
denominada Rossum"s Universal Robots, dio lugar al término
robot. La palabra checa "Robota" significa servidumbre o
trabajador forzado, y cuando se tradujo al ingles se
convirtió en el término robot. Dicha
narración se refiere a un brillante científico
llamado Rossum y su hijo, quienes desarrollan una sustancia
química
que es similar al protoplasma. Utilizan ésta sustancia
para fabricar robots, y sus planes consisten en que los robots
sirvan a la clase humana
de forma obediente para realizar todos los trabajos
físicos. Rossum sigue realizando mejoras en el diseño
de los robots, elimina órganos y otros elementos
innecesarios, y finalmente desarrolla un ser "perfecto". El
argumento experimenta un giro desagradable cuando los robots
perfectos comienzan a no cumplir con su papel de servidores y se
rebelan contra sus dueños, destruyendo toda la vida
humana.

Entre los escritores de ciencia ficción, Isaac Asimov
contribuyó con varias narraciones relativas a robots,
comenzó en 1939, a él se atribuye el
acuñamiento del término Robótica. La imagen de robot
que aparece en su obra es el de una máquina bien
diseñada y con una seguridad
garantizada que actúa de acuerdo con tres principios.

Robots

Los robots son dispositivos compuestos de sensores que reciben
datos de
entrada y que pueden estar conectados a la
computadora. Esta, al recibir la información de
entrada, ordena al robot que efectúe una determinada
acción.
Puede ser que los propios robots dispongan de microprocesadores
que reciben el input de los sensores y que estos
microprocesadores ordenen al robot la ejecución de las
acciones para
las cuales está concebido. En este último caso, el
propio robot es a su vez una computadora.

Otras definiciones para robot son:

·   Máquina controlada por ordenador y
programada para moverse, manipular objetos y realizar trabajos a
la vez que interacciona con su entorno. Los robots son capaces de
realizar tareas repetitivas de forma más rápida,
barata y precisa que los seres humanos. El término procede
de la palabra checa robota, que significa "trabajo
obligatorio", fue empleado por primera vez en la obra teatral de
1921 R.U.R (Robots Universales de Rossum) por el novelista y
dramaturgo checo Karel Capek. Desde entonces se ha empleado la
palabra robot para referirse a una máquina que realiza
trabajos para ayudar a las personas o efectúa tareas
difíciles o desagradables para los humanos.

·   Un robot es una manipulador
multifuncional reprogramable diseñado para mover material,
piezas, herramientas o
dispositivos especializados a través de movimientos
programados variables para
la realización de tareas variadas. Para realizar cualquier
tarea útil el robot debe interactuar con el entorno, el
cual puede incluir dispositivos de alimentación, otros
robots y, lo más importante, gente. Consideramos que la
robótica abarca no solamente el estudio del robot en
sí, sino también las interfaces entre él y
sus alrededores.

·   Ingenio electrónico que puede
ejecutar automáticamente operaciones o
movimientos muy variados, y capaz de llevar a cabo todos los
trabajos normalmente ejecutados por el nombre.

·   Manipulador multifuncional y
reprogramable, diseñado para mover materiales,
piezas, herramientas o dispositivos especiales, mediante
movimientos programados y variables que permiten llevar a cabo
diversas tareas.

El nombre de robots es tomado del vocablo checo "robota" que
significa siervo y que es idéntico al término ruso
que significa trabajo arduo, repetitivo y monótono, y lo
usó por primera vez el escritor Karel Capek en 1917 para
referirse en sus obras a máquinas con forma humano idee.
Deriva de "robotnik" que define al esclavo de trabajo

En la actualidad, los avances
tecnológicos y científicos no han permitido
todavía construir un robot realmente inteligente, aunque
existen esperanzas de que esto sea posible algún
día. Hoy por hoy, una de las finalidades de la construcción de robots es su
intervención en los procesos de
fabricación. Estos robots, que no tienen forma humana en
absoluto, son los encargados de realizar trabajos repetitivos en
las cadenas de proceso de fabricación. En una
fábrica sin robots, los trabajos antes mencionados los
realizan técnicos especialistas en cadenas de
producción. Con los robots, el técnico puede
librarse de la rutina y el riesgo que sus
labores comportan, con lo que la empresa gana
en rapidez, calidad y
precisión.

Robótica
y automatización

Son disciplinas surgidas en diferentes épocas. La
robótica nace en décadas recientes para
complementarse con la automatización, aportándole como
elemento innovador cierto grado de inteligencia.

En el contexto industrial, la automatización es como
una tecnología que está relacionada con el empleo de
sistemas mecánicos, electrónicos y basados en la
informática en la operación y
control de la producción. Este concepto, para ser
actualizado, debe incluir el uso de robots.

El robot industrial forma parte del progresivo desarrollo de
la automatización industrial, favorecido notablemente por
el avance de las técnicas
de control por computadora, y contribuye de manera decisiva a la
automatización en los procesos de fabricación de
series de mediana y pequeña escala.

Tipos de automatización industrial

Automatización fija:

Se utiliza cundo el volumen de
producción es muy alto, y por lo tanto es adecuada para
diseñar equipos especializados para procesar productos o
componentes de éstos con alto rendimiento y elevadas tasas
de producción.

Programable.

Se emplea cuando el volumen de producción es
relativamente bajo y hay una diversidad de productos a obtener.
En este caso, el equipo de producción está
diseñado para ser adaptable a variaciones en la
configuración del producto. Esta
característica de adaptabilidad se logra haciendo
funcionar el equipo bajo el control de un programa de
instrucciones para el producto dado. La producción se
obtiene por lotes.

Flexible.

Es una categoría situada entre las dos anteriores. Se
ha comprobado que es más adecuada para el rango medio de
producción. Con este tipo de automatización pueden
obtenerse simultáneamente varios tipos de producto, en el
mismo sistema de
fabricación.

Cinética de Un
Robot

La cinemática del robot estudia el movimiento
del mismo con respecto a un sistema de referencia. Así, la
cinemática
se interesa por la descripción analítica del movimiento
espacial del robot como una función
del tiempo, y en
particular por las relaciones entre la posición y la
orientación del extremo final del robot con los valores
que toman sus coordenadas articulares. Existen dos problemas
fundamentales para resolver la cinemática del robot, el
primero de ellos se conoce como el problema cinematico directo, y
consiste en determinar cual es la posición y
orientación del extremo final del robot, con respecto a un
sistema de coordenadas que se toma como referencia, conocidos los
valores de las
articulaciones y
los parámetros geométricos de los elementos del
robot, el segundo denominado problema cinematico inverso resuelve
la configuración que debe adoptar el robot para una
posición y orientación del extremo conocidas.

Denavit y Hartenberg propusieron un método
sistemático para descubrir y representar la geometría
espacial de los elementos de una cadena cinemática, y en
particular de un robot, con respecto a un sistema de referencia
fijo. Este método utiliza una matriz de
transformación homogénea para descubrir la
relación espacial entre dos elementos rígidos
adyacentes, reduciéndose el problema cinemática
directo a encontrar una matriz de transformación
homogénea 4 X 4 que relacione la localización
espacial del robot con respecto al sistema de coordenadas de su
base.

Por otra parte, la cinemática del robot trata
también de encontrar las relaciones entre las velocidades
del movimiento de las articulaciones y las del extremo. Esta
relación viene dada por el modelo
diferencial expresado mediante la matriz Jacobiana.

El movimiento relativo en las articulaciones resulta en el
movimiento de los elementos que posicionan la mano en una
orientación deseada. En la mayoría de las
aplicaciones de robótica, se esta interesado en la
descripción espacial del efector final del manipulador con
respecto a un sistema de coordenadas de referencia fija.

La cinemática del brazo del robot trata con el estudio
analítico de la geometría del movimiento de un robot con
respecto a un sistema de coordenadas de referencia fijo como una
función del tiempo sin considerar las fuerzas-momentos que
originan dicho movimiento. Así pues, trata con la
descripción analítica del desplazamiento espacial
del robot como función del tiempo, en particular las
relaciones entre variables espaciales de tipo de
articulación y la posición y orientación del
efector final del robot.

Tipos de robots

·   Robots impulsados neumaticamente: La
programación consiste en la conexión
de tubos de plástico a
unos manguitos de unión de la unidad de control
neumático. Esta unidad está formada por dos partes:
una superior y una inferior. La parte inferior es un secuenciador
que proporciona presión y
vacío al conjunto de manguitos de unión en una
secuencia controlada por el tiempo. La parte superior es el
conjunto de manguitos de unión que activan cada una de las
piezas móviles del robot. Son los más simples que
existen. Hay quien opina que a este tipo de máquinas no se
les debería llamar robots; sin embargo, en ellas se
encuentran todos los elementos básicos de un robot: estas
máquinas son programables, automáticas y pueden
realizar gran variedad de movimientos.

·   Robots equipados con servomecanismos: El
uso de servomecanismos va ligado al uso de sensores, como los
potenciómetros, que informan de la posición del
brazo o la pieza que se ha movido del robot, una vez éste
ha ejecutado una orden transmitida. Esta posición es
comparada con la que realmente debería adoptar el brazo o
la pieza después de la ejecución de la orden; si no
es la misma, se efectúa un movimiento más hasta
llegar a la posición indicada.

·   Robots punto a punto: La
programación se efectúa mediante una caja de
control que posee un botón de control de velocidad,
mediante el cual se puede ordenar al robot la ejecución de
los movimientos paso a paso. Se clasifican, por orden de
ejecución, los pasos que el robot debe seguir, al mismo
tiempo que se puede ir grabando en la memoria la
posición de cada paso. Este será el programa que el
robot ejecutará. Una vez terminada la programación,
el robot inicia su trabajo según las instrucciones del
programa. A este tipo de robots se les llama punto a punto,
porque el camino trazado para la realización de su trabajo
está definido por pocos puntos.

·   Robots controlados por computadora: Se
pueden controlar mediante computadora. Con ella es posible
programar el robot para que mueva sus brazos en línea
recta o describiendo cualquier otra figura geométrica
entre puntos preestablecidos. La programación se realiza
mediante una caja de control o mediante el teclado de la
computadora. La computadora permite además acelerar
más o menos los movimientos del robot, para facilitar la
manipulación de objetos pesados.

·   Robots con capacidades sensoriales:

Aún se pueden añadir a este tipo de robots
capacidades sensoriales: sensores ópticos, codificadores,
etc. Los que no poseen estas capacidades sólo pueden
trabajar en ambientes donde los objetos que se manipulan se
mantienen siempre en la misma posición. Los robots con
capacidades sensoriales constituyen la última
generación de este tipo de máquinas. El uso de
estos robots en los ambientes industriales es muy escaso debido a
su elevado costo. Estos
robots se usan en cadenas de embotellado para comprobar si las
botellas están llenas o si la etiqueta está bien
colocada.

·   Robots mosquitos: La cucaracha
metálica se arrastra con gran destreza por la arena, como
un verdadero insecto. A pesar de que Atila avanza a 2 km/h,
tratando de no tropezar con las cosas, es «gramo por gramo
el robot más complejo del mundo», según su
creador, Rodney Brooks. En su estructura de
1,6 Kg. y 6 patas, lleva 24 motores, 10
computadores y 150 sensores, incluida una cámara de
video en
miniatura. La experimentación en operaciones
quirúrgicas con robots abre nuevos campos tan positivos
como esperanzadores. La cirugía requiere de los
médicos una habilidad, precisión y decisión
muy cualificadas. La asistencia de ingenios puede complementar
algunas de las condiciones que el trabajo
exige. En operaciones delicadísimas, como las de cerebro, el robot
puede aportar mayor fiabilidad. Últimamente, se ha logrado
utilizar estas máquinas para realizar el cálculo de
los ángulos de incisión de los instrumentos de
corte y reconocimiento en operaciones cerebrales; así
mismo, su operatividad se extiende a la dirección y el manejo del trepanador
quirúrgico para penetrar el cráneo y de la aguja de
biopsia para tomar muestras del cerebro.

·   Robot industrial: Nace de la unión
de una estructura mecánica articulada y de un sistema
electrónico de control en el que se integra una
computadora. Esto permite la programación y control de los
movimientos a efectuar por el robot y la memorización de
las diversas secuencias de trabajo, por lo que le da al robot una
gran flexibilidad y posibilita su adaptación a muy
diversas tareas y medios de
trabajo,

El robot industrial es pues un dispositivo multifuncional, es
decir, apto para muy diversas aplicaciones, al contrario de la
máquina automática clásica, fabricada para
realizar de forma repetitiva un tipo determinado de operaciones.
El robot industrial se diseña en función de
diversos movimientos que debe poder
ejecutar; es decir, lo que importa son sus grados de libertad, su
campo de trabajo, su comportamiento
estático y dinámico.

La capacidad del robot industrial para reconfigurar su ciclo
de trabajo, unida a la versatilidad y variedad de sus elementos
terminales (pinzas, garras, herramientas, etc.), le permite
adaptarse fácilmente a la evolución o cambio de los
procesos de producción, facilitando su
reconversión.

Los robots industriales están disponibles en una amplia
gama de tamaños, formas y configuraciones físicas.
La gran mayoría de los robots comercialmente disponibles
en la actualidad tienen una de estas cuatro configuraciones
básicas:

·        
Configuración polar

·        
Configuración cilíndrica

·        
Configuración de coordenadas cartesianas

·        
Configuración de brazo articulado.

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.

La configuración de brazo articulado utiliza
únicamente articulaciones rotacionales para conseguir
cualquier posición y es por esto que es el más
versátil.

Aplicaciones

Los robots son utilizados en una diversidad de aplicaciones,
desde robots tortugas en los salones de clases, robots soldadores
en la industria automotriz, hasta brazos teleoperador en el
trasbordador espacial.

Cada robot lleva consigo su problemática propia y sus
soluciones
afines; no obstante que mucha gente considera que la
automatización de procesos a través de robots
está en sus inicios, es un hecho innegable que la introducción de la tecnología
robótica en la industria, ya ha causado un gran impacto.
En este sentido la industria Automotriz desempeña un papel
preponderante.

Es necesario hacer mención de los problemas de tipo
social, económicos e incluso político, que puede
generar una mala orientación de robotización de la
industria. Se hace indispensable que la planificación de los recursos
humanos, tecnológicos y financieros se realice de una
manera inteligente.

Por el contrario la Robótica contribuirá en gran
medida al incremento de el empleo. ¿Pero, como se puede
hacer esto? al automatizar los procesos en máquinas
más flexibles, reduce el costo de máquinaria, y se
produce una variedad de productos sin necesidad de realizar
cambios importantes en la forma de fabricación de los
mismo. Esto originara una gran cantidad de empresas
familiares (Micro y pequeñas empresas) lo que provoca la
descentralización de la industria.

Análisis de
las Necesidades de un Robot

Producción Anual: Cuando se deben producir
piezas variadas, estas deben ser de características
similares y la producción de cada lote como mínimo
debe ocupar un período de tiempo razonable.

Almacenamiento: Para la obtención de un flujo
automático de material se deben almacenar piezas antes y
después del grupo de
máquinas que serán servidas por el Robot. Las
piezas pueden almacenarse en transportadores paso a paso, o en
cajas de nivel regulable. Las plataformas inclinadas,
alimentación y salida por gravedad, suelen emplearse en
casos sencillos. El tamaño del almacén
depende de la tasa de producción. El operador que
inspecciona las piezas puede llenar y vaciar las cajas de
almacenamiento.

Tiempo de Manipuleo: El tiempo de maniobra requerido es
determinado por la longitud total del camino y la máxima
velocidad del Robot. La mayoría de los Robots
neumáticos, hidráulicos y eléctricos tienen
velocidades máximas aproximadas a los 0,7 metros por
segundo y desplazamientos angulares de 90º por segundo. Sin
embargo cuando se trata de un Robot neumático debe tenerse
presente que la variación de velocidad con la carga es muy
grande; y esto es particularmente importante cuando un Robot de
este tipo está equipado con dos manos, ya que en el
momento en que estas estén ocupadas la carga será
el doble. El tiempo anual de manipuleo puede ser calculado,
cuando se compara el Robot con la labor total en igual
período, pero no es posible hacerlo mediante la
comparación con el tiempo de manipulación de una
sola pieza.

Layout de Máquinas: Básicamente el layout
puede ser circular o lineal. En una disposición circular
un Robot sirve a varias máquinas sin que las piezas se
acumulen entre ellas. En un layout lineal cada Robot sirve a una
máquina en la línea y las piezas van siendo
reunidas en transportadores entre máquinas. Un
transportador de almacenamiento debe ser capaz de tomar el total
de la producción de una máquina durante el cambio
de herramienta. En esta disposición la producción
es mayor que en el sistema circular. Muchos layout requieren
versiones especiales de Robots con grados de libertad adicionales
demandadas por el proceso.

Accesibilidad: La mano del Robot está
diseñada generalmente para un movimiento de entrada
lateral, para lo cual es necesario disponer de espacios entre la
herramienta y el punto de trabajo.

Dotación de Operación y Supervisión: La inspección
visual de las piezas es manual en la
mayoría de los casos. Las cajas de almacenamiento deben
ser llenadas y vaciadas. 4 o 5 Robots que demanden estas tareas
adicionales pueden ser supervisados por un solo hombre. La
implementación de un Robot en un proceso productivo, tiene
como objetivo
fundamental disminuir los costos de
producción mediante un mejor aprovechamiento de la
capacidad productiva ya instalada.

Costo de Implementación: El costo de esta
Implementación está compuesto por los siguientes
ítems:

– El Robot.

– Las herramientas de la mano.

– Posible modificación de la máquina o
máquina-herramienta y herramientas.

– Posible alteración del layout existente.

– Equipos periféricos, transportadores, cajas de
almacenamiento.

– Dispositivos de fijación y
señalización.

– Costo del trabajo de instalación.

– Entrenamiento del
personal para
operación y mantenimiento.

– Puesta en marcha y puesta a punto.

Futuro de la
robótica

A pesar de que existen muchos robots que efectúan
trabajos industriales, aquellos son incapaces de desarrollar la
mayoría de

Operaciones que la industria requiere. Al no disponer de unas
capacidades sensoriales bien desarrolladas, el robot es incapaz
de realizar tareas que dependen del resultado de otra
anterior.

En un futuro próximo, la robótica puede
experimentar un avance espectacular con las cámaras de
televisión, más pequeñas y
menos caras, y con las computadoras potentes y más
asequibles.

Los sensores se diseñarán de modo que puedan
medir el espacio tridimensional que rodea al robot, así
como reconocer y medir la posición y la orientación
de los objetos y sus relaciones con el espacio. Se
dispondrá de un sistema de proceso sensorial capaz de
analizar e interpretar los datos generados por los sensores,
así como de compararlos con un modelo para detectar los
errores que se puedan producir. Finalmente, habrá un
sistema de control que podrá aceptar comandos de alto
nivel y convertirlos en órdenes, que serán
ejecutadas por el robot para realizar tareas enormemente
sofisticadas.

Si los elementos del robot son cada vez más potentes,
también tendrán que serlo los programas que los
controlen a través de la computadora. Si los programas son
más complejos, la computadora deberá ser más
potente y cumplir nos requisitos mínimos para dar una
respuesta rápida a la información que le llegue a
través de los sensores del robot.

Paralelo al avance de los robots industriales era el avance de
las investigaciones
de los robots llamados androides, que también se
beneficiarán de los nuevos logros en el campo de los
aparatos sensoriales. De todas formas, es posible que pasen
decenas de años antes de que se vea un androide con
mínima apariencia humana en cuanto a movimientos y
comportamiento.

El mercado de la
robótica y las perspectivas futuras

Las ventas anuales
para robots industriales han ido creciendo en Estados Unidos a
razón del 25% de acuerdo a estadísticas del año 1981 a 1992. El
incremento de ésta tasa se debe a factores muy diversos.
En primer lugar, hay más personas en la industria que
tienen conocimiento
de la tecnología y de su potencial para sus aplicaciones
de utilidad. En
segundo lugar, la tecnología de la robótica
mejorará en los próximos años de manera que
hará a los robots más amistosos con el usuario,
más fáciles de interconectar con otro hardware y más
sencillos de instalar.

En tercer lugar, que crece el mercado, son previsibles
economías de escala en la producción de robots para
proporcionar una reducción en el precio
unitario, lo que haría los proyectos de
aplicaciones de robots más fáciles de justificar.
En cuarto lugar se espera que el mercado de la robótica
sufra una expansión más allá de las grandes
empresas, que ha sido el cliente
tradicional para ésta tecnología, y llegue a las
empresas de tamaño mediano, pequeño y por que no;
las microempresas.
Estas circunstancias darán un notable incremento en las
bases de clientes para los
robots.

La robótica es una tecnología con futuro y
también para el futuro. Si continúan las tendencias
actuales, y si algunos de los estudios de investigación en el laboratorio
actualmente en curso se convierten finalmente en una
tecnología factible, los robots del futuro serán
unidades móviles con uno o más brazos, capacidades
de sensores múltiples y con la misma potencia de
procesamiento de datos y de cálculo que las grandes
computadoras actuales. Serán capaces de responder a
ordenes dadas con voz humana. Así mismo serán
capaces de recibir instrucciones generales y traducirlas, con el
uso de la inteligencia
artificial en un conjunto específico de acciones
requeridas para llevarlas a cabo. Podrán ver, oír,
palpar, aplicar una fuerza media
con precisión a un objeto y desplazarse por sus propios
medios.

En resumen, los futuros robots tendrían muchos de los
atributos de los seres humanos. Es difícil pensar que los
robots llegarán a sustituir a los seres humanos en el
sentido de la obra de Carel Kapek, Robots Universales de Rossum.
Por el contrario, la robótica es una tecnología que
solo puede destinarse al beneficio de la humanidad. Sin embargo,
como otras tecnologías, hay peligros potenciales
implicados y deben establecerse salvaguardas para no permitir su
uso pernicioso.

El paso del presente al futuro exigirá mucho trabajo de
ingeniería mecánica,
ingeniería electrónica, informática, ingeniería
industrial, tecnología de materiales,
ingenierías de sistemas de fabricación y ciencias
sociales.

Avances Tecnológicos
en La Robótica

Robots que andan como humanos

Tres equipos de investigación de las universidades de
Cornell, Delft (Holanda) y el MIT han logrado construir robots
cuyos pasos y movimiento se parecen a la forma de andar de los
humanos. El robot desarrollado por el MIT también
demuestra un sistema de aprendizaje
nuevo, que permite que el robot se adapte de forma continua al
terreno sobre el que se mueve. Estos nuevos avances en
robótica podrían transformar los actuales sistemas
de diseño y control de robots, y podrían ser
aplicados al desarrollo de prótesis
robóticas.

Los tres robots construidos en las citados universidades se
derivan todos del mismo principio: suponen una extensión
de varios años de investigación en robots cuyo
sistema de movimiento tengan un diseño dinámico
pasivo. Los robots de diseño dinámico pasivo son
capaces de bajar una cuesta sin motor y su
diseño fue inspirado en el tipo de juguete móvil
que existe desde hace más de cien años.

La programación de los robots de Cornell y Delft es muy
sencilla, porque gran parte del problema de los controles se
soluciona a través del diseño mecánico del
robot. El robot del MIT utiliza un programa de aprendizaje que
aprovecha dicho diseño y permite que el robot se
enseñe a si mismo a andar en menos de 20 minutos.
Precisamente su apodo, "Toddler" (el término ingles para
un niño pequeño que empieza a andar) se deriva de
su capacidad de aprender a andar y la forma en la que lo
hace.

Este modelo de robot es uno de los primeros robots en utilizar
un programa de aprendizaje y es el primero en andar sin tener
información previamente implantada en sus controles.
Además el sistema de aprendizaje permite que el robot se
mueva con eficacia por una
variedad de superficies y, en el futuro, podría permitir
que se mueven por terreno muy rocoso. Esto se debe a que el
programa funciona con tanta velocidad que el robot puede
adaptarse de forma continua al tipo de terreno.

Los robots podrán sentir

Según MIT Technology Review un equipo de
investigación de la Universidad de
Tokyo ha desarrollado sobre un plástico flexible una serie
de transistores que
son sensibles a la presión. Gracias a su flexibilidad, el
plástico se podría envolver en un dedo de robot,
formando un tipo de piel.

Este nuevo avance tecnológico de la robótica
podría revolucionar el sector de robots, ya que hasta los
robots más avanzados carecen de un sentido del tacto. Si
fuesen capaces de "sentir", podrían desarrollar de forma
mucho más eficaz tareas tales como la reparación de
otras máquinas, la preparación de comida o el
cuidado de las personas en hospitales o residencias para
ancianos.

Según el director del equipo de investigación,
Takao Someya, el nuevo material podría estar disponible
para aplicaciones prácticas a partir del año
2008.

Robots para el uso doméstico

Según los resultados del último sondeo sobre el
sector de robots en el mundo realizado por las Naciones Unidos,
se prevé que el uso doméstico de robots se
multiplicará por siete entre este año y el
año 2007. Según el informe basado en
los resultados del sondeo y publicado por la Comisión
Económica para Europa de las Naciones Unidas y
la Federación Internacional de Robótica, este boom
en el sector de robots para el hogar coincide con otro en la
demanda por
robots en el sector industrial.

Cada vez más consumidores comprarán los robots
de última generación para cortar césped,
aspirar suelos y realizar
otras tareas en el hogar. Los últimos avances
tecnológicos en el campo de robótica permiten que
estos robots domésticos sean cada vez más eficaces
y menos aparatosos y ruidosos.

Según las últimas cifras, a finales del
año 2003 unos 607.000 robots domésticos se
utilizaban en hogares en una variedad de países, y dos
tercios de éstos fueron adquiridos durante ese mismo
año. La función de la mayoría de estos
robots (570.000) era cortar el césped mientras que 37.000
eran robots-aspiradoras.

El informe prevé que a finales de 2007, 4,1 millones de
robots domésticos estarán en uso y que
empezarán a ganar en popularidad el tipo de robot que
limpia ventanas y piscinas.

Según el consejero delegado de iRobot Corp., hasta
ahora los robots no habían realizado su potencial y por lo
tanto existe cierto escepticismo en el mercado. Pero gracias a
los últimos avances científicos en el sector de
robótica, los robots de última generación
son menos costosos que los anteriores (en 2003 un robot costaba
una cuarta parte de lo que costaba en 1990), y son capaces de
hacer más tareas domésticas.

La palabra "robot" se utiliza para describir cualquier tipo de
máquina que realiza de forma automática tareas
humanas, muchas veces sustituyendo totalmente los humanos que
antes hacían el trabajo. En la mayoría de casos la
propulsión de los propios robots causa sus movimientos, y
no necesitan un operador humano una vez que han sido
programados.

Según el estudio, al final de esta década, los
robots "no solo limpiarán nuestros suelos, cortarán
nuestros césped, y vigilarán nuestras casas, sino
que también ayudarán a personas mayores y
discapacitadas, realizarán cirugía,
inspeccionarán sitios de peligro, y lucharán contra
incendios y
explosiones".

Los
Nanobots

·         En la
obra "Engines of Creation", Eric Drexler describe nanobots
capaces de destruir células
cancerígenas, recoger radicales o reparar
el daño
sufrido en los tejidos
celulares.

·         En la
obra de ciencia ficción "Presa", Michael Crichton plantea
la posibilidad de coordinar grandes cantidades de nanorobots para
obtener un determinado fin. En dicha obra, la nanotecnología se mezcla notablemente con
la inteligencia artificial.

·         El
prototipo de modelos para
la mayoría de estos conceptos son células
específicas (por ejemplo, fagocitos que ingieren materia
externa) y máquinarias moleculares celulares (como el
proceso de autoreproducción del ADN). Los
nanobots podrían tener la capacidad de autorreplicarse a
sí mismos.

Es importante tener en cuenta que estamos entrando en una
nueva era de la tecnología en la cual los avances se ven
notablemente amplificados en cuanto a la relación de la
tecnología con el ser humano. Estaremos mezclados con
aparatos que podrán mejorar nuestra calidad de
vida. Los nanobots, sin embargo, podrían ser una
amenaza ya que tendrían la capacidad de reproducirse
automáticamente, y por lo tanto, cualquier error o
acción no apropiada en el cuerpo de la persona que los
contenga podrían ocasionar desastres. Por otro lado,
según proyecciones científicas, podrían
generar varias especies de humanos: por un lado los avanzados, es
decir, quienes aceptan y tienen la posibilidad de incluir a la
tecnología en su organismo como forma de mejorar su
calidad de vida;los naturales, quienes tienen la posibilidad de
incluir esa nueva tecnología pero la rechazan para no
romper las reglas de la naturaleza; y
el resto, que sería representado por la clase más
pobre que no tiene la posibilidad de modificarse en tal modo, por
lo cual se verán aislados de las otras partes llegando
hasta la envidia o el odio hacia la clase más avanzada,
debido a la exclusión a la que se enfrentan. En un aspecto
más amplio, algunos científicos afirman que desde
la perspectiva positiva, la tecnología en el ser humano
podría extinguir sólo a la raza humana, y desde la
negativa, podría extinguir a todas las formas de vida
existentes.

La Inteligencia
Artificial

Se denomina inteligencia artificial a la ciencia que
intenta la creación de programas para máquinas que
imiten el comportamiento
humano. La investigación en el campo de la IA se
caracteriza por la producción de máquinas para la
automatización de tareas que requieran un comportamiento
inteligente.

La inteligencia artificial NO es desarrollar robots que imiten
las acciones de los seres vivos sino que se trata de desarrollar
aplicaciones que faciliten las tareas del ser humano.

Algunos ejemplos se encuentran en el área de control de
sistemas, planificación automática, la habilidad de
responder a diagnósticos y a consultas de los
consumidores, reconocimiento de escritura,
reconocimiento del habla y reconocimiento de patrones. De este
modo, se ha convertido en una disciplina
científica, enfocada en proveer soluciones a problemas de
la vida diaria. Los sistemas de IA actualmente son parte de la
rutina en campos como economía, medicina,
ingeniería y la milicia, y se ha usado en gran variedad de
aplicaciones de software, juegos de
estrategia como
ajedrez de
computador y
otros videojuegos.

El matemático sudafricano, Seymour Papert, es
considerado pionero en esta ciencia.

Historia de La Inteligencia Artificial

Desde sus comienzos hasta la actualidad, la Inteligencia
Artificial ha tenido que hacer frente a una serie de
problemas:

·         Los
computadores no pueden manejar (no contienen) verdaderos
significados.

·         Los
computadores no tienen autoconciencia (emociones,
sociabilidad, etc.).

·         Un
computador sólo puede hacer aquello para lo que
está programado.

·         Las
máquinas no pueden pensar realmente.

En 1843, Lady Ada Augusta Byron, patrocinadora de Charles
Babbage planteó el asunto de si la máquina de
Babbage podía "pensar".

Los primeros problemas que se trató de resolver fueron
puzzles, juegos de ajedrez, traducción de textos a otro idioma.

Durante la II Guerra Mundial
Norbert Wiener y John Von Neumann
establecieron los principios de la cibernética en relación con la
realización de decisiones complejas y control de funciones en
máquinas.

La teoría
de la retroalimentación en mecanismos, como por
ejemplo un termostato que regula la temperatura en
una casa, tuvo mucha influencia. Esto aún no era
propiamente Inteligencia Artificial. Se hizo mucho en
traducciones (Andrew Booth y Warren Weaver), lo que sembró
la semilla hacia el entendimiento del lenguaje
natural.

En el año 1955 Herbert Simon, el físico Allen
Newell y J.C. Shaw, programador de la RAND Corp. y
compañero de Newell, desarrolla el primer lenguaje de
programación orientado a la resolución de
problemas de la Inteligencia Artificial, el IPL-11. Un año
más tarde estos tres científicos desarrollan el
primer programa de Inteligencia Artificial al que llamaron Logic
Theorist, el cual era capaz de demostrar teoremas matemáticos, representando cada problema
como un modelo de árbol, en el que se seguían ramas
en busca de la solución correcta, que resultó
crucial. Este programa demostró 38 de los 52 teoremas del
segundo capítulo de Principia Matemática
de Russel y Whitehead.

En 1956, con la ahora famosa conferencia de
Dartmouth, organizada por John McCarthy y en la cual se
utilizó el nombre de inteligencia artificial para este
nuevo campo, se separó la Inteligencia Artificial de la
ciencia del computador, como tal. Se estableció como
conclusión fundamental la posibilidad de simular
inteligencia humana en una máquina.

En 1957 Newell y Simon continúan su trabajo con el
desarrollo del General Problemas Solver (GPS). GPS era un
sistema orientado a la resolución de problemas; a
diferencia del Logic Theorist, el cual se orientó a la
demostración de teoremas matemáticos, GPS no estaba
programado para resolver problemas de un determinado tipo,
razón a la cual debe su nombre. Resuelve una gran cantidad
de problemas de sentido común, como una extensión
del principio de retroalimentación de Wiener.

Diversos centros de investigación se establecieron,
entre los más relevantes están, la Universidad
Carnegie Mellon, el Massachusetts Institute of Technologie (MIT),
encabezado por Marvin Minsky, la Universidad de Standford e IBM.
Los temas fundamentales eran el desarrollo de heurísticas
y el aprendizaje
de máquinas.

En 1957 McCarthy desarrolló el lenguaje
LISP. La IBM contrató un equipo para la
investigación en esa área y el gobierno de USA
aportó dinero al MIT
también para investigación en 1963.

A finales de los años 50 y comienzos de la
década del 60 se desarrolla un programa orientado a
la lectura de
oraciones en inglés
y la extracción de conclusiones a partir de su interpretación, al cual su autor, Robert K.
Lindsay, denomina "Sad Sam". Este podía leer oraciones del
tipo "Jim es hermano de John" y "La madre de Jim es Mary", a
partir de ella el sistema concluía que Mary debía
ser también la madre de John. Este sistema
representó un enorme paso de avance en la simulación
de inteligencia humana por una máquina, pues era capaz de
tomar una pieza de información, interpretarla,
relacionarla con información anteriormente almacenada,
analizarla y sacar conclusiones lógicas.

En el mismo período de tiempo hay trabajos importantes
de Herbert Gelernter, de IBM, quien desarrolla un "Demostrador
Automático de Teoremas de la Geometría", Alex
Bernstein desarrolla un programa para el juego de
ajedrez que se considera el antecedente para "Deep Blue".

En 1961 se desarrolla SAINT (Simbolic Automatic INTegrator)
por James Slagle el cual se orienta a la demostración
simbólica en el área del álgebra.

En 1964 Bertrand Raphael construye el sistema SIR (Semantic
Information Retrieval) el cual era capaz de comprender oraciones
en inglés.

A continuación un ejemplo, traducido, de interacción entre SIR y un usuario:

Usuario: Todos somos personas

SIR: Comprendo

Usuario: Un dedo es una parte de la mano

SIR: Comprendo

Usuario: Cada persona tiene dos manos

SIR: La oración anterior es ambigua. Por favor
reconstrúyala.

Usuario: En cada persona hay dos manos

SIR: Comprendo

Usuario: ¿Cuantos dedos tiene John?

SIR: La oración anterior es ambigua, pero asumo que
TIENE significa TIENE COMO PARTES. No se si los dedos forman
parte de John.

Usuario: John es un chico

SIR: Comprendo

Usuario: ¿Cuántos dedos tiene John?

SIR: La oración anterior es ambigua, pero asumo que
TIENE significa TIENE COMO PARTES, ¿cuántos dedos
por mano?

Usuario: Cada mano tiene cinco dedos.

SIR: Comprendo

Usuario: ¿Cuántos dedos tiene John?

SIR: La respuesta es diez.

En la década del 60 se comienza en el MIT el estudio de
la visión artificial, lo cual implica no solo captar
imágenes a través de una
cámara, sino también la comprensión, de lo
que estas imágenes representan.

Un resultado importante en este trabajo lo constituye el
"mundo de micro-bloques", en el cual un robot era capaz de
percibir un conjunto de bloques sobre una mesa, moverlos y
apilarlos; el éxito
se debió a los investigadores Larry Roberts, Gerald
Sussman, Adolfo Guzmán, Max Clowes, David Huffman, David
Waltz, Patrick Winston, y Berthold Horn.

Posteriormente se obtuvieron resultados importantes entre
ellos el de mayor resonancia fue el sistema SCHRDLU de Terry
Winograd, pues permitía interrogar y dar órdenes a
un robot que se movía dentro de un mundo de bloques.

A continuación mostramos un ejemplo traducido:

Usuario: Toma un bloque rojo.

SCHRDLU: OK.

Usuario: Busca un bloque más pequeño que el que
tienes y ponlo dentro de la caja.

SCHRDLU: Asumo que PONLO se refiere al bloque más
pequeño que el que tengo.

Usuario: ¿Qué contiene la caja?

SCHRDLU: La pirámide azul y el bloque azul.

Usuario: ¿Qué sostiene a la pirámide?

SCHRDLU: La caja.

Usuario: ¿Cuántos bloques no están sobre
la mesa?

SCHRDLU: Cuatro.

Usuario: ¿Es al menos uno de ellos más estrecho
que aquel que te dije que recogieras?

SCHRDLU: Sí, el cubo rojo.

Usuario: ¿Lo sostiene algo?

SCHRDLU: Sí, la mesa.

Usuario: ¿Puede la mesa recoger bloques?

SCHRDLU: No.

Usuario: La pirámide azul es mía.

SCHRDLU: Comprendo.

Usuario: Todos los bloques que no son rojos son míos,
pero no poseo nada que sostenga una pirámide.

SCHRDLU: Comprendo.

Usuario: ¿Poseo una caja?

SCHRDLU: No

Usuario: ¿Poseo algo de la caja?

SCHRDLU: Si, dos cosas: El bloque azul y la pirámide
azul.

Aunque parezca impresionante la capacidad del sistema para
razonar y ejecutar acciones, no se debe perder de vista el hecho
que el robot se mueve en un mundo muy simple de figuras
geométricas, y que las relaciones entre ellas son muy
limitadas. En el mundo real existen tantos objetos diferentes y
relaciones entre ellos, que tratar de llevar este sistema a un
entorno real resulta prácticamente imposible.

En los primeros años de la década del 60 Frank
Rosemblatt desarrolla, en la Universidad de Cornell, un modelo de
la mente humana a través de una red neuronal y produce
un primer resultado al cual llama perceptrón. Este sistema
era una extensión del modelo matemático concebido
por McCullock y Pitts para las neuronas, y funcionaba
basándose en el principio de "disparar" o activar neuronas
a partir de un valor de
entrada el cual modifica un peso asociado a la neurona, si el
peso resultante sobrepasa un cierto umbral la neurona se dispara
y pasa la señal a aquellas con las que está
conectada. Al final, en la última capa de neuronas,
aquellas que se activen definirán un patrón el cual
sirve para clasificar la entrada inicial.

Este trabajo constituye la base de las redes
neuronales de hoy en día, sin embargo a raíz de
su desarrollo sufrió fuertes críticas por parte de
Marvin Minsky

y Seymour Papert lo cual provocó que la mayoría
de los investigadores interesados en el tema lo
abandonarán, y este no se retomara hasta los años
80.

En 1965-70, comenzaron a aparecer los programas expertos, que
predicen la probabilidad
de una solución bajo un set de condiciones, entre esos
proyectos estuvo: DENDRAL, que asistía a químicos
en estructuras
químicas complejas euclidianas; MACSYMA, producto que
asistía a ingenieros y científicos en la
solución de ecuaciones
matemáticas complejas, etc.

En la década 1970-80, creció el uso de sistemas
expertos, muchas veces diseñados para aplicaciones
médicas y para problemas realmente muy complejos como
MYCIN, que asistió a médicos en el diagnóstico y tratamiento de infecciones en
la sangre. Otros
son: R1/XCON, PIP, ABEL, CASNET, PUFF, INTERNIST/CADUCEUS, etc.
Algunos permanecen hasta hoy.

De 1975 en adelante, comienza la era de los lenguajes expertos
(shells) como EMYCIN, EXPERT, OPSS, etc. para luego tratar de que
éstos sean más amigables y funcionales.

Las definiciones de Inteligencia Artificial son muchas, pero
podría decirse que son programas que realizan tareas que
si fueran hechas por humanos se considerarían
inteligentes.

Estos programas obviamente corren en un computador y se usan,
como por ejemplo, en control robótico, comprensión
de lenguajes naturales, procesamiento de imágenes basado
en conocimientos previos, estrategias de
juegos, etc. reproduciendo la experiencia que un humano
adquiriría y de la forma en que un humano lo
haría.

Para clasificar las máquinas como "pensantes", es
necesario definir qué es inteligencia y qué grado
de inteligencia implica resolver problemas matemáticos
complejos, hacer generalizaciones o relaciones, percibir y
comprender. Los estudios en las áreas del aprendizaje, del
lenguaje y de la percepción
sensorial han ayudado a los científicos a definir a una
máquina inteligente. Importantes desafíos han sido
tratar de imitar el comportamiento del cerebro humano, con
millones de neuronas y extrema complejidad.

Características
de la Inteligencia Artificial

Una característica fundamental que distingue a los
métodos de
Inteligencia Artificial de los métodos
numéricos es el uso de símbolos no matemáticos, aunque no
es suficiente para distinguirlo completamente. Otros tipos de
programas como los compiladores y
sistemas de bases de datos,
también procesan símbolos y no se considera que
usen técnicas de Inteligencia Artificial.

El comportamiento de los programas no es descrito
explícitamente por el algoritmo. La
secuencia de pasos seguidos por el programa es influenciado por
el problema particular presente. El programa especifica
cómo encontrar la secuencia de pasos necesarios para
resolver un problema dado (programa declarativo). En contraste
con los programas que no son de Inteligencia Artificial, que
siguen un algoritmo definido, que especifica,
explícitamente, cómo encontrar las variables de
salida para cualquier variable dada de entrada (programa de
procedimiento).

Las conclusiones de un programa declarativo no son fijas y son
determinadas parcialmente por las conclusiones intermedias
alcanzadas durante las consideraciones al problema
específico. Los lenguajes orientados al objeto comparten
esta propiedad y se
han caracterizado por su afinidad con la Inteligencia
Artificial.

El razonamiento basado en el
conocimiento, implica que estos programas incorporan factores
y relaciones del mundo real y del ámbito del conocimiento
en que ellos operan. Al contrario de los programas para
propósito específico, como los de contabilidad y
cálculos científicos; los programas de Inteligencia
Artificial pueden distinguir entre el programa de razonamiento o
motor de inferencia y base de conocimientos dándole la
capacidad de explicar discrepancias entre ellas.

Aplicabilidad a datos y problemas mal estructurados, sin las
técnicas de Inteligencia Artificial los programas no
pueden trabajar con este tipo de problemas. Un ejemplo es la
resolución
de conflictos en tareas orientadas a metas como en
planificación, o el diagnóstico de tareas en un
sistema del mundo real: con poca información, con una
solución cercana y no necesariamente exacta.

La Inteligencia Artificial incluye varios campos de desarrollo
tales como: la robótica, usada principalmente en el campo
industrial; comprensión de lenguajes y traducción;
visión en máquinas que distinguen formas y que se
usan en líneas de ensamblaje; reconocimiento de palabras y
aprendizaje de máquinas; sistemas computacionales
expertos.

Los sistemas expertos, que reproducen el comportamiento humano
en un estrecho ámbito del conocimiento, son programas tan
variados como los que diagnostican infecciones en la sangre e
indican un tratamiento, los que interpretan datos
sismológicos en exploración geológica y los
que configuran complejos equipos de alta tecnología.

Tales tareas reducen costos, reducen
riesgos en la
manipulación humana en áreas peligrosas, mejoran el
desempeño del personal inexperto, y mejoran
el control de
calidad sobre todo en el ámbito comercial.

Diferentes teorías:

1.       Construir
réplicas de la compleja red neuronal del cerebro
humano (bottom-up).

2.       Intentar imitar el
comportamiento del cerebro humano con un computador
(top-down).

Diferentes metodologías:

1.       La lógica
difusa: permite tomar decisiones bajo condiciones de in
certeza.

2.       Redes neuronales: esta
tecnología es poderosa en ciertas tareas como la
clasificación y el reconocimiento de patrones. Está
basada en el concepto de "aprender" por agregación de un
gran número de muy simples elementos.

Este modelo considera que una neurona puede ser representada
por una unidad binaria: a cada instante su estado puede
ser activo o inactivo. La interacción entre las neuronas
se lleva a cabo a través de sinapsis. Según el
signo, la sinapsis es excitadora o inhibidora.

El perceptrón está constituido por las entradas
provenientes de fuentes
externas, las conexiones y la salida. En realidad un
perceptrón es una Red Neuronal lo más simple
posible, es aquella donde no existen capas ocultas.

Para cada configuración de los estados de las neuronas
de entrada (estímulo) la respuesta del perceptrón
obedece a la siguiente dinámica: se suman los potenciales
sinápticos y se comparan con un umbral de
activación. Esta suma ponderada es también llamada
campo. Si el campo es mayor que un umbral, la respuesta de la
neurona es activa, si no, es inactiva.

Con una arquitectura tan
simple como la del perceptrón no se puede realizar
más que una clase de funciones "booleanas" muy simples,
llamadas linealmente separables. Son las funciones en las cuales
los estados de entrada con salida positiva pueden ser separados
de aquellos a salida negativa por un hiperplano. Un hiperplano es
el conjunto de puntos en el espacio de estados de entrada, que
satisfacen una ecuación lineal. En dos dimensiones, es una
recta, en tres dimensiones un plano, etc.

Si se quieren realizar funciones más complejas con
Redes Neuronales, es necesario intercalar neuronas entre las
capas de entradas y de salida, llamadas neuronas ocultas. Una red
multicapas puede ser definida como un conjunto de perceptrones,
ligados entre si por sinapsis y dispuestos en capas siguiendo
diversas arquitecturas. Una de las arquitecturas más
comúnmente usada es llamada feedforward: con conexiones de
la entrada a las capas ocultas y de éstas hacia la
salida.

El funcionamiento de una Red Neuronal es gobernado por reglas
de propagación de actividades y de actualización de
los estados.

Objetivos de la
Investigación en Inteligencia Artificial

Los investigadores en inteligencia artificial se concentran
principalmente en los sistemas expertos, la resolución de
problemas, el control automático, las bases de datos
inteligentes y la ingeniería del software (diseños
de entornos de programación inteligente).

Otros investigadores están trabajando en el reto del
reconocimiento de patrones donde se espera un rápido
progreso en este campo que abarca la comprensión y la
síntesis del habla, el proceso de
imágenes y la visión artificial.

Finalmente, la fundamental investigación sobre la
representación del conocimiento, la
conceptualización cognoscitiva y la comprensión del
lenguaje natural.

Uno de los principales objetivos de
los investigadores en inteligencia artificial es la reproducción automática del
razonamiento humano.

El razonamiento de un jugador de ajedrez no siempre es el
mismo que el de un directivo que se pregunta la viabilidad de
fabricar un nuevo producto. Un niño jugando con bloques de
madera en una
mesa no tiene idea de la complejidad del razonamiento necesario
para llevar a cabo la construcción de una pirámide,
e intentar que un robot hiciera lo mismo que el niño
requeriría un largo programa de computador.

Formas de considerar situaciones complejas son:

·   deducción, que permite obtener conclusiones
de reglas cuyas premisas hemos comprobado

·   inducción que produce reglas a partir de
observaciones parciales.

Estos dos tipos principales pueden utilizarse de un modo
analítico (el razonamiento se divide en submódulos
que son más difíciles de manejar, o de un modo
sintético (inverso del proceso anterior, juntando
elementos que se separaron anteriormente).

La inducción puede tener lugar cuando se comparan
situaciones que son casi similares, con parámetros
desconocidos en una situación dada asignándole los
valores que tienen ya en una situación de referencia; este
es un razonamiento por analogía.

Los métodos para razonar son variados. La
iteración significa repetir la misma secuencia de
razonamiento hasta que se alcance una condición de final;
la recursión consiste en una forma particular del
razonamiento que se llama a sí misma, como aquellas
muñecas rusas que están unas dentro de otras, hasta
llegar a un problema simple que es fácil de resolver.

Las estrategias para el razonamiento pueden hacer uso de la
especialización, la reducción al absurdo, de la
eliminación de caminos poco prometedores y de la
reducción de las diferencias.

En todos los casos, la
organización jerárquica del conocimiento y la
segmentación de los problemas son
métodos que se emplean siempre al intentar resolver un
problema complejo.

La función asignada a los sistemas expertos es la de
razonar.

Símbolos y
Métodos Numéricos

El primer período de la Inteligencia Artificial,
llamado sub-simbólico, data de aproximadamente 1950 a
1965. Este período utilizó representaciones
numéricas (o sub-simbólicas) del conocimiento.
Aunque la mayor parte de los libros de
Inteligencia Artificial enfatizan el trabajo realizado por
Rosenblatt y Widrow con redes neuronales durante este
período, la realidad es que otra importante escuela
sub-simbólica data también de la misma época
y estos son los algoritmos
evolutivos.

La escuela clásica dentro de la Inteligencia
Artificial, utiliza representaciones simbólicas basadas en
un número finito de primitivas y de reglas para la
manipulación de símbolos. El período
simbólico se considera aproximadamente comprendido entre
1962 y 1975, seguido por un período dominado por los
sistemas basados en el conocimiento de 1976 a 1988. Sin embargo,
en este segundo período las representaciones
simbólicas (por ejemplo, redes semánticas,
lógica de predicados, etc.) siguieron siendo parte central
de dichos sistemas.

La Programación Lógica tiene sus orígenes
más cercanos en los trabajos de J. A. Robinson que propone
en 1965 una regla de inferencia a la que llama resolución,
mediante la cual la demostración de un teorema puede ser
llevada a cabo de manera automática.

En la actualidad, la Inteligencia Artificial empieza a
extender sus áreas de investigación en diversas
direcciones y trata de integrar diferentes métodos en
sistemas a gran escala, tratando de explotar al máximo las
ventajas de cada esquema.

La resolución es una regla que se aplica sobre cierto
tipo de fórmulas del Cálculo de Predicados de
Primer Orden, llamadas cláusulas y la demostración
de teoremas bajo esta regla de inferencia se lleva a cabo por
reducción al absurdo.

Otros trabajos importantes de esa época que influyeron
en la programación lógica, fueron los de Loveland,
Kowalski y Green, que diseña un probador de teoremas que
extrae de la prueba el valor de las variables para las cuales el
teorema es válido.

Estos mecanismos de prueba fueron trabajados con mucho
entusiasmo durante una época, pero, por su ineficiencia,
fueron relegados hasta el nacimiento de Prólogo, que surge
en 1971 en la Universidad de Marsella, Francia.

Actualmente, la programación lógica ha
despertado un creciente interés
que va mucho más allá del campo de la Inteligencia
Artificial y sus aplicaciones. Los japoneses, con sus proyectos
de máquinas de la quinta generación, dieron un gran
impulso a este paradigma de
programación.

La Lógica de Primer Orden, es uno de los formalismos
más utilizados para representar conocimiento en
Inteligencia Artificial. La Lógica cuenta con un lenguaje
formal mediante el cual es posible representar fórmulas
llamadas axiomas, que permiten describir fragmentos del
conocimiento y, además consta de un conjunto de reglas de
inferencia que aplicadas a los axiomas, permiten derivar nuevo
conocimiento.

El Alfabeto del Lenguaje de la Lógica de Primer
Orden contiene dos tipos de símbolos:

·        
Símbolos lógicos, entre los que se encuentran los
símbolos de constantes proposicionales true y false; los
símbolos de operadores proposicionales para la
negación, la conjunción, la disyunción y las
implicaciones (=>, <=); los símbolos de operadores
de cuantificación como el cuantificador universal; el
cuantificador existencial; y los símbolos auxiliares de
escritura como corchetes [,], paréntesis (,) y coma.

·        
Símbolos no lógicos, agrupados en el conjunto de
símbolos constantes; el conjunto de símbolos de
variables individuales; el conjunto de símbolos de
funciones n-arias; y el conjunto de símbolos de relaciones
n-arias.

A partir de estos símbolos se construyen las
expresiones válidas en el Lenguaje de Primer Orden: los
términos y las fórmulas.

Un término es cualquiera de las tres expresiones
siguientes: una constante, por ejemplo, el número "100",
la palabra "alfredo" y la letra "c"; o una variable, por ejemplo,
"X" o bien una expresión de la forma "f(t1,…,tn)" donde
"f" es un símbolo de función n-aria y t1,…,tn son
términos. Ejemplos de funciones son: f(100,X), padre(Y) y
sucesor(X).

Las fórmulas atómicas o elementales son
expresiones de la forma R(t1,…,tn) donde R es un símbolo
de relación n-aria y t1,…,tn son términos.

Ejemplos de fórmulas son:

positivo(3),not(igual(4,doble(2))),recetar(X,aspirina)<=tiene(X,fiebre),
tiene(X,cefalea).

Esta última establece una regla que dice que, si X
tiene fiebre y cefalea (dolor de cabeza), X debe tomar una
aspirina.

El Lenguaje de Primer Orden posee un amplio poder de
expresión, los términos permiten nombrar los
objetos del universo,
mientras que las fórmulas permiten afirmar o negar
propiedades de éstos o bien establecen las relaciones
entre los objetos del universo.

Puede decirse que la Programación Lógica utiliza
la Lógica de Primer Orden como lenguaje de
programación. Prólogo es un ejemplo de lenguaje
basado en la Lógica de Primer Orden y aunque toma su
nombre de este término ("PROgramming in LOGic"), no abarca
toda la riqueza de la Lógica de Primer Orden para resolver
problemas, pues está restringido al uso de cierta clase de
fórmulas denominadas cláusulas definidas o
cláusulas de Horn.

Un programa lógico está formado por un conjunto
finito de cláusulas de programa que son hechos o reglas.
Por ejemplo:

Padre (Luis, miguel). Hecho

Padre (miguel, José). Hecho

Padre (José, Juan). Hecho

Abuelo(X,Y):-padre(X,Z), padre (Z,Y). Regla

Este programa está formado por cuatro cláusulas
de programa, las tres primeras son del tipo hecho y definen la
relación padre/2 y la cuarta una regla que define la
relación abuelo/2. Nótese el uso de las variables
X,Y y Z en esta cláusula, las cuales permiten definir de
manera general en Prolog la relación "ser abuelo de", pues
la lectura
declarativa de dicha cláusula es la siguiente: "Para
cualesquiera X,Y,Z se cumple que: X abuelo de Y, si X padre de Z
y Z padre de Y".

En Prolog es posible hacer preguntas sobre objetos y
relaciones del dominio y estas
preguntas se formulan como objetivos o metas, que son evaluadas
por el intérprete de Prolog utilizando su mecanismo de
inferencia interno, el cual determina si la meta a
demostrar es una consecuencia lógica del programa,
aplicando reglas de deducción para obtener la
respuesta.

Por ejemplo, del programa anterior, utilizando la
cláusula de tipo meta ?abuelo(X, juan), para preguntar
¿quién es el abuelo de Juan? o bien
¿quiénes son los abuelos de Juan?, es posible
deducir que Luis es abuelo de Juan, aunque implícitamente
no existe en el programa ningún hecho que así lo
afirme.

En este caso la ejecución del programa, para dicha
meta, arrojaría como resultado que X=luis.

El método de deducción utilizado por Prolog,
para dar respuesta a los objetivos planteados, se basa en el uso
de una única regla de inferencia: el Principio de
Resolución.

Los primeros trabajos de prueba automática de teoremas
utilizaban la resolución, aplicada a cláusulas
cualesquiera, pero el problema de las deducciones con
cláusulas generales es el gran número de
combinaciones posibles para llevar a cabo las resoluciones.

Por ello Prolog restringe el conjunto de cláusulas, lo
que le permite llevar a cabo una prueba dirigida y, en la
mayoría de los casos, con un universo de posibilidades
explorable en tiempo de ejecución.

Realmente, en Prolog se hace uso de una estrategia de
refinamiento de dicho principio, denominada
Resolución-SLD, la cual se aplica a cláusulas
definidas.

Algoritmos

Cuando una tarea se realiza por medio de un algoritmo
perfectamente definido de almacenamiento, clasificación o
cálculo, lo puede hacer un computador. Este concepto de
algoritmo, secuencial, fijo y de determinadas operaciones, es
incapaz de manejar problemas donde el camino del razonamiento es
variable y donde deben afrontarse situaciones diversas sin haber
sido especificadas.

La Inteligencia Artificial hace uso de un tipo de lenguaje
diferente como es el caso de LISP y PROLOG.

En 1932, Cannon visualizó la evolución natural
como un proceso de aprendizaje. Alan Turing reconoció, en
1950, que debe haber una conexión obvia entre el
aprendizaje de máquina y la evolución, y
señaló que se podrían desarrollar programas
para jugar ajedrez usando esta técnica. Campbell
conjeturó en 1960 que en todos los procesos que llevan a
la expansión del conocimiento, se involucra un proceso
ciego de variación y supervivencia selectiva.

Los primeros intentos de aplicar de manera formal la
teoría de la evolución, a problemas
prácticos de ingeniería, apareció en las
áreas de control de procesos estadísticos,
aprendizaje de máquina y optimización de funciones.
Tal vez el primer intento serio de este tipo se dio en el trabajo
que realizaron Box y sus colegas en 1957, en el desarrollo de una
técnica que denominaron operación evolutiva, la
cual se aplicó a una planta de manufactura, y
que se implanto sobre la base de los votos de un comité de
jefes técnicos. Bajo este esquema, la calidad del producto
avanzaba a través de mutaciones aleatorias y la selección
era determinada por el comité.

Por su parte, Friedberg intentó, en 1958, hacer que un
programa en lenguaje máquina se mejorara a sí
mismo, seleccionando instrucciones que se asociaran más
frecuentemente con un resultado exitoso. Aunque Friedberg nunca
mencionó explícitamente estar simulando la
evolución natural, esa es la interpretación
más comúnmente aceptada de su trabajo, y a pesar de
que tuvo cierto éxito evolucionando manipuladores de bits
y determinando las interconexiones de una caja negra de 1400
terminales, la comunidad de
Inteligencia Artificial de la época prestó poca
atención a su trabajo. Por ejemplo, Minsky
lo criticó duramente, argumentando que una búsqueda
puramente aleatoria era mucho mejor que el algoritmo de
Friedberg.

El trabajo de Bremermann, en 1958, se enfocó más
a la optimización, introduciendo el importante manejo de
un valor de aptitud, y definiendo a un individuo como
una cadena de símbolos binarios (unos y ceros). Bremermann
advirtió, acertadamente, que la mutación jugaba un
papel importante en la evolución, pues impedía el
estancamiento en mínimos locales. Aunque muchas de sus
ideas se usan hoy en día, Bremermann cometió el
error de tratar de optimizar funciones lineales y convexas,
obteniendo resultados decepcionantes, pues sus algoritmos
evolutivos tenían que ser complementados con otras
heurísticas para converger en una solución. Hoy
sabemos que los algoritmos evolutivos difícilmente pueden
competir con las técnicas tradicionales de
optimización en esos dominios.

Barricelli ofreció, en 1954, una de las primeras
simulaciones que usaba principios evolutivos, utilizando los
mismos procedimientos
generales que se usan hoy en día en la disciplina conocida
como vida artificial. Sin embargo, en este trabajo, así
como el que Reed realizó posteriormente en 1967, se
concluyó que la cruza no parecía mejorar la
velocidad de la adaptación selectiva, y el operador
primordial era la mutación.

Fue Fogel el que introdujo la primera técnica evolutiva
que realmente funcionó más o menos dentro de los
lineamientos actuales de la computación evolutiva. Su
programación evolutiva consistía en hacer
evolucionar autómatas de estados finitos por medio de
mutaciones. Fogel introdujo los importantes conceptos de población y selección, y aunque las
revisiones iniciales de su trabajo fueron favorables, algunos
investigadores, como Solomonoff, enfatizaron que el método
de Fogel no debía verse en su estado actual (en 1966) como
algo particularmente útil para resolver problemas, a
excepción de los más simples posibles. Solomonoff
vio a la programación evolutiva como una especie de
búsqueda escalando la colina modelada mediante
autómatas, y otros investigadores como Holland, Kieras,
Rada y Lenat compartieron esa opinión.