Inteligencia Artificial

Introducción

El tema de la inteligencia artificial es muy
apasionante, más si se puede visualizar el alcance que hoy
en día ésta rama tiene en prácticamente la
mayoría de los campos, llámese industria,
alimentación, medicina, química, ciencia,
agricultura, historia, tecnología, etc.

Hoy en día y sin que casi nos vayamos dando
cuenta de ello, la inteligencia artificial se ha estado
involucrando en cada uno de los aspectos de nuestra vida cada vez
más, sea de forma directa como indirecta. Y como ejemplo
de una forma directa podemos mencionar por ejemplo las
búsquedas que se hacen por medio de la red de internet.
Los llamados motores de búsqueda usan la inteligencia
artificial para poder asociar lo que la persona que digita
está apuntando y hacia dónde se dirigirá lo
que la misma quiere. En las industrias, y por medio de
máquinas que son ahora más inteligentes y que
pueden tomar decisiones por ellas mismas, se pueden llevar a cabo
procesos que antes tomaban más tiempo pero que ahora se
han reducido. Además, la calidad del producto puede tener
mejores características si a dichas máquinas
así se le indican.

En este tema abarcaremos algo de historia,
características, concepto, y metodologías. Haremos
una breve comparación de la red neuronal del ser humano y
la forma en que los sistemas inteligentes
actúan.

(Imagen 1)

Historia y
evolución de la inteligencia artificial

La Inteligencia Artificial "nació" en 1943 cuando
Warren McCulloch y Walter Pitts propusieron un modelo de neurona
del cerebro humano y animal. Estas neuronas nerviosas abstractas
proporcionaron una representación simbólica de la
actividad cerebral.

Más adelante, Norbert Wiener elaboró estas
ideas junto con otras, dentro del mismo campo, que se
llamó "cibernética"; de aquí nacería,
sobre los años 50, la Inteligencia Artificial.

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".

Pero si consideramos la enorme complejidad del mismo
esto es ya prácticamente imposible, ni que mencionar que
el hardware de la época ni el software estaban a la altura
para realizar semejantes proyectos.

Se comenzó a considerar el pensamiento humano
como una coordinación de tareas simples relacionadas entre
sí mediante símbolos. Se llegaría a la
realización de lo que ellos consideraban como los
fundamentos de la solución inteligente de problemas, pero
lo difícil estaba todavía sin empezar, unir entre
sí estas actividades simples.

Es en los años 50 cuando se logra realizar un
sistema que tuvo cierto éxito, se llamó el
Perceptrón de Rossenblatt. Éste era un sistema
visual de reconocimiento de patrones en el cual se asociaron
esfuerzos para que se pudieran resolver una gama amplia de
problemas, pero estas energías se diluyeron
enseguida.

Fue en los años 60 cuando Alan Newell y Herbert
Simon, que trabajando la demostración de teoremas y el
ajedrez por ordenador logran crear un programa llamado GPS
(General Problem Solver: solucionador general de problemas).
Éste era un sistema en el que el usuario definía un
entorno en función de una serie de objetos y los
operadores que se podían aplicar sobre ellos. Este
programa era capaz de trabajar con las torres de Hanoi,
así como con criptoaritmética y otros problemas
similares, operando, claro está, con microcosmos
formalizados que representaban los parámetros dentro de
los cuales se podían resolver problemas. Lo que no
podía hacer el GPS era resolver problemas ni del mundo
real, ni médicos ni tomar decisiones importantes. El GPS
manejaba reglas heurísticas (aprender a partir de sus
propios descubrimientos) que la conducían hasta el destino
deseado mediante el método del ensayo y el
error.

En los años 70, un equipo de investigadores
dirigido por Edward Feigenbaum comenzó a elaborar un
proyecto para resolver problemas de la vida cotidiana o que se
centrara, al menos, en problemas más concretos. Así
es como nació el sistema experto.

El primer sistema experto fue el denominado Dendral, un
intérprete de espectrograma de masa construido en 1967,
pero el más influyente resultaría ser el Mycin de
1974. El Mycin era capaz de diagnosticar trastornos en la sangre
y recetar la correspondiente medicación, todo un logro en
aquella época que incluso fueron utilizados en hospitales
(como el Puff, variante de Mycin de uso común en el
Pacific Medical Center de San Francisco, EEUU).

Ya en los años 80, se desarrollaron lenguajes
especiales para utilizar con la Inteligencia Artificial, tales
como el LISP o el PROLOG. Es en esta época cuando se
desarrollan sistemas expertos más refinados, como por el
ejemplo el EURISKO. Este programa perfecciona su propio cuerpo de
reglas heurísticas automáticamente, por
inducción.

Concepto

La Inteligencia Artificial es una combinación de
la ciencia del computador, fisiología y filosofía,
tan general y amplio como eso, ya que reúne varios campos
(robótica, sistemas expertos, por ejemplo), todos los
cuales tienen en común la creación de
máquinas que pueden pensar.

La idea de construir una máquina que pueda
ejecutar tareas percibidas como requerimientos de inteligencia
humana es un atractivo. Las tareas que han sido estudiadas desde
este punto de vista incluyen juegos, traducción de
idiomas, comprensión de idiomas, diagnóstico de
fallas, robótica, suministro de asesoría experta en
diversos temas.

Es así como los sistemas de administración
de base de datos cada vez más sofisticados, la estructura
de datos y el desarrollo de algoritmos de inserción,
borrado y locación de datos, así como el intento de
crear máquinas capaces de realizar tareas que son pensadas
como típicas del ámbito de la inteligencia humana,
crearon el término Inteligencia Artificial en
1956.

La Inteligencia Artificial trata de conseguir que los
ordenadores simulen en cierta manera la inteligencia humana. Se
acude a sus técnicas cuando es necesario incorporar en un
sistema informático, conocimiento o características
propias del ser humano.

Otro punto de
vista

«Comentario adicional realizado por
la lectora Claudia L. Herrara sobre IA» "Inteligencia
artificial: Se le llama a la rama de la informática que
desarrolla procesos que imitan a la inteligencia de los seres
vivos. La principal aplicación de esta ciencia es la
creación de máquinas para la automatización
de tareas que requieran un comportamiento inteligente. 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. 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."

Podemos interrogar algunas bases de datos de Internet en
lenguaje natural, o incluso charlar con ellas en nuestro idioma,
porque por detrás se está ejecutando un programa de
Inteligencia Artificial.

Otras herramientas inteligentes pueden utilizarse para
escrutar entre los millones de datos que se generan en un banco
en busca de patrones de comportamiento de sus clientes o para
detectar tendencias en los mercados de valores.

Características de la Inteligencia
Artificial

• 1. 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.

• 2. 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).

• 3. 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.

• 4. 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.

• 5. 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.

Diferentes metodologías:

• 1. La lógica difusa: permite tomar
  decisiones bajo condiciones de incerteza.También
  llamada lógica borrosa o lógica
  heurística, en inglés Fuzzi Logic se basa en lo
  relativo de lo observado como posición diferencial.
  Este tipo de lógica toma dos valores aleatorios, pero
  contextualizados y referidos entre sí.

• 2. Redes neuronales: poderosa ante tareas como
  la clasificación y el reconocimiento de patrones. Es
  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. 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 es también llamada campo.
  Si el campo es mayor que un umbral, la respuesta de la
  neurona es activa, si no, es inactiva. Si se quieren realizar
  funciones complejas con Redes Neuronales, es necesario
  intercalar neuronas entre las capas de entradas y de salida,
  llamadas neuronas ocultas. Una de las arquitecturas
  más usada es llamada feedforward: con conexiones de la
  entrada a las capas ocultas y de éstas hacia la
  salida.

(Imagen 2)

Clasificación de la Inteligencia
Artificial

• a. Inteligencia artificial convencional

Basada en análisis formal y estadístico
del comportamiento humano ante diferentes problemas. Tienen las
siguientes características:

• Razonamiento basado en casos: ayuda a tomar
  decisiones mientras se resuelven ciertos problemas
  concretos.

• Sistemas expertos: infieren una solución a
  través del conocimiento previo del contexto en que se
  aplica y de ciertas reglas o relaciones.

• Redes bayesianas: propone soluciones mediante
  inferencia estadística.

• Inteligencia artificial basada en comportamientos:
  sistemas complejos que tienen autonomía y pueden
  auto-regularse y controlarse para mejorar.

• b. Inteligencia artificial computacional

La inteligencia computacional (también conocida
como inteligencia artificial sub simbólica) implica
desarrollo o aprendizaje iterativo (p.ej. modificaciones
iterativas de los parámetros en sistemas conexionistas).
El aprendizaje se realiza basándose en datos
empíricos. Algunos métodos de esta rama
incluyen:

• Máquina de vectores soporte: sistemas que
  permiten reconocimiento de patrones genéricos de gran
  potencia.

• Redes neuronales: sistemas con grandes capacidades
  de reconocimiento de patrones.

• Modelos ocultos de Markov: aprendizaje basado en
  dependencia temporal de eventos probabilísticos.

• Sistemas difusos: técnicas para lograr el
  razonamiento bajo incertidumbre. Ha sido ampliamente usada en
  la industria moderna y en productos de consumo masivo, como
  las lavadoras

• Computación evolutiva: aplica conceptos
  inspirados en la biología, tales como
  población, mutación y supervivencia del
  más apto para generar soluciones sucesivamente mejores
  para un problema. Estos métodos a su vez se dividen en
  algoritmos evolutivos (ej. algoritmos genéticos) e
  inteligencia colectiva (ej. algoritmos hormiga)

(Imagen 2)

Implicaciones de
la IA en la agricultura

El desarrollo de herramientas computacionales aplicadas
a brindar soluciones en materia de agricultura, es de vital
importancia, ya que hay gran variedad de cultivos, los cuales
podrán obtener mayor valor económico y calidad si
logramos que dichas herramientas brinden el soporte necesario que
estos necesitan.

La I.A a través de Sistemas Inteligentes permiten
un mayor control de los procesos involucrados en la agricultura
que se hacen más necesarios de desarrollar, dada la
necesidad en el sector y por los buenos resultados que este tipo
de aplicaciones han mostrado hasta la actualidad.

Las principales áreas de la agricultura en las
que se puede utilizar la I.A son:

• 1. Planificación agraria y de recursos
  naturales.

• 2. Gestión integral de
  cultivo.

• 3. Control de plagas y enfermedades.

• 4. Diagnóstico.

• 5. Análisis de inversiones.

• 6. Control de automatismos.

• 7. Selección de maquinaria.

• 8. Control de riego y otros

Generaciones de la I.A en la agricultura

Primera Generación:

Es en la que estamos viviendo y se caracteriza por que
los robots agricultores son pequeños y están
dotados principalmente de un sistema de visión artificial.
Son capaces de realizar tareas de búsqueda y
transmisión de información sobre el terreno de una
forma totalmente nueva en el sector agrícola:

• Distribuidos por hectáreas de
  terreno.

• Son capaces de orientar sus
  búsquedas.

• Intercambiar información con otras
  unidades.

• Detectar epidemias e insectos peligrosos,
  advirtiendo de ello a los demás robots desplegados
  sobre el terreno

Segunda Generación:

Pretende llegar más lejos y realizar tareas
agrícolas más complejas, como roturar
mecánicamente un terreno y fumigarlo con la ayuda de GPS.
Estos robots también serán de pequeño
tamaño, excepto los que se dediquen a cosechar, los cuales
deberán tener un tamaño equivalente al de las
maquinas actuales, conducidas directamente por el
hombre.

Tercera Generación:

Formará parte de un sistema más amplio
para gestionar en su conjunto la granja del futuro, con
actividades complementarias a las estrictamente agrícolas,
como la ganadera y la gestión comercial. En Japón
ya existen unos pequeños robots autónomos que
plantan arroz en plantaciones reales.

La IA y la
educación

En los años 50 aparecieron los primeros sistemas
de enseñanza llamados programas lineales. Aquellos
programas eran muy básicos y la mayor desventaja era que
el método de enseñanza no se podía cambiar
ni  el programador podía realizar dicho
cambio. A principio de los años 60, las computadoras,
la compra y venta de las mismas, comenzó a emerger gracias
a que las universidades las requerían en gran cantidad,
sobre todo Estados Unidos. De allí que la computadora
llego a formar gran parte de la educación de los
profesionales. Tan rápido como las universidades
adquirieron las computadoras comenzaron a cambiar su
método de enseñanza obteniendo magníficos
resultados.

En la actualidad

La historia de los ordenadores en la enseñanza es
una historia breve, de poco más de cuarenta años, y
está vinculada de forma muy estrecha a la propia
evolución y avance de la tecnología
informática por una parte, y al desarrollo de las
teorías del aprendizaje y enseñanza por otra. Desde
que a mediados del siglo XX, Skinner propusiera el concepto de
"máquinas de enseñar", el desarrollo y
preocupación de la utilización de los ordenadores
en la enseñanza ha estado dominado por esta idea:
¿es posible lograr que un sujeto humano aprenda a
través de la interacción, casi exclusiva, con una
máquina? Los logros y avances a lo largo de varias
décadas de investigación fueron menos exitosos de
lo esperado. La adaptación de los sistemas escolares a un
modelo de escolaridad apoyado en las tecnologías digitales
es y será un proceso parsimonioso[1]lento,
con altibajos, con avances y retrocesos. Este proceso de cambio
exige, como condición inicial, pero no única, la
disponibilidad de recursos tecnológicos abundantes en los
centros educativos. Sin un número adecuado de ordenadores,
sin software apropiado, sin cableado ni infraestructuras no
habrá, evidentemente, prácticas educativas apoyadas
en las tecnologías informáticas. Pero esto es, a
todas luces, insuficiente si lo que perseguimos es la
innovación y mejora educativa.

La incorporación de las nuevas tecnologías
si no van acompañadas de innovaciones pedagógicas
en los proyectos educativos de los centros, en las estructuras y
modos de organización escolar, en los métodos de
enseñanza, en el tipo de actividades y demandas de
aprendizaje requeridos al alumnado, en los sistemas y exigencias
evaluativos, en los modos de trabajo y relación del
profesorado, en la utilización compartida de los espacios
y recursos como pueden ser las salas de informática, en
las formas de organización y agrupamiento de la clase con
relación al trabajo apoyado en el uso de ordenadores,
afectarán meramente a la epidermis de las prácticas
educativas pero no representarán mejoras sustantivas de
las mismas.

La clase virtual del futuro

La educación y las nuevas tecnologías
están condenadas a entenderse. Los nuevos soportes ofrecen
infinitas posibilidades para conseguir acercar los contenidos de
las materias a unos alumnos a los que el concepto de nativo
digital ya le suena a antiguo. La mayoría de países
europeos ya han movido ficha y se han invertido millones de euros
en dotar de nuevas tecnologías los centros de
enseñanza. Aun así, muchos expertos tienen la
sensación de que no se les saca todo el rendimiento
posible. La pizarra es una gran tableta digital, que navega por
internet y que permite, con un simple movimiento de las manos,
ampliar contenidos, fotografías, textos, simulaciones,
etc. Cada pupitre tiene también su propio monitor es otra
tableta, pero más sencilla y está equipado con unos
auriculares, que estimulan el aprendizaje de idiomas y que los
alumnos usan puntualmente, solo cuando la actividad de la clase
lo requiere. Hay taquillas dotadas de cargadores
eléctricos para baterías de teléfono
móvil y ordenador portátil y, a la entrada, un
pequeño dispositivo toma la huella dactilar de cada
estudiante, de manera que no hay que pasar lista. Es el aula del
futuro, un espacio donde "la tecnología será en
efecto un elemento omnipresente".

(Imagen 3)

Libros inteligentes

De cómo serán los libros en el futuro no
tengo ni idea, pero sí sé cómo es el
presente del libro con inteligencia artificial. Y en esta
materia, los referentes son los bidibooks de la empresa gallega
Netbiblo. Los gallegos estaremos a la cola en el ranking de
lectura o de uso de Internet en España, pero a la hora de
innovar pocos nos ganan en esto de la sociedad de la
información (permitidme, de nuevo, hacer patria).Los
bidibooks funcionan por un código QR (Quick Response
Codes) para teléfonos móviles. Para usarlos
sólo hay que descargar al móvil un programa lector
de QR y hacer una foto con la cámara del teléfono
al código. Pero para que funcione este sistema es,
además, necesario tener conexión a Internet en el
móvil o poder hacerlo vía Wi-Fi. Esos
códigos QR (códigos de barras en dos dimensiones
impresos en el papel) la cámara los traduce al
teléfono en una URL que remite al lector a más
información en la Red sobre esa obra que tiene entre sus
manos. Así, se tiene acceso a vídeos,
fotografías y textos vinculados al libro, desde fuentes
como Wikipedia, Flickr o YouTube

(Imagen 4)

Inteligencia
Artificial y la Industria

La Inteligencia Artificial es una rama de la ciencia de
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.

Al diseñar un sistema de producción
integrado por computadora se debe dar importancia a la
supervisión, planificación, secuenciación
cooperación y ejecución de las tareas de
operación en centros de trabajo, agregado al control de
los niveles de inventario y características de calidad y
confiabilidad del sistema.

Una de las áreas que puede tener mayor incidencia
directa en los procesos productivos de la industria nivel
mundial, es el diseño de sistemas de soporte para la toma
de decisiones basados en la optimización de los
parámetros de operación del sistema.

Ejemplo: El sistema de visión
artificial Robot Visión PRO, es capaz de ejecutar de
manera totalmente automática las labores de
identificación de objetos y de control de calidad de los
mismos.

El sistema Robot Visión PRO es un
paquete de software de visión que permite la
adquisición de imágenes, pre procesamiento y
segmentación. Además realiza procesamiento de datos
de alto nivel que brinda filtrado de imágenes,
elaboración de clúster y patrones, e
identificación de objetos

Análisis de las Necesidades de un Robot:

• Producción Anual

• Almacenamiento

• Tiempo de Manipuleo

• Layout(plan) de
  Máquinas

• Accesibilidad

• Dotación de Operación y
  Supervisión

Procesos válidos para obtener resultados
racionales:

• Agente inteligente

• Redes neuronales

• Sistemas de lógica
  difusa

• Sistemas Expertos

• Algoritmos genéticos

(Imagen 5)

Inteligencia
Artificial y la robótica

Uno de los aliados número uno en las
exploraciones espaciales (especialmente las más
arriesgadas) son, sin dudas, los robots. Es por ello que los
esfuerzos puestos en su desarrollo aumentan día a
día, dando como resultado increíbles
máquinas que casi todo lo pueden.

Conquista espacial: Lanzan innovadores robots espaciales

El sofisticado MarsCuriosity de la NASA, expedicionario
tecnológico que aterrizó en Marte el seis de agosto
de 2012, con el objetivo de ayudar a los científicos a
averiguar si hay o hubo vida en el planeta rojo. La
búsqueda del Rover se centró en el Cráter
Gale, del cual pudo, por primera vez en la historia, perforar una
de sus rocas y recoger varias muestras.

Reconfigurable Integrated Multi Robot Exploration
System

(Imagen 6)

Tal vez inspirados en la hazaña del Curiosity, en
Alemania se han ideado robots similares pero capaces de explorar
los cráteres de la Luna.

El proyecto Reconfigurable IntegratedMulti Robot
ExplorationSystem (RIMRES) es impulsado por el Centro de
Innovación de Robótica (DFKI) y el Centro de
Tecnología Espacial Aplicada y Micro gravedad (ZARM), los
cuales esperan poder encontrar agua congelada en el
satélite de la Tierra.

El primer robot diseñado dentro de RIMRES se
llama SHERPA, un transportador que mide 2,4 metros de largo y
pesa 200 kilos. Su desplazamiento se realiza mediante un tren
híbrido de ruedas y piernas con suspensión
adaptable, que le permite moverse con rapidez en terrenos
accidentados, escalar rocas o liberarse en caso de quedar
atrapado. Su función principal es llevar sobre sí
hasta áreas de interés a un segundo robot,
CREX.

CREX es un mini robot de un metro de longitud que pesa
solo 27 kilos, cuenta con patas articuladas y equipadas con
sensores, gracias a las cuales es capaz de analizar las
superficies por las que se mueve Kirobo.

Claro que para ver despegar a estos increíbles
robots rumbo a la Luna pasarán muchos años. Pero la
presencia de estos aparatos en el espacio no siempre se relaciona
con la exploración: también pueden ser
útiles herramientas de comunicación. Precisamente,
en este tiempo, un robot humanoide en miniatura de origen
japonés está por ser enviado a la Estación
Espacial Internacional para tender un puente con la
Tierra.

Kirobo

(Imagen 7)

Kirobo, diseñado por TomotakaTakahashi y
desarrollado por Dentsu Inc., mide 34 centímetros, pesa un
kilo y ya fue sometido exitosamente a algunas pruebas de gravedad
cero. Por medio de tecnologías de procesamiento de
lenguaje aportadas por Toyota, el simpático humanoide
puede entender y hablar en japonés. De esta manera,
podrá entretener al astronauta Koichi Wakata, que
recibirá y responderá mensajes de Twitter desde y
hacia nuestro planeta a través del robot.

(Imagen 8)

Los sensores
inteligentes

El ser humano por naturaleza siempre ha utilizado sus
sentidos para mejorar su calidad de vida. Su comodidad depende de
visualizar las grandes áreas de producción de
alimentos, detección de la temperatura y humedad
favorables. La tecnología actual hace que vivamos en un
ambiente con la temperatura regulada, nos muestra la mejor manera
de llegar a un destino y nos sugiere las mejores prendas
según las previsiones meteorológicas.

¿Qué son los Sensores Inteligentes?

Son aquellos dispositivos que nos permiten palpar, medir
o sentir por medios externos las magnitudes de todo aquello que
nuestros cinco sentidos de por sí ya realizan. Si se
quiere, podemos hasta decir que realizan funciones que si bien
nosotros los seres humanos pudiéramos realizar, nos
tardaríamos horas o hasta días y semanas en
realizar. Hay sin embargo condiciones o información que
los sensores inteligentes nos entregan que ni los mismos seres
humanos podríamos dar con tanta precisión. Tal es
el sencillo caso de la temperatura ambiente. Podemos sentir el
calor y el frío. Podemos estimar un aproximado de la misma
en grados centígrados, pero no podremos dar un valor
preciso de dicha temperatura.

Hoy en día, nuestra calidad de vida se define al
decidir qué hacer con el tiempo libre que ganamos gracias
a la tecnología: ir a un gimnasio, viajar, disfrutar de la
familia o amigos, etc.

Los sensores tienen un papel fundamental en este avance
tecnológico, convirtiendo máquinas y procesos
más autónomos en nuestra búsqueda de una
calidad de vida más tranquila. Empresas dedicadas a la
construcción de sensores tienen una gran variedad de los
mismos. Las magnitudes físicas que podemos medir hoy en
día con la línea de sensores inteligentes son muy
variadas.

Sensores primitivos vs sensores inteligentes

En contraste con los sensores inteligentes, los sensores
primitivos son dispositivos o materiales que tienen alguna
propiedad eléctrica que cambia con algún
fenómeno físico. Un ejemplo de un sensor primitivo
es la fotorresistencia de sulfato de cadmio. Su resistencia
cambia con la intensidad de la luz.

Con el programa y el circuito adecuados, es posible
realizar mediciones de luz con un micro controlador. Otros
ejemplos de sensores primitivos comunes son los sensores de
temperatura con salida de corriente/tensión, transductores
de micrófonos y aún el potenciómetro, que es
un sensor de posición rotacional.

Dentro de cada sensor inteligente radica uno o
más sensores primitivos y la circuitería de
soporte. Lo que hace a un sensor inteligente "inteligente" es la
electrónica interconstruída adicional. Esta
electrónica hace que estos sensores sean capaces de hacer
una o más de las siguientes funciones:

• Pre-procesar los valores medidos en cantidades que
  posean algún significado.

• Comunicar las medidas con señales digitales y
  protocolos de comunicación.

• Orquestar las acciones de los sensores primitivos y
  sus circuitos para "tomar" mediciones.

• Tomar decisiones e iniciar alguna acción en
  base a las condiciones censadas, de manera independiente al
  micro controlador.

• Recordar la calibración o la
  configuración de sus parámetros.

Marco metodológico

Las diferentes metodologías utilizadas para la
redacción de este trabajo fueron, principalmente la
investigación por medio de internet, de ahí que la
información que encontrábamos, la
clasificábamos en, la que era útil para el trabajo
y la que no lo era, también investigamos con trabajos ya
hechos por profesionales que nos proporcionaron mucha más
información. Las ilustraciones también fueron
proporcionadas por el internet. La edición de este
documento fue hecha de manera grupal, con el fin de que todos
tuvieran contribuyeran a él.

Conclusión

Con la finalización de este proyecto escrito, se
podría resaltar que se ha logrado abarcar diferentes
temas, desde varios puntos de vista, todos tratando acerca de la
inteligencia artificial, tales temas como, su historia, sus
implicaciones en diferentes áreas, así como en
nuestra vida diaria, es posible decir que con este trabajo no
logramos atender completamente a fondo, toda la
información que la inteligencia artificial nos brinda,
pero si logramos aprender una gran parte de ella. Ahora es
posible abstraer el cómo ha afectado el cambio
tecnológico con el diario vivir de las personas de una
manera tanto para bien como para mal.

Bibliografía

• http://noticias.tudiscovery.com/carrera-el-espacio-lanzan-innovadores-robots-espaciales/
  (Tomado el 21/03/2013)

• http://es.wikipedia.org/wiki/L%C3%B3gica_difusa
  (Definición Lógica Difusa tomada el
  28/03/2031)

• http://es.wikipedia.org/wiki/Historia_de_la_inteligencia_artificial
  (Tomado el 27/03/2013)

• http://es.wikipedia.org/wiki/Historia_de_la_inteligencia_artificial
  (Tomado el 27/03/2013)

• Inteligencia artificial en las industrias from Facultad de Ciencias y Sistemas

  (Autor: Chavez, Ariel. Tomado el 10/04/2013)

• La I. A. en la agricultura from Facultad de Ciencias y Sistemas

  (Autores: Ayestas, Carlos. Sarantez, Eddy. Tomado el
  10/04/2013)

• Inteligencia Artificial en la Educación. from Jonnathan Arias

  (Autor: Arias, Jonnathan. Tomado el 10/04/2013)

Anexos

• "Imagen1":http://inteligenciaartificialudb.blogspot.com/2008/01/evolucin-de-la-ia.html

(Tomada el 14/04/213)

• "Imagen2":http://upload.wikimedia.org/wikipedia/commons/thumb/6/64/RedNeuronalArtificial.png/400px-RedNeuronalArtificial.png

(Tomada el 12/03/2013)

• "Imagen 3":
  http://4.bp.blogspot.com/-9OC0IGTcrLQ/T4G3LBMxiFI/AAAA
  AAAADV8/jKEmaURlk6k/s1600/SensoresSeedmech.jpg (Tomada el
  12/03/2013)

• "Imagen 4":
  http://www.teleprensa.es/imgnews/Escolarpantallatactil.jpg
  (Tomada el 15/03/2013)

• "Imagen 5":
  http://2.bp.blogspot.com/_96-Z1GtSHNM/TMWupqqS74I/AAA
  AAAAAABE/-FYAlfah7nA/s1600/motoman-robotics-robot-industrial-robot-industrial-up50n-35-389525-FGR.jpg
  (Tomada el 16/03/2013)

• "Imagen 6":
  http://noticias.tudiscovery.com/wp-content/uploads/2013/03/S
  herpa-as%C3%AD-se-ver%C3%ADa.-679×400.jpg (Tomado el
  21/03/2013)

• "Imagen 7":
  http://noticias.tudiscovery.com/wp-content/uploads/2013/03/
  Pruebas-del-CREX..jpg (Tomado el
  21/03/2013)

• "Imagen 8":
  http://noticias.tudiscovery.com/wp-content/uploads/2013/03/Kiro
  bo-podr%C3%A1-sacar-fotos-y-enviar-Tweets.jpg (Tomado
  el 21/03/2013)

• "Imagen
  8":http://www.google.co.cr/search?q=sensores+inteligentes&hl=es-419&rlz=1R2WQIB_esCR525&tbm=isch&tbo=u&source=univ&sa=X&ei=lSdrUZusJoqc9QTmlYCgAg&sqi=2&ved=0CDgQsAQ&biw=1280&bih=868

Sensores inteligentes (Tomado el
14/04/2013)

Autor:

Ingeniería en sistemas
computacionales

Introducción a la ingeniería
en sistemas

Lugar de emisión:

Universidad Latina de Costa Rica – Campus
Heredia

[1] Parsimonioso: tranquilo, lento,
cuidadoso.