Tambien puedes ver las diapositivas de sistemas expertos en http://slidesha.re/ae6pfA

Sistemas Expertos

El termino sistema experto fue propuesto por vez primera Feigenbaum en 1977 en el congreso mundial de inteligencia artificial, realizado en la ciudad de Tokio, Japón. Su definición era expresada como programa inteligente que utiliza conocimiento y procedimientos de inferencia (deducciones) para resolver problemas difíciles en los que se requiere la participación de un experto humano.

Un sistema experto (SI) emita el comportamiento de una persona experta en un dominio concreto. Una persona se considera experta o experto cuando tiene conocimiento especializado de algún problema, a este conocimiento se le llama conocimiento sobre el dominio y el área del conocimiento intelectual para ser capturado en un sistema experto se le llama dominio de tarea.

Antes de hacer un sistema experto se deben adquirir los conocimientos, y estos se adquieren por diversos mecanismos, a continuación se describe un mecanismo presentado por Milton (2003):

Estrategia para obtener los conocimientos:

1. Hacer una entrevista con en el experto para adquirir el conocimiento, se debe conocer la terminología y el propósito del conocimiento.

2. Crear un diagrama conceptual en consecuencia de los resultados de la entrevista y generar preguntas que cumplan el propósito del sistema.

3. Realizar otra entrevista en el experto utilizando las preguntas que fueron hechas de acuerdo a la anterior entrevista.

4. Generar los conceptos, reglas, atributos, valores y relaciones de la entrevista.

5. Representar los elementos de la manera más apropiada ya sea textos, diagramas, ilustraciones, etc.

6. Presentar los resultados al experto y permitirle que haga cambios si es necesario.

7. Consultar con otro expertos y de igual manera modificarlo si es posible.

Por último en el conocimiento siempre hay cosas nuevas por aprender por lo que la adquisición de conocimiento y el sistema experto deben ser continuos.

Equipo de desarrollo de un sistema experto:

Experto: el que aporta los conocimientos para desarrollo del sistema experto.

Ingeniero del conocimiento: plantea preguntas al experto, estructura el conocimiento y los implementa en la base del conocimiento.

Usuario: Aporta sus ideas enfocándose al escenario del sistema experto.

Un sistema experto tiene como partes principales la base de conocimiento y el motor de inferencia.

Base de conocimientos:

Una base de conocimientos consta de conocimiento efectivo y conocimiento heurístico. El conocimiento efectivo es el conocimiento de dominio de tarea y se encuentra habitualmente en los libros y el conocimiento heurístico, es el conocimiento encontrado de manera razonable y experimental, cabe decir que este conocimiento puede tener errores.

Motor de inferencia:

Un modelo para desarrollar el problema ordena y controla los pasos tomados para la solución del problema. El modelo implica encadenamiento de reglas de SI-ENTONCES (IF/THEN), para formar el razonamiento.

Si el encadenamiento empieza por condiciones y estas se van generando de tal manera para llegar a la conclusión se le llama método de encadenamiento hacia delante o hacia atrás.

Estos métodos para solucionar el problema se construyen en motores de inferencia o procedimientos de la inferencia, que manipulan el conocimiento de la base del conocimiento para formar un perfil de razonamiento.

La inferencia tiene dos clases el determinismo lo inferido es una verdad universal y probabilístico por medio de predicciones o probabilidades no siempre verdaderas.

En pocas palabras el motor de inferencia es el intérprete de la base de conocimiento.

Además son tomadas indispensables las siguientes partes como la interfaz de usuario, modulo de explicación y modulo de adquisición de conocimientos.

La interfaz de usuario debe manejar un lenguaje natural, hace preguntas, da información y muestra conclusión final y todo esto es procesado en la base de conocimientos.

El modulo de explicación justifica el proceso de razonamiento que ha seguido el sistema experto para llegar a sus conclusiones.

El modulo de adquisición de conocimiento permite a los expertos modificar la base del conocimiento ya sea para corregir errores en la base de conocimiento o debido a que el conocimiento se encuentra en constante cambio debe ser actualizado.

Tipos de sistema experto

Basados en regla se define a partir de un conjunto de objetos, que representen variables del modelo considerado, ligadas por medio de un conjunto de reglas que representen relación entre Las variables. Ejemplo: el sistema de retiro un cajero automático.

Sistemas expertos probabilísticos su base de conocimiento la compone un lugar probabilístico, el motor de inferencia actúa sobre el cálculo de probabilidades condicionadas.

Sistemas de interpretación: deduce la descripción de situaciones por medio de sensores de datos. Ejemplos: la medición de temperatura, reconocimiento de voz.

Sistemas de predicción: deduce probables consecuencias a situaciones dadas. Ejemplo predecir el daño de cosecha debido a insectos.

Sistemas de diagnóstico: deduce las fallas de un sistema en base a los síntomas. Utiliza características de comportamiento, descripción de situaciones. Ejemplo: diagnostico de enfermedades.

Diferencia entre un experto humano y un sistema experto.

Experto humano Sistema experto

Difícil de trasladar Fácil de trasladar

Difícil de documentar Fácil de documentar

Impredecible en su forma de ser Consistente

Mortal Durable

Creativo No creativo

Experiencia personal Entrada simbólica (lo que le dice el usuario)

Enfoque amplio Enfoque cerrado

Sentido común Enfoque técnico

Los lenguajes de programación más utilizados en sistemas expertos son LISP uno de los lenguajes más destacados en los años 50 y para los años 70 Prolog.

Ejemplos de sistemas expertos:

DENTRAL: calcula y describe hechos sobre las moléculas a partir de datos químicos.

MICYN: dignáosla infecciones en la sangre y meningitis, además aporta el medicamento que se debe de usar ante cada situación.

PUFF: diagnostica y da tratamiento a enfermedades de pulmón.

MOLGENO: ayuda a trabaja en el campo del ADN y de la ingeniera genética.

R1: Ayuda a descubrir yacimientos petroleros debajo de aguas marinas.

Entre otros.

Información obtenida de:

http://sisbib.unmsm.edu.pe/bibvirtualdata/tesis/basic/carlos_sm/cap1.pdf

http://www.cs.us.es/cursos/iic-2003/temas/tema-02-iic04.pdf

http://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/pignani-sistemasexpertos.pdf

http://www.dei.uc.edu.py/tai97/sexperto/SE.htm

La Plaga Gris

La nanotecnología es referida al desarrollo y producción de artículos tecnológicos como lo es en el caso de pequeños robots que no pueden ser observados a simple vista.
En la actualidad se piensa que la nanotecnología pueda ser gran peligro para la existencia del mundo a consecuencia de un mal uso de ella, debido a esto se designa el término plaga gris. Eric Dexler uso por primera vez este término debido a la preocupación de que millones de nanobots se duplicaran en segundos y se terminaran con todos los elementos químicos para su desarrollo.
En nuestros días  la nanotecnología ha sido de gran utilidad para la agricultura, alimentación de personas y animales, entre otras cosa, aunque actualmente la nanotecnología no ha mostrado peligro no deja de ser una congoja de que sirva como un arma letal para la vidas del planeta y no pueda ser controlada por ser demasiado pequeña.
Fuente de:http://nanotecnologia.suite101.net/article.cfm/la_plaga_gris
http://www.crnano.org/PR-IOP.htm

Second Life head tracking

información obtenida  de http://bit.ly/cBvPR

MÉTODOS DE BÚSQUEDA

Se trata de llegar a la salida partiendo del número 1 hasta 21, para ello se utilizan dos métodos: búsqueda a profundidad y búsqueda a lo ancho.

Búsqueda en profundidad:

1-12-14-19-20-16-15-10-11-10-8-4-21.

Búsqueda a lo ancho:

1-12-1-9-1-12-14-12-17-12-1-9-6-9-7-9-1-12-14-13-19-17-12-1-9-6-5-6-2-6-9-1-12-14-13-19-20-19-13-14-12-1-9-6-2-3-2-6-9-1-12-14-13-19-20-16-20-19-13-14-12-1-9-6-2-3-8-4-3-2-6-9-1-12-14-13-19-20-16-15-10-8-4-21.

Ejercicios

1. Asumiendo las relaciones definidas en el ejemplo, ¿qué contestará Prolog a las siguientes preguntas?



1?- progenitor(jaime,X).
false.

 2?- progenitor(X,jaime).
X = patricia.

3?- progenitor(pamela,X),progenitor(X,patricia).
X = roberto.

4?- progenitor(pamela,X),progenitor(X,Y),progenitor(Y,jaime).
X = roberto,
Y = patricia.

2. Formula en prolog las siguientes preguntas a cerca de la relación progenitor:

a). ¿Cómo se llama el progenitor de Patricia?
5 ?- progenitor(X,patricia).
X = roberto .

b). ¿Tiene Elizabeth algún hijo?

6 ?- progenitor(elizabeth,X).
false.

c). ¿Cómo se llama el abuelo de Patricia?
7 ?- progenitor(X,Y),progenitor(Y,patricia).
X = pamela,
Y = roberto ;
X = tomas,
Y = Roberto.

“Árbol familiar elaborado en Prolog”

progenitor(pamela,roberto).
progenitor(tomas,roberto).
progenitor(tomas,elizabeth).
progenitor(roberto,ana).
progenitor(roberto,patricia).
progenitor(patricia,jaime).


Resultado:


1 ?- progenitor(roberto,patricia).
true.

2 ?- progenitor(elizabeth,patricia).
false.

3 ?- progenitor(tomas,benjamin).
false.


4 ?- progenitor(X,elizabeth).
X = tomas .

5 ?- progenitor(roberto,X).
X = ana ;
X = patricia.

6 ?- progenitor(X,Y).
X = pamela,
Y = roberto ;
X = tomas,
Y = roberto ;
X = tomas,
Y = elizabeth ;
X = roberto,
Y = ana ;
X = roberto,
Y = patricia ;
X = patricia,
Y = jaime.

En este semestre estoy cursando la materia de Inteligencia Artificial, de la cual estaré redactando en este blog algunos documentos relacionados con ella.

INTELIGENCIA ARTIFICIAL

La inteligencia artificial es una rama de la ciencia informática basada en el estudio y creación de sistemas computacionales racionales no vivos.

La inteligencia artificial se relaciono con los juegos de ajedrez y damas a consecuencia de que los juegos de mesa te permiten poner a prueba tus conocimientos como son calcular, solucionar problemas, tomar decisiones, recordar y otros.

Se dice que el termino inteligencia artificial se empezó a usar en los años 40’s. Sin embargo en 1950 es introducido a la comunidad científica por Alan Turing al publicar en la revista Mind el artículo titulado “Ordenador e Inteligencia”, una prueba que hoy en día es conocida como “Test de Turing”.

El Test de Turing se basa en la comunicación de dos personas y una computadora, cada una en salas diferentes, una de las personas mantiene conversación por medio de chat con la otra persona y la computadora, si la persona que conversa con ambas identifica a cada una, se concluye que no es inteligente la computadora, sin embargo, si la persona no lograra descubrir quién es la persona y quien es la computadora se dice entonces que la computadora es inteligente.

En los años 80’s John Searle opta por decir que aunque una maquina llegara a pasar el Test de Turing, no sería inteligente pues solo la maquina sigue reglas que le fueron asignadas sin saber realmente que significan.

Para el año 2008 la Universidad de Reading realizo un evento, tratando de averiguar avances de la comunicación humana y la de computadores por medio de la prueba del Test de Turing, pero ninguna de las computadoras engaño en su totalidad a las personas que interrogaban para saber si humano o una computadora. Los resultados arrojaron una evaluación entre 80 y 90 puntos de 100. Quedando claro que las computadoras están a punto de alcanzar una comunicación parecida a la de una persona.

Sera posible que una maquina pueda desempeñar una conversación igual a la de una persona y realmente la computadora podrá saber lo que significa el lenguaje humano o solo es que el ser humano trata de engañarse a si mismo creando sistemas que desarrollan códigos específicos que en sí solo son lo que tu esperas que te contesten o la reacción que deben tener en una conversación.