Professional Documents
Culture Documents
INTRODUCCIN
INTELIGENCIA ARTIFICIAL IA
NANOTECNOLOGA.
ROBTICA
5
5
6
LGICA DIFUSA
Funcionamiento
Aplicaciones generales
10
Ventajas e inconvenientes
11
REDES NEURONALES
11
Historia
11
12
Estructura
12
Aplicaciones
13
Herramientas de software
14
14
Aplicaciones
14
En meteorologa
15
COMPUTACIN CUNTICA.
15
15
16
17
Condiciones a cumplir
17
Procesadores
17
Transmisin de datos
18
18
18
18
18
CONCLUSIN
19
COMENTARIO PERSONAL
20
ANEXOS
21
E- GRAFAS
24
Introduccin
para las computadoras que nunca se haban imaginado como la vigilancia remota
por cmaras IP en tiempo real.
Las ventas de computadoras han crecido en los ltimos aos tan solo en Estados
Unidos se han vendido 80 millones por ao aproximadamente, aunque del ao
2011 a la fecha se visto una contraccin en las ventas por aparicin de las tablets
que en muchas tareas reemplazan a las computadoras personales.
En esta generacin se posicionaron las lderes del mercado en la industria de
tecnologa informtica, como Intel, AMD, Cyrix, ATI, Nvidia, Creative Labs,
Microsft, IBM, 3 Com
Inteligencia Artificial IA
La inteligencia artificial (IA) es un rea multidisciplinaria que, a travs de
ciencias como las ciencias de la computacin, la lgica y la filosofa, estudia la
creacin y diseo de entidades capaces de resolver cuestiones por s mismas
utilizando como paradigma la inteligencia humana.
General y amplio como eso, rene a amplios campos, los cuales tienen en comn
la creacin de mquinas capaces de pensar. En ciencias de la computacin se
denomina inteligencia artificial a la capacidad de razonar de un agente no
vivo.1John McCarthy acu la expresin inteligencia artificial en 1956, y la
defini as: Es la ciencia e ingenio de hacer mquinas inteligentes, especialmente
programas de cmputo inteligentes.
Nanotecnologa.
La nanotecnologa es la tecnologa que nos permite fabricar cosas a escala
nanomtrica (se abrevia nm.) que equivale a la millonsima parte de un milmetro
o la billonsima parte de un metro. Tambin se le puede definir como la ciencia
que manipula en forma individual tomos y molculas para crear maquinarias de
tamao molecular, que usualmente se mide en nanmetros. As como las
computadoras 'rompen' la informacin a su ms bsica forma, es decir, 1 y 0, la
nanotecnologa juega con la materia en sus ms elementales formas: tomos y
molculas.
Con una computadora -una vez que la informacin se ha convertido y organizado
en combinaciones de 1 y 0- la informacin se puede reproducir y distribuir
fcilmente. Con la materia, los elementos bsicos de la construccin molecular
son los tomos, y la combinacin de tomos se convierten en molculas. La
nanotecnologa le permite manipular estos tomos y molculas, haciendo posible
la fabricacin, reproduccin y distribucin de cualquier sustancia conocida por el
4
Robtica
La robtica es la rama de la tecnologa que se dedica al diseo, construccin,
operacin, disposicin estructural, manufactura y aplicacin de los robots.
La robtica combina diversas disciplinas como son: la mecnica, la electrnica, la
informtica, la inteligencia artificial, la ingeniera de control y la fsica. Otras reas
importantes en robtica son el lgebra, los autmatas programables, la
animatrnica y las mquinas de estados.
El trmino robot se populariz con el xito de la obra R.U.R. (Robots Universales
Rossum), escrita por Karel apek en 1920. En la traduccin al ingls de dicha
obra, la palabra checa robota, que significa trabajos forzados, fue traducida al
ingls como robot.
Clasificacin de los robots
Segn su cronologa
La que a continuacin se presenta es la clasificacin ms comn:
1. Generacin.
2. Generacin.
3. Generacin.
4. Generacin.
Robots inteligentes. Son similares a los anteriores, pero adems poseen sensores
que envan informacin a la computadora de control sobre el estado del proceso.
Esto permite una toma inteligente de decisiones y el control del proceso en tiempo
real.
Segn su estructura
La estructura, es definida por el tipo de configuracin general del Robot, puede ser
metamrfica. El concepto de metamorfismo, de reciente aparicin, se ha
introducido para incrementar la flexibilidad funcional de un Robot a travs del
cambio de su configuracin por el propio Robot. El metamorfismo admite diversos
niveles, desde los ms elementales (cambio de herramienta o de efecto terminal),
hasta los ms complejos como el cambio o alteracin de algunos de sus
elementos o subsistemas estructurales. Los dispositivos y mecanismos que
pueden agruparse bajo la denominacin genrica del Robot, tal como se ha
indicado, son muy diversos y es por tanto difcil establecer una clasificacin
coherente de los mismos que resista un anlisis crtico y riguroso. La subdivisin
de los Robots, con base en su arquitectura, se hace en los siguientes grupos:
poliarticulados, mviles, androides, zoomrficos e hbridos.
1. Poliarticulados
2. Mviles
3. Androides
4. Zoomrficos
5. Hbridos
Lgica difusa
La lgica difusa (tambin llamada lgica borrosa o lgica heurstica) se basa
en lo relativo de lo observado como posicin diferencial. Este tipo de lgica toma
dos valores aleatorios, pero contextualizados y referidos entre s. As, por ejemplo,
una persona que mida 2 metros es claramente una persona alta, si previamente se
ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores
estn contextualizados a personas y referidos a una medida mtrica lineal.
Funcionamiento
La lgica difusa ("fuzzy logic" en ingls) se adapta mejor al mundo real en el que
vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del
tipo "hace mucho calor", "no es muy alto", "el ritmo del corazn est un poco
acelerado", etc.
La clave de esta adaptacin al lenguaje, se basa en comprender los
cuantificadores de cualidad para nuestras inferencias (en los ejemplos de arriba
"mucho", "muy" y "un poco").
En la teora de conjuntos difusos se definen tambin las operaciones de unin,
interseccin, diferencia, negacin o complemento, y otras operaciones sobre
conjuntos (ver tambin subconjunto difuso), en los que se basa esta lgica.
Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus
elementos, que indican en qu medida el elemento forma parte de ese conjunto
difuso. Las formas de las funciones de pertenencia ms tpicas son trapezoidales,
lineales y curvas.
Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES
(consecuente), donde el antecedente y el consecuente son tambin conjuntos
difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de
regla heurstica para esta lgica (ntese la importancia de las palabras
"muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa):
Los mtodos de inferencia para esta base de reglas deben ser sencillos, verstiles
y eficientes. Los resultados de dichos mtodos son un rea final, fruto de un
conjunto de reas solapadas entre s (cada rea es resultado de una regla de
inferencia). Para escoger una salida concreta a partir de tanta premisa difusa, el
mtodo ms usado es el del centroide, en el que la salida final ser el centro de
gravedad del rea total resultante.
Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden
ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo
uso en este caso de redes neuronales para fortalecer las futuras tomas de
decisiones.
Los datos de entrada suelen ser recogidos por sensores, que miden las variables
de entrada de un sistema. El motor de inferencias se basa en chips difusos, que
estn aumentando exponencialmente su capacidad de procesamiento de reglas
ao a ao.
Un esquema de funcionamiento tpico para un sistema difuso podra ser de la
siguiente manera:
Funcionamiento de un sistema de control difuso.
En la figura, el sistema de control hace los clculos con base en sus reglas
heursticas, comentadas anteriormente. La salida final actuara sobre el entorno
fsico, y los valores sobre el entorno fsico de las nuevas entradas (modificado por
la salida del sistema de control) seran tomados por sensores del sistema.
Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un
coche que se autorregula segn las necesidades: Los chips difusos del
climatizador recogen los datos de entrada, que en este caso bien podran ser la
temperatura y humedad simplemente. Estos datos se someten a las reglas del
motor de inferencia (como se ha comentado antes, de la forma SI...
ENTONCES...), resultando un rea de resultados. De esa rea se escoger el
centro de gravedad, proporcionndola como salida. Dependiendo del resultado, el
climatizador podra aumentar la temperatura o disminuirla dependiendo del grado
de la salida.
Aplicaciones generales
La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy
alta y no existen modelos matemticos precisos, para procesos altamente no
lineales y cuando se envuelven definiciones y conocimiento no estrictamente
definido (impreciso o subjetivo).
En cambio, no es una buena idea usarla cuando algn modelo matemtico ya
soluciona eficientemente el problema, cuando los problemas son lineales o cuando
no tienen solucin.
Esta tcnica se ha empleado con bastante xito en la industria, principalmente en
Japn, extendindose sus aplicaciones a multitud de campos. La primera vez que
se us de forma importante fue en el metro japons, con excelentes resultados.
9
Sistemas de escritura
Tecnologa informtica
En este paradigma, tambin tiene un especial valor la variable del tiempo, ya que
los sistemas de control pueden necesitar retroalimentarse en un espacio concreto
de tiempo, pueden necesitarse datos anteriores para hacer una evaluacin media
de la situacin en un perodo anterior...
Ventajas e inconvenientes
Como principal ventaja, cabe destacar los excelentes resultados que brinda un
sistema de control basado en lgica difusa: ofrece salidas de una forma veloz y
precisa, disminuyendo as las transiciones de estados fundamentales en el
entorno fsico que controle. Por ejemplo, si el aire acondicionado se encendiese al
llegar a la temperatura de 30, y la temperatura actual oscilase entre los 29-30,
nuestro sistema de aire acondicionado estara encendindose y apagndose
continuamente, con el gasto energtico que ello conllevara. Si estuviese regulado
por lgica difusa, esos 30 no seran ningn umbral, y el sistema de control
aprendera a mantener una temperatura estable sin continuos apagados y
encendidos.
Tambin est la indecisin de decantarse bien por los expertos o bien por la
tecnologa (principalmente mediante redes neuronales) para reforzar las reglas
heursticas iniciales de cualquier sistema de control basado en este tipo de lgica.
Redes Neuronales
Las redes de neuronas artificiales (denominadas habitualmente como RNA o en
ingls como: "ANN"1 ) son un paradigma de aprendizaje y procesamiento
automtico inspirado en la forma en que funciona el sistema nervioso de los
animales. Se trata de un sistema de interconexin de neuronas que colaboran
entre s para producir un estmulo de salida. En inteligencia artificial es frecuente
referirse a ellas como redes de neuronas o redes neuronales.
Historia
Los primeros modelos de redes neuronales datan de 1943 por los neurlogos
McCulloch y Pitts. Aos ms tarde, en 1949, Donald Hebb desarroll sus ideas
sobre el aprendizaje neuronal, quedando reflejado en la "regla de Hebb". En 1958,
Rosemblatt desarroll el perceptrn simple, y en 1960, Widrow y Hoff
desarrollaron el ADALINE, que fue la primera aplicacin industrial real.
En los aos siguientes, se redujo la investigacin, debido a la falta de modelos de
aprendizaje y el estudio de Minsky y Papert sobre las limitaciones del perceptrn.
Sin embargo, en los aos 80, volvieron a resurgir las RNA gracias al desarrollo de
la red de Hopfield, y en especial, al algoritmo de aprendizaje de retropropagacin
11
13
Herramientas de software
Existen muchas herramientas de software que implementan redes neuronales
artificiales, tanto libres como comerciales como, por ejemplo:
Emergent
Neuroph
FANN
NeuroSolutions
Neural Designer
Synapse
NeuroIntelligence
OpenNN
En meteorologa
El tiempo atmosfrico (no confundir con el clima), adems de ser un sistema
dinmico, es muy sensible a los cambios en las variables iniciales, es un sistema
transitivo y tambin sus rbitas peridicas son densas, lo que hace del tiempo un
sistema apropiado para trabajarlo con matemtica catica. La precisin de las
predicciones meteorolgicas es relativa, y los porcentajes anunciados tienen poco
significado sin una descripcin detallada de los criterios empleados para juzgar la
exactitud de una prediccin.
Al final del siglo XX se ha vuelto comn atribuirles una precisin de entre 80 y 85%
en plazos de un da. Los modelos numricos estudiados en la teora del caos han
introducido considerables mejoras en la exactitud de las previsiones
meteorolgicas en comparacin con las predicciones anteriores, realizadas por
medio de mtodos subjetivos, en especial para periodos superiores a un da. En
estos das es posible demostrar la confiabilidad de las predicciones especficas
para periodos de hasta cinco das gracias a la densidad entre las rbitas
peridicas del sistema, y se han logrado algunos xitos en la prediccin de
variaciones anormales de la temperatura y la pluviosidad para periodos de hasta
30 das
Computacin cuntica.
La computacin cuntica es un paradigma de computacin distinto al de la
computacin clsica. Se basa en el uso de qubits en lugar de bits, y da lugar a
nuevas puertas lgicas que hacen posibles nuevos algoritmos.
Una misma tarea puede tener diferente complejidad en computacin clsica y en
computacin cuntica, lo que ha dado lugar a una gran expectacin, ya que
algunos problemas intratables pasan a ser tratables. Mientras que un computador
clsico equivale a una mquina de Turing, un computador cuntico equivale a una
mquina de Turing cuntica.
Origen de la computacin cuntica
A medida que evoluciona la tecnologa, aumenta la escala de integracin y caben
ms transistores en el mismo espacio; as se fabrican microchips cada vez ms
pequeos, y es que, cuanto ms pequeo es, mayor velocidad de proceso alcanza
el chip. Sin embargo, no podemos hacer los chips infinitamente pequeos. Hay un
lmite en el cual dejan de funcionar correctamente. Cuando se llega a la escala de
15
nanmetros, los electrones se escapan de los canales por donde deben circular. A
esto se le llama efecto tnel.
Una partcula clsica, si se encuentra con un obstculo, no puede atravesarlo y
rebota. Pero con los electrones, que son partculas cunticas y se comportan
como ondas, existe la posibilidad de que una parte de ellos pueda atravesar las
paredes si son demasiado finas; de esta manera la seal puede pasar por canales
donde no debera circular. Por ello, el chip deja de funcionar correctamente.
En consecuencia, la computacin digital tradicional no tardara en llegar a su
lmite, puesto que ya se ha llegado a escalas de slo algunas decenas de
nanmetros. Surge entonces la necesidad de descubrir nuevas tecnologas y es
ah donde entra la computacin cuntica en escena.
La idea de computacin cuntica surge en 1981, cuando Paul Benioff expuso su
teora para aprovechar las leyes cunticas en el entorno de la computacin. En
vez de trabajar a nivel de voltajes elctricos, se trabaja a nivel de cunto. En la
computacin digital, un bit slo puede tomar dos valores: 0 1. En cambio, en la
computacin cuntica, intervienen las leyes de la mecnica cuntica, y la partcula
puede estar en superposicin coherente: puede ser 0, 1 y puede ser 0 y 1 a la vez
(dos estados ortogonales de una partcula subatmica). Eso permite que se
puedan realizar varias operaciones a la vez, segn el nmero de qubits.
El nmero de qubits indica la cantidad de bits que pueden estar en superposicin.
Con los bits convencionales, si tenamos un registro de tres bits, haba ocho
valores posibles y el registro slo poda tomar uno de esos valores. En cambio, si
tenemos un vector de tres qubits, la partcula puede tomar ocho valores distintos a
la vez gracias a la superposicin cuntica. As, un vector de tres qubits permitira
un total de ocho operaciones paralelas. Como cabe esperar, el nmero de
operaciones es exponencial con respecto al nmero de qubits.
Para hacerse una idea del gran avance, un computador cuntico de 30 qubits
equivaldra a un procesador convencional de 10 teraflops (10 millones de millones
de operaciones en coma flotante por segundo), cuando actualmente las
computadoras trabajan en el orden de gigaflops (miles de millones de
operaciones).
Problemas de la computacin cuntica
Uno de los obstculos principales para la computacin cuntica es el problema de
la decoherencia cuntica, que causa la prdida del carcter unitario (y, ms
especficamente, la reversibilidad) de los pasos del algoritmo cuntico. Los
tiempos de decoherencia para los sistemas candidatos, en particular el tiempo de
relajacin transversal (en la terminologa usada en la tecnologa de resonancia
magntica nuclear e imaginera por resonancia magntica) est tpicamente entre
nanosegundos y segundos, a temperaturas bajas. Las tasas de error son
16
Procesadores
En 2004, cientficos del Instituto de Fsica aplicada de la Universidad de Bonn
publicaron resultados sobre un registro cuntico experimental. Para ello utilizaron
tomos neutros que almacenan informacin cuntica, por lo que son llamados
qubits por analoga con los bits. Su objetivo actual es construir una puerta
cuntica, con lo cual se tendran los elementos bsicos que constituyen los
procesadores, que son el corazn de los computadores actuales. Cabe destacar
17
Transmisin de datos
Cientficos de los laboratorios Max Planck y Niels Bohr publicaron, en noviembre
de 2005, en la revista Nature, resultados sobre la transmisin de informacin
cuntica, usando la luz como vehculo, a distancias de 100 km. Los resultados dan
niveles de xito en las transmisiones del 70%, lo que representa un nivel de
calidad que permite utilizar protocolos de transmisin con autocorreccin.
Actualmente se trabaja en el diseo de repetidores, que permitiran transmitir
informacin a distancias mayores a las ya alcanzadas.
Software para computacin
Algoritmos cunticos
Los algoritmos cunticos se basan en un margen de error conocido en las
operaciones de base y trabajan reduciendo el margen de error a niveles
exponencialmente pequeos, comparables al nivel de error de las mquinas
actuales.
Algoritmo de Shor
Algoritmo de Grover
Algoritmo de Deutsch-Jozsa
Modelos
Computadora cuntica de Benioff
Computadora cuntica de Feynman
18
Conclusin
Los temas investigados en este documento nos ayudaron a conocer ms sobre la
sexta generacin de computadoras y cmo han evolucionado tanto en tamao
como en capacidad y en los cambios visuales que han tenido para que el usuario
pueda interpretar mejor lo que realiza en una maquina.
Tambin pudimos conocer sobre tecnologas de avanzada como la inteligencia
artificial, nanotecnologa, robtica, teora del caos, lgica difusa, computacin
cuntica, que son tecnologas que han revolucionado los ambientes en los que
son utilizadas y como estas tecnologas nos facilitan muchos trabajos en una
empresa o en la vida cotidiana.
19
Comentario personal
Las investigaciones de estos temas me ayudaron a saber ms sobre la tecnologa
y su historia y como han cambiado las tecnologas en nuestros das, lo que mas
me llamo la atencin fue la robtica su combinacin entre electrnica,
computacin y mecnica para poder hacer robot que puedan moverse y hacer
tareas programas para facilitar un entorno de trabajo.
20
Anexos
21
22
23
E- grafas
http://misaelhernandez.com/historia/sexta-generacion-de-computadoras-primeraparte/
http://es.wikipedia.org/wiki/Inteligencia_artificial
http://nanotec.galeon.com/
http://es.wikipedia.org/wiki/L%C3%B3gica_difusa
http://es.wikipedia.org/wiki/Teor%C3%ADa_del_caos
24