Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

INDICE
INTELIGENCIA ARTIFICIAL
DEFINICIONES.PG. 2
NOCIONES Y ANTECEDENTES HISTRICOSPG. 3-8
CARACTERSTICAS..PG. 9-11
OBJETIVOS DE LA INVESTIGACIN
EN INTELIGENCIA ARTIFICIAL...PG. 12-13
APLICACIONES DE LA
INTELIGENCIA ARTIFICIAL.PG. 14-17
TA-TE-TI O JUEGO DE TRES RAYAS
ORGENES DEL JUEGOPG. 18DESCRIPCIN...PG.
REGLAS BSICAS DEL JUEGO.PG.
APERTURA Y POSIBLE RESPUESTA.PG.
PROGRAMACIN DEL JUEGO.PG.

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

INTELIGENCIA ARTIFICIAL
DEFINICIONES
-

Disciplina cientfico-tcnica que trata de crear sistemas artificiales capaces de

comportamientos que, de ser realizados por seres humanos, se dira que requieren
inteligencia.
Estudio de los mecanismos de la inteligencia y las tecnologas que lo sustentan.
(Newell, 91)
Intento de reproducir (modelar) la manera en que las personas identifican,
estructuran y resuelven problemas difciles (Pople, 84)
Son ciertas herramientas de programacin, entendiendo por herramientas:
Lenguajes: LISP, PROLOG
Entornos de desarrollo: shells
Arquitecturas de alto nivel: nodo y arco, sistemas de producciones

La Inteligencia Artificial es una combinacin de la ciencia del computador, fisiologa y

filosofa, tan general y amplio como eso, es que rene varios campos (robtica, sistemas
expertos, por ejemplo), todos los cuales tienen en comn la creacin de mquinas que pueden
"pensar".
La Inteligencia Artificial comenz como el resultado de la investigacin en psicologa cognitiva y
lgica matemtica. Se ha enfocado sobre la explicacin del trabajo mental y construccin de
algoritmos de solucin a problemas de propsito general. Punto de vista que favorece la abstraccin
y la generalidad.

La idea de construir una mquina 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, traduccin de idiomas, comprensin de idiomas, diagnstico de fallas, robtica,
suministro de asesora experta en diversos temas.
Es as como los sistemas de administracin de base de datos cada vez ms sofisticados, la estructura
de datos y el desarrollo de algoritmos de insercin, borrado y locacin de datos, as como el intento
de crear mquinas capaces de realizar tareas que son pensadas como tpicas del mbito de la
inteligencia humana, acuaron el trmino Inteligencia Artificial en 1956.
Trabajos tericos fundamentales fueron el desarrollo de algoritmos matemticos por Warren
McCullock y Walter Pitts, en 1943, necesarios para posibilitar el trabajo de clasificacin, o
funcionamiento en sentido general, de una red neuronal. En 1949 Donald Hebb desarroll un
algoritmo de aprendizaje para dichas redes neuronales creando, en conjunto con los trabajos de
McCullock y Pitts, la escuela creacionista. Esta escuela se considera hoy como el origen de la
Inteligencia Artificial, sin embargo se trat poco por muchos aos, dando paso al razonamiento
simblico basado en reglas de produccin, lo que se conoce como sistemas experto.

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

NOCIONES Y ANTECEDENTES HISTRICOS

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 slo puede hacer aquello para lo que est programado.
- Las mquinas no pueden pensar realmente.
En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage plante el asunto de
si la mquina de Babbage poda "pensar".
Los primeros problemas que se trat de resolver fueron puzzles, juegos de ajedrez,
traduccin de textos a otro idioma.
Durante la II Guerra Mundial Norbert Wiener y John Von Neumann establecieron los
principios de la ciberntica en relacin con la realizacin de decisiones complejas y control
de funciones en mquinas.
La teora de la retroalimentacin en mecanismos, como por ejemplo un termostato que
regula la temperatura en una casa, tuvo mucha influencia. Esto an no era propiamente
Inteligencia Artificial. Se hizo mucho en traducciones (Andrew Booth y Warren Weaver),
lo que sembr la semilla hacia el entendimiento del lenguaje natural.
En el ao 1955 Herbert Simon, el fsico Allen Newell y J.C. Shaw, programador de la
RAND Corp. y compaero de Newell, desarrolla el primer lenguaje de programacin
orientado a la resolucin de problemas de la Inteligencia Artificial, el IPL-11. Un ao ms
tarde estos tres cientficos desarrollan el primer programa de Inteligencia Artificial al que
llamaron Logic Theorist, el cual era capaz de demostrar teoremas matemticos,
representando cada problema como un modelo de rbol, en el que se seguan ramas en
busca de la solucin correcta, que result crucial. Este programa demostr 38 de los 52
teoremas del segundo captulo de Principia Mathematica de Russel y Whitehead.
En 1956, con la ahora famosa conferencia de Dartmouth, organizada por John McCarthy y
en la cual se utiliz el nombre de inteligencia artificial para este nuevo campo, se separ la
Inteligencia Artificial de la ciencia del computador, como tal. Se estableci como
conclusin fundamental la posibilidad de simular inteligencia humana en una mquina.

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problems
Solver (GPS). GPS era un sistema orientado a la resolucin de problemas; a diferencia del
Logic Theorist, el cual se orient a la demostracin de teoremas matemticos, GPS no
estaba programado para resolver problemas de un determinado tipo, razn a la cual debe su
nombre. Resuelve una gran cantidad de problemas de sentido comn, como una extensin
del principio de retroalimentacin de Wiener.
Diversos centros de investigacin se establecieron, entre los ms relevantes estn, 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 heursticas y el aprendizaje de mquinas.
En 1957 McCarthy desarroll el lenguaje LISP. La IBM contrat un equipo para la
investigacin en esa rea y el gobierno de USA aport dinero al MIT tambin para
investigacin en 1963.
A finales de los aos 50 y comienzos de la dcada del 60 se desarrolla un programa
orientado a la lectura de oraciones en ingls y la extraccin de conclusiones a partir de su
interpretacin, al cual su autor, Robert K. Lindsay, denomina "Sad Sam". Este poda leer
oraciones del tipo "Jim es hermano de John" y "La madre de Jim es Mary", a partir de ella
el sistema conclua que Mary deba ser tambin la madre de John. Este sistema represent
un enorme paso de avance en la simulacin de inteligencia humana por una mquina, pues
era capaz de tomar una pieza de informacin, interpretarla, relacionarla con informacin
anteriormente almacenada, analizarla y sacar conclusiones lgicas.
En el mismo perodo de tiempo hay trabajos importantes de Herbert Gelernter, de IBM,
quien desarrolla un "Demostrador Automtico de Teoremas de la Geometra", 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 demostracin simblica en el rea del lgebra.

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el

cual era capaz de comprender oraciones en ingls.
A continuacin un ejemplo, traducido, de interaccin 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 oracin anterior es ambigua. Por favor reconstryala.
Usuario: En cada persona hay dos manos
SIR: Comprendo
Usuario: Cuantos dedos tiene John?
SIR: La oracin 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: Cuntos dedos tiene John?
SIR: La oracin anterior es ambigua, pero asumo que TIENE significa TIENE COMO
PARTES, cuntos dedos por mano?.
Usuario: Cada mano tiene cinco dedos.
SIR: Comprendo
Usuario: Cuntos dedos tiene John?
SIR: La respuesta es diez.
En la dcada del 60 se comienza en el MIT el estudio de la visin artificial, lo cual implica
no solo captar imgenes a travs de una cmara, sino tambin la comprensin, de lo que
estas imgenes 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 xito se debi a los investigadores Larry Roberts, Gerald Sussman, Adolfo
Guzman, 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 permita interrogar y dar rdenes a un
robot que se mova dentro de un mundo de bloques.

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

A continuacin mostramos un ejemplo traducido:

Usuario: Toma un bloque rojo.

SCHRDLU: Ok.
Usuario: Busca un bloque ms pequeo que el que tienes y ponlo dentro de la caja.
SCHRDLU: Asumo que PONLO se refiere al bloque ms pequeo que el que tengo.
Usuario: Qu contiene la caja?
SCHRDLU: La pirmide azul y el bloque azul.
Usuario: Qu sostiene a la pirmide?
SCHRDLU: La caja.
Usuario: Cuntos bloques no estn sobre la mesa?
SCHRDLU: Cuatro.
Usuario: Es al menos uno de ellos ms estrecho que aquel que te dije que recogieras?
SCHRDLU: S, el cubo rojo.
Usuario: Lo sostiene algo?
SCHRDLU: S, la mesa.
Usuario: Puede la mesa recoger bloques?
SCHRDLU: No.
Usuario: La pirmide azul es ma.
SCHRDLU: Comprendo.
Usuario: Todos los bloques que no son rojos son mos, pero no poseo nada que sostenga
una pirmide.
SCHRDLU: Comprendo.
Usuario: Poseo una caja?
SCHRDLU: No
6

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

Usuario: Poseo algo de la caja?

SCHRDLU: Si, dos cosas: El bloque azul y la pirmide 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 geomtricas, 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 prcticamente imposible.
En los primeros aos de la dcada del 60 Frank Rosemblatt desarrolla, en la Universidad de
Cornell, un modelo de la mente humana a travs de una red neuronal y produce un primer
resultado al cual llama perceptrn. Este sistema era una extensin del modelo matemtico
concebido por McCullock y Pitts para las neuronas, y funcionaba basndose 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 seal a aquellas con las que est conectada. Al final, en la ltima capa de
neuronas, aquellas que se activen definirn un patrn el cual sirve para clasificar la entrada
inicial.
Este trabajo constituye la base de las redes neuronales de hoy en da, sin embargo a raz de
su desarrollo sufri fuertes crticas por parte de Marvin Minsky
y Seymour Papert lo cual provoc que la mayora de los investigadores interesados en el
tema lo abandonarn, y este no se retomara hasta los aos 80.
En 1965-70, comenzaron a aparecer los programas expertos, que predicen la probabilidad
de una solucin bajo un set de condiciones, entre esos proyectos estuvo: DENDRAL, que
asista a qumicos en estructuras qumicas complejas euclidianas; MACSYMA, producto
que asista a ingenieros y cientficos en la solucin de ecuaciones matemticas complejas,
etc.
En la dcada 1970-80, creci el uso de sistemas expertos, muchas veces diseados para
aplicaciones mdicas y para problemas realmente muy complejos como MYCIN, que
asisti a mdicos en el diagnstico 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 stos sean ms amigables y funcionales.
7

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

Las definiciones de Inteligencia Artificial son muchas, pero podra decirse que son
programas que realizan tareas que si fueran hechas por humanos se consideraran
inteligentes.
Estos programas obviamente corren en un computador y se usan, como por ejemplo, en
control robtico, comprensin de lenguajes naturales, procesamiento de imgenes basado
en conocimientos previos, estrategias de juegos, etc. reproduciendo la experiencia que un
humano adquirira y de la forma en que un humano lo hara.
Para clasificar las mquinas como "pensantes", es necesario definir qu es inteligencia y
qu grado de inteligencia implica resolver problemas matemticos complejos, hacer
generalizaciones o relaciones, percibir y comprender. Los estudios en las reas del
aprendizaje, del lenguaje y de la percepcin sensorial han ayudado a los cientficos a definir
a una mquina inteligente. Importantes desafos han sido tratar de imitar el comportamiento
del cerebro humano, con millones de neuronas y extrema complejidad.

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

CARACTERSTICAS
1) Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de
los mtodos numricos es el uso de smbolos no matemticos, aunque no es suficiente
para distinguirlo completamente. Otros tipos de programas como los compiladores y
sistemas de bases de datos, tambin procesan smbolos y no se considera que usen
tcnicas de Inteligencia Artificial.
2) El comportamiento de los programas no es descrito explcitamente por el algoritmo. La
secuencia de pasos seguidos por el programa es influenciado por el problema particular
presente. El programa especifica cmo 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,
explcitamente, cmo 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 especfico. Los lenguajes orientados al objeto comparten esta propiedad y se
han caracterizado por su afinidad con la Inteligencia Artificial.
3) El razonamiento basado en el conocimiento, implica que estos programas incorporan
factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan.
Al contrario de los programas para propsito especfico, como los de contabilidad y
clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el
programa de razonamiento o motor de inferencia y base de conocimientos dndole la
capacidad de explicar discrepancias entre ellas.
4) Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia
Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es
la resolucin de conflictos en tareas orientadas a metas como en planificacin, o el
diagnstico de tareas en un sistema del mundo real: con poca informacin, con una
solucin cercana y no necesariamente exacta.
La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada
principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en
mquinas que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de
palabras y aprendizaje de mquinas; sistemas computacionales expertos.

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

Los sistemas expertos, que reproducen el comportamiento humano en un estrecho mbito

del conocimiento, son programas tan variados como los que diagnostican infecciones en la
sangre e indican un tratamiento, los que interpretan datos sismolgicos en exploracin
geolgica y los que configuran complejos equipos de alta tecnologa.
Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas
peligrosas, mejoran el desempeo del personal inexperto, y mejoran el control de calidad
sobre todo en el mbito comercial.
Diferentes teoras:
1) Construir rplicas de la compleja red neuronal del cerebro humano (bottom-up).
2) Intentar imitar el comportamiento del cerebro humano con un computador (top-down).
Diferentes metodologas:
1) La lgica difusa: permite tomar decisiones bajo condiciones de incerteza.
2) Redes neuronales: esta tecnologa es poderosa en ciertas tareas como la clasificacin y
el reconocimiento de patrones. Est basada en el concepto de "aprender" por agregacin
de un gran nmero 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 interaccin entre las neuronas se
lleva a cabo a travs de sinapsis. Segn el signo, la sinapsis es excitadora o inhibidora.
El perceptrn est constituido por las entradas provenientes de fuentes externas, las
conexiones y la salida. En realidad un perceptrn es una Red Neuronal lo ms simple
posible, es aquella donde no existen capas ocultas.
Para cada configuracin de los estados de las neuronas de entrada (estmulo) la respuesta
del perceptrn obedece a la siguiente dinmica: se suman los potenciales sinpticos y se
comparan con un umbral de activacin. Esta suma ponderada es tambin 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 perceptrn no se puede realizar ms 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 ecuacin lineal. En dos dimensiones, es
una recta, en tres dimensiones un plano, etc.
10

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

Si se quieren realizar funciones ms 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
ms comnmente usada es llamada feedforward: con conexiones de la entrada a las capas
ocultas y de stas hacia la salida.
El funcionamiento de una Red Neuronal es gobernado por reglas de propagacin de
actividades y de actualizacin de los estados.

11

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

OBJETIVOS DE LA INVESTIGACIN EN INTELIGENCIA ARTIFICIAL

Los investigadores en inteligencia artificial se concentran principalmente en los sistemas
expertos, la resolucin de problemas, el control automtico, las bases de datos inteligentes y
la ingeniera del software (diseos de entornos de programacin inteligente).
Otros investigadores estn trabajando en el reto del reconocimiento de patrones donde se
espera un rpido progreso en este campo que abarca la comprensin y la sntesis del habla,
el proceso de imgenes y la visin artificial.
Finalmente, la fundamental investigacin sobre la representacin del conocimiento, la
conceptualizacin cognoscitiva y la comprensin del lenguaje natural.
Uno de los principales objetivos de los investigadores en inteligencia artificial es la
reproduccin automtica 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 nio jugando con bloques
de madera en una mesa no tiene idea de la complejidad del razonamiento necesario para
llevar a cabo la construccin de una pirmide, e intentar que un robot hiciera lo mismo que
el nio requerira un largo programa de computador.
Formas de considerar situaciones complejas son:
-

deduccin, que permite obtener conclusiones de reglas cuyas premisas hemos

comprobado
induccin que produce reglas a partir de observaciones parciales.

Estos dos tipos principales pueden utilizarse de un modo analtico (el razonamiento se
divide en submdulos que son ms difciles de manejar, o de un modo sinttico (inverso del
proceso anterior, juntando elementos que se separaron anteriormente).
La induccin puede tener lugar cuando se comparan situaciones que son casi similares, con
parmetros desconocidos en una situacin dada asignndole los valores que tienen ya en
una situacin de referencia; este es un razonamiento por analoga.
Los mtodos para razonar son variados. La iteracin significa repetir la misma secuencia de
razonamiento hasta que se alcance una condicin de final; la recursin consiste en una
12

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

forma particular del razonamiento que se llama a s misma, como aquellas muecas rusas
que estn unas dentro de otras, hasta llegar a un problema simple que es fcil de resolver.
Las estrategias para el razonamiento pueden hacer uso de la especializacin, la reduccin al
absurdo, de la eliminacin de caminos poco prometedores y de la reduccin de las
diferencias.
En todos los casos, la organizacin jerrquica del conocimiento y la segmentacin de los
problemas son mtodos que se emplean siempre al intentar resolver un problema complejo.
La funcin asignada a los sistemas expertos es la de RAZONAR.

13

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

APLICACIONES DE LA INTELIGENCIA ARTIFICIAL

SISTEMAS PRODUCTIVOS
La incorporacin de agentes de decisin inteligente, redes neuronales, sistemas expertos,
algoritmos genticos y autmatas programables para optimizacin de sistemas de
produccin es una tendencia activa en el ambiente industrial de pases con alto desarrollo
tecnolgico y con una gran inversin en investigacin y desarrollo. Dichos componentes de
la Inteligencia Artificial tienen como funcin principal controlar de manera independiente,
y en coordinacin con otros agentes, componentes industriales tales como celdas de
manufactura o ensamblaje, y operaciones de mantenimiento, entre otras.
Existe una tendencia creciente a la implementacin de sistemas de manufactura/ensamblaje
ms autnomos e inteligentes, debido a las exigencias del mercado por obtener productos
con niveles muy altos de calidad; lo cual con operaciones manuales se hace complicada
hace que los pases subdesarrollados como el nuestro no alcance niveles competitivos a
nivel mundial. Al disear un sistema de produccin integrado por computadora se debe dar
importancia a la supervisin, planificacin, secuenciacin cooperacin y ejecucin de las
tareas de operacin en centros de trabajo, agregado al control de los niveles de inventario y
caractersticas de calidad y confiabilidad del sistema. Los factores mencionados determinan
la estructura del sistema y su coordinacin representa una de las funciones ms importantes
en el manejo y control de la produccin.
EDUCACIN
Como se ha mencionado, es posible aplicar los logros de la inteligencia artificial en
cualquier rea del quehacer humano, y la educacin no es la excepcin. Cuando se habla de
la relacin entre computacin y educacin es comn que se piense en la docencia
solamente, sin considerar todas las dems actividades que tienen que ver con la educacin,
actividades como la investigacin o la administracin educativa entre otras. En cualquier
aspecto del mbito educativo que se pueda vislumbrar como posible de ser enriquecido con
el uso de computadoras, cabe tambin la inteligencia artificial y esta ltima parte del
artculo est dedicada a mencionar algunas de las posibilidades.
La investigacin educativa
Las posibilidades de aplicacin en la investigacin educativa, van desde un nivel
conceptual, utilizando modelos tericos de la Inteligencia Artificial como base a partir de la
cual se interpretan hallazgos en la investigacin educativa; hasta un nivel prctico,
ahorrando tiempo, recursos y esfuerzos en actividades de apoyo al trabajo del investigador,
actividades como las siguientes:
Consulta a bases de datos y bibliotecas
Piense el lector en la posibilidad de contar con una biblioteca computarizada inteligente.
Hasta ahora, la mayora de las bibliotecas y bancos de datos, aunque cuentan con bases de
datos en las que estn almacenados la informacin referente a cada libro o documento
existente, son explotadas en un mnimo porcentaje debido a la forma en que la informacin
est dispuesta; los libros son catalogados por temas y subtemas en formas -a veces
arbitrarias, a veces de acuerdo a clasificaciones preestablecidas-, que limitan sus
posibilidades de uso, por ejemplo, en la mayora de las fichas computarizadas se describe el
14

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

contenido de un documento en cinco palabras claves solamente. Esto ocasiona que

investigadores y usuarios en general prefieran la consulta fsica de cada material, hecho que
implica una prdida de tiempo considerable. Considrese ahora la posibilidad de contar con
un bibliotecario experto en el contenido de cada uno de los libros, que sea capaz de
sugerir documentos de acuerdo a las necesidades especficas de cada usuario. Esto es
posible con la implementacin de bases inteligentes.
Simulacin de procesos
Ahora, an con un desarrollo de computadoras inteligentes en gestacin, es posible realizar
experimentos piloto y jugar con variables que en la realidad seran imposibles de controlar
y manipular. La inteligencia artificial puede tambin ayudar en la capacitacin y asesora de
recursos humanos para la investigacin, independientemente de la perspectiva bajo la cual
se est trabajando o se quiera trabajar, por ejemplo, es posible capacitar a observadores para
que realicen registros, primero en realidades virtuales controladas y luego despus, en un
saln de clases.
AGRICULTURA
Los Robots han sido usados en entornos peligrosos para el hombre y en muchas ocasiones
son ms rentables que trabajadores humanos. En la Agricultura, los
Robots, estn siendo usados para sustituir las grandes mquinas usadas para excavar,
cosechar, etc
Maquinaria y Mecanizacin Agrcola
El uso de tcnicas de IA en la administracin de maquinara agrcola no ha tenido auge en
los ltimos aos,sin embargo se pueden nombrar para aos anteriores al ao 2000, un
sistema experto para el soporte de decisiones en la administracin de maquinara agrcola
(Lal et at, 1992) y un sistema basado en conocimiento para el diseo y mantenimiento de
maquinara agrcola (Kusz&Marciniak, 1995).
Para la seleccin de maquinara agrcola se han desarrollado en los ltimos aos diversos
sistemas expertos,en poca mas resiente se puede mencionar, un sistema basado en
conocimiento para la seleccin de juntas en maquinaras de tipo agrcola.
La evaluacin de maquinara agrcola por medio de tcnicas de IA para los ltimos aos no
se reporta ningn trabajo, sin embargo se puede sealar para los aos antes del 2000, un
sistema experto para el diagnstico del sistema hidrulico en un tractor John Deere serie 50
(Gaultney, Harlow &Ooms, 1989), un sistema inteligente de diagnstico para maquinara
agrcola (Roger, 1995).
Para la simulacin de Maquinara y Mecanizacin agrcola En aos recientes se puede
nombrar, un sistema deprediccin de carga en cosechadoras combinadas usando algoritmos
genticos , en aos anteriores al 2000 se puede mencionar un sistema experto que analiza y
simula operaciones en campo de maquinara agrcola.
Produccin Animal
En el rea de la produccin animal el uso de sistemas que usan la IA ha sido hasta la fecha
escaso en comparacin con los trabajos realizados en produccin vegetal, sin embargo en el
campo de la administracin de recursos se puede mencionar, una revisin de literatura
acerca de control y aplicacin de tcnicas de IA en la produccin acucola en aos
15

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

anteriores al 2000 se reportan mltiples sistemas expertos para la administracin de

producciones agropecuarias.
Un rea de trabajo reciente es el control y diagnstico de enfermedades, gracias a su
importancia econmica y social este campo puede tener una mayor dedicacin de esfuerzos
en los prximos aos, en los aos recientes los trabajos que se pueden nombrar son; un
sistema experto para diagnosticar enfermedades en producciones de anguilas, trabajos
anteriores al ao 2000 tratan el diagnstico de estrs en ganadera (Mitchell et al, 1996)
(Scholten et al, 1995), el diagnstico de mastitis en vacas de ordeos(Nielen et al, 1995)
(Hogeveen et al, 1995) (Helad et al, 1995), adicionalmente del desarrollo de sistemas
expertos para el diagnstico y control de enfermedades
MEDICINA
De entre las varias aplicaciones de la robtica a la medicina destaca la ciruga. Las primeras
aplicaciones de la robtica a la ciruga del cerebro datan del ao 1982. En esta fecha se
comenz en Memorial Medical Center de Long Beach (California) un programa cuyo
objetivo consista en utilizar un robot comercial (Puma 260) para realizar determinadas
operaciones de neurociruga. Desde entonces se han puesto a punto varios sistemas que,
con ayuda de un scanner, un ordenador registre toda la informacin necesaria del cerebro
para que el equipo mdico decida el punto exacto donde debe ser realizada la incisin,
donde penetrara la sonda para obtener una muestra para realizar una biopsia. El robot, que
se encuentra perfectamente situado con respecto al paciente, porta en su extremo los
instrumentos necesarios para realizar la incisin, tomar la muestra, etc.
La utilizacin de un robot conectado al ordenador permite que tanto la incisin como la
toma de la muestra se realicen con la mxima precisin y en un tiempo notablemente
inferior al que se consumira en caso de emplear el sistema habitual. Adems, se descarga
al cirujano de la mecnica de ciertas tareas como el correcto posicionamiento de los
instrumentos de ciruga con respecto al crneo del paciente, permitiendo una mayor
concentracin en el seguimiento y control de la operacin.
Tambin, otro posible beneficio de la aplicacin de la robtica a la ciruga se encuentra en
el telediagnstico y la teleciruga.
JUEGOS
La mayora de los juegos de mesa y una gran cantidad de problemas informticos pueden
resolverse mediante una adecuada modelizacin en estados y aplicar un algoritmo de
bsqueda entre estos estados.
Para acotar el problema, pensemos en un juego de tablero de 2 jugadores, por ejemplo, las
tres en raya,las damas, el ajedrez, el othello, etc. Cmo podra programarse un juego de
este tipo?
Bien, en primer lugar, un tablero es una estructura de datos de tipo matriz donde cada
elemento puede ser ocupado por el jugador 1, ocupado por el jugador 2, vaco (en juegos
como el ajedrez donde cada jugador tiene diferentes fichas habra que completar el
enfoque).
Una partida es una secuencia de estados por los que pasa un tablero. Ahora veamos cmo
debera actuar nuestro sistema inteligente para ganarnos en una partida.
16

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

Una primera aproximacin podra ser tener todas las posibles partidas en memoria y
aplicar solo los movimientos que han llevado a partidas victoriosas.
Otro enfoque sera actuar en cada turno, teniendo en cuenta ciertas reglas estticas
(ej: ciertos if). Un ejemplo de reglas en las tres en raya puede ser: si tengo dos fichas
alineadas entonces ocupa el ltimo lugar vaco y gana la partida, si el oponente tiene fichas
alineadas ocupa el lugar vaco y evita la victoria del oponente, en cualquier otro caso
mueve de manera aleatoria.
En general, para este tipo de juegos se utiliza la estrategia minimax que imita el
comportamiento humano de examinar por anticipado un cierto nmero de jugadas,
explorando el grafo de tableros quese generaran tras un movimiento dado. En este enfoque
existe una funcin de evaluacin que da un valor a cada posible movimiento.
Para ilustrar la implementacin de estos enfoques, instalar el paquete tictactoe que
implementa las 3 en raya con 2 niveles de dificultad easy (implementa reglas tontas) y hard
(implementa minimax).

Grfico representativo de un rbol del Algoritmo Minimax

17

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

PROYECTO EDUCATIVO:
TA-TE-TI O JUEGO DE TRES EN RAYA
ORGENES DEL JUEGO
Los orgenes del Tres en Raya se remontan a hace mucho tiempo en un pas del lejano
Oriente. Muchos autores piensan que el Tres en Raya (el llamado Tic Tac Toe en ingls) se
origin en China, como muchos otros juegos de mesa, surgiendo despus del juego
conocido como Go, que es considerado el ms antiguo del mundo, nacido en China hace
miles de aos.

Figura 1: Juego de tres en Raya

DESCRIPCIN
Para poder jugar al Tres en Raya, son necesarios nicamente dos cosas: un tablero y 6
fichas
(tres para cada jugador).
Tablero: Tiene que ser una cuadrcula de 3x3 y puede ser trazada rpidamente, o
realizar
un tablero mas elaborado de cualquier material como cermica, madera, o a base de leds
para un tratamiento electrnico como es nuestro caso. El tablero tambin puede tener
forma de cuadrado, dividido en cuatro cuadrados iguales con unas lneas que pasen por el
centro del cuadrado, aadiendo dos diagonales que tambin pasen por el centro (en este
formato de tablero, las fichas se colocan en los puntos de unin de las lneas).

18

Escuela Nacional de Comercio N2

Prof. Prudencio Vidal Zelaya

Figura 3: Ejemplos de diferentes tableros, usados para el tres en raya.

Fichas: cada juego de las Tres en Raya, tiene 6 fichas, tres para cada jugador,
normalmente
tres fichas tienen forma de X y otras tres fichas forma de O. Pero en realidad basta con
que tres fichas tengan una forma o color y las otras tres fichas otra forma u otro color.
Objetivo del Juego: Conseguir colocar sus tres fichas formando una lnea antes de que lo
consiga el adversario y de esta manera ganar la partida.
Reglas: El juego de tres en raya se juega con dos participantes y un tablero con celdas de
3x3 que se encuentran inicialmente vacas. Un jugador es X y el otro es O. Los
jugadores se alternan para colocar sus marcas en una celda vaca; X empieza primero.
Los jugadores tienen que ir colocando sus fichas siguiendo algn tipo de estrategia, la cual
le lleve a colocar sus tres fichas formando una lnea antes que su adversario, ganando de
esta manera la partida. Aunque el primero en jugar tiene una ligera ventaja, se puede
demostrar que un juego entre dos contendientes inteligentes siempre terminara en un empate.

19