UNIVERSIDAD ANDINA NÉSTOR CÁCERES

VELÁSQUEZ

FACULTAD DE INGENIERIA DE SISTEMAS

CARRERA PROFESIONAL: INGENIERÍA DE SISTEMAS

TITULO:
Investigacion aplicada al area de Inteligencia
Artificial y desarrollo de un Sistema Experto

INGENIERIA DE SISTEMAS
PRESENTADO POR:
SHERELIN TICONA TIPO

JULIACA-PERÚ-2020
INTRODUCCION
Este trabajo tuvo como objetivo fundamental desarrollar un sistema experto. Surgió como una
necesidad de abordar áreas de la informática que tienen actualmente un gran impacto a nivel
mundial en el desarrollo científico, tecnológico y humano; ya que en nuestro país se han realizado
pocos esfuerzos para incorporar estas áreas a los programas de investigación y desarrollo de las
instituciones encargadas de realizar estas actividades.

Previo a la construcción del sistema experto se realizó una investigación documental aplicada a la
inteligencia artificial (IA). Esta investigación aborda de manera general el cuerpo teórico básico de
la IA y sus áreas más relevantes, poniendo más énfasis en el estudio de los sistemas expertos
(SE).

El resultado de la investigación se presenta en la primera parte de este documento, como un

aporte teórico para futuras experiencias de desarrollo. Este aporte no está inscrito solamente en el
marco de una investigación descriptiva, incluye además propuestas de tipo conceptual que surgen
de la aplicación de una metodología reflexiva y crítica de investigación.

En la segunda parte del documento se presenta el proceso de desarrollo del sistema experto, que
tiene como dominio de aplicación el campo de la medicina. El sistema experto para el diagnóstico
de enfermedades tropicales (SEDENTropic) utiliza un modelo aproximado de la estrategia de
diagnóstico de enfermedades utilizada por el experto en enfermedades tropicales llamado
diagnóstico diferencial.

La parte I, titulada INVESTIGACIÓN PRELIMINAR, consta de dos capítulos: Inteligencia Artificial

y Sistemas Expertos.

En el CAPITULO I: INTELIGENCIA ARTIFICIAL, se presentan los orígenes y evolución de la IA. Se

plantean conceptos básicos de la IA como: inteligencia, inteligencia artificial y sistemas inteligentes,
tratando de presentar la mayor cantidad de enfoques desde los que se han desarrollado. Se
presentan de manera general las técnicas de búsqueda y de representación del conocimiento. Para
finalizar se presentan las áreas de la IA y sus características básicas.

El CAPITULO II: SISTEMAS EXPERTOS, se utiliza para profundizar en el estudio de los SE: su
origen y evolución; conceptos básicos; características; arquitectura; tareas; y campos de
aplicación. Posteriormente se describe la ingeniería del conocimiento, las metodologías y
herramientas utilizadas para el desarrollo de SE.
En la parte II, titulada: DESARROLLO DE UN SISTEMA EXPERTO, se presenta el proceso de
desarrollo del SEDENTropic. Los capítulos que se presentan en esta parte, corresponden a cada
una de las fases de la metodología de desarrollo.

En el CAPITULO III: IDENTIFICACION, se muestra el proceso de Selección del dominio, que es

el primer paso en el desarrollo del SE. Para identificar el dominio de aplicación se describe el
marco teórico, planteamiento del problema y factibilidad del desarrollo de desarrollo.

En el CAPITULO IV: CONCEPTUALIZACION, se presenta el proceso de adquisición y modelado

del conocimiento, que consta de cinco pasos: Adquisición del conocimiento, Enunciación de
conceptos, Parametrización de conceptos, Planteamiento de causalidades y Verificación.

En el CAPITULO V: FORMALIZACION, se describe el modelo de conocimiento, expresado

mediante la técnica de representación del conocimiento denominada Redes semánticas. Se
muestra además el diseño de la arquitectura del SE, en la que se describe el funcionamiento y la
estructura general del motor de inferencia, la base de hechos, la base de conocimiento y la interfaz
de usuario.

En el CAPITULO VI: IMPLEMENTACION, se presenta el proceso de codificación del modelo de

conocimiento en las herramientas de desarrollo seleccionadas: CLIPS y Visual Basic. La
implementación de cada uno de los elementos del SEDENTropic se describe en forma separada
en las secciones: motor de inferencia, base de hechos, base de conocimientos y la interfaz de
usuario. Finalmente, se presenta un breve análisis de la implementación, comparando la
programación en lenguaje simbólico y la programación tradicional.

En el CAPITULO VII: VALIDACION, se describe el proceso por medio del cual el sistema fue
evaluado, a partir de los objetivos para los que fue creado. El capitulo está dividido en cinco
secciones: objetivos de la validación, criterios de evaluación, identificación de pruebas, prueba de
Turing y análisis de los resultados.

Para finalizar se presentan las conclusiones, recomendaciones y un glosario de términos de la IA,

para facilitar el entendimiento a los lectores. En la sección de ANEXOS se presenta el Manual de
Usuario, donde se detalla el funcionamiento y utilidad que ofrece el SEDENTropic.

Este documento esta acompañado de un CD complementario, que contiene los documentos

generados en cada una de las cuatro etapas del desarrollo del proyecto, en donde se pueden
encontrar los resultados completos de la investigación y desarrollo del SE; un glosario de términos
médicos; la herramienta de desarrollo CLIPS; y el software del SEDENTropic.
OBJETIVOS

GENERAL

Realizar una investigación sobre los fundamentos teóricos de la inteligencia artificial, que
sirva de base para el desarrollo de un sistema experto.

ESPECIFICOS

• Recopilar la información necesaria para identificar y analizar los conocimientos básicos de

la inteligencia artificial a nivel general.

• Identificar las técnicas, métodos y herramientas involucrados en el desarrollo de sistemas

expertos.

• Utilizar el conocimiento adquirido durante la investigación, para desarrollar como

experiencia práctica, un prototipo de sistema experto en un dominio específico.
ALCANCES

• Proporcionar a la Universidad de El Salvador un material bibliográfico de inteligencia

artificial, con un enfoque práctico.

• Incursión en una nueva metodología de desarrollo de sistemas informáticos.

• Aplicación de la ingeniería del conocimiento para la extracción y modelado de los

conocimientos de un experto humano.

• Implementar los conocimientos de un experto dentro de un sistema que sirva de apoyo

para resolver un problema o para la toma de decisiones relacionadas al campo de acción
del experto.

• El sistema experto será desarrollado a nivel de prototipo, entendiendo por prototipo un

sistema completamente funcional que trabaja en un ambiente experimental.
JUSTIFICACION
La educación ha sido reconocida desde hace mucho tiempo, como una de las piedras angulares
del bienestar económico, político y social, contribuyendo directamente al crecimiento de la
economía, al comportamiento demográfico y a mejorar el bienestar. Esto es primordial, porque la
educación imparte habilidades básicas cognoscitivas, desarrolla actitudes y valores necesarios
para una mayor productividad y eficiencia de las personas dentro de la sociedad, y contribuye de
forma directa a construir una nación.

La investigación aplicada y desarrollo experimental es parte importante de la educación. Un menor

desarrollo experimental entraña un menor dinamismo en la incorporación de nuevos bienes y
procesos productivos más modernos, lo que de alguna forma explica la posición en términos de
competitividad tecnológica y económica internacional de un país.

A través de la observación y análisis de los indicadores de ciencia y tecnología en El Salvador, se

puede visualizar un panorama de la situación en la que se encuentra la investigación y desarrollo
en las diferentes áreas de aplicación y sectores que invierten en este tipo de actividad.

Según el CONACYT, el gasto en investigación y desarrollo es casi 10 % de las actividades

científicas y tecnológicas del país y representa el 0.081 % del PIB. El gasto en investigación y
desarrollo por habitante promedio para América Latina fue de 17 dólares en 1996 y para El
Salvador en 1998 fue de 1.61 dólares. La investigación y desarrollo es financiado por el gobierno
en un 51.93%, el extranjero y las ONGs contribuyen con un 33.76 %, la educación superior con un
13.15 % y las empresas con un 1.16 %. Además, la producción bibliográfica a nivel nacional esta
orientada en un 89.90% a las ciencias humanas y sociales, y en un 10.10% a las ciencias
aplicadas (naturales, matemática y tecnología).

El tipo de proyectos ejecutados por el sector universitario se concentran en investigación básica;

investigación aplicada; y ensayos y pruebas (91.53%). La finalidad de los mismos es desarrollo
social, salud y medio ambiente. Los proyectos son de corta duración (menos de un año 93.18%) y
de fondos escasos (el 78.01% tuvieron un financiamiento abajo de 3,428.57 dólares por proyecto).
El 97% de los proyectos fueron financiados con fondos propios.

De 27 publicaciones periódicas de revistas y boletines, 2 pertenecen al área de ingeniería y

tecnología.
De acuerdo a estos valores, se aprecia la poca investigación y desarrollo experimental en el área
de la ingeniería y tecnología y por lo tanto en el área de la informática y de computación. Una
muestra de ello es que en la Escuela de Ingeniería de Sistemas Informáticos (EISI) solamente se
encuentran 4 proyectos de investigación, en su mayoría orientados a la creación de software.

De acuerdo a la investigación preliminar, en la que se investigaron tres de las principales

universidades del país en el área de la Informática, se han desarrollado 10 investigaciones y
proyectos de aplicación en el área de la IA; dos de ellos en la carrera de ingeniería electrónica de
la Universidad Don Bosco y uno en la carrera de ingeniería en ciencias de la computación. En la
Universidad Centroamericana José Simeón Cañas se han realizado 5 proyectos en las carreras de
licenciatura en ciencias de la computación y uno en la carrera de ingeniería industrial. En la
Universidad de El Salvador solamente se cuenta con un proyecto aplicado a una de las áreas de la
IA desarrollado por estudiantes de la carrera de ingeniería eléctrica.

Con este proyecto se pretende contribuir a incentivar la investigación en el área de sistemas

informáticos y ofrecer una base bibliográfica que sirva de apoyo para futuras investigaciones y para
la difusión de conocimientos en el campo de la IA en el ámbito universitario, sirviendo como una
propuesta de creación de una asignatura (técnica electiva) para la carrera de Ingeniería de
Sistemas Informáticos, dando una proyección de innovación tecnológica a la Universidad de El
Salvador y en especial a la Escuela de Ingeniería de Sistemas Informáticos.

Dentro de la diversidad de aplicaciones de inteligencia artificial, se han elegido los SE para generar
una experiencia práctica de la investigación, considerando que su desarrollo se apega más al
enfoque de la carrera de Ingeniería de Sistemas Informáticos, y su creación sería de gran beneficio
para empresas e investigadores en distintas disciplinas.

Entre las áreas de aplicación en que se han desarrollado sistemas expertos se encuentran:
medicina, agricultura, análisis de estados financieros, planificación financiera, industria, electrónica,
informática, telecomunicaciones, militar, contabilidad, robótica, reconocimiento de patrones, y
geología. Siendo de gran utilidad al proveer conocimientos de un experto que pueden ayudar en la
aplicación de dichas habilidades y conocimientos al diagnóstico y la solución de una amplia gama
de complicados problemas profesionales y de gestión, incrementando así la capacidad del
profesional experto en su área.
IMPORTANCIA
El área de la Inteligencia Artificial tiene muchos años de ser una alternativa de solución para
problemas complejos en muchos sectores de la sociedad.

La importancia de la realización del proyecto desde el punto de vista académico es la necesidad de

información sobre Inteligencia Artificial en El Salvador y especialmente en la Universidad de El
Salvador. El beneficio directo del material bibliográfico, se observa a través de los estudiantes que
lo utilizarán para investigaciones futuras sobre IA. Los alumnos que se favorecerán son los
pertenecientes a carreras afines a las ciencias de la computación (Ingeniería de Sistemas
Informáticos, Ingeniería Eléctrica y Licenciatura en Estadística y Computación).

Por otra parte, la sección orientada a los sistemas expertos, que será presentada en la bibliografía,
podrá servir como una herramienta de desarrollo de este tipo de sistemas de información, ya que
se definieron una serie de metodologías de ciclos de vida. También se hará énfasis en conceptos
indispensables como la ingeniería del conocimiento, que facilitarían a desarrolladores y estudiantes
las tareas de diseño y construcción de SE. La investigación sobre la aplicación de los SE será un
indicador para conocer los alcances de este tipo de sistemas en la vida cotidiana y los beneficios
que pueden aportar a la sociedad.

Desde el punto de vista práctico, el desarrollo del sistema experto sería una guía de la aplicación
de los conceptos especificados en la bibliografía. Beneficiaría a estudiantes ya que se podrá
visualizar la aplicación de un ciclo de vida de un SE, permitiendo aún más su compresión.

El proceso de adquisición y modelado de conocimientos de un experto humano a través de la

ingeniería del conocimiento es un ejercicio que reviste gran importancia. De esto depende la
validez del SE. La especialización obtenida será beneficiosa si es aplicada para la solución de
problemas de índole científico en sectores de la vida cotidiana.

Debido a que se desarrolló un SE con proyección social, los beneficios ya sean directos o
indirectos serán notables en la población salvadoreña.

Además el proyecto sienta las bases de documentación y experiencia para la creación de

asignaturas relacionadas al tema de IA. Además de incentivar la investigación en nuevas áreas del
conocimiento.
1. ORIGEN Y EVOLUCION DE LA IA

El origen de la Inteligencia Artificial tiene dos corrientes principales: aquellos que consideran que
se inició a partir de las ideas sobre artefactos que imitaran el comportamiento humano, y los que
sostienen que dio inicio en la conferencia de Dartmouth donde se acuñó el término.

A continuación se presenta la historia de la IA considerando antecedentes conceptuales del

término en la sección de Fundamentos. Como una modificación a la división cronológica propuesta
por Russell y Norving1, se proponen las siguientes etapas de la historia de la IA: génesis, primeros
pasos, invierno, resurgimiento, industrialización y últimos acontecimientos.

Fundamentos
En los orígenes de la IA se encuentran diferentes puntos de vista. Algunos autores vinculan el
surgimiento de la IA con el origen de las computadoras principalmente en la segunda mitad del
siglo XX.

El profesor Buchanan2, miembro de la Asociación Americana de Inteligencia Artificial (AAAI, por

sus siglas en inglés) propone una cronología de eventos importantes. Asocia raíces intelectuales y
conceptos de la IA con la historia antigua y se remonta inicialmente a la mitología griega, donde a
través de literatura de Hephaestus y Pygmalion se mencionan artefactos inteligentes como
juguetes con mecanismos reales o ficticios que imitaban a seres humanos.

Luego en el siglo V a.c. Aristóteles postula el primer sistema de razonamiento deductivo la “Lógica
Silogista”. En un salto abrupto en el tiempo, se dirigen hacia el siglo XV y XVI d.c., donde fue
creada la imprenta, la “Biblia de Gutenberg”, los relojes y otros instrumentos de medición.

En el siglo XVII Descartes propone que “los animales no son más que máquinas complejas”.
Hobbes publica el “Leviatán” que contiene teorías combinatorias de pensamiento. Pascal diseña la
primera “Máquina de cálculo mecánica digital” y Liebniz se encarga de mejorarla agregando
funciones de multiplicación y división, y visualiza un universo de cálculos de razonamiento por los
cuales los argumentos pueden ser decididos mecánicamente.

1
RUSSEL y Norving, INTELIGENCIA ARTIFICIAL: UN ENFOQUE MODERNO. 1996, págs. 17-27.
2
BUCHANAN, Prof. Bruce. HISTORY OF AI, http://www.aaai.org/Pathfinder/bbhist.html#intro
En el siglo XIX se mencionan el desarrollo del álgebra binaria para representar algunas leyes del
pensamiento, y el trabajo de Charles Babbage y Ada Byron en máquinas de cálculo programables
mecánicas.

Estos aportes son considerados como raíces de la IA, ya que son ideas estructuradas y
documentadas sobre la intención de crear máquinas inteligentes (que imitaran el comportamiento
humano).

Russell y Norving3, organizan los fundamentos de la IA en ramas de las ciencias que han sido
pilares para los conceptos y teorías de la IA y los dividen de la siguiente forma:4 filosofía,
matemáticas, psicología, computación y lingüística.

Génesis (Creativo) 1943 - 1956

En 1943 Warren McCulloch y Walter Pitts publicaron el artículo "A Logical Calculus of the Ideas
Immanent in Nervous Activity" (Cálculo Lógico de Ideas Inmanentes en Actividades Nerviosas),
estableciendo las bases para los modelos de redes neuronales. Se trataba de entender como el
cerebro produce patrones muy complejos utilizando células básicas que se conectan unas con
otras, y se propone un modelo de neurona (llamado MCP Neuron) que luego seria de mucha
utilidad para las ciencias de la computación.

Arturo Rosenblueth, Norbert Wiener y Julian Bigelow acuñan el término “cibernética”, en un artículo
que trataba sobre el estudio de “el control y la comunicación en los animales y las máquinas”. Tal
publicación constituye una de las raíces de las ciencias cognoscitivas actuales. Wiener lanzó un
libro muy popular con ese nombre en 1948.

En 1950 Allan Turing publicó el articulo "Computing Machinery and Intelligence" (Máquinas de
Cómputo e Inteligencia), y se desarrolla la “Prueba de Turing” (descrita en la sección
Conceptualización, de este CAPITULO) como forma de mecanizar una prueba para el
comportamiento inteligente. De esta forma se podía determinar la presencia de inteligencia en
humanos, animales y máquinas.

3
RUSSEL y Norving, INTELIGENCIA ARTIFICIAL: UN ENFOQUE MODERNO. 1996, (págs. 9-16)
4
Los resultados de los fundamentos de la IA, pueden observarse en archivo en CD-ROM. ETAPA I, ANEXO 1.
También en el año 1950 Claude Shanon publica en su artículo "Programming a computer for
playing chess" (Programando una computadora para jugar ajedrez), un análisis detallado del juego
de ajedrez como búsqueda. Isaac Asimov publica las tres reglas de la robótica en su libro Robot.

Según la AAAI5, la historia moderna de la IA comienza en el año de 1956 con la conferencia de

Dartmouth en la cual se reúnen los principales científicos involucrados con el tema, como: J.
McCarthy del Dartmouth College, M. L. Minsky de la Universidad de Harvard, N. Rochester de la
Corporación IBM, y C. E. Shannon de los Laboratorios Bell Telephone.

Según la propuesta6, la conferencia seria solamente un intercambio de ideas. Aunque en realidad

el mayor logro fue la creación del término “Inteligencia Artificial” propuesto por McCarthy y el
nacimiento oficial de la disciplina.

En este mismo año se dio la presentación de la ejecución del primer programa en IA llamado “Logic
Theorist” (Teórico Lógico), creado por Allen Newel, J. C. Shaw y Herbert Simon de la Universidad
de Carniege Mellon. Este programa de razonamiento era capaz de realizar demostraciones de
teoremas matemáticos.

Primeros pasos (Optimismo) 1956 -1967

Newel y Simon fueron los responsables del desarrollo del General Problem Solver (Solucionador
General de Problemas) en 1957, que se diseñó para que imitara protocolos de razonamiento
humanos.

Entre 1952 y 1962 Arthur Samuel desarrolló el primer programa para juegos de damas, que logró
obtener suficiente pericia como para desafiar al campeón mundial, sus programas con aprendizaje
de máquina fueron responsables del incremento en el rendimiento de los jugadores de damas.

En 1958 John McCarthy inventó el lenguaje de programación LISP7, concebido para inteligencia
artificial y con un enfoque diferente al que ahora conocemos. Se trataba de un lenguaje para que
los humanos pudieran describir sus procedimientos a las máquinas, y cumplía con las siguientes

5
BUCHANAN, Prof. Bruce. HISTORY OF AI, http://www.aaai.org/Pathfinder/bbhist.html#modern.
6
MCCARTHY, John. A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE,
http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html.
7
MCCARTHY, John. LISP LANGUAGE, http://www.aaai.org/Pathfinder/html/sys.html.
características: explicito (sin ambigüedades en los procedimientos), universal (cada procedimiento
debería ser describible) y conciso.

También en 1958 Rosenblatt introduce el PERCEPTRON para el reconocimiento de patrones que

era capaz de generalizarlos. En el mismo año se realizó la conferencia de Teddintong sobre la
mecanización de los procesos de pensamiento, y entre los documentos presentados se
encontraban: “Programas con sentido común” de John McCarthy, “Pandemonium” de Oliver
Selfridge y “Algunos métodos de programación heurística e inteligencia artificial” de Marvin Minsky.

En 1960 Widrow y Hoff8 formulan una variante para el PERCEPTRON llamada ADALINE
(Adaptative Linear Elements), que fue la primera red neuronal aplicada a un problema real (filtros
adaptativos para evitar ecos en las líneas telefónicas). Tanto ADALINE como su extensión
MADALINE (desarrollada en 1962) fueron comercializadas durante muchos años.

En 1961, James Slagle escribió en LISP el primer programa de integración simbólica llamado
SAINT, que resolvía problemas de cálculo. En 1962, fue fundada Unimation la primera compañía
para desarrollo de robots industriales.

En 1963, Edward A. Fiegenbaum y Julian Feldman publican el libro “Computers and Thought”
(Computadoras y Pensamiento), la primera colección de artículos sobre IA que mostraba el trabajo
de los científicos responsables de haberla definido y de sentar las bases para su desarrollo.

En 1965 J. A. Robinson inventó un procedimiento mecánico de prueba: el método de resolución,

que permitía a los programas trabajar eficientemente con lógica formal como representación del
lenguaje.

En ese mismo año Joseph Weizenbaum construyó ELIZA un programa interactivo que conduce un
diálogo de cualquier tema en inglés. Fue muy popular en arpa net cuando fue programada una
versión que simulaba el dialogo con un psicoterapeuta.

En 1966 se desarrollo el primer “Machine Intelligence Workshop” (Taller sobre Máquinas

Inteligentes) en Edinburgh organizado por Donald Michie, consolidándose como el primer taller
sobre IA a nivel internacional. Estos talleres todavía se realizan anualmente.

8
GUERRERO y López. INTELIGENCIA ARTIFICIAL Y DOCUMENTACIÓN, págs. 65-70
En 1969, Edward Feigenbaum, Joshua Lederberg y Bruce Buchanan de la Universidad de Stanford
desarrollaron el programa DENDRAL para interpretar espectros de masa orgánicos en compuestos
químicos, este fue considerado el primer sistema basado en conocimiento para razonamiento
científico que fue exitoso. En ese mismo año, Joel Moses demostró el poder del razonamiento
simbólico para integración de problemas con el programa MACSYMA, el primer sistema basado en
conocimiento para matemáticas que tuvo gran aceptación.

Invierno (Pesimismo) 1966-1974

En un inicio se pensó que las técnicas que demostraron funcionar para problemas sencillos (con
pocos objetos y pocas manipulaciones), serían aplicables a problemas reales al aumentar la
capacidad de computo. Al darse cuenta de la explosión combinatoria que se recibía al aplicar las
técnicas a problemas reales, los investigadores notaron que los métodos serían muy débiles,
incluso con el aumento en la capacidad de cálculo y velocidad de cómputo9.

Entre los años de 1960 a 1965 se desarrollaron las teorías de la Complejidad (Reducción) y de la
Intratabilidad e incalculabilidad, que propiciaron en este periodo el decaimiento de la IA,
especialmente para trabajos con redes neuronales, debido a las limitaciones en los problemas “de
juguete” por su relativa sencillez.

En 1967, un reporte negativo sobre la traducción automática destruyó mucho trabajo realizado
hasta la fecha en procesamiento de lenguaje natural, y lo relegó a un segundo plano por muchos
años.

Además Minsky y Papert en 1969 en su publicación Perceptrons, identificaron las limitaciones que
se tenían en las estructuras utilizadas en los modelos de redes neuronales. Esto originó una
reducción de presupuesto para este rubro.

9
GUERRERO y López. INTELIGENCIA ARTIFICIAL Y DOCUMENTACIÓN, págs. 65-95
Resurgimiento (Realismo) 1971 -1979
En 1971, Terry Winograd demostró la habilidad de las computadoras para entender instrucciones
en inglés en el mundo restringido de los bloques para niños, agregando a su programa de
interpretación de lenguaje llamado SHRDLU un brazo mecánico que llevaba a cabo instrucciones
escritas.

En 1972, Alain Colmerauer creó el lenguaje de programación PROLOG, desarrollado como un

verificador especializado de teoremas para implementar sistemas de procesamiento natural10.

En 1974 fueron desarrollados dos sistemas muy importantes: MYCIN Y ABSTRIPS. MYCIN era un
sistema basado en reglas para representación del conocimiento e inferencia para el diagnóstico
médico y terapia, tenía como respaldo 450 reglas capaces de emitir un diagnóstico muy similar al
de un experto. ABSTRIPS fue el primer programa para planificación, desarrollando técnicas de
planeamiento jerárquico. Estos sistemas fueron considerados los primeros sistemas expertos para
un dominio específico.

En 1978, fue desarrollado en Staford por Mark Stefik y Peter Friedland el programa MOLGEN11,
demostraba que una representación de conocimiento orientada a objetos podía ser utilizada para
planear experimentos de clonación de genes. Estaba basado en planeación con restricciones, en
las que las decisiones de planeación son hechas independientemente del dominio de la decisión.
También hay decisiones de laboratorio dependientes del dominio. Las restricciones del problema
son la interacción de pasos separados de decisiones de laboratorio.

En 1979 fueron desarrollados otros sistemas basados en conocimiento muy reconocidos como
EMYCIN, una ampliación del MYCIN que permitió establecer el modelo de muchos “shells” para SE
comerciales.

Industrialización (Prototipos) 1979- 1988

A partir de finales de la década de los setentas y principios de los ochentas, comenzó la
popularización de los sistemas expertos para uso comercial. Esta popularización inició con el
sistema R1 desarrollado para la empresa Digital Equipment Corporation.

10
COLMERAUER, Alain. PROLOG, http://www.aaai.org/Pathfinder/html/sys.html
11
AAAI, MOLGEN, http://www.aaai.org/Pathfinder/html/faqs.html#bhist35
También para 1980 fueron desarrolladas y comercializadas máquinas LISP, que eran equipos de
cómputo optimizados para utilizar eficientemente el lenguaje LISP. Se contaba con fabricantes de
prestigio para su comercialización, entre ellos XEROX y Texas Instruments.

En 1981 científicos japoneses anunciaron su proyecto de “quinta generación”, un plan de 10 años

para construir computadoras inteligentes que ejecutasen PROLOG, de la misma manera que una
computadora normal interpretaba el código de máquina.

En ese mismo año Danny Hills diseño la máquina conectiva con una arquitectura paralela. Este
equipo sirvió para potenciar el desarrollo de aplicaciones de IA y la computación en general.

En 1985 el programa autónomo de dibujo implementado en un robot llamado Aaron12, diseñado por
Harold Cohen. Aaron fue el primer robot en la historia que creaba cuadros (pinturas) y dibujaba
confiando en su propio conocimiento, usando una estructura ramificada de reglas y vías de
retroalimentación que le decían como proceder. Realizaba la tarea con una consistencia estilística
similar a la de un artista humano. Representó un gran avance en las aplicaciones de
reconocimiento de patrones y visión artificial.

En 1988 la empresa Dupont ya utilizaba 100 sistemas expertos y mantenía en diseño otros 500, lo
que le generaba ahorros de $10 millones anuales.

En 1989 se crea ALVINN13 (un vehículo de campo autónomo en una red neuronal), que era un
sistema de percepción que aprendía el control de vehículos NAVLAB observando a una persona
manejar. ALVINN se convirtió en la base para un sistema de manejo de vehículos llamado RALPH
(Rapidly Adapting Lateral Position Handler), que en 1995 logró viajar desde Pittsburg hasta
Indianápolis completando 2,849 millas en lo que se llamó “No hands across America” (Sin manos a
través de América). Fue considerado un gran aporte para el uso de redes neuronales en el control
de robots.

En los años 80 resurge el interés por las redes neuronales y se presentan nuevas aportaciones a la
teoría y diseño de éstas desde diferentes frentes. En 1982, se celebro la US/Japan Joint
Conference on Cooperative/Competitive Neural Networks (Conferencia Cooperativa/Competitiva de
Redes Neuronales de EE.UU. y Japón). Ese mismo año Fujitsu comenzó el desarrollo de
computadoras pensantes para hacer aplicaciones en robótica.

12
AAAI, http://www.aaai.org/Pathfinder/html/art.html
13
AAAI, http://www.aaai.org/Pathfinder/html/autveh.html#bhist20
Ultimos acontecimientos (Madurez) 1988 en adelante
En este periodo se han dado grandes avances en todas las ramas de la IA, esto debido al
incremento en la capacidad de los dispositivos, y que mayor cantidad de científicos están
desarrollando este tipo de aplicaciones. En 1990 se hicieron avances significativos en la
construcción de un robot humanoide, a cargo de Rod Brooks del proyecto COG14 del Massashuset
Institute Technologies (MIT), contaba con un conjunto de sensores y actuadores (actors en inglés)
que se tratan de aproximar a la sensibilidad y dinámica motora del cuerpo humano.

En 1997, el programa de ajedrez Deep Blue vence al campeón de ajedrez del momento Garry
Kasparov. Deep Blue estaba implementado en un sistema de computación con una tecnología
RS/6000 SP, que también puede realizar tareas relacionadas a problemas complejos como:
predicción del clima, modelar datos financieros y diseñar vehículos, entre otras.

En ese mismo año se realizó la primera Robocup oficial, evento de fútbol para robots con 40
equipos y más de 500 espectadores. También se realizó la demostración de una habitación
inteligente y agentes emocionales en el laboratorio de IA del MIT. Se inició con la arquitectura
Oxygen que conecta el mobiliario y las computadoras estacionarias en una red adaptativa.

En 2000 los robots mascotas interactivas estuvieron disponibles a nivel comercial, acercando a la
población mundial a las aplicaciones de la IA. Actualmente, la tendencia de la IA es la de los
agentes inteligentes. Un agente inteligente es capaz de realizar acciones autónomas flexibles para
alcanzar sus objetivos. Algunos autores15 clasifican a los agentes inteligentes de acuerdo a su
función, y éstos pueden pertenecer a más de una de las siguientes categorías: agentes
colaborativos, de interfaz, móviles, de información, reactivos e híbridos.

Sin embargo parte de la autonomía de estos agentes radica en la capacidad de aprendizaje.

Actualmente, los científicos están profundizando en el área de aprendizaje automático y una
definición es la siguiente: “decimos que un agente o un programa de computación aprende de la
experiencia, con respecto a cierta clase de tareas con la medida de desempeño, si su desempeño
en la tarea medida, mejora con respecto a la experiencia”. Algunas de las herramientas para
desarrollar algoritmos de aprendizaje automático son: MLC++, WEKA y otros16.

14
AAAI, ROBOTS, http://www.aaai.org/Pathfinder/html/robots.html
15
AGENTES INTELIGENTES, http://uoc.terra.es/art/uoc/vicente0302/tfc/mvicentelp12.html
16
FERNÁNDEZ, Rodríguez y Quevedo. ML-Lab: HERRAMIENTA DE EXPERIMENTACIÓN FLEXIBLE PARA APRENDIZAJE
AUTOMÁTICO, ftp://ftp.aic.uniovi.es/publications/Machine_Learning/pdf/ml-lab.pdf
Esquema de la evolución de la Inteligencia Artificial

1943 1940
Publicación “Calculo Lógico de Ideas
Inmanentes en Actividades Nerviosas” Etapas de la Inteligencia Artificial:
por Warren McCulloch y Walter Pitts.
1950
Prueba de Turing,
por Alan Turing.
1956
Conferencia de Dartmouth, GENESIS (Creativo)
por J. McCarthy, M. Minsky, N. 1950
1943 - 1956
Rochester y C.E. Shannon.
1957
GPS (General Problem Solver),
por Newell, Shaw y Simon.
1958
Creacion del Lenguaje LISP,
por John McCarthy.
1962
Unimation, Primera fabrica de robots 1960
industriales. PRIMEROS PASOS (Optimismo)
1966 1956 - 1967
“Machine Intelligence Workshop” en
Edinburg organizado por Donald Michie,
primer taller sobre IA a nivel internacional.
1967
Reporte negativo sobre la traducción
de las maquinas destruyó mucho
trabajo realizado.
1970 INVIERNO (Pesimismo)
1969
Publicación Perceptrons, 1966 - 1974
Minsky y Papert.
1974. MYCIN y ABSTRIPS.
RESURGIMIENTO (Realismo)
1979
EMYCIN, shells para SE comerciales. 1971 - 1979
1980
Maquinas Lisp por XEROX y 1980
Texas Instruments.
1981
Japoneses y su proyecto de
“quinta generación”. INDUSTRIALIZACION (Prototipos)
Maquinas que ejecutaban PROLOG.
1979 - 1980
1988
Dupont utilizaba 100 SE’s y
mantenía en diseño otros 500.
1989 1990
ALVINN, un vehículo de campo
autónomo en una red neuronal.
1990
Avances en la construcción de un robot
humanoide, ULTIMOS ACONTECIMIENTOS
por Rod Brooks.
(Madurez)
1997 Desde 1988
Deep Blue (IBM) vence al campeón
de ajedrez Garry Kasparov.
2000
2000
Robots mascotas interactivos
disponibles a nivel comercial.

Figura 1.1.1. Etapas y acontecimientos relevantes de la evolución de la IA.

2. CONCEPTUALIZACION

2.1 INTELIGENCIA

Para definir el concepto de IA es importante definir previamente el concepto de Inteligencia. Esta

ha sido una tarea que ha ocupado y continua ocupando a muchas ciencias.

Según el diccionario Latino-Español, el término inteligencia se deriva del latín intelligentia, que
hace referencia a la “facultad por medio de la cual [...] se conoce las cosas que existen”. El
diccionario de la Real Academia Española la define de varias formas:

• Capacidad de comprender o entender.

• Capacidad de resolver problemas.

• Conocimiento, comprensión, acto de entender.

• Habilidad, destreza y experiencia.

Los significados anteriores varían entre facultades cognoscitivas, de razonamiento, percepción y

aprendizaje.

Se buscará una definición que describa de una forma más amplia el concepto, acudiendo a la
psicología. Según esta disciplina científica la inteligencia se define como la capacidad para realizar
juicios apropiados, aprovechar las experiencias y afrontar adecuadamente nuevos problemas.

Sobre la base de lo anterior, se define la IA como:

La capacidad que exhiben los artefactos creados por el hombre para aprender, razonar y
adaptarse de manera eficiente.
2.2 INTELIGENCIA ARTIFICIAL

El concepto de inteligencia descrito anteriormente da una idea general de la IA, sin embargo no
describe su carácter de disciplina científica. Para completar la definición se acudirá a conceptos
propuestos por algunos autores agrupados en el cuadro 1.2.1.

Cuadro 1.2.1. Diferentes definiciones de la IA.

AUTOR AÑO DEFINICION

[La automatización de] actividades que vinculamos con procesos de

Bellman 1978 pensamiento humano, actividades tales como toma de decisiones,
resolución de problemas, aprendizaje...

La interesante tarea de lograr que las computadoras piensen...máquinas

Haugeland 1985
con mente, en su amplio sentido literal.

Charniak y El estudio de las facultades mentales mediante el uso de modelos

1985
McDermott computacionales.

IA es el arte de construir máquinas capaces de hacer cosas que requieran

Minsky 1986
inteligencia en caso de que fuesen hechas por los seres humanos.

La parte de la informática que trata de los sistemas computarizados

inteligentes, es decir, sistemas que muestran las características que pueden
Amat 1989
asociarse a la inteligencia en lo que se refiere al comportamiento humano:
compresión de lenguaje, aprendizaje, resolución de problemas, etc.

El arte de crear máquinas con capacidad de realizar funciones que

Kurzweil 1990
realizadas por personas requieren de inteligencia.

Un campo de estudio que se enfoca a la explicación y emulación de la

Shallkoff 1990
conducta inteligente en función de procesos computacionales.

Es un campo de la ciencia y de la ingeniería que se ocupa de la

comprensión a través de la computadora de lo que comúnmente llamamos
Shapiro 1992
comportamiento inteligente y de la creación de herramientas que exhiben tal
comportamiento.

Winston 1992 El estudio de los cálculos que permiten percibir, razonar y actuar.

Luger y La rama de la ciencia de la computación que se ocupa de la automatización

1993
Stubblefield de la conducta inteligente.

Rich y La IA estudia como lograr que las máquinas realicen tareas, que, por el
1994
Knight momento son realizadas mejor por seres humanos.

El ofrecimiento por parte de la máquina de un comportamiento parecido al

humano que es capaz de acomodarse o ajustarse a una disposición o
Costa 1995
situación real o ficticia y poder escoger de acuerdo a una serie de
particularidades para dar respuesta rápida y lo más acertada posible.
Rusell y Norving (1996) agrupan estos conceptos en cuatro enfoques:

Eficiencia humana Racionalidad

Procesos mentales Pensar como Pensar

humano racionalmente

Actuar como Actuar

Conducta humano racionalmente

Figura 1.2.1. Enfoques de Inteligencia Artificial.

ACTUAR COMO HUMANO

Este enfoque está asociado a la prueba de Turing desarrollada por Alan Turing en 1950. Turing
intentó hacer una medición satisfactoria de inteligencia. Definió una conducta inteligente como la
capacidad de lograr eficiencia a nivel humano en todas las actividades de tipo cognoscitivo,
suficiente para engañar a un evaluador (Ver figura 1.2.2).

La prueba consistía en que un humano interrogase a una computadora y a un humano a través de

un teletipo. El sistema pasaba la prueba si el evaluador era incapaz de determinar quien había
contestado las preguntas en el otro extremo de la terminal. Esta prueba supone que la
computadora debería ser capaz de:

• Procesar un lenguaje natural, para poder establecer comunicación satisfactoria en

cualquier idioma humano.

• Representar el conocimiento, para guardar toda la información que se le haya dado

antes o durante el interrogatorio.

• Razonar automáticamente, con el fin de utilizar la información guardada al responder

preguntas y obtener nuevas conclusiones.

• Autoaprendizaje de la máquina, para que se adapte a nuevas circunstancias y para

detectar y extrapolar esquemas determinados.
 Figura 1.2.2. Prueba de Turing17

Turing evitó deliberadamente la interacción física directa entre el evaluador y la computadora, dado
que para medir la inteligencia era necesario simular físicamente a un humano. Sin embargo, en la
denominada prueba total de Turing se utilizan una señal de video para que el evaluador pueda
calificar la capacidad de percepción del evaluado, y también para que aquél pueda pasar objetos
físicos. Para aprobar la prueba total de Turing, es necesario que la computadora esté dotada,
además de las capacidades anteriores de:

• Vista, que le permita percibir objetos, y

• Robótica, para desplazar dichos objetos.

En la sección “Areas de la IA” se abordarán de forma general algunas de estas capacidades, que
en la actualidad conforman áreas de la IA.

PENSAR COMO HUMANO

Este enfoque se centra en las capacidades cognoscitivas y tiene su mayor influencia en la ciencia
cognoscitiva. Uno de los problemas que se desprenden de este enfoque es la dificultad de
contestar a la pregunta ¿Cómo piensan los humanos?. Respuesta indispensable para poder
intentar emular artificialmente ese proceso. Habría que penetrar en el funcionamiento de la mente
humana para contestar a esta pregunta. Una forma de hacer esto es la introspección (observando
los fenómenos psíquicos internos, es decir; intentar atrapar nuestros propios pensamientos
conforme estos se van dando). La otra forma es la realización de experimentos psicológicos
(estímulo-reacción).

17
VON Der Becke, Carlos. EL TEST DE TURING, http://web1.cti.unav.es/asignaturas/ia/tsld013.htm
Ambas formas presentan grandes limitaciones. Mientras no se superen estas limitaciones para
poder desarrollar una teoría bastante precisa de la mente no será posible implementarla en un
programa de computadora.

Una de las críticas más importantes a los dos enfoques anteriores es que actuar o pensar como
humano no siempre implica hacerlo de la manera correcta. Los humanos se ven influenciados por
las emociones18 a la hora de tomar decisiones o emprender actos, lo que puede provocar
pensamientos o actos que estén lejos de lo que se considera inteligente. Además las capacidades
fisiológicas de los humanos varían de uno a otro.

PENSAR RACIONALMENTE
Para desarrollar este enfoque se define “pensar racionalmente” como el uso de las propiedades
intelectuales para juzgar, tomar decisiones, realizar inferencias, extraer conclusiones o formarse
una opinión, de una manera correcta.

Este enfoque se centra en las leyes del pensamiento, construidas desde hace muchos años por la
filosofía. Aristóteles fue uno de los primeros en intentar codificar la “manera correcta de pensar”.
Sus silogismos son esquemas de estructuras de argumentación mediante la que siempre se llega
a conclusiones correctas si se parte de premisas correctas. Por ejemplo: “Sócrates es un hombre;
todos los hombres son mortales; por lo tanto, Sócrates es mortal”.

Los silogismos de Aristóteles permitieron el surgimiento de la lógica formal, como ciencia que
estudia los actos del pensar –concepto, juicio, razonamiento, demostración- desde el punto de vista
de su estructura formal o forma lógica19; que permitió contar con una notación precisa para
representar aseveraciones relacionadas con todo lo que existe en el mundo, así como sus
relaciones mutuas. Posteriormente la lógica fue tomando nuevas formas y aparecieron la lógica
matemática, lógica probabilística, entre otras, que han tenido una gran influencia en las ciencias
de la computación.

Uno de los obstáculos que presenta este enfoque es que es difícil recibir un conocimiento informal
y expresarlo en los términos formales que exige la notación lógica, especialmente cuando este no
está estructurado; es decir; cuando no se tiene un 100% de certidumbre. Además es imposible

18
En psicología la emoción se entiende como un estado afectivo que se caracteriza por aparecer de forma brusca, ser intenso,
depender de los centros di-encefálicos e implicar manifestaciones vegetativas con repercusiones glandulares, musculares y
viscerales.
19
M.M. Rosental y P.F. Iudin, DICCIONARIO DE FILOSOFÍA, pág. 279.
implementar en una computadora problemas que involucran demasiados elementos, a menos que
se cuente con lineamientos sobre los pasos de razonamiento que hay que utilizar primero.

ACTUAR RACIONALMENTE
Este enfoque también esta basado en las leyes del pensamiento. Se retomará lo planteado por
Russell y Norving; quienes simplifican el actuar racionalmente (o actuar inteligentemente) a: Actuar
de manera tal que se logren los objetivos deseados, con base a ciertos supuestos.20

Un sistema inteligente que estuviera determinado por el enfoque de pensar racionalmente estará
construido para hacer inferencias correctas. No obstante, el efectuar una inferencia correcta no
siempre depende de la racionalidad, pues existen situaciones en las que no existe algo que se
pueda considerar como lo correcto, y sin embargo hay que decidirse por un curso de acción.
Existen también maneras de actuar racionalmente que de ninguna manera entrañan inferencia
alguna. Por ejemplo, el retirar la mano de una hornilla caliente es un acto, reflejo mucho más
eficiente que una tardía actuación emprendida después de una cuidadosa deliberación. (Russell y
Norving, et al, 1996)

Este enfoque trata de consolidar el enfoque basado en las leyes del pensamiento y el basado en
las capacidades cognoscitivas. Se adoptará el enfoque de “actuar racionalmente” como el más
descriptivo de la IA.

En la sección de Sistemas inteligentes se profundizará en este enfoque. Antes de ello conviene

definir un concepto más concreto de IA.

Como lo señala Morales (1999) el término IA conlleva dos aspectos:

• Entender y modelar “sistemas inteligentes” (ciencia).

• Construir máquinas “inteligentes” (ingeniería).

Se define IA como:

Rama de las ciencias de la computación que se ocupa del estudio y modelado de las
capacidades de aprendizaje, razonamiento y adaptación, para la construcción de sistemas
que exhiban estas capacidades.

20
RUSSELL y Norving llaman a este enfoque: El enfoque del agente racional. Definen un agente como algo capaz de percibir y
actuar. En este documento caso se utilizará el término sistema inteligente, ya que se adapta mejor a los objetivos de la investigación.
3. SISTEMAS INTELIGENTES

Como se ha señalado anteriormente, la conducta inteligente debe exhibir tres características:

aprendizaje, razonamiento y adaptación. No obstante, deben tomarse en cuenta dos elementos
adicionales a la hora de diseñar sistemas inteligentes: la ontología general del sistema y el medio
ambiente en el que operará.

3.1 ONTOLOGIA GENERAL

La palabra ontología tiene un origen filosófico, significa: teoría particular del ser o de la existencia, y
se refiere a todo lo que es o existe en un determinado tiempo y espacio.

La ontología general se refiere a todo lo que forma parte del dominio de un sistema inteligente, es
decir, todo lo que el sistema es capaz de reconocer e interpretar del medioambiente y que le es útil
para tomar una decisión. La ontología se refiere a un caso particular de la ontología general que se
presenta en el medioambiente.

Un sistema es inteligente en la medida en que a través de sus capacidades inteligente, es capaz

de reconocer e interpretar información del medioambiente. Es decir, en la medida en que en la
ontología general del sistema se encuentre un mínimo de correspondencia con la ontología del
caso específico que se le presenta.

3.2 MEDIOAMBIENTE

El medioambiente es el suprasistema del sistema inteligente. Como sistema, un medioambiente

puede clasificarse de acuerdo a las características que exhibe. En el contexto de los sistemas
inteligentes su medioambiente se clasifica según sus características de la siguiente manera:

• Accesibilidad:

Se dividen en accesibles e inaccesibles. Un medioambiente es accesible si el aparato

sensorial del sistema inteligente le permite tener acceso a todos los aspectos relevantes a
la elección de una acción.