5.1 ROBOTICA

5.1 ROBOTICA

5.1.1 Conceptos Basicos:

La robótica es una ciencia o rama de la tecnología, que estudia el diseño y construcción de máquinas capaces de desempeñar tareas realizadas por el ser humano o que requieren del uso de inteligencia.

5.1.2 Clasificacion:

1. Robots Fisicos

Robótica Industrial: Es la parte de la Ingeniería que se dedica a la construcción de máquinas capaces de realizar tareas mecánicas y repetitivas de una manera muy eficiente y con costes reducidos.




Robótica Inteligente: Son robots capaces de desarrollar tareas que, desarrolladas en un ser humano, requieren el uso de su capacidad de razonamiento.


Robótica Humanoide: Es la parte de la ingeniería que se dedica al desarrollo de sistemas robotizados para imitar determinadas pecualiaridades del ser humano.

Robotica de Servicio: Es la parte de la Ingenieria que se centra en el diseño y construcción de máquinas capaces de proporcionar servicios directamente a los miembros que forman sociedad.

2. Robots software

Robótica de Exploración: Es la parte de la Ingenieria del Software que se encarga de desarrollar programas capaces de explorar documentos en busca de determinados contenidos.

5.1.3 Desarrollos Actuales y Aplicaciones

En la actualidad, los robots comerciales e industriales son ampliamente utilizados, y realizan tareas de forma más exacta o más barata que los humanos. También se les utiliza en trabajos demasiado sucios, peligrosos o tediosos para los humanos. Los robots son muy utilizados en plantas de manufactura, montaje y embalaje, en transporte, en exploraciones en la Tierra y en el espacio, cirugía, armamento, investigación en laboratorios y en la producción en masa de bienes industriales o de consumo.

Aplicaciones:

• Usos médicos: En la actualidad, existen más de 800 robots quirúrgicos en el mundo, con aplicaciones en Urología, Ginecología, Cirugía general, Cirugía Pediátrica, Cirugía Torácica, Cirugía Cardíaca y ORL. También la automatización de laboratorios es un área en crecimiento. Aquí, los robots son utilizados para transportar muestras biológicas o químicas entre instrumentos tales como incubadoras, manejadores de líquidos y lectores.

• Modelos de Vuelo: En fases iniciales de desarrollo hay robots alados experimentales y otros ejemplos que explotan el biomimetismo.

• Modelos militares: Un impulsor muy significativo de este tipo de investigaciones es el desarrollo de equipos espionaje militar.

5.6 SISTEMAS EXPERTOS

5.6 SISTEMAS EXPERTOS

5.6.1 Conceptos Basicos:

Son llamados así porque emulan el razonamiento de un experto en un dominio concreto y en ocasiones son usados por éstos. Con los sistemas expertos se busca una mejor calidad y rapidez en las respuestas dando así lugar a una mejora de la productividad del experto.

Un sistema experto es un conjunto de programas que, sobre una base de conocimientos, posee información de uno o más expertos en un área específica. Se puede entender como una rama de la inteligencia artificial, donde el poder de resolución de un problema en un programa de computadora viene del conocimiento de un dominio específico. Estos sistemas imitan las actividades de un humano para resolver problemas de distinta índole.

5.6.1 Clasificacion

Los sistemas expertos se clasifican de acuerdo al tipo de conocimiento que se utiliza:

· Sistemas Expertos basado en reglas, la construcción de la base de conocimiento es en base a reglas, lo cual, en algunos casos se elabora sencillamente, la explicación de las conclusiones es simple. El motor de inferencia se realiza con algoritmos complejos, lo cual es relativamente lento, además que el aprendizaje estructural es complejo.

· Sistemas Expertos basado en probabilidades, la construcción de la base de conocimiento es en base a frecuencias lo cual requiere de mucha información, la explicación de las conclusiones resulta mas compleja. El motor de inferencia se realiza con algoritmos simples, el aprendizaje parametrico es sencillo.

5.6.2 Desarrollos Actuales y Aplicaciones

Según el tipo de problema a resolver, los ámbitos de aplicación en los que más se han utilizado los sistemas basados en el conocimiento son los siguientes:

· Sistemas de ayuda a la toma de decisiones. Se trata de sistemas que a partir de una problemática determinada sugieren la solución que consideran más idónea a partir del conocimiento incluido en el sistema.

· Configuración. Se encargan de la selección y planificación de los componentes que se necesitan en un proceso determinado. Un caso típico son los sistemas que ayudan a configurar los equipos físicos a partir de los componentes existentes y de las restricciones establecidas.

· Diagnóstico. Se trata de sistemas que a partir de unos "síntomas" determinan las causas que lo producen. Ejemplo de ellos son los sistemas basados en el conocimiento de diagnóstico de enfermedades o de averías.

· Interpretación y Análisis. Sirven para tratar grandes volúmenes de información, interpretarla, dar un informe explicativo y sugerir las acciones a tomar. Ejemplo de ellos pueden ser los sistemas de evaluación de resistencia de estructuras frente a terremotos o sistemas de supervisión de procesos industriales.

· Monitorización. En algunos situaciones se considera un caso particular de sistemas de interpretación y análisis, pero debido a su frecuente uso se suelen considerar aparte. Estos sistemas suelen encargarse de monitorizar procesos suministrando una salida de control como respuesta. Existen muchos ejemplos de monitorización de procesos en factorías, plantas químicas, centrales nucleares, etc. Son sistemas que deben funcionar en tiempo real.

· Planificación. Son sistemas que establecen las etapas y recursos necesarios para alcanzar un determinado objetivo. Ejemplo de ellos podría ser un sistema basado en el conocimiento de planificación de trabajos en una factoría.

· Interfaces inteligentes. Hacen de puente entre las personas y equipos complejos y de difícil utilización. Caso típico son los interfaces inteligentes de acceso a base de datos.

· Diseño. Son aquéllos que efectúan la planificación o trazado de un objeto o sistema en base a los requisitos especificados. Suelen ser capaces de dar diferentes soluciones de forma que el usuario pueda elegir aquélla que le convenga. Ejemplo de este tipo son los sistemas de ayuda al diseño de puentes, presas, microcircuitos electrónicos.

5.5 PROCESAMIENTO DE LENGUAJE NATURAL

5.5 PROCESAMIENTO DE LENGUAJE NATURAL

 

5.5.1 Conceptos Basicos:

Es una parte esencial de la Inteligencia Artificial que investiga y formula mecanismos computacionalmente efectivos que faciliten la interrelación hombre-maquina y permitan una comunicación mucho más fluida y menos rígida que los lenguajes formales y sistemas de menús utilizados tradicionalmente. Todo sistema de Procesamiento del Lenguaje Natural intenta simular un comportamiento lingüístico humano.

Tiene una serie de fases o niveles de análisis:

· Análisis morfológico-lexico: Transforma la secuencia de caracteres de entrada en una secuencia de unidades significativas haciendo uso del diccionario y reglas morfológicas.

· Análisis sintáctico: Analiza la secuencia de unidades léxicas y produce una representación de su estructura.

· Análisis semántico: A partir de la estructura generada por el proceso sintáctico genera otra estructura o forma lógica asociada que representa el significado o sentido de la sentencia.

· Análisis contextual o función pragmática: Utiliza la forma lógica o estructura semántica de la fase anterior para desarrollar la interpretación final de la oración, en función de las circunstancias de contexto.

5.5.2 Desarrollos Actuales y Aplicaciones

Aplicaciones:

· Traducción automática: se refiere más que nada a la traducción correcta de un lenguaje a otro, tomando en cuenta lo que se quiere expresar en cada oración, y no solo palabra por palabra

· Recuperación de la información: un claro ejemplo seria el siguiente: Una persona llega a la computadora y le dice que es lo que busca, esta busca y le dice que es lo que tiene referente al tema.

· Extracción de Información y Resúmenes: Los nuevos programas, deben tener la capacidad de crear un resumen de un documento basándose en los datos proporcionados, realizando un análisis detallado del contenido y no solo la truncando las primeras Lineas de los párrafos.

· Resolución cooperativa de problemas: La computadora debe tener la capacidad de cooperar con los humanos para la solución de problemas complejos, proporcionando datos e información, incluyendo también, la demanda de información por parte del ordenador al usuario, debiendo existir una excelente interactividad entre el usuario y el ordenador.

· Tutores inteligentes: se refiere a la enseñanza asistida por computadora, debiendo esta ser aprox. en un 99%, al tener esta la capacidad de evaluar al educando y tener la capacidad de adaptándose a cada tipo de alumnos

· Reconocimiento de Voz: Esta es una aplicación que más éxito ha obtenido en la actualidad, ya que las computadoras de hoy ya tienen esta característica, el reconocimiento de voz puede tener dos posibles usos: para identificar al usuario o para procesar lo que el usuario dicte, existiendo ya programas comerciales, que son accesibles por la mayoría de los usuarios.

5.4 LOGICA DIFUSA

5.4 LOGICA DIFUSA

5.4.1 Conceptos Basicos:

En la inteligencia artificial la lógica difusa se utiliza para la resolución de una variedad de problemas, principalmente los relacionados con control de procesos industriales complejos y sistemas de decisión en general, la resolución la compresión de datos. Los sistemas de lógica difusa están también muy extendidos en la tecnología cotidiana, por ejemplo en cámaras digitales, sistemas de aire acondicionado, lavarropas, etc.

5.4.2 Desarrollos Actuales y Aplicaciones

La lógica difusa se utiliza cuando la complejidad del proceso en cuestión es muy alta y no existen modelos matemáticos precisos, para procesos altamente no lineales y cuando se envuelven definiciones y conocimiento no estrictamente definido

Aplicaciones:

·  Sistemas de control de acondicionadores de aire

·  Sistemas de foco automático en cámaras fotográficas

·  Electrodomésticos familiares

·  Optimización de sistemas de control industriales

·  Sistemas de escritura

·  Mejora en la eficiencia del uso de combustible en motores

·  Tecnología informática

5.3 VISION ARTIFICIAL

5.3 VISION ARTIFICIAL

 

5.3.1 Conceptos Basicos:

Es un campo de la Inteligencia Artificial que, mediante la utilización de las técnicas adecuadas, permite la obtención, procesamiento y análisis de cualquier tipo de información especial obtenida a través de imágenes digitales.

La visión artificial la componen un conjunto de procesos destinados a realizar el análisis de imágenes. Estos procesos son: captación de imágenes, memorización de la información, procesado e interpretación de los resultados.

5.3.2 Desarrollos actuales y aplicaciones

· Automatizar tareas repetitivas de inspección realizadas por operadores.

· Realizar controles de calidad de productos que no era posible verificar por métodos tradicionales.

· Realizar inspecciones de objetos sin contacto físico.

· Realizar la inspección del 100% de la producción a gran velocidad.

· Reducir el tiempo de ciclo en procesos automatizados.

· Realizar inspecciones en procesos donde existe diversidad de piezas con cambios frecuentes de producción.

5.2 REDES NEURONALES

5.2 REDES NEURONALES

5.2.1 Conceptos Basicos:

Son más que otra forma de emular ciertas características propias de los humanos, como la capacidad de memorizar y de asociar hechos. Las redes neuronales no son más que un model artificial y simplificado del cerebro humano, que es el ejemplo más perfecto del que disponemos para un sistema que es capaz de adquirir conocimiento a través de la experiencia. Es un nuevo sistema para el tratamiento de la información, cuya unidad básica de procesamiento está inspirada en la célula fundamental del sistema nervioso humano la neurona.

5.2.2 Clacificacion

  

El criterio mas habitual para clasificar las redes neuronales es el tipo de aprendizaje que se utilice.

  

Hay cuatro clases de aprendizaje distintos:

· Aprendizaje supervisado: En este tipo de aprendizaje se le proporciona a la RNA una serie de ejemplos consistentes en unos patrones de entrada, junto con la salida que debería dar la red. El proceso de entrenamiento consiste en el ajuste de los pesos para que la salida de la red sea lo más parecida posible a la salida desada. Es por ello que en cada iteración se use alguna función que nos de cuenta del error o el grado de acierto que esta cometiendo la red.

  

· Aprendizaje no supervisado o autoorganizado: En este tipo de aprendizaje se presenta a la red una serie de ejemplos pero no se presenta la respuesta deseada.

· Aprendizaje Híbrido: Es una mezcla de los anteriores. Unas capas de la red tienen un aprendizaje supervisado y otras capas de la red tienen un aprendizaje de tipo no supervisado.

· Aprendizaje reforzado : Es un aprendizaje con caracteristicas del supervisado y con caracteristicas del autoorganizado. No se proporciona una salida deseada, pero si que se le indica a la red en cierta medida el error que comete, aunque es un error global.

5.2.3 Desarrollos Actuales y Aplicaciones

Las redes neuronales aplicadas a la bibliometria reprecentan un campo de investigacion muy prometedor.

Aplicaciones:

  

· Biología:

• Aprender más acerca del cerebro y otros sistemas.

• Obtención de modelos de la retina.

• Empresa

• Reconocimiento de caracteres escritos.

· Finanzas

• Previsión de la evolución de los precios.
• Valoración del riesgo de los créditos
• Identificación de falsificaciones.
• Interpretación de firmas.
• Manufacturación
• Robots automatizados y sistemas de control


· Medicina


• Analizadores del habla para la ayuda de audición de sordos profundos.
• Diagnóstico y tratamiento a partir de síntomas y/o de datos analíticos (encefalograma, etc.).
• Monitorización en cirugía.
• Predicción de reacciones adversas a los medicamentos.
• Lectoras de Rayos X.