La inteligencia artificial comenzó como resultado de la investigación en psicología cognitiva y lógica matemática. Se ha enfocado sobre la explicación del trabajo mental y la construcción de algoritmos de solución a problemas de propósito general. Punto de vista que favorece la abstracción y la generalidad. La inteligencia artificial es una combinación de la ciencia de las computadoras, la biología, la fisiología y la filosofía, tan general y amplio como eso, es que reúne varios campos, todos los cuales tienen en común la creación de máquinas que puedan “pensar”. La idea de construir una máquina 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, traducción de idiomas, comprensión de idiomas, diagnóstico de fallas, robótica, y principalmente el suministro de asesoría experta en diversos temas. Es así como los sistemas de administración de base de datos cada vez más sofisticados, la estructura de datos y el desarrollo de algoritmos de inserción, borrado y localización de datos, así como el intento de crear máquinas capaces de realizar tareas que son pensadas como típicas del ámbito de la inteligencia humana, acuñaron el término inteligencia artificial el año 1956.
Durante años de actividad, la inteligencia artificial estuvo dedicada a las investigaciones teóricas y al desarrollo de experimentos a través de programas que demostraran “actitudes inteligentes”, con estos programas se pretendía que la máquina jugara ajedrez, demostrara teoremas matemáticos, y otros. En los ya pasados años 1970 surgió un nuevo paradigma en la inteligencia artificial, los denominados “sistemas expertos”, cuya función consistía en desarrollar trabajos similares a los que desarrollaría un especialista en un área determinada, la idea no radicaba en sustituir a los expertos, sino que estos sistemas sirvieran de apoyo a los especialistas en un “dominio” de aplicación específico y ampliamente especializado.
Los sistemas expertos constituyen de manera esencial sistemas de computación basados en conocimientos cuyos componentes representan un enfoque cualitativo de la programación. Muchas personas pueden creer que un sistema experto es un sistema compuesto por subsistemas y a su vez estos por otros subsistemas hasta llegar a los programas, y que los sistemas expertos se miden por la cantidad de programas que contienen. Sin embargo la cantidad no es lo que prima en los sistemas expertos, si no la calidad del mismo, esta cualidad está dada por la separación de las reglas que describen el problema, del programa de control que es quien selecciona las reglas adecuadas. Se puede decir que un sistema experto está compuesto por una base de conocimiento, una base de hechos y una máquina de inferencias. Por otra parte estos sistemas no se miden por la cantidad de instrucciones o programas sino por la cantidad de reglas que hay contenida en su base de conocimiento. La principal diferencia entre un sistema experto tradicional con un sistema experto difuso es que el primero se encuentra basado en reglas de producción con lógica clásica y el segundo en reglas de producción con lógica difusa, bajo el supuesto que la mayoría de los ingenieros del conocimiento utiliza un formalismo de representación de conocimiento conocido como reglas de producción.
Para el desarrollo de un sistema experto difuso primero es necesario abordar un área de interés, dentro de esta área se selecciona a los expertos, que son los especialistas capaces de resolver los problemas en dicha área. Por ejemplo el área de interés de la prospección petrolera son precisamente los proyectos de inversión petrolera y un especialista podría ser un ingeniero petrolero. Ahora bien, casi siempre estos especialistas, son expertos en un dominio específico y es sobre este dominio, donde poseen su mayor experiencia. Una vez seleccionado al experto o a los expertos y que estos estén de acuerdo en proporcionar sus conocimientos, comienza a jugar su papel el “ingeniero del conocimiento”, que es el encargado de extraer los conocimientos al experto y diseñar una representación adecuada, ya sea en forma de reglas u otro tipo de representación, conformando así la base de conocimientos del sistema experto.
Por su parte la lógica difusa es una innovación tecnológica que usa métodos como la codificación difusa, reglas difusas y la decodificación difusa para permitir que el comportamiento deseado de un sistema sea descrito usando el lenguaje natural cotidiano. Sus aplicaciones van desde bienes de electrónica de consumo y aplicaciones caseras hasta procesos de ingeniería y automatización industrial. Dichas aplicaciones no se logran con el uso del modelado matemático convencional, sino con lógica difusa y su lenguaje de cómputo coloquial. La lógica difusa es una lógica aproximada al razonamiento de los seres humanos. Una disciplina matemática teórica que reacciona a los constantes cambios de las variables, reta a la lógica tradicional en que no está restringida a los valores de cómputo binarios como el cero y el uno. En cambio, permite las verdades parciales y el manejo de múltiples valores. Esta disciplina se encuentra adelantada en problemas que no pueden ser fácilmente representados por que su modelo matemático no está disponible o se encuentra incompleto. El lenguaje natural usado en el control difuso permite a los ingenieros del software incorporar la naturaleza ambigua y aproximada de la lógica humana a la computadora. El uso del modelado lingüístico, en lugar del matemático, mejora grandemente la transparencia del sistema y el potencial de modificación. Permite ciclos de desarrollo rápidos, programación sencilla y control cuasi exacto.
La lógica se reconoce como la más precisa de todas las ciencias y disciplinas teóricas. Muchas de las ciencias modernas y matemáticas se basan en sus principios de precisión. Despistan las ventajas de su exactitud, la lógica booleana clásica tiene un serio problema: no puede reproducir los patrones del pensamiento humano. Esto es porque los patrones del pensamiento humano son principalmente intuitivos. En ambos, pensamiento y lingüística humanos, las referencias a conceptos definidos vagamente son frecuentes. Un ejemplo de esto es el conjunto de gente alta, un concepto que puede ser fácilmente entendido esconde el problema del establecimiento de qué altura puede ser una persona ser considerada alta. En la lógica tradicional, la idea de “persona alta” debe ser correlacionada con una altura exacta. Sin una frontera límite sería imposible establecer si una premisa es verdadera o falsa. Si, por ejemplo, 1.90m se establece como el límite, entonces sería irracional que una persona con una altura de 1.95m sea considerada como alta y otra persona de 1.85m no lo sea. En este caso la mente humana podría pensar acerca de la fuerza y la debilidad de la relación entre un dato ejemplo y el establecimiento del límite. En lógica difusa, esto se denomina grado de pertenencia.
El hombre ha estado tratando de duplicar el pensamiento humano desde la invención de la computadora. Los sistemas expertos, el más antiguo de los campos de la investigación de la inteligencia artificial, prometen conseguirlo. Aunque en ciertas aplicaciones los sistemas expertos pueden crear patrones similares, están lejos de haber dominado la tarea. Las reglas de producción son la base de la representación del conocimiento en los sistemas expertos convencionales. En estos sistemas regidos por reglas, el comportamiento del sistema esta típicamente definido usando tres clases de términos hablados. Estas palabras describen cantidades técnicas, conjunciones y causalidades. Las reglas de producción convencionales, sin embargo, están limitadas porque no reflejan el significado oculto de las palabras específicas. Esto se refiere al hecho de que en la lingüística humana, la misma palabra puede tener varias connotaciones. Para que las reglas de producción modelen adecuadamente los patrones del pensamiento humano, ellas deben incluir esta característica. Las reglas de producción convencionales tienen otra desventaja: una precondición de validez debe ser claramente definida. Esta definición tajante no existe habitualmente en el pensamiento humano.
Los sistemas de lógica difusa son también regidos por reglas, pero ellas usan diferentes conceptos para representar a los elementos lingüísticos. Las cantidades técnicas son representadas por variables lingüísticas, esto permite a las expresiones ser más o menos verdad en uno o incluso varios conjuntos. Las reglas lingüísticas son formadas usando operadores que representan conjunciones y disyunciones lingüísticas. Finalmente, los cómputos de las mismas reglas, representadas por una causalidad lingüística, son ejecutados. Este paso es llamado inferencia difusa y en los sistemas expertos difusos su proceso se encarga a la máquina de inferencia. Como un mecanismo de complemento, los métodos de codificación difusa y decodificación difusa encadenan el sistema experto completo al proceso.
Durante años de actividad, la inteligencia artificial estuvo dedicada a las investigaciones teóricas y al desarrollo de experimentos a través de programas que demostraran “actitudes inteligentes”, con estos programas se pretendía que la máquina jugara ajedrez, demostrara teoremas matemáticos, y otros. En los ya pasados años 1970 surgió un nuevo paradigma en la inteligencia artificial, los denominados “sistemas expertos”, cuya función consistía en desarrollar trabajos similares a los que desarrollaría un especialista en un área determinada, la idea no radicaba en sustituir a los expertos, sino que estos sistemas sirvieran de apoyo a los especialistas en un “dominio” de aplicación específico y ampliamente especializado.
Los sistemas expertos constituyen de manera esencial sistemas de computación basados en conocimientos cuyos componentes representan un enfoque cualitativo de la programación. Muchas personas pueden creer que un sistema experto es un sistema compuesto por subsistemas y a su vez estos por otros subsistemas hasta llegar a los programas, y que los sistemas expertos se miden por la cantidad de programas que contienen. Sin embargo la cantidad no es lo que prima en los sistemas expertos, si no la calidad del mismo, esta cualidad está dada por la separación de las reglas que describen el problema, del programa de control que es quien selecciona las reglas adecuadas. Se puede decir que un sistema experto está compuesto por una base de conocimiento, una base de hechos y una máquina de inferencias. Por otra parte estos sistemas no se miden por la cantidad de instrucciones o programas sino por la cantidad de reglas que hay contenida en su base de conocimiento. La principal diferencia entre un sistema experto tradicional con un sistema experto difuso es que el primero se encuentra basado en reglas de producción con lógica clásica y el segundo en reglas de producción con lógica difusa, bajo el supuesto que la mayoría de los ingenieros del conocimiento utiliza un formalismo de representación de conocimiento conocido como reglas de producción.
Para el desarrollo de un sistema experto difuso primero es necesario abordar un área de interés, dentro de esta área se selecciona a los expertos, que son los especialistas capaces de resolver los problemas en dicha área. Por ejemplo el área de interés de la prospección petrolera son precisamente los proyectos de inversión petrolera y un especialista podría ser un ingeniero petrolero. Ahora bien, casi siempre estos especialistas, son expertos en un dominio específico y es sobre este dominio, donde poseen su mayor experiencia. Una vez seleccionado al experto o a los expertos y que estos estén de acuerdo en proporcionar sus conocimientos, comienza a jugar su papel el “ingeniero del conocimiento”, que es el encargado de extraer los conocimientos al experto y diseñar una representación adecuada, ya sea en forma de reglas u otro tipo de representación, conformando así la base de conocimientos del sistema experto.
Por su parte la lógica difusa es una innovación tecnológica que usa métodos como la codificación difusa, reglas difusas y la decodificación difusa para permitir que el comportamiento deseado de un sistema sea descrito usando el lenguaje natural cotidiano. Sus aplicaciones van desde bienes de electrónica de consumo y aplicaciones caseras hasta procesos de ingeniería y automatización industrial. Dichas aplicaciones no se logran con el uso del modelado matemático convencional, sino con lógica difusa y su lenguaje de cómputo coloquial. La lógica difusa es una lógica aproximada al razonamiento de los seres humanos. Una disciplina matemática teórica que reacciona a los constantes cambios de las variables, reta a la lógica tradicional en que no está restringida a los valores de cómputo binarios como el cero y el uno. En cambio, permite las verdades parciales y el manejo de múltiples valores. Esta disciplina se encuentra adelantada en problemas que no pueden ser fácilmente representados por que su modelo matemático no está disponible o se encuentra incompleto. El lenguaje natural usado en el control difuso permite a los ingenieros del software incorporar la naturaleza ambigua y aproximada de la lógica humana a la computadora. El uso del modelado lingüístico, en lugar del matemático, mejora grandemente la transparencia del sistema y el potencial de modificación. Permite ciclos de desarrollo rápidos, programación sencilla y control cuasi exacto.
La lógica se reconoce como la más precisa de todas las ciencias y disciplinas teóricas. Muchas de las ciencias modernas y matemáticas se basan en sus principios de precisión. Despistan las ventajas de su exactitud, la lógica booleana clásica tiene un serio problema: no puede reproducir los patrones del pensamiento humano. Esto es porque los patrones del pensamiento humano son principalmente intuitivos. En ambos, pensamiento y lingüística humanos, las referencias a conceptos definidos vagamente son frecuentes. Un ejemplo de esto es el conjunto de gente alta, un concepto que puede ser fácilmente entendido esconde el problema del establecimiento de qué altura puede ser una persona ser considerada alta. En la lógica tradicional, la idea de “persona alta” debe ser correlacionada con una altura exacta. Sin una frontera límite sería imposible establecer si una premisa es verdadera o falsa. Si, por ejemplo, 1.90m se establece como el límite, entonces sería irracional que una persona con una altura de 1.95m sea considerada como alta y otra persona de 1.85m no lo sea. En este caso la mente humana podría pensar acerca de la fuerza y la debilidad de la relación entre un dato ejemplo y el establecimiento del límite. En lógica difusa, esto se denomina grado de pertenencia.
El hombre ha estado tratando de duplicar el pensamiento humano desde la invención de la computadora. Los sistemas expertos, el más antiguo de los campos de la investigación de la inteligencia artificial, prometen conseguirlo. Aunque en ciertas aplicaciones los sistemas expertos pueden crear patrones similares, están lejos de haber dominado la tarea. Las reglas de producción son la base de la representación del conocimiento en los sistemas expertos convencionales. En estos sistemas regidos por reglas, el comportamiento del sistema esta típicamente definido usando tres clases de términos hablados. Estas palabras describen cantidades técnicas, conjunciones y causalidades. Las reglas de producción convencionales, sin embargo, están limitadas porque no reflejan el significado oculto de las palabras específicas. Esto se refiere al hecho de que en la lingüística humana, la misma palabra puede tener varias connotaciones. Para que las reglas de producción modelen adecuadamente los patrones del pensamiento humano, ellas deben incluir esta característica. Las reglas de producción convencionales tienen otra desventaja: una precondición de validez debe ser claramente definida. Esta definición tajante no existe habitualmente en el pensamiento humano.
Los sistemas de lógica difusa son también regidos por reglas, pero ellas usan diferentes conceptos para representar a los elementos lingüísticos. Las cantidades técnicas son representadas por variables lingüísticas, esto permite a las expresiones ser más o menos verdad en uno o incluso varios conjuntos. Las reglas lingüísticas son formadas usando operadores que representan conjunciones y disyunciones lingüísticas. Finalmente, los cómputos de las mismas reglas, representadas por una causalidad lingüística, son ejecutados. Este paso es llamado inferencia difusa y en los sistemas expertos difusos su proceso se encarga a la máquina de inferencia. Como un mecanismo de complemento, los métodos de codificación difusa y decodificación difusa encadenan el sistema experto completo al proceso.
No hay comentarios:
Publicar un comentario