Inteligencia Artificial

Diferentes metodologías: 1.La lógica difusa: permite tomar decisiones bajo condiciones de incerteza. 2.Redes neuronales: esta tecnología es poderosa en ciertas tareas como la clasificación y el reconocimiento de patrones. Está basada en el concepto de "aprender" por agregación de un gran número 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 interacción entre las neuronas se lleva a cabo a través de sinapsis. Según el signo, la sinapsis es excitadora o inhibidora. El perceptrón está constituido por las entradas provenientes de fuentes externas, las conexiones y la salida. En realidad un perceptrón es una Red Neuronal lo más simple posible, es aquella donde no existen capas ocultas. Para cada configuración de los estados de las neuronas de entrada (estímulo) la respuesta del perceptrón obedece a la siguiente dinámica: se suman los potenciales sinápticos y se comparan con un umbral de activación. Esta suma ponderada es también 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 perceptrón no se puede realizar más 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 ecuación lineal. En dos dimensiones, es una recta, en tres dimensiones un plano, etc. Si se quieren realizar funciones más 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 más comúnmente usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y de éstas hacia la salida. El funcionamiento de una Red Neuronal es gobernado por reglas de propagación de actividades y de actualización de los estados. Experiencia, Habilidades y Conocimiento Los tipos de experiencia que son de interés en los sistemas basados en conocimiento, pueden ser clasificados en tres categorías: asociativa, motora y teórica. Los sistemas basados en conocimiento son excelentes para representar conocimiento asociativo. Este tipo de experiencia refleja la habilidad heurística o el conocimiento que es adquirido mayoritariamente, a través de la observación. Puede ser que no se comprenda exactamente lo que ocurre al interior de un sistema (caja negra), pero se pueden asociar entradas o estímulos con salidas o respuestas, para resolver problemas que han sido previamente conocidos. La experiencia motora es más física que cognitiva. La habilidad se adquiere fundamentalmente a través del ejercicio y la práctica física constante. Los sistemas basados en conocimiento no pueden emular fácilmente este tipo de experiencia, TCS Public TCS Public

principalmente por la limitada capacidad de la tecnología robótica. La experiencia teórica y el conocimiento profundo permite que los humanos puedan resolver problemas que no se han visto antes, es decir, no existe una posibilidad asociativa. El conocimiento teórico y profundo se adquiere a través de estudio y entrenamiento formal, así como por medio de la resolución directa de problemas. Debido a su naturaleza teórica, este conocimiento se puede olvidar fácilmente, a no ser que se use en forma continua. Al momento, los sistemas convencionales basados en conocimiento tienen muchas dificultades para duplicar este tipo de experiencia. Sin embargo, los Sistemas de Razonamiento Basado en Modelos representan un notable intento de encapsular este conocimiento profundo y razonar con él.

Concepto: ¿ Que es una Red Neuronal (Neural, Neural Networks) ? Es un sistema compuesto por un gran número de elementos básicos (Artificial Neurons), agrupados en capas (Layers) y que se encuentran altamente interconectados (Synapses); Esta estructura posee varias entradas y salidas, las cuales serán entrenadas para reaccionar (valores O), de una manera deseada, a los estímulos de entrada (valores I). Estos sistemas emulan , de una cierta manera, al cerebro humano. Requieren aprender a comportarse (Learning) y alguien debe encargarse de enseñarles o entrenarles (Training), en base a un conocimiento previo del entorno del problema. Aplicación: ¿ Para que son útiles las Redes Neuronales (Neural Networks) ? Esta tecnología es muy útil en unos pocos y muy especiales problemas. A grandes rasgos, estas aplicaciones son aquellas en las cuales se dispone de un registro de datos y nadie sabe exactamente la estructura y los parámetros que pudieran modelar el problema. En otras palabras, grandes cantidades de datos y mucha incertidumbre en cuanto a la manera de como estos son producidos.

TCS Public TCS Public

Como ejemplos de las aplicaciones de las redes neuronales (Neural Networks) se pueden citar: las variaciones en la bolsa de valores, los riesgos en préstamos (Forecasting), el clima local, el reconocimiento de patrones en rostros (Face Pattern Recognition) y la minería de datos (data mining). Diseño: ¿ Cómo se construyen las Redes Neuronales (Neural Networks) ? Se pueden realizar de varias maneras. Por ejemplo en hardware utilizando transistores a efecto de campo (FET) o amplificadores operacionales, pero la mayoría de las RN se construyen en software, esto es en programas de computación. Existen muy buenas y flexibles herramientas disponibles en internet que pueden simular muchos tipos de neuronas (Neurons), conexiones sinápticas (Synapses) y estructuras. Aspectos a considerar en la red neuronal: Elemento básico. Neurona artificial. Pueden ser con salidas binarias, análogas o con codificación de pulsos (PCM). Es la unidad TCS Public TCS Public

básica de procesamiento que se conecta a otras unidades a través de conexiones sinápticas (Synaptic Connection). La estructura de la red. La interconexión de los elementos básicos. Es la manera como las unidades básicas se interconectan.

Un ejemplo de como se combinan los aspectos mencionados es el perceptrón multicapa (Multi-Layer Perceptrón), entrenado con el algoritmo del "backpropagation". Se trata de una red compuesta por varios estratos de neuronas con respuestas basadas en funciones exponenciales, y cuyas conexiones sinápticas se determinan de manera de minimizar un error cuadrático medio. Otro ejemplo es el mapa auto-organizado de Kohonen (Selforganizing Map), en el cual sólo se requiere conocer la salida del sistema. Elemento básico. Neurona artificial (Artificial Neuron). Un neurona artificial es un elemento con entradas, salida y memoria que puede ser realizada mediante software o hardware. Posee entradas (I) que son ponderadas (w), sumadas y comparadas con un umbral (t).

TCS Public TCS Public

s = I1 * w1 + I2 * w2 + … + In * wn - t o = f (s)

La señal computada de esa manera, es tomada como argumento para una función no lineal (f), la cual determinará el tipo de neurona y en parte el tipo de red neuronal (Neural Network). Esta función puede tener diferentes formas, siendo la más comun la función sigmoidal (Sigmoid Function). A continuación se presentan algunos ejemplos:

La estructura de la red (Neural Network). La interconexión de los elementos básicos. Es la manera como las unidades(artificial neurons) comunican sus salidas a las entradas de otras unidades. Por lo general estas están agrupadas en capas (layers), de manera tal, que las salidas de una capa están completamente conectadas a las entradas de la capa siguiente; en este caso decimos que tenemos una red completamente conectada. Es posible tener redes en las cuales sólo algunas de las unidades están TCS Public TCS Public

conectadas, también podemos tener conexiones (Synapses) de realimentación, conectando algunas salidas hacia entradas en capas anteriores (no se confunda esto con el "back propagation").

Para obtener un resultado aceptable, el número de capas debe ser por lo menos tres. No existen evidencias, de que una red con cinco capas resuelva un problema que una red de cuatro capas no pueda. Usualmente se emplean tres o cuatro capas.

Aprendizaje. El proceso de entrenamientolas Redes Neuronales (Neural Networks Training). Este proceso consiste en una adaptación progresiva de los valores de las conexiones sinápticas (Synaptic Connections), para permitir a la Red Neuronal (Neural Network) el aprendizaje de un comportamiento deseado. Para lograr esto, alimentamos a la red con una entrada de los datos de entrenamiento, comparamos la salida de la red con la salida de los datos de entrenamiento; la diferencia se usa para computar el error (cuadrático medio) de la respuesta de la red. Con un algoritmo apropiado (como el "Backpropagation") es posible retocar los valores de los pesos sinápticos con el fin de reducir el error. Estas correcciones deben realizarse varias veces o ciclos, para todo el conjunto de entradas-salidas de los datos de entrenamiento.

TCS Public TCS Public

Ejecución. Comportamiento final de la Red Neuronal (Neural Network). Para este trabajo debemos disponer de una red entrenada. Es posible alimentar a este sistema con una nueva entrada (nunca antes vista), una situación nueva, y nuestra Red Neuronal (Neural Network) producirá una respuesta razonable ó inteligente en sus salidas. Puede tratarse de la predicción de un valor en la bolsa en ciertas circunstancias (Forcasting), el riesgo de un nuevo préstamo, una advertencia sobre el clima local ó la identificación de una persona en una nueva imagen (Pattern Recognition). Es sencillo, pero funciona ¡ El futuro de las Redes Neuronales (Neural Networks) estará determinado en parte por el desarrollo de chips ad hoc, avances en la computación óptica/paralela y tal vez en un nuevo tipo de unidad química de procesamiento.

TCS Public TCS Public

sábado Lógica Difusa en la Inteligencia Artificial En la Inteligencia Artificial, la lógica difusa es utilizada para la resolución de problemas, mas que todo los que se relacionan con el control de procesos industriales complejos y sistemas de decisión en general. Estan mayormente extendidos en la tecnología cotidiana, como lo són: Camaras digitales, sistemas de aire acondicionado, lavarropas, etc. Estos sistemas imitan la forma en que un humano toma desiciones, solo que con una mayor rápidez. En la lógica difusa, se usan modelos matemáticos para representa nociones subjetivas, como caliente/ tibio/ frio. También tiene un especial la " variable del tiempo" , ya que los sistemas de control pueden necesitar retroalimentarse en un espacio concreto de tiempo.

Una Introduccion a la Logica Difusa (Generation5.org)

Inteligencia Artificial • • •

Artículo original: An Introduction to Fuzzy Logic Autor: James Matthews Traductor: Year of the Dragon

Esta es una introducción muy básica a la lógica difusa. Es posible que si ya has leído algo algo de documentación sobre lógica difusa, probablemente no encuentres nada nuevo en este ensayo. Aunque es posible que resulte de interés una pequeña clase en C++ canónico que escribí para manipular operadores de lógica difusa. Mira al final del ensayo para verlo. ¿Cuantas veces en la vida real las preguntas permiten respuestas tan simples como 'verdadero' o 'falso'? ¡De hecho en muy pocas ocasiones! La idea de lógica difusa tiene sus inicios en Platón que propuso una tercera región entre verdadero y falso lo incierto. Pasaron varios siglos antes de que este sistema siquiera llegara a formalizarse. A principios del siglo XX, Lukasiewicz propuso un sistema lógico con tres valores. Más tarde, Lukasiewicz experimentó con sistemas lógicos con cuatro y TCS Public TCS Public

cinco valores, y finalmente propuso que una lógica basada en infinitos valores no era menos plausible que una finita. Finalmente, en 1965, Lofti Zadeh publicó su trabajo sobre lo que llamó lógica difusa - una parte de la teoría de grupos que operaba sobre el rango [0.0 - 1.0].

[editar]

Teoría de Grupos Difusos La mayor diferencia entre la lógica difusa y la lógica booleana (estándar) son los valores posibles en el rango 0.0 a 1.0 (inclusive), no solo 0 y 1. Por ejemplo, puedes decir que el valor de verdad difusa (FTV) de la declaración "Graham es alto" es 0.75 si Graham mide 2 metros. Para escribir esto formalmente: m(ALTO(Graham)) = 0.75 m es una función de pertenencia y es la función que asignará a 2 metros un FTV de 0.75. La función de pertenencia puede ser increíblemente simple, o increíblemente compleja. Por ejemplo, una función de pertenencia relativamente simple puede ser:

Una definición formal de una función de pertenencia puede definirse como una función que crea una correspondencia para cada punto del grupo difuso A con el intervalo real [0.0, 1.0] de tal manera que m(A(x)) es una aproximación del grado de pertenencia de x en A. Operadores Lógicos En la lógica booleana existen los operadores unión (OR), intersección (AND) y no (NOT). Estos operadores también existen en la lógica difusa, pero se definen de forma diferente: • • •

A OR B = MAX(m(A(x)), m(B(x))) A AND B = MIN(m(A(x)), m(B(x))) A' (NOT A) = 1 - mA(x)

Los operadores de intersección y unión son el inicio obvio tanto para la lógica booleana y las funciones probabilísticas estándar. Para ver porqué están definidas de esta manera, vamos a mirar un ejemplo. Vamos a tomar las declaraciones "Graham es muy alto" y "Graham es muy listo" - si las combinas usando la probabilidad, obtienes: m(ALTO(Graham)) * m(LISTO(Graham)) = 0.90 * 0.90 = 0.81

TCS Public TCS Public

Nota: Esto es, obviamente, tomando como para "muy" un valor de 0.9 tanto en la función de pertenencia ALTO como LISTO. Supongamos también que el rango [0.8 y 0.9) es igual a "bastante". La declaración resultante puede leerse como "Graham es bastante alto y listo" - esto es desde luego incorrecto. Usando lógica difusa: MIN(m(ALTO(Graham)) * m(LISTO(Graham))) = MIN(0.90, 0.90) = 0.90 Esto nos lleva a la declaración correcta "Graham es muy alto y listo". El resultado es más claro a más variables son tomadas en consideración, por ejemplo 6 variables con valores de 0.8 nos llevaría a 0.262 usando probabilidad - ¡muy alejado del valor difuso 0.8! Operadores Difusos (Hedges) Los operadores difusos son operadores que se crean de forma independiente para modificar los valores difusos. Al igual que la lógica difusa, para estos operadores existen correspondencias con el lenguaje natural. Por ejemplo, el operador difuso "MUY" puede igualarse a la ecuación m(A(x))2, o "ALGO" a m(A(x))0.5. Ten en cuenta que crear palabras de ecuaciones de valores difusos y realizar operaciones entre ellas (p.e. MENOR QUE) requiere manipulaciones algorítmicas complejas. Aún así esto se hace, notablemente por F. Wenstop que creo palabras de ecuaciones a vectores difusos de 7 valores.

Aplicaciones prácticas La lógica difusa puede aplicarse con facilidad a sistemas expertos cuya información es inherentemente difusa. Doctores, abogados e ingenieros pueden diagnosticar problemas mucho más rápido si el sistema experto que usan para diagnosticar el problema lista unas pocas soluciones difusas que pueden usar para aumentar sus propias conclusiones. Otra área donde se usa la lógica difusa es en el reconocimiento de textos escritos especialmente en Japón, trazos complicados Kanji pueden ser detectados mientras se escriben usando métodos difusos. También pueden verse aplicaciones de la lógica difusa en áreas como en el control de hornos para cemento o predicción/control financiero.

Código C++ Aunque este no es un caso de estudio porque no he buscado un ejemplo específico de lógica difusa, he escrito una pequeña clase para acompañar lo discutido anteriormente. La clase está construida para actuar como un valor difuso, todos los operadores de C++ han sido sobrecargados para poder utilizarse con cualquier tipo básico. Ten en cuenta que la clase permitirá que los valores sobrepasen por encima o por debajo el límite (0,1). Aquí hay un pequeño programa de ejemplo: #include

TCS Public TCS Public

#include <math.h> #include "fuzzy.h"

void main() { fuzzy fz1 = 0.5, // 0.5 fz2 = (fz1 | 0.4f) & 0.45f, // 0.45 fz3 = !fz2 | fz2, // 0.55 fz4 = !(fz1 - fz2); // 0.95 bool bl5 = fz3.contained(fz2), // false bl6 = fz2.contained(fz3); // true

cout << "Class 'fuzzy' logical operators:" << endl; cout << "fz1 = " << fz1 << endl << "fz2 = " << fz2 << endl << "fz3 = " << fz3 << endl << "fz4 = " << fz4 << endl; cout << endl; cout << "bl5 = " << ((bl5) ? "true" : "false") << endl << "bl6 = " << ((bl6) ? "true" : "false") << endl; } A partir de los comentarios que he puesto, ¡creo que puedes adivinar la salida del programa! De todas maneras, puede ver lo fácil que es usar la clase. Solo para estar seguros, miremos fz2 y fz3. fz2 es el resultado de ((0.5 OR 0.4) AND 0.45). Recuerda que OR toma el máximo, así que retorna 0.5, y AND toma el mínimo - de esta manera fz2 es igual a 0.45. fz3 es (NOT(fz2) OR fz2) - el NOT de fz2 es 10.45=0.55, que es mayor que 0.45.

La función "contenida" retorna verdadero si A <= B. La clase también tiene una rutina de conversión del tipo flotante, de esta manera puedes usar fuzzy y float por igual al pasar parámetros a las funciones (como cout::operator<<). Puedes bajarte

TCS Public TCS Public

el código de la clase difusa, alternativamente puedes mirar la documentación de la clase difusa y bajarla ahí.

Inteligencia Artificial y Robótica Con la ingente cantidad de divulgación científica realizada en los últimos años por los medios de comunicacion (habitualmente la televisión) podría parecer que la Inteligencia Artificial y la Robótica van de la mano, cuando en la práctica esto rara vez es así. Al menos hasta el año 1990 el 99.9% de los robots no disponian de más inteligencia que la proporcionada por un semáforo o una lavadora. En realidad esas máquinas son robots según la definición tradicional, la que dice que un robot es una máquina capaz de sustituir al ser humano en una cierta tarea.

Por ejemplo a principios de siglo XXI en Japón cuando la gente piensa en robots, imagina una máquina capaz de interactuar con los seres humanos. Mientras que en los EEUU un robot es una máquina capaz de pilotar un avion autonomamente o explorar un planeta lejano sin necesidad de intervención humana constante. ¿Que Inteligencia Artificial existe en estas máquinas? Habitualmente estos robots disponen de algoritmos deterministas que simulan un comportamiento Inteligente, pero muy pocos de estos "robots" realmente implementan técnicas propias de Inteligencia Artificial. Obviamente existen escepciones, pero por norma general los robots que se usan a gran escala no son excesivamente inteligentes.

Sin embargo hoy en día en la mayoría de paises desarrollados se considera que un robot es "algo más".

La Robótica Definición: El término robótica procede de la palabra robot. La robótica es, por lo tanto, la ciencia o rama de la ciencia que se ocupa del estudio, desarrollo y aplicaciones de los robots. Otra definición de robótica es el diseño, fabricación y utilización de máquinas automáticas programables con el fin de realizar tareas repetitivas como el ensamble de automóviles, aparatos, etc. y otras actividades. Básicamente, la robótica se ocupa de todo lo concerniente a los robots, lo cual incluye el control de motores, mecanismos automáticos neumáticos, sensores, sistemas de cómputos, etc. En la robótica se aúnan para un mismo fin varias disciplinas confluyentes, pero diferentes, como la Mecánica, la Electrónica, la Automática, la Informática, etc. El término robótica se le atribuye a Isaac Asimov. Los tres principios o leyes de la robótica según Asimov son: • • •

Un robot no puede lastimar ni permitir que sea lastimado ningún ser humano. El robot debe obedecer a todas las órdenes de los humanos, excepto las que contraigan la primera ley. El robot debe autoprotegerse, salvo que para hacerlo entre en conflicto con la primera o segunda ley.

Robots: Los robots son dispositivos compuestos de sensores que reciben datos de entrada y que pueden estar conectados a la computadora. Esta, al recibir la información TCS Public TCS Public

de entrada, ordena al robot que efectúe una determinada acción. Puede ser que los propios robots dispongan de microprocesadores que reciben el input de los sensores y que estos microprocesadores ordenen al robot la ejecución de las acciones para las cuales está concebido. En este último caso, el propio robot es a su vez una computadora. Otras definiciones para robot son: •

•

•

•

Máquina controlada por ordenador y programada para moverse, manipular objetos y realizar trabajos a la vez que interacciona con su entorno. Los robots son capaces de realizar tareas repetitivas de forma más rápida, barata y precisa que los seres humanos. El término procede de la palabra checa robota, que significa "trabajo obligatorio", fue empleado por primera vez en la obra teatral de 1921 R.U.R (Robots Universales de Rossum) por el novelista y dramaturgo checo Karel Capek. Desde entonces se ha empleado la palabra robot para referirse a una máquina que realiza trabajos para ayudar a las personas o efectúa tareas difíciles o desagradables para los humanos. Un robot es una manipulador multifuncional reprogramable diseñado para mover material, piezas, herramientas o dispositivos especializados a través de movimientos programados variables para la realización de tareas variadas. Para realizar cualquier tarea útil el robot debe interactuar con el entorno, el cual puede incluir dispositivos de alimentación, otros robots y, lo más importante, gente. Consideramos que la robótica abarca no solamente el estudio del robot en sí, sino también las interfaces entre él y sus alrededores. Ingenio electrónico que puede ejecutar automáticamente operaciones o movimientos muy variados, y capaz de llevar a cabo todos los trabajos normalmente ejecutados por el nombre. Manipulador multifuncional y reprogramable, diseñado para mover materiales, piezas, herramientas o dispositivos especiales, mediante movimientos programados y variables que permiten llevar a cabo diversas tareas.

El nombre de robots es tomado del vocablo checo "robota" que significa siervo y que es idéntico al término ruso que significa trabajo arduo, repetitivo y monótono, y lo usó por primera vez el escritor Karel Capek en 1917 para referirse en su obras a máquinas con forma humanoide. Deriva de "robotnik" que define al esclavo de trabajo En la actualidad, los avances tecnológicos y científicos no han permitido todavía construir un robot realmente inteligente, aunque existen esperanzas de que esto sea posible algún día. Hoy por hoy, una de las finalidades de la construcción de robots es su intervención en los procesos de fabricación. Estos robots, que no tienen forma humana en absoluto, son los encargados de realizar trabajos repetitivos en las cadenas de proceso de fabricación. En una fábrica sin robots, los trabajos antes mencionados los realizan técnicos especialistas en cadenas de producción. Con los robots, el técnico puede librarse de la rutina y el riesgo que sus labores comportan, con lo que la empresa gana en rapidez, calidad y precisión. TCS Public TCS Public

Tipos de robots •

•

•

•

•

Robots impulsados neumaticamente: La programación consiste en la conexión de tubos de plástico a unos manguitos de unión de la unidad de control neumático. Esta unidad está formada por dos partes: una superior y una inferior. La parte inferior es un secuenciador que proporciona presión y vacío al conjunto de manguitos de unión en una secuencia controlada por el tiempo. La parte superior es el conjunto de manguitos de unión que activan cada una de las piezas móviles del robot. Son los más simples que existen. Hay quien opina que a este tipo de máquinas no se les debería llamar robots; sin embargo, en ellas se encuentran todos los elementos básicos de un robot: estas máquinas son programables, automáticas y pueden realizar gran variedad de movimientos. Robots equipados con servomecanismos: El uso de servomecanismos va ligado al uso de sensores, como los potenciómetros, que informan de la posición del brazo o la pieza que se ha movido del robot, una vez éste ha ejecutado una orden transmitida. Esta posición es comparada con la que realmente debería adoptar el brazo o la pieza después de la ejecución de la orden; si no es la misma, se efectúa un movimiento más hasta llegar a la posición indicada. Robots punto a punto: La programación se efectúa mediante una caja de control que posee un botón de control de velocidad, mediante el cual se puede ordenar al robot la ejecución de los movimientos paso a paso. Se clasifican, por orden de ejecución, los pasos que el robot debe seguir, al mismo tiempo que se puede ir grabando en la memoria la posición de cada paso. Este será el programa que el robot ejecutará. Una vez terminada la programación, el robot inicia su trabajo según las instrucciones del programa. A este tipo de robots se les llama punto a punto, porque el camino trazado para la realización de su trabajo está definido por pocos puntos. Robots controlados por computadora: Se pueden controlar mediante computadora. Con ella es posible programar el robot para que mueva sus brazos en línea recta o describiendo cualquier otra figura geométrica entre puntos preestablecidos. La programación se realiza mediante una caja de control o mediante el teclado de la computadora. La computadora permite además acelerar más o menos los movimientos del robot, para facilitar la manipulación de objetos pesados. Robots con capacidades sensoriales:

Aún se pueden añadir a este tipo de robots capacidades sensoriales: sensores ópticos, codificadores, etc. Los que no poseen estas capacidades sólo pueden trabajar en ambientes donde los objetos que se manipulan se mantienen siempre en la misma posición. Los robots con capacidades sensoriales constituyen la última generación de este tipo de máquinas. El uso de estos robots en los ambientes industriales es muy escaso debido a su elevado costo. Estos robots se usan en cadenas de embotellado para comprobar si las botellas están llenas o si la etiqueta está bien colocada. •

Robots mosquitos: La cucaracha metálica se arrastra con gran destreza por la arena, como un verdadero insecto. A pesar de que Atila avanza a 2 km/h,

TCS Public TCS Public

•

tratando de no tropezar con las cosas, es «gramo por gramo el robot más complejo del mundo», según su creador, Rodney Brooks. En su estructura de 1,6 kg y 6 patas, lleva 24 motores, 10 computadores y 150 sensores, incluida una cámara de video en miniatura. La experimentación en operaciones quirúrgicas con robots abre nuevos campos tan positivos como esperanzadores. La cirugía requiere de los médicos una habilidad, precisión y decisión muy cualificadas. La asistencia de ingenios puede complementar algunas de las condiciones que el trabajo exige. En operaciones delicadísimas, como las de cerebro, el robot puede aportar mayor fiabilidad. Últimamente, se ha logrado utilizar estas máquinas para realizar el cálculo de los ángulos de incisión de los instrumentos de corte y reconocimiento en operaciones cerebrales; así mismo, su operatividad se extiende a la dirección y el manejo del trepanador quirúrgico para penetrar el cráneo y de la aguja de biopsia para tomar muestras del cerebro. Robot industrial: Nace de la unión de una estructura mecánica articulada y de un sistema electrónico de control en el que se integra una computadora. Esto permite la programación y control de los movimientos a efectuar por el robot y la memorización de las diversas secuencias de trabajo, por lo que le da al robot una gran flexibilidad y posibilita su adaptación a muy diversas tareas y medios de trabajo,

El robot industrial es pues un dispositivo multifuncional, es decir, apto para muy diversas aplicaciones, al contrario de la máquina automática clásica, fabricada para realizar de forma repetitiva un tipo determinado de operaciones. El robot industrial se diseña en función de diversos movimientos que debe poder ejecutar; es decir, lo que importa son sus grados de libertad, su campo de trabajo, su comportamiento estático y dinámico. La capacidad del robot industrial para reconfigurar su ciclo de trabajo, unida a la versatilidad y variedad de sus elementos terminales (pinzas, garras, herramientas, etc.), le permite adaptarse fácilmente a la evolución o cambio de los procesos de producción, facilitando su reconversión. Los robots industriales están disponibles en una amplia gama de tamaños, formas y configuraciones físicas. La gran mayoría de los robots comercialmente disponibles en la actualidad tienen una de estas cuatro configuraciones básicas: o o o o

Configuración polar Configuración cilíndrica Configuración de coordenadas cartesianas Configuración de brazo articulado

La configuración polar utiliza coordenadas polares para especificar cualquier posición en términos de una rotación sobre su base, un ángulo de elevación y una extensión lineal del brazo. La configuración cilíndrica sustituye un movimiento lineal por uno rotacional sobre su base, con los que se obtiene un medio de trabajo en forma de cilindro. La configuración de coordenadas cartesianas posee tres movimientos lineales, y TCS Public TCS Public

su nombre proviene de las coordenadas cartesianas, las cuales son más adecuadas para describir la posición y movimiento del brazo. Los robots cartesianos a veces reciben el nombre de XYZ, donde las letras representan a los tres ejes del movimiento. La configuración de brazo articulado utiliza únicamente articulaciones rotacionales para conseguir cualquier posición y es por esto que es el más versátil. Futuro de la robótica A pesar de que existen muchos robots que efectúan trabajos industriales, aquellos son incapaces de desarrollar la mayoría de operaciones que la industria requiere. Al no disponer de unas capacidades sensoriales bien desarrolladas, el robot es incapaz de realizar tareas que dependen del resultado de otra anterior. En un futuro próximo, la robótica puede experimentar un avance espectacular con las cámaras de televisión, más pequeñas y menos caras, y con las computadoras potentes y más asequibles. Los sensores se diseñarán de modo que puedan medir el espacio tridimensional que rodea al robot, así como reconocer y medir la posición y la orientación de los objetos y sus relaciones con el espacio. Se dispondrá de un sistema de proceso sensorial capaz de analizar e interpretar los datos generados por los sensores, así como de compararlos con un modelo para detectar los errores que se puedan producir. Finalmente, habrá un sistema de control que podrá aceptar comandos de alto nivel y convertirlos en órdenes, que serán ejecutadas por el robot para realizar tareas enormemente sofisticadas. Si los elementos del robot son cada vez más potentes, también tendrán que serlo los programas que los controlen a través de la computadora. Si los programas son más complejos, la computadora deberá ser más potente y cumplir nos requisitos mínimos para dar una respuesta rápida a la información que le llegue a través de los sensores del robot. Paralelo al avance de los robots industriales era el avance de las investigaciones de los robots llamados androides, que también se beneficiarán de los nuevos logros en el campo de los aparatos sensoriales. De todas formas, es posible que pasen decenas de años antes de que se vea un androide con mínima apariencia humana en cuanto a movimientos y comportamiento. 1. Realidad Virtual En la medida en que "Real" y "Virtual" son términos antagónicos, sobre todo en el lenguaje científico, parece un contrasentido que la Tecnología de Vanguardia nos hable de "Realidad Virtual". Ahora bien, en los últimos años, en las Ciencias Naturales –como lo es el caso de la Física- se ha seguido planteando las tradicionales dicotomías: Espacio y Tiempo, Materia y Energía, Cuerpo y Mente. Siendo las Ciencias Sociales y la Tecnología (con la Informática) las últimas fronteras que trataran de separar lo real de lo irreal.

TCS Public TCS Public

Con el teléfono y la radio, el oído supera la distancia y suple la voz real de hablante con reproducción electrónica convincente. Con la televisión, el ojo hace lo mismo con la imagen. Si podemos –y podemos- ampliar la ilusión a los demás sentidos (sobre todo al tacto) la "Tele Presencia" será un hecho. E igual que hay sistemas acústicos de alta fidelidad tan perfectos que hace imposible distinguir una grabación de por ejemplo, una orquesta real, es sólo cuestión de perfeccionamiento técnico el creer ilusiones multisensoriales prácticamente indistinguibles de una experiencia auténtica. Las implicaciones son a la vez fascinantes y aterradoras. Desde nuevas y revolucionarias formas de enseñanza o de rehabilitación de minusválidos, hasta nuevas y tal vez definitivas modalidades de drogadicción electrónica. Desde el sexo a distancia (o seres creados por ordenadores y sistemas de información) hasta la guerra teledirigida, siguiendo la máxima de que "En el amor y en la guerra todo vale" Junto con la Nanotecnología y la IA con las que se está confluyendo rápidamente, la REALIDAD VIRTUAL (RV) es sin duda el campo de investigación más importante del momento, el más prometedor y el más inquietante o el Mysterium Tremendum que la Mujer y el Hombre tendrán que afrontar en su próximo salto iniciativo. "Lo que la humanidad puede soñar, la Tecnología lo puede conseguir" (FUJITSU, 1990: SLOGANS) y parece a punto de cumplirse plenamente. ¿Qué sueños o pesadillas se llegarán a realizar con la Tecnología en los próximos años? Depende en buena medida de que estemos informados sobre sus posibilidades y tendencias. Imagínese una televisión envolvente con programas tridimensionales, incluso sonido tridimensional, objetos sólidos que pueden alzar y manipular y hasta tocar con los dedos y las manos. Imagínese inmerso en un mundo artificial en donde se explora activamente, en lugar de mirarlo con atención desde una perspectiva fija, mediante una pantalla plana en un cinematógrafo o en un televisor o una computadora. Imagínese que es el creador tanto como el consumidor de su experiencia artificial y que dispone del poder de usar un gesto o palabra para poder envolver el mundo que usted ve, oye y siente. Esta parte no es ficción. Si se tuviera que elegir una palabra anticuada para describir la categoría general a la que podría pertenecer esta nueva cosa, la candidata sería "Simulador". La Tecnología RV se parece a –y precisamente deriva de allí- los simuladores de vuelo que la Fuerza Área de los Estados Unidos de Norteamérica y las aerolíneas comerciales usan para entrenar a los pilotos. La RV también es un simulador, pero en lugar de mirar una pantalla bidimensional y operar un jostick, la persona que experimenta la RV está rodeada por una representación tridimensional generada por computadora, y es capaz de desplazarse en el mundo virtual bajo distintos ángulos para introducirse en él. Asirlo y remodelarlo. Un modo de ver la RV es como una ventana mágica que sé asoma a otros mundos, desde moléculas a mentes. La RV provocará que en las décadas TCS Public TCS Public

venideras del Siglo XXI, la realidad desaparezca detrás de una pantalla. "¿Está por transformarse la comercialización masiva de las experiencias de la realidad artificial en un mundo en que querríamos que vivieran nuestros nietos? ¿Cuáles son los potenciales más poderosos, más perturbadores, menos predecibles de la Realidad Virtual? Si pudiéramos tener una clara visión de los potenciales y trampas de la Realidad Virtual, ¿Cómo haríamos para optimizar los unos y evitar las otras? "El genio está fuera de la botella y no hay manera de revertir el ímpetu de la investigación de la Realidad Virtual; Pero es un genio joven y parcialmente entrenable y sobre todo accesible" (PAGELS, 1991:229) No puede detenerse la RV, aún cuando descubramos que es lo mejor que podemos hacer. Pero podríamos guiarla, si empezamos a pensar en ello. Las implicaciones más fantásticas de la RV ya han sido pregonadas en los medios de comunicación, mediante informes sobre lo que podría hacerse posible, como por ejemplo la "Teledildónica" (sexo simulado a distancia) o el "LSD Electrónico" (simulaciones tan poderosamente aditivas que reemplazarían a la realidad) Pero según Pagels, "El interés por la Realidad Virtual en los medios de comunicación era una mala idea. No se trata de que la promesa de la Tecnología Realidad Virtual no sea realmente espectacular, como parecen serlo las predicciones de las gafas de Rayos X y las ayudas de visualización más modernas y científicas. Se trata de que haya muchos problemas por resolver antes de que esas posibilidades demuestren a todos lo prácticas que son. Las especulaciones en los medios masivos, alimentan las expectativas de la gente respecto de progresos inminentes en una Tecnología que tardará años, tal vez décadas, en madurar y desarrollarse" (IBID, 125) Aunque algunos consideren que la investigación de los mundos virtuales no es ortodoxa y exotérica, las credenciales desmienten esos pensamientos. "Si percibimos nuestro rol con acierto, vemos entonces con más claridad el criterio adecuado para el éxito: Un fabricante de herramientas tiene éxito con su ayuda. Por más brillante que sea la hoja, por más hermosa que sea la empuñadura, por más perfecta que sea la forma, una espada se prueba sólo cortando. Este forjador de espadas tiene éxito cuando sus clientes mueren a edad avanzada" (BROOKS, 1991:257) Creemos que el uso de los sistemas de computación para la amplificación de la inteligencia es hoy mucho más intensivo y lo será en cualquier momento en el futuro que el uso de las computadoras para la IA. En la comunidad de la IA, el objetivo es reemplazar la mente humana por la máquina (CHARNIAK y MCDERMOTT), su programa y su base de datos. En la Comunidad de la Amplificación de la Inteligencia (captar la realidad mediante la ilusión), el objetivo consiste en construir sistemas que amplifiquen la mente humana proveyéndole auxiliares, basados en la computadora, que hacen las cosas que las mentes tienen dificultades para hacer. Con base en lo anterior, surge la siguiente aseveración (sin ser hipótesis), que nos permite él poder estudiar la relación RV con la Mente Humana y las Ciencias Sociales. TCS Public TCS Public

Existen tres áreas en las que la Mente Humana es más poderosa que cualquier algoritmo elaborado hasta ahora en las Ciencias. La primera es el Reconocimiento de Imágenes Visuales o Auditivas. Los computadores científicos ni siquiera tienen un buen método para aproximarse al poder de reconocimiento que usa un bebé de una semana para reconocer la cara de su madre desde un ángulo y con una iluminación que no haya visto. La segunda área importante de la superioridad, que tiene la humanidad sobre lo computacional, es el dominio de lo que se llama Evaluación. La tercera zona de la superioridad mental humana está en el "Sentido global del contexto que nos capacita para recordar, en el momento apropiado, algo que hemos leído en una oscura revista años atrás, con referencia a un tema completamente diferente y que de pronto se nos aparezca como significativa" (BELLMAN, 1978:875) De acuerdo con Broocks, los tres campos en los que las computadoras son más diestras que la mente humana son: "Evaluación de cálculos, acopio de cantidades masivas de datos, memorización de cosas sin posibilidad de olvidarlas" (BROOCKS, 1980:890) Con lo anterior, surge una posible relación entre la estructuración de un sistema cooperativo Hombre-Máquina. Mediante que la máquina haga los cálculos, memorice y busque las bases de datos, entendiendo por cálculos la evaluación de algunas funciones muy complicadas, mientras que el ser humano ejerce la estrategia, la evaluación, el reconocimiento de imágenes, planifica y busca información en un contexto. Cuando uno trata de definir la interfaz para ese sistema, se acerca al umbral de la RV y la IA.

TCS Public TCS Public