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 (Self-

organizing 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 <iostream.h>

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 1-
0.45=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 Por ejemplo a principios de siglo XXI en Japón

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

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 Configuración polar
o Configuración cilíndrica
o Configuración de coordenadas cartesianas
o 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