Indice1. Introducción 2. Aplicaciones 3. Historia 4. Redes Neuronales 5. Breve historia 6. Bibliografía
Se considera generalmente que el orígen remoto de la "Inteligencia Artificial" se remonta a los intentos por crear autómatas, que simulasen la forma y las habilidades de los seres humanos. Pero el orígen inmediato del concepto y de los criterios de desarrollo de la "I.A." se remonta a la intuición del matemático inglés Alan Turing y el apelativo "Inteligencia Artificial" se debe a McCarthy, uno de los integrantes del "Grupo de Darmouth", un grupo de investigadores que se reunió en 1956 en el Darmouth College (Estados Unidos), para discutir la posibilidad de construir máquinas que no se limitaran a hacer cálculos prefijados sino operaciones genuinamente "inteligentes". En primer lugar, revisemos algunas definiciones generales de inteligencia, antes de intentar definir inteligencia artificial. Inteligencia es la aptitud de crear relaciones. Esta creación puede darse de manera puramente sensorial, como en la inteligencia animal; también puede darse de manera intelectual, como en el ser humano, que pone en juego el lenguaje y los conceptos. También se la puede conceptuar como la habilidad para adquirir, comprender y aplicar conocimiento; o como la aptitud para recordar, pensar y razonar. La IA es una nueva generación de tecnología informática, caracterizada no sólo por su arquitectura (hardware), sino también por sus capacidades. El énfasis de generaciones previas fue en las computaciones numéricas para aplicaciones científicas o de negocios. La nueva generación de tecnología informática incluye además la manipulación simbólica, con el objetivo de emular el comportamiento inteligente; y, la computación en paralelo, para tratar de conseguir resultados prácticamente en tiempo real. La capacidad predominante de la nueva generación, también conocida como la Quinta Generación, es la habilidad de emular (y tal vez en algunos casos superar) ciertas funciones inteligentes del ser humano. Por ejemplo: Aprendizaje: Captación automática de conocimientos. Razonamiento: Sistemas basados en conocimientos. Bases de datos inteligentes. Prueba de teoremas y juegos. Percepción: Comprensión de lenguaje natural. Interpretación de escenas visuales (Visión por computadora). Locomoción y Manipulación: Realizar procesos mecánicos y tareas manuales (Robótica). Creación: Generación, verificación, depuración y optimización automática de programas. Algunas de las tareas que estos sistemas realizan en el campo de la IA son: Tareas generales Percepción: Visión, Fonemas. Lenguaje Natural: Comprensión, generación y traducción. Razonamiento de sentido común. Control de robots. Tareas formales Juegos: Ajedrez, Backgammon, Damas. Matemáticas: Geometría, Lógica, Cálculo Integral. Tareas expertas Ingeniería: Diseño, Localización de fallas, Planeamiento. Análisis Científico. Diagnóstico Médico. Análisis Financiero.
La inteligencia artificial aplicada al control del fraude de los móviles La empresa británica SearchSpace ha desarrollado un sistema de detección del fraude en los móviles basado en el uso que el propietario da al móvil El nuevo sistema aplica la Inteligencia Artificial (AI) a un software que registra la información de las llamadas del cliente. Para ello estudia los números a los que suele llamar, el tiempo que duran las llamadas y cuándo se hacen. A partir de ahí el sistema crea un patrón de conducta que detecta movimientos extraños. "Es como tener un guardián virtual asignado al propietario", aseguraron fuentes de la empresa. A finales de noviembre, SearchSpace firmó un acuerdo con Ericsson por el que el fabricante sueco utilizaría su sistema AI en su FraudOffice. Gracias al software, la oficina aprende de fraudes anteriores y descubre nuevas formas de abuso del sistema y de la red. Al utilizar un patrón reconocido, el sistema detecta el uso extraño del móvil y envía un mensaje de texto a la terminal para confirmar el PIN y la identidad del usuario. Si no se obtiene respuesta, el software apaga inmediatamente el teléfono. "Este sistema se diferencia de otros porque analiza el comportamiento dinámicamente. Al no tener reglas fijas, puede saber que el usuario hará más llamadas en fin de año y permitirlo", afirmó un portavoz de la empresa. Jason Kingdon, CEO de la empresa, subrayó que "la AI puede contribuir extremadamente al desarrollo de aplicaciones para el usuario, como la navegación por internet o el comercio electrónico a través del móvil"
Robótica – HOLA – HOLA ORDENADOR, ME GUSTARIA QUE ME AYUDARAS. – ¿DE QUE SE TRATA ? – NECESITO QUE ME DIGAS DONDE ENCONTRAR UN DIALOGO ENTRE MAQUINA Y HUMANO. – ¿PARA QUE ? – PARA UNA PAGINA WEB. – NO LO NECESITAS. – ¿CÓMO QUE NO ?, ¡ LO NECESITO PARA MAÑANA ! – YA TE HE DADO UNO.
Este es un claro ejemplo de lo que podría ser una conversación de un humano con una máquina en el futuro, aunque actualmente estamos muy lejos de llegar a esto. La Inteligencia Artificial "nació" en 1943 cuando Warren McCulloch y Walter Pitts propusieron un modelo de neurona del cerebro humano y animal. Estas neuronas nerviosas abstractas proporcionaron una representación simbólica de la actividad cerebral. Más adelante, Norbert Wiener elaboró estas ideas junto con otras, dentro del mismo campo, que se llamó " cibernética", de aquí nacería , sobre los años 50, la Inteligencia Artificial. Los primeros investigadores de esta innovadora ciencia, tomaron como base la neurona formalizada de McCulloch y postulaban que : " El cerebro es un solucionador inteligente de problemas, de modo que imitemos al cerebro".
Pero si consideramos la enorme complejidad del mismo esto es ya practicamente imposible, ni que mencionar que el hardware de la época ni el software estaban a la altura para ralizar semejantes proyectos. Se comenzó a considerar el pensamiento humano como una coordinación de tareas simples relacionadas entre sí mediante símbolos. Se llegaría a la realización de lo que ellos consideraban como los fundamentos de la solución inteligente de problemas, pero lo difícil estaba todavía sin empezar, unir entre sí estas actividades simples. Por lo tanto podemos decir a grandes rasgos que la Inteligencia Artificial es una ciencia que intenta la creación de programas para máquinas que imiten el comportamiento y la comprensión humana, que sea capaz de aprender, reconocer y pensar, aunque esto último está por ver, ya que, realmente, ¿qué significa pensar? y ¿en qué consiste el pensamiento?.
Ya hemos comentado anteriormente en la introducción que los primeros investigadores se habían quedado en elaborar sistemas inteligentes basados en el modelo de McCulloch. Es en los años 50 cuando se logra realizar un sistema que tuvo cierto éxito, se llamó el Perceptrón de Rossenblatt. Éste era un sistema visual de reconocimiento de patrones en el cual se aunaron esfuerzos para que se pudieran resolver una gama amplia de problemas, pero estas energías se diluyeron enseguida.
Fué en los años 60 cuando Alan Newell y Herbert Simon, que trabajando la demostración de teoremas y el ajedrez por ordenador logran crear un programa llamado GPS (General Problem Solver: solucionador general de problemas). Éste era una sistema en el que el usuario definía un entorno en función de una serie de objetos y los operadores que se podían aplicar sobre ellos. Este programa era capaz de trabajar con las torres de Hanoi, así como con criptoaritmética y otros problemas similares, operando, claro está, con microcosmos formalizados que representaban los parámetros dentro de los cuales se podían resolver problemas. Lo que no podía hacer el GPS era resolver problemas ni del mundo real, ni médicos ni tomar decisiones importantes. El GPS manejaba reglas heurísticas (aprender a partir de sus propios descubrimientos) que la conducían hasta el destino deseado mediante el método del ensayo y el error.
En los años 70, un equipo de investigadores dirigido por Edward Feigenbaum comenzó a elaborar un proyecto para resolver problemas de la vida cotidiana o que se centrara, al menos, en problemas más concretos. Así es como nació el sistema experto. El primer sistema experto fue el denominado Dendral, un intérprete de espectrograma de masa construido en 1967, pero el más influyente resultaría ser el Mycin de 1974. El Mycin era capaz de diagnosticar trastornos en la sangre y recetar la correspondiente medicación, todo un logro en aquella época que incluso fueron utilizados en hospitales (como el Puff, variante de Mycin de uso común en el Pacific Medical Center de San Francisco, EEUU). Ya en los años 80, se desarrollaron lenguajes especiales para utilizar con la Inteligencia Artificial, tales como el LISP o el PROLOG. Es en esta época cuando se desarrollan sistemas expertos más refinados, como por el ejemplo el EURISKO. Este programa perfecciona su propio cuerpo de reglas heurísticas automáticamente, por inducción.
Proyectos Actualmente se están realizando numerosos proyectos no solamente a nivel europeo, sino a nivel mundial, que por lógica son mucho más numerosos. Una de las vertientes que parece disponer de más adeptos en cuestión de Inteligencia Artificial, parece ser el Procesamiento del Lenguaje Natural, dado que no solamente da lugar a un aprovechamiento científico sino que además es de alto rendimiento en la sociedad para multitud de situaciones que no nos paramos a pensar muy a menudo. Muchos de los proyectos dispuestos en los enlaces de está página ya han concluido y disponen de información relativa a los mismos en sus páginas oficiales, que dada la extensa referencia expuesta sobre esos proyectos es aconsejable visitar. Muchos no disponen de enlaces pero sí de información que en la medida de lo posible se irá habilitando en esta parte de Proyectos Europeos. Ejemplos Procesamiento del lenguaje natural Aprendizaje automático Robótica
Comparación entre Humanos y Máquinas. El aparato computacional más poderoso conocido por el hombre es el cerebro humano. Un niño de tres años puede realizar fácilmente labores que superan por mucho las capacidades de las computadoras más sofisticadas: reconociendo docenas de caras y cientos de objetos desde diferentes ángulos, en condiciones de luz distintas, manipulando un ambiente complejo, entendiendo y usando un vocabulario complejo de lenguaje y gestos. Han sido gastados enormes esfuerzos en desarrollo para intentar reproducir versiones limitadas de algunas de estas capacidades en las computadoras, con pobres resultados. Una computadora puede realizar en segundos cálculos aritméticos que, a un ser humano, le llevarían años. La aritmética es difícil para los humanos e imposible para los animales. Dicha habilidad se considera tradicionalmente como un signo de gran inteligencia. Entonces, ¿qué causa la disparidad entre las habilidades del hombre y la máquina?. La diferencia obvia yace en la arquitectura fundamental de la computadora y del cerebro. Las computadoras tradicionales están basadas en la arquitectura de Von Neumann: un simple procesador que puede realizar operaciones simples aritméticas, lógicas y condicionales una a la vez, y una gran memoria. El cerebro humano, en contraste, consiste en un gran numero de células especializadas llamadas neuronas, interconectadas masivamente (se estima que hay del orden de diez billones de neuronas en el cerebro humano con un promedio de miles de conexiones por cada una). Estas neuronas son lentas (realizando cientos, en lugar de millones, de operaciones por segundo). Las Redes Neuronales Artificiales (ANN, por sus siglas en ingles o simplemente Redes Neuronales) son modelos computerizados inspirados en la estructura a bajo nivel del cerebro. Consisten en grandes cantidades de unidades de procesamiento sencillas llamadas neuronas, conectadas por enlaces de varias fuerzas. Las Redes Neuronales también pueden ser construidas con "hardware" especial o simuladas en computadoras normales. Sin embargo, el "hardware" neuronal especializado no es común, así que la simulación es la norma.
Las neuronas y el aprendizaje. El cerebro contiene un gran número de células especializadas llamadas neuronas. Una neurona tiene tres partes: un cuerpo celular, una fina estructura de entrada (Dendrita) y una gran estructura de salida (Axon). Un buen mnemónico es que dendrIta=Input (Entrada) y axOn=output (salida). Las terminales de los axones terminan en sinapsis: éstas son conexiones con casi todas las dendritas de otras neuronas, señales electro-químicas que se propagan por las neuronas desde sus sinapsis hacia otras neuronas. Esta conducta simple es modificada en varias formas: a) Una neurona sólo produce una señal (se dispara) si la señal de entrada supera una determinada cantidad en un periodo corto de tiempo. b) Las sinapsis varían en fuerza: algunas son buenas conductoras permitiendo una señal fuerte y otras una señal débil. c) Las sinapsis pueden ser: excitatorias o inhibitorias. Una sinapsis excitatoria añade una señal a la dendrita. En contraste, la inhibitoria reduce la señal de la dendrita. Ahora se cree que gran parte de la actividad cerebral es controlada por conexiones introductoras/removedoras entre neuronas, y alterando las fuerzas sinápticas de las conexiones. Por ejemplo, asumamos que dos neuronas representan dos conceptos: Comida y Campana. La neurona Comida transmite cada vez que la comida esta disponible y la neurona Campana cuando suena un campana. Si hay cena, la campana suena, de ahí que haya una conexión muy importante entre estos dos conceptos. El aprendizaje de Hebb postula que la fuerza sináptica entre neuronas se incrementa si representan conceptos asociados. Cada vez que la campana suena y la comida aparece, la conexión entre estas dos neuronas aumenta. Consecuentemente, el cerebro aprende a asociar la campana con comida. Ahora, si hay un número de conceptos que indican la proximidad de comida (hambre, olor), pueden combinarse y "pesarse" de acuerdo a su importancia relativa para determinar si la comida puede aparecer. La neurona de comida quizá pueda activarse sólo si coinciden un número de conceptos relacionados, por ejemplo, si la campana suena cuando no hay comida, puede no activarse.
Activación de las neuronas y su representación En las redes neuronales. Matemáticamente, podemos representar una neurona simplificada por un valor (que debe ser superado para que se active) y una lista de sus sinapsis y sus fuerzas asociadas. Las señales de entrada a una neurona son multiplicadas por sus fuerzas("pesos") asociadas y después se suman. El resultado se llama el nivel de activación de la neurona. Si el nivel de activación supera el valor de la neurona, ésta se activa y una señal se envía a cada neurona que tiene conectada. Se ha postulado que paquetes de neuronas deben compartir esencialmente entradas de otros paquetes, así que la conducta de neuronas individuales es irrelevante. Los paquetes de neuronas más que neuronas individuales necesitan ser modelados. En una red neuronal, se puede tomar que una neurona sencilla representa un paquete de neuronas reales para enfatizar que el modelo de neuronas usado hasta ahora es extremadamente simple con respecto al del cerebro humano.
Definiciones. – Estudio de Redes Neuronales de DARPA (1988, AFCEA International Press, p. 60): "Una red neuronal es un sistema compuesto de muchos elementos procesadores simples operando en paralelo, cuya función es determinada por la estructura de la red, fuerza en las conexiones y el procesamiento realizado por los elementos computacionales en los nodos." – Haykin, S. (1994, Neural Networks: A comprehensive foundation, NY, McMillan, P.2): "Una red neuronal es un procesamiento distribuido masivamente paralelo que tiene una tendencia natural para almacenar conocimiento empírico y hacerlo disponible para el uso. Recuerda al cerebro en dos aspectos: 1.- el conocimiento se adquiere por la red a través de un proceso de aprendizaje. 2.- Las conexiones interneurónicas se conocen como pesos sinápticos y se usan para almacenar el conocimiento." – Zurada,J.M. (1992, Introduction to artificial neural nsystems, Boston: PWS Publishing Company, P. XV): "Los sistemas de redes neuronales artificiales, o redes neuronales, son sistemas celulares físicos que puedan adquirir, almacenar y usar conocimiento empírico."
Las redes neuronales son una forma de un sistema computarizado multi-proceso con: – Elementos de procesamiento sencillos. – Alto grado de interconexión. – Mensajes simples escalares. – Interacción adaptable entre elementos.
En los 50's y 60's, se hicieron varios intentos para adaptar los modelos de Redes Neuronales para que se diera el aprendizaje. Rosenblatt diseñó el Perceptron. Éste contenía tres tipos de neuronas: sensoriales, asociativas y de respuesta. Las sensoriales tomaban entradas de fuera de la red, las unidades de respuesta propagaban señales fuera de la red, al mundo externo, y las asociativas eran meramente internas. La distinción entre estas tres neuronas es importante. Sin embargo ahora se refieren como unidades de entrada, de salida y ocultas. Rosenblatt desarrolló métodos para alterar los niveles sinápticos de forma que la red aprendiera a reconocer clases de entradas. Por ejemplo, produjo una red que aprendió a responder a líneas verticales, pero no a horizontales (se sabe que neuronas especializadas en la visión actúan de esta forma). Como muchas Redes Neuronales posteriores, el rasgo más importante del Perceptron de Rosenblatt es que aprendió a clasificar sus entradas "por ejemplo"; lo cual contrasta con la clásica ciencia computacional donde el programador escribe un programa que le dice a la computadora cómo clasificar sus entradas. En 1969, Minsky y Papert publicaron un libro que influenció mucho el pensamiento sobre redes neuronales. En primer lugar demostraron que para hacer algunas tareas importantes de clasificación en geometría requerían un incremento arbitrario en el tamaño del Perceptron mientras se iba incrementando el tamaño de la retina. En segundo lugar demostraron que los Percepetrones eran incapaces de aprender a resolver cualquier problema linealmente inseparable. Puesto que problemas muy simples son linealmente inseparables ( por ejemplo el XOR) este fue un grave problema. Después de los 80’s, el campo de la Inteligencia Artificial se hizo muy popular. En Inteligencia Artificial, la inteligencia se modela top-down, con algoritmos diseñados para modelar procesos mentales de alto nivel como la asociación de conceptos, deducción, inducción y razonamiento. Las redes aprenden a reconocer patrones por medio de un entrenamiento basado en varios ejemplos diferentes. Ellas son eficientes en el reconocimiento de patrones en un conjunto de datos. También son efectivas en el aprendizaje de patrones a partir de datos no lineales, incompletos, con ruidos y hasta compuestos por ejemplos contradictorios. La habilidad de manipular estos datos imprecisos, hace que las redes sean muy eficaces en el procesamiento de información sin reglas claras o que no puedan se formuladas fácilmente.
Procesamiento del lenguaje El procesamiento del lenguaje es, a nuestro entender, el que mejor demuestra, por ahora, los avances y las posibilidades de la I.A. Es también, por cierto, el que presenta el mayor interés para los comunicadores, ya que se relaciona directamente con el problema de la transmisión y del uso de la información.1. Palabras-claves Uno de los primeros intentos de lograr la Prueba de Turing utilizando el lenguaje natural (es decir el lenguaje común diario) con un computador -y el más famoso- ha sido el programa ELIZA creado por Weizenbaum en 1966, en el Instituto Tecnológico de Massachusetts. Pretendía simular una conversación entre un siquiátra y su paciente. Fue posiblemente el primer programa que logró dar la apariencia de un diálogo entre el usuario y la máquina. Pero, por cierto, a la larga cualquier usuario inteligente terminaba descubriendo que "algo andaba mal". Como lo expresó un siquiátra que probó sus virtudes: "El interlocutor (la máquina) tenía una muy seria lesión cerebral".No había en este caso ni un mínimo de captación de sentido, sino solo una hábil previsión de palabras-claves, acompañada de reglas para formular oraciones únicamente destinadas a inducir otra afirmación por parte del sujeto humano en interacción con él. En ausencia de alguna palabra-clave, entraban a jugar reglas de repetición o de inserción de alguna palabra aún sin uso, lo cual podía aparecer fácilmente como una preocupación fuera de contexto. Era, por lo tanto, un automatismo expresivo sin verdadero contenido significativo.2. Análisis gramaticalHasta este momento, el computador sólo "sabe" ejecutar órdenes dadas en un lenguaje especial y sólo puede reproducir, como mensaje al usuario, ciertas palabras que se incluyen en su programa o junto a él a modo de "datos" constantes. Se pensó que para una interracción en lenguaje natural habría que "enseñarle" un amplio vocabulario, la sintáxis y la gramática.Los programas basados en el análisis gramatical, que sucedieron a ELIZA, no lograron progresos significativos por no considerar que el niño no aprende a hablar a partir de las reglas gramaticales, sino captando por un lado el significado y por otro las mútiples maneras de expresarlo. Llega a la gramática sabiendo ya manejar los significados. Por lo tanto, la comprensión no se demuestra por la capacidad de análisis gramatical. Así, los intentos de la época (como las primeras traducciones automáticas) fracasaron estrepitosamente.Los progresos siguientes implican analizar el significado más que analizar las expresiones.3. Procesamiento del significado
El primer paso verdaderamente importante se dió cuando los investigadores descubrieron que los problemas de comprensión (sentido) no son idénticos a los de expresión (sintaxis). La comprensión del lenguaje se demuestra fundamentalmente en la capacidad de parafrasear, es decir de referirse a un mismo contenido cambiando su forma de expresión.Como consecuencia, el estudio ha avanzado hacia el nivel del procesamiento conceptual. Para que éste pueda ocurrir, se ha de "informar al computador" acerca del sentido de las palabras, para lo cual se ha de dotarlo de algo que rinda cuenta de la estructura de un área del conocimiento, en que las relaciones son de suma importancia. Así, por ejemplo, se ha de explicar lo que es un "regalo" relacionando este término con muchos otros como dar, recibir, donación, gratuidad, explicando que la propiedad del objeto es transferida de la primera persona a la segunda, que se da generalmente con oportunidad de un acontecimiento festivo, que es grato, que se ha de agradecer, etc. Todo ello de modo estrictamente formal (mediante reglas de asociación y sustitución de símbolos), ya que un sistema de cálculo no tiene posibilidad alguna de acceder al "sentido" de los símbolos.Toda información inicial (o pregunta) habrá entonces de ser traducida y vertida en un modelo fundamental que represente los múltiples aspectos del significado, independientemente de la gramática del lenguaje verbal. El programa deberá permitir utilizar este modelo de múltiples maneras, a fin de relacionar los datos de un modo nuevo y, así, generar una paráfrasis o una respuesta a una pregunta acerca de los datos, es decir realizar una inferencia a partir del conocimiento.
Pregunta frecuentes Tabla de contenido ¿Que es la Inteligencia Artificial… ? ¿Para que sirve la Inteligencia Artificial … ? ¿Que son las Redes Neuronales… ? ¿Quién inventó los términos "inteligencia artificial" (cuándo)? ¿Quienes fuerón los precursores de la Inteligente Artificial"?¿Cuándo … ? ¿Que es la Inteligencia Artificial… ?
Para algunos se trata de "la capacidad de un sistema auto corregido de responder a cambios externos procedentes de un entorno, al que debe adaptarse de manera satisfactoria", para otros resolver crucigramas, para otros mas atrevidos, controlar el medicamento de un paciente, guiar un misil, etc
Ir al principio ¿Para que sirve la Inteligencia Artificial. ? Para ayudar al Hombre a resolver más rápidamente problemas complicados se pueden aplicar en : Percepción: Visión, Fonemas. Lenguaje Natural: Comprensión, generación y traducción. Razonamiento de sentido común. Control de robots. Juegos: Ajedrez, Back gamón, Damas. Matemáticas: Geometría, Lógica, Cálculo Integral. Ingeniería: Diseño, Localización de fallas, Planeamiento. Análisis Científico. Diagnóstico Médico. Análisis Financiero.
Ir al principio Que son las Redes Neuronales… ? Las Redes Neuronales Artificiales (ANN, por sus siglas en ingles o simplemente Redes Neuronales) son modelos computerizados inspirados en la estructura a bajo nivel del cerebro. Consisten en grandes cantidades de unidades de procesamiento sencillas llamadas neuronas, conectadas por enlaces de varias fuerzas. Las Redes Neuronales también pueden ser construidas con "hardware" especial o simuladas en computadoras normales. Sin embargo, el "hardware" neuronal especializado no es común, así que la simulación es la norma.
Ir al principio ¿Quién inventó los términos "inteligencia artificial" (cuándo)? Los integrantes del grupo eran Samuel, que había escrito un programa de juego de damas capaz de aprender de su propia experiencia; McCarthy, que estudiaba sistemas capaces de efectuar razonamientos de sentido común; Minsky, que trabajaba sobre razonamientos analógicos de geometría; Selfridge, que estudiaba el reconocimiento visual por computador, Newell, Shaw y Simon, que habían construido un programa para la demostración automática de teoremas, y algunos otros. Fueron los verdaderos iniciadores en el campo de investigación que McCarthy bautizó como "Inteligencia Artificial".Ir al principio
¿Quienes fuerón los precursores de la Inteligencia Artificial"?En GreciaSe considera generalmente que el orígen remoto de la "Inteligencia Artificial" se remonta a los intentos por crear autómatas, que simulasen la forma y las habilidades de los seres humanos. Los griegos, además de la famosa paloma de Arquitas, crearon numerosos juguetes y artefactos automáticos como los que construyó Arquímedes para proteger a Siracusa del asedio de la flota romana.Pero se debe a Herón de Alejandría la primera construcción de un autómata con forma humana: construyó actores artificiales que representaban una obra sobre la Guerra de Troya. Aunque, por cierto, la mitología griega atribuye a Hefaistos (dios del fuego y primer herrero) la fabricación de los primeros "robots" de forma humana.En la Edad MediaHay que esperar la Edad Media para encontrar la continuación de estos esfuerzos. San Alberto Magno tuvo un "mayordomo" que abría la puerta y saludaba al visitante, y Leonardo construyó un león que caminaba. También se cita habitualmente al "Golem", hombre hecho de barro, obra del rabino húngaro Low que lo "dotó de vida" en una ceremonia mágica (lo cual desvirtúa por cierto el valor científico del invento).Era Moderna En el Siglo XVII, los Droz, padre e hijo, construyeron tres androides: dos niños y una joven. Un niño escribía, el otro dibujaba y la joven tocaba el órgano y simulaba respirar. Esta realización (basada en mecanismos de relojería) les valió ser detenidos y encerrados y quemados por la Inquisición.
http://www.santafe.edu/projects/swarm/ Swarm: multi-agent simulation of complex systems. Plataforma de desarrollo de Vida Artificial, Computación Evolutiva y todo tipo de Sistemas Complejos, para UNIX GNU y Xwindows Algoritmos Genéticos, Computación Evolutiva Dpto. Ciencias de la Computación e Inteligencia Artificial. Ciencias de la Computación e Inteligencia Artificial. Universidad de Sevilla. URL: http://www-cs.us.es/ • Centro de Inteligencia Artificial – ITESM México Pagina del Centro de Inteligencia Artificial, ITESM Campus Monterrey URL: http://www-cia.mty.itesm.mx/ • Asociación Española de Inteligencia Artificial (AEPIA) Asociación Española para la Inteligencia Artificial (AEPIA) Miembro del 'European Coordinating Committee for Artificial Intelligence' (ECCAI)… URL: http://aepia.dsic.upv.es/ • Departamento de Ciencia de la Computación e Inteligencia Artificial Departamento de Ciencia de la Computación e Inteligencia Artificial. Información General URL: http://www.dccia.ua.es/ • Departamento de Inteligencia Artificial — Home Page Departamento de Inteligencia Artificial. [English version] URL: http://www.dia.fi.upm.es/ • Dpto. Ciencias de la Computación e Inteligencia Artificial.
Ciencias de la Computación e Inteligencia Artificial. Universidad de Sevilla. URL: http://www.cs.us.es/ • Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Granada. Escuela Técnica Superior de Ingeniería Informática. Departamento de Ciencias de la Computación e Inteligencia Artificial…. URL: http://decsai.ugr.es/ • DEPARTAMENTO DE INTELIGENCIA ARTIFICIAL URL: http://ia-serv.dia.uned.es/ • AIC – Centro de Inteligencia Artificial Universidad. de. Oviedo en Gijón. Inteligencia Artificial… URL: http://www.aic.uniovi.es/ •
Autor:
Bareiro Avalos Victor Bogado Diego Javier