ks11_3.4MB_extensa.pdf (1428) Contador versión extensa. download

Komputer Sapiensc©2008 Sociedad Mexicana de Inteligencia Artificial

Avenida Juan de Dios Batiz s/n, esquina Miguel Othon de MendizabalColonia Nueva Industrial Vallejo. Unidad Profesional Adolfo Lopez MateosMexico D.F., C.P. 07738.

Impreso en Mexico por Sistemas y Disenos de MexicoAragon No. 190, Colonia Alamos, Delegacion Benito JuarezMexico D.F., C.P. 03400Telefonos 55.30.14.34 y 55.19.20.84.

ISSN en tramite

Komputer Sapiens es una revista de divulgacion en idioma espanol de temas relacionados con laInteligencia Artificial. La revista es patrocinada por la SMIA, la Sociedad Mexicana de InteligenciaArtificial.

Los artıculos y columnas firmados son responsabilidad exclusiva de los autores y no reflejan nece-sariamente los puntos de vista de la Sociedad Mexicana de Inteligencia Artificial.

La mencion de empresas o productos especıficos en las paginas de Komputer Sapiens no implica surespaldo por la Sociedad Mexicana de Inteligencia Artificial.

Komputer Sapiens fue creada en LATEX, con la clase papertex disponible en el reporitorio CTAN:

Comprehensive TeX Archive Network, http://www.ctan.org/.

Directorio SMIA

Presidente Angel F. Kuri MoralesVicepresidente Carlos Alberto Reyes GarcıaSecretario Alexander GelbukhTesorero Grigori Sidorov

Vocales: Gustavo Arroyo FigueroaJose Galaviz CasasJesus A. Gonzalez BernalJose Luis Gordillo MoscosoRaul Monroy

Komputer Sapiens

Editor en jefe Carlos Alberto Reyes GarcıaEditora asociada Angelica Munoz Melendeze-Tlakuilo Oscar Herrera AlcantaraEstado del IArte Ma del Pilar Gomez Gil

Jorge Rafael Gutierrez PulidoSakbe Laura Cruz Reyes

Hector Gabriel Acosta MesaIA & Educacion J. Julieta Noguez MonroyDeskubriendo Konocimiento Gildardo Sanchez AnteLogotipo & portada Gabriela Lopez LucioAsistencia tecnica Jose Alberto Mendez PolancoPortal web Hector Lopez CasiqueImagen contraportada Orion F. Reyes Galaviz & Pilo

Comite Editorial

Gustavo Arroyo FigueroaRamon Brena PineroFrancisco Cantu OrtizJesus Favela VaraJuan Jose Flores RomeroJose Galaviz CasasLeonardo Garrido LunaAlexander GelbukhJesus A. Gonzalez BernalAngel F. Kuri MoralesChristian Lemaıtre LeonAurelio Lopez LopezRaul MonroyEduardo Morales ManzanaresAngelica Munoz MelendezJose Negrete MartınezPablo Noriega B.V.Alejandro Pena AyalaCarlos Alberto Reyes GarcıaAntonio Sanchez AguilarHumberto Sossa AzuelaGrigori SidorovLuis Enrique Sucar Succar

Columnas

Sapiens Piensa. Editorial pag. 2

e-Tlakuilo pag. 3

Estado del IArte pag. 4

Sakbe pag. 5

IA & Educacion pag. 29

DeskubriendoKonocimiento pag. 31

ARTICULO INVITADO

50 Anos de Investigacion en Computacion en

Mexico

por Christian Lemaıtre Leon

pag. 24 ⇒ En junio de 1958 se instalo en la Facultad de Ciencias de la UNAMla primera computadora electronica en Mexico, una maquina IBM 650. Iniciabaası la historia de la computacion academica en Mexico.

ARTICULO ACEPTADO

Sistemas Hıbridos Neuro-Simbolicos

por Vianey G. Cruz Sanchez, Osslan O. Vergara Villegas y GerardoReyes Salgado

pag. 18 ⇒ Aplicaciones de la Inteligencia Artificial a la inspeccion visual enla industria.

ARTICULO INVITADO

Mercadotecnia en el Siglo 21: InteligenciaComputacional Aplicada

por Angel Kuri Morales

pag. 11 ⇒ El siglo 20 se re-cordara como el siglo en el quelas computadoras se convirtieron enla herramienta inconspicua que per-meo a la sociedad humana modifican-

do sus paradigmas irreversiblemente.La consecuencia primaria de este he-cho es que se ha producido un aludinformativo de impresionantes pro-porciones.

por Luis Enrique Sucar Succarpag. 6 ⇒ “Una imagen dice mas que mil palabras” reza un antiguoproverbio chino. ¿Como es que podemos reconocer los diferentes objetosque percibimos? ¿Como sabemos al ver a cierta persona que es ella yno otra persona? ¿De que forma determinamos la posicion en el espaciode un objeto, como una taza, para poder tomarla?

ContenidoARTICULO INVITADO

Vision Artificial

Komputer Sapiens Octubre de 2008 ‖ Ano 1, Vol.1

Año 1, No. 1. Octubre de 2008 Columnas Komputer Sapiens 2 / 32

Sapiens Piensa

por Angel Kuri Morales

Estimado Lector:

Esta revista esta dedicada a aquellos que desean fami-liarizarse con la Inteligencia Artificial (IA) y sus posiblesaplicaciones. Para ello no necesariamente deben poseerconocimientos especializados. Pero sı el interes genuinopor enterarse del estado del arte y de la tecnica en es-te campo que ha demostrado ser fascinante y util; pero,sobre todo, lleno de promesa.

La IA es una disciplina difıcil de definir porque la in-teligencia misma lo es. Originalmente la IA se conceptua-lizaba como el campo que pretendıa replicar (al menos)las capacidades de la mente humana. Esta ambiciosa me-ta empezo a rondar en las mentes de los mas brillantespensadores desde la Grecia antigua. Siglos despues Godeldemostro que un sistema mecanico serıa incapaz de de-tectar limitaciones del razonamiento que un ser humanosı podrıa. De donde se concluye que cualquier ser humanoes superior a cualquier dispositivo mecanico. Y si esto esası entonces cualquier intento por mecanizar la inteligen-cia estarıa destinado al fracaso. ¿O no?

Al respecto, Hofstadter escribio un extenso y brillantelibro cuyo tema subyacente es: “¿Es posible la IA?” Aun-que no llega a una conclusion definitiva en el, dejo claroque el campo es tan pujante y promisorio que, a pesarde las opiniones encontradas, hay una activa busqueda dela forma de lograr la IA. Este sentir permea la creenciapopular y se refleja seriamente en pelıculas como “Odisea2001”, “Blade Runner” o “El Hombre Bicentenario” y eninnumerables escritos de los cuales solamente menciono unensayo de Dennett llamado “Where am I?”

En un tono mucho mas tecnico, los pioneros de la IAdesarrollaron programas que simulaban expertos huma-nos convincentemente (como “Eliza”, de Weizenbaum en1966), auxiliaban a los medicos para establecer diagnosti-cos mas certeros y confiables (como “MYCIN”, un sistemaexperto desarrollado en los 70s por ShortLiffe) o disenabancircuitos digitales (como en el proyecto de ILLIAC IV en-cabezado por Slotnick a principios de los 70s).

Con el tiempo, se hizo cada vez mas patente que du-plicar los hechos del cerebro humano en general consti-tuye un programa demasiado ambicioso aun usando lascomputadoras mas modernas. Aunque el actual campeondel mundo de ajedrez ES una computadora (en 1997 lacomputadora Deep Blue derroto al entonces campeon hu-mano del mundo Garry Kasparov) y se han desarrolladoprogramas que son capaces de demostrar teoremas, di-

senar programas de computadora, escribir piezas de musi-ca, etc., lo cierto es que todos estos esfuerzos abarcan solouna porcion minuscula del ambito intelectual del Hombre.Eliza serıa ridıculamente inutil para dialogos fuera de suambito psicoanalıtico; Deep Blue serıa incapaz de resolverel mas simple problema aritmetico y MYCIN ni siquierapodrıa enterarse de las enfermedades de los pacientes a losque esta dedicado a auxiliar.

Por ello nuestra definicion de IA es mucho mas modes-ta:

La IA es un area de estudio que tiene por

objetivo resolver problemas complejos para los

cuales no se conocen soluciones algorıtmicas

exactas computables en la practica, ya sea por

sus grandes dimensiones, su complejidad

estructural, o por los niveles intrınsecos de

incertidumbre de los datos que manejan.

Sigue siendo muy interesante porque las metas que sehan alcanzado son inconspicuas y estan en todos lados: enlos telefonos celulares (adivinando las palabras de nuestrosmensajes de texto), en los hornos de microondas (decidien-do si ya alcanzamos el nivel de coccion deseado), en los fre-nos de los automoviles (evitando derrapes y volcaduras),en los procesadores de texto (mejorando nuestra redac-cion), en los aviones de pasajeros (definiendo el momentode cambiar una turbina). Los ejemplos son interminables.

Es posible que esa presencia omnımoda de la moder-na IA se convierta en el paradigma de una inteligenciadistribuida y compartida.

Para el lector interesado en conocer y entender las ten-dencias de esta fascinante disciplina es que las paginas deKomputer Sapiens estan dedicadas.

La Sociedad Mexicana de Inteligencia Artificial se hacomprometido con la divulgacion de estos asuntos a travesde una revista que pueda llegar al publico en general, a lostomadores de decisiones, a los industriales con necesidadesobjetivas de desarrollo tecnologico. En las paginas de estarevista el lector interesado hallara un vehıculo de conoci-miento. Esperamos que sirva tambien como un disparadorde las inquietudes de todos los individuos que pueden be-neficiarse de la IA. Sean ustedes bienvenidos.✵

Angel Kuri Morales es Presidente de la SMIA, la So-ciedad Mexicana de Inteligencia Artificial.

c© 2008 - Sociedad Mexicana de Inteligencia Artificial ISSN en tramite


e-Tlakuilo: Cartas de nuestros lectoresa cargo de Oscar Herrera Alcantara

Salvador, ingeniero de sof-tware, Puebla

Me he enterado del proximo lanza-miento de su revista Komputer Sa-piens a traves de mi correo electroni-co, creo que los nombres de lassecciones son muy originales y latematica interesante. ¿Quienes sonlas personas que toman decisionesa las que esta dirigida la revista?,¿directores de escuelas y universida-des?, ¿polıticos?, ¿empresarios?

En efecto estimado Salvador,los que colaboramos en KomputerSapiens consideramos que los direc-tivos de diferentes empresas, y nosolo del sector educativo o guber-namental, sino de todas las areasproductivas, publicas o privadas,podran encontrar en nuestra revis-ta un apoyo tecnologico, cientıficoy de toma de decisiones, ası comooportunidades de vinculacion conlas diferentes instituciones de paısen donde trabajamos con temas deIA. De esta forma esperamos apo-yarlos en la aplicacion de modelos ytecnologıas de vanguardia.

Erik, ingeniero, Estado deMexico

¿Existen otras publicaciones rela-cionadas con IA? ¿Como podrıa re-percutir la IA en nuestra vida coti-diana?

Existen diversos revistas y librossobre temas de IA. Sin embargo,Komputer Sapiens pretende cam-biar la apreciacion de la IA y llegara amplios sectores de nuestra socie-dad, de forma tal que cada vez masy mas personas se interesen en laIA.Supongamos que vas al cine, comosueles hacerlo cada mes. Procurarasestacionarte lo mas cerca posible dela entrada. Supon tambien que to-dos los cajones del estacionamientoque alcanzas a ver estan ocupadosy que ¡solo faltan 15 minutos paraque inicie tu funcion! Das vueltas ymas vueltas esperando encontrar uncajon y no eres el unico que buscaese espacio. Finalmente encuentras

un lugar, sales corriendo pero ¡llegastarde!Ahora imagina que el administradordel estacionamiento leyo KomputerSapiens y que decidio implementarun sistema inteligente con la ase-sorıa profesional de los expertos enIA. El sistema reconoce las placasde tu vehıculo e identifica que vasal cine, ası que procurara asignarteun cajon cercano a la entrada del ci-ne. De no conseguirlo, el sistema tesugerira usar un cajon que esta unpoco retirado (con la promesa deno pagar una hora de estaciona-miento). Podras entonces caminartranquilamente mientras en el tra-yecto observas publicidad de loscomercios de los alrededores. Tal ycomo lo previeron los disenadoresdel sistema inteligente, habra unnuevo cliente potencial. Lo anteriorte consumira solo algunos minutosy te dejara el tiempo suficiente parapasar a la fuente de sodas en dondeestaran listas tus palomitas. Luego,dispondras de algunos minutos paraeleccionar un buen lugar dentro dela sala del cine.

Luis, estudiante de inge-nierıa, Chihuahua

Que pasa si yo, un “mortal juaren-se” quiere obtener los ejemplares dela revista. ¿Como le hago? Dicen quetienen contemplado distribuirlos enpuestos de periodicos, aeropuertos yrestaurantes, pero temo que solo sehaga en los alrededores del DF. ¿En-viaran ejemplares a mi ciudad? ¿Loque se vea en el portal sera lo mismoque se vea en la edicion en papel?

En Komputer Sapiens estamostrabajando para que la distribucionsea lo mas eficiente posible y pro-curaremos que llegue a sus destina-tarios en todo Mexico. Enviaremosejemplares de la revista por mensa-jerıa especializada para garantizarsu puntual entrega. En breve in-cluiremos un formato de suscripcionpara que puedas realizar un deposi-to bancario correspondiente a unasuscripcion anual.

El archivo de ejemplares publicadosestara disponible en nuestro portalelectronico, una vez que estos salgande circulacion.

Ariel, profesor de prepara-toria, Michoacan

¿Como puede usar la IA alguiencomo yo o mis estudiantes? ¿Vale lapena estudiar alguna carrera rela-cionada con la IA? ¿Existe mercadolaboral en esa area?La IA ha estado presente desde hacevarios anos en diferentes aspectos denuestra vida cotidiana a traves dedispositivos, tecnologıas, programasde computo, en la genomica, la te-lefonıa, la economıa, las finanzas, laeducacion y ¡en los videojuegos!En Mexico se imparten carreras rela-cionadas con la IA en la UniversidadMichoacana de San Nicolas de Hi-dalgo, el ITESM, la UNAM, el IPN,la UAM, el INAOE, el InstitutoTecnologico de Ciudad Madero, laUniversidad Veracruzana, el CICE-SE, y el ITAM, entre otros. Algunascarreras que se relacionan con la IAson Computacion, Sistemas Compu-tacionales, Tecnologıas de Infor-macion, Mecatronica, Electronica,Ingenierıa Civil y otras como la Bio-tecnologıa, la Biologıa Molecular,las Finanzas y la Economıa.Respecto al mercado laboral con-sideramos que la historia apenascomienza. Cada vez irrumpen ennuestra vida dispositivos equipadoscon tecnologıa especializada: autos,maquinas expendedoras de produc-tos, motores de busqueda especiali-zados y “asistentes inteligentes”queproveen servicios de las agencias deviajes, o que ayudan a tomar deci-siones, entre otros.Esta tendencia continuara en el fu-turo y requerira de profesionistasespecializados en IA.✵

Cartas de nuestros lectores [email protected]



COLUMNAS

Estado del IArtea cargo de Marıa del Pilar Gomez Gil y Jorge Rafael Gutierrez Pulido, [email protected]

RECONOCIMIENTOS. El 20de septiembre de 2008, el Institutode Ingenieros Electricos y Electroni-cos (IEEE por sus siglas en ingles yel cual cuenta con mas de 375,000miembros en mas de 160 paıses) lle-vara a cabo en Quebec, Canada, suceremonia anual de reconocimiento apersonas que a lo largo de su carreraprofesional han impactado el campotecnologico y han mejorado la mane-ra en que vivimos.

Recibir un reconocimiento de

IEEE es un hecho altamente

significativo por el impacto que

estan generando en el mundo

las aportaciones del

galardonado.

Los premios asociados con traba-jos apoyados en IA son:

Raj Reddy recibira el premioen audio y procesamiento de voz“James L. Flanagan”, por su traba-jo en la creacion de algoritmos efi-cientes para la construccion de sis-temas de reconocimiento de lengua-je independiente de hablantes, ca-paz de manejar grandes vocabula-rios. El Dr. Reddy desarrollo un sis-tema llamado “Sphinx” que actual-mente sirve de base para sistemas dereconocimiento automatico en cen-

tros telefonicos, computadoras y ro-bots, que responden eficientementea la voz de sus interlocutores. ElDr. Reddy trabaja en la escuela decomputacion de la Universidad deCarnegie Mellon, Estados Unidos.

Raj Reddy, fuente:

http://www.emri.in/

Teuvo Kohonen recibira el pre-mio “Frank Rosenblatt” por suscontribuciones para el avance dela teorıa y aplicaciones de las re-des neuronales, memorias asociati-vas y mapas autoorganizados, las

cuales son herramientas de la IAque se usan actualmente en infini-dad de aplicaciones en areas de fi-nanzas, ciencias naturales, linguısti-ca, robotica, entre otras. Los ma-pas organizados creados por el Dr.Kohonen, conocidos como SOM, porsus siglas en ingles, son considera-dos como uno de los inventos massignificativos en las ciencias compu-tacionales. El Dr. Kohonen trabajaen la Universidad Tecnologica Hel-sinki, en Espoo, Finlandia.

Teuvo Kohonen, fuente:

www.wcci2008.org/

ROBOTICA. Un evento muy importante para la comu-nidad de inteligencia artificial de nuestro paıs ocurrio del4 al 6 de Septiembre en el Palacio de Minerıa de la Ciudadde Mexico, donde se llevo a cabo el Torneo Mexicano

de Robotica 2008, organizado por la Federacion Mexi-cana de Robotica, y el Instituto de Ciencia y Tecnologıadel Distrito Federal. De acuerdo a Jesus Savage, presiden-te de la Federacion Mexicana de Robotica, el objetivo deltorneo fue incentivar el amor a la robotica y en generala las ciencias y la ingenierıa en el paıs. Alrededor de 500estudiantes de todo el paıs participaron en el torneo. En-tre las instituciones participantes se encuentran: UNAM,

INAOE, IPN, Universidad Veracruzana, UPAEP, ITESM,Instituto Tecnologico de Nuevo Leon, ITAM, UniversidadPolitecnica de San Luis Potosı, Universidad La Salle, Uni-versidad del Valle de Mexico, y el Instituto Tecnologico deSan Martın Texmelucan. Los premios a los equipos gana-dores incluyen apoyo economico para asistir a diferentescompetencias internacionales, ası como dispositivos parafabricar robots. El ICyTDF apoyo con un monto total demedio millon de pesos, a traves de la Direccion de Inves-tigacion en Tecnologıas Urbanas.✵Fuente: http://www.torneomexicanoderobotica.org.mx



COLUMNAS

Sakbea cargo de Laura Cruz Reyes y Hector Gabriel Acosta Mesa, [email protected]

AITopics ⇒ La AAAI (American

Association for Artifical Intelligen-

ce) fue fundada en 1979 para im-pulsar el estudio sobre conductas in-teligentes en maquinas. Un objetivocentral de AAAI es promover el de-sarrollo de la inteligencia artificial ymejorar la ensenanza y entrenamien-to de los profesionales del area. Den-tro de este portal, la seccion AITo-pics ofrece una biblioteca virtual derecursos educativos para estudian-tes, maestros y publico en general.Los usuarios registrados pueden con-tribuir aportando nuevos contenidos

y mejorando contenidos existentes.Se ofrecen diversas tematicas de con-sulta, entre ellas: Aplicaciones, Edu-cacion, Historia, Sistemas-Expertos,Ciencia Ficcion y Robots; y parahacer mas excitante e interesanteel aprendizaje, la seccion Juegos &Acertijos no podıa faltar. AITopicsofrece una gama de recursos educa-tivos, en su mayorıa descargables enforma gratuita y algunos otros parasu utilizacion en lınea. Videos, entre-vistas, juegos, software, cursos, dic-cionarios y libros son algunos de losrecursos disponibles para los usua-rios avidos de conocimiento en IA.

http://www.aaai.org/AITopics/pmwiki/pmwiki.php/AITopics/HomePage

MIT OpenCourseWare ⇒ La cir-culacion de clases virtuales gratui-tas crece a pasos agigantados en In-ternet. En esta nueva modalidad deeducacion a distancia, las universi-dades juegan un papel decisivo paraelevar la calidad de la informacionque circula en la WEB. El institu-to de Tecnologıa de Massachusetts(MIT por sus siglas en ingles) en Es-tados Unidos, ha creado una inicia-tiva llamada MIT OpenCourseWare(OCW). Esta es una publicacion di-gital que ofrece una gran cantidad decursos sobre diferentes areas de IA.Los materiales disponibles en esta

pagina son desarrollados como partede los cursos que se ofrecen a nivel delicenciatura y posgrado en el MIT.En la seccion Ingenierıa Electrica yCiencias de la Computacion se pue-den encontrar cursos sobre apren-dizaje automatico, aplicaciones ba-sadas en conocimiento, tecnicas deIA, diseno de robots autonomos, len-guaje natural y vision. Se ofrecentambien apuntes, examenes y videos.Excepcionales son las simulacionesgraficas sobre algoritmos clasicos deIA, de gran ayuda en la ensenanza deesta disciplina. El acceso es gratuitoy no requiere registro.

http://ocw.mit.edu/OcwWeb/web/courses/courses/index.htm

CausalityLab ⇒. La causalidad esla disciplina del descubrimiento derelaciones entre elementos que soncausa y otros que son consecuencia.Por ejemplo, ver television en exce-so puede ser la causa de un aumentode peso. La causalidad es importantepara dar explicaciones del compor-tamiento de sistemas naturales y ar-tificiales. Esta habilidad es deseable

en los sistemas expertos artificiales.La universidad de Carnegie Mellonpone a disposicion de profesores yestudiantes un laboratorio de causa-lidad. CausalityLab es un ambientevirtual para que los estudiantes pue-dan experimentar, recolectar datos,probar hipotesis y entender que laspruebas estadısticas son herramien-tas poderosas en el descubrimiento

de relaciones causales. El profesorpuede crear sus propios ejercicios outilizar los existentes. CausalityLabes descargable, mantiene un registrode los avances de los estudiantes yofrece tutoriales animados para ayu-dar a los estudiantes en las etapasdel modelado causal.✵

http://www.phil.cmu.edu/projects/causality-lab/


Año 1, No. 1. Octubre de 2008 Artıculos de divulgacion Komputer Sapiens 6 / 32

ARTICULO INVITADO

Vision: Natural y Artificialpor Luis Enrique Sucar Succar

Vision Natural“Una imagen dice mas que mil pa-

labras” reza un antiguo proverbiochino, el cual tiene razon desde dife-rentes puntos de vista. Por un lado,en muchas ocasiones podemos expre-sar mucho mas a traves de un dibujoo fotografıa. Por otro lado, nuestrocerebro le da una gran importancia ala informacion que nos llega a travesde la vista, y el area del cerebro dedi-cada a este sentido es la mayor de to-das las areas correspondientes a lossentidos.

Percibimos las imagenes a travesde la retina en nuestros ojos, una es-pecie de camara fotografica que res-ponde a la luz que llega a esta ynos permite ver. Unos minusculos re-ceptores, llamados conos y bastones,perciben la luz visible (desde el colorrojo hasta el violeta). Los bastonesson mas sensibles a la intensidadlumınica, y nos permiten ver cuandohay muy poca luz. Los conos perci-ben el color, algunos son mas sensi-bles al rojo, otros al verde y otros alazul; y mediante la combinacion deestos tres colores, llamados basicos oprimarios, podemos percibir toda lagama de colores. Una vez que estainformacion es colectada por la re-tina es enviada al cerebro por unaserie de fibras, que conforman el lla-mado nervio optico. Pero, ¿que suce-de despues? ¿Como es que podemosreconocer los diferentes objetos quepercibimos? ¿Como sabemos al ver acierta persona que es ella y no otrapersona? ¿De que forma determina-mos la posicion en el espacio de unobjeto, como una taza, para podertomarla?

Recientemente, mediante experi-mentos con animales, en particularprimates, hemos empezado a aden-trarnos al misterio de como se pro-cesan e interpretan las imagenes ennuestro cerebro. Con base en estosdescubrimientos, que iniciaron con

las investigaciones de Hubel y Wei-sel, sabemos que la informacion queproviene de la retina se divide en dospartes, una va al hemisferio cerebralizquierdo y otra al derecho. ¡Pero nohay una relacion unica entre un ojoy un hemisferio! Aproximadamentela mitad de la informacion de un ojova a un hemisferio y la otra mitad alotro. Esto tiene importantes impli-caciones como veremos mas adelan-te. La Figura 1 ilustra las trayecto-rias visuales en el cerebro.

Figura 1. Trayectorias visuales en

el cerebro. Se ilustra como la in-

formacion percibida en la retina

de ambos ojos viaja mediante el

nervio optico hasta llegar a la cor-

teza visual, donde se procesa la

informacion.

La informacion visual se trans-porta mediante el nervio optico ala corteza cerebral, a una zona queesta ubicada en la parte posteriorde la cabeza. Ahı inicia el procesa-miento de la informacion visual enel cerebro. La informacion es proce-sada por millones de neuronas queestan organizadas en capas; es decir,en grupos de neuronas que realizanciertas operaciones especıficas sobrela informacion visual que reciben.

Podemos pensar que las neuro-nas son como “pequenas compu-tadoras” especializadas en hacerciertas operaciones; hay millones deestas computadoras biologicas quetrabajan al mismo tiempo (en para-lelo) en la corteza visual.

La primera capa o grupo de neu-ronas se encarga de detectar “bor-des” en las imagenes. Un borde es unarea donde hay un cambio importan-te de intensidad o iluminacion en laimagen, por ejemplo el area en dondetermina un objeto e inicia otro. Otrogrupo de neuronas (llamadas celdascentro-alrededor) detectan pequenospuntos oscuros rodeados de un arobrillante, o viceversa, puntos brillan-tes rodeados de un aro oscuro. Es-tos patrones son tambien indicati-vos de los contornos de los diferen-tes objetos en una imagen. La Figura2 muestra una ilusion optica que esproducto de este tipo de celdas. Untercer grupo de neuronas, mas sofis-ticadas, detectan bordes pero solo siestos se encuentran en cierta orien-tacion; es decir, que el borde es comouna pequena lınea con cierto angulorespecto a la horizontal. Ası, ciertasneuronas detectan bordes a 0 gra-dos, otras a 15 grados, otras mas a30 grados, etc. Otro grupo de neu-ronas se encarga de detectar movi-miento; es decir, pequenos cambiosque nos ayudan a detectar objetosque se mueven. Por ello nos perca-tamos, aunque no estemos atentos,cuando algo o alguien se aproximaa nosotros, incluso si no lo estamosmirando directamente. Tambien hayneuronas para determinar la profun-didad o distancia a los objetos quevemos. Para esto se combina la in-formacion de los dos ojos, mediantelo que se conoce como vision estereo-la distancia a un objeto en nuestrocampo visual es inversamente pro-porcional a su separacion en la re-tina de cada ojo. Lo puedes verificartu mismo: pon un dedo frente a ti,cercano a tus ojos, cierra uno y des-pues el otro. Veras al dedo en distin-tas posiciones con cada ojo.

De lo anterior podemos conside-rar que el cerebro va analizando lasimagenes mediante un esquema que



va de lo particular a lo general. Sevan detectando pequenos elementoscomo son los bordes y las esquinas delos objetos, luego estos se van agru-pando para detectar los contornos, yde esta forma ir separando o segmen-tando los diversos objetos presentesen una imagen. Mas adelante, en es-te complejo sistema de procesamien-to se van analizando las caracterısti-cas de cada objeto, como su color ysu forma, para poder finalmente re-conocerlos y determinar su posicionen el espacio. Sin embargo, de lo que

sucede mas alla de las primeras ca-pas del sistema visual sabemos muypoco aun. ¿Como es que finalmen-te el cerebro reconoce las diferentesclases de objetos -plantas, animales,mesas, sillas, etc.? ¿Como podemosdistinguir entre un objeto especıfi-co de una misma clase; por ejemplo,mi taza preferida de las demas ta-zas? Estos son aun misterios escon-didos en la compleja red de neuronasdentro de nuestro cerebro, esperandoa ser descubiertos por los cientıficosdel futuro que continuen explorando

este maravilloso misterio de la inte-ligencia humana.

Al mismo tiempo que los biolo-gos empezaban a entender como esque los seres vivos vemos, otro gru-po de cientıficos e ingenieros, espe-cialistas en computacion e inteligen-cia artificial, comenzaban a explorarla idea de la vison artificial: compu-tadoras que pudieran analizar e in-terpretar las imagenes como lo hace-mos los humanos, naciendo una nue-va disciplina denominada Vision porComputadora o Vision Artificial.

El cerebro analiza las imagenes de lo particular a lo general.

Vision ArtificialAl surgir las primeras computadoras hace mas de 50

anos, algunos cientıficos se preguntaron si estas maqui-nas podrıan realizar tareas que asociamos con la inteli-gencia humana, como resolver problemas, entender el len-guaje o analizar imagenes. Se empezaron entonces a de-sarrollar programas de computadora que buscaban emu-lar la inteligencia humana, naciendo una nueva disciplina,la “inteligencia artificial”. En los primeros anos se tuvie-ron avances aparentemente muy rapidos, con programasde computadora que juegan ajedrez, demuestran teoremasmatematicos o diagnostican ciertas enfermedades.

Ante tan impresionantes avances, cuenta la leyendaque un profesor encargo a un estudiante que resolvierael problema de la vision en un verano; ¡aun no terminasu proyecto! A traves del tiempo los investigadores en in-teligencia artificial nos hemos percatado de que las ca-pacidades aparentemente faciles para nosotros, como ver,entender el lenguaje, planear nuestras actividades, etc.,han resultado muy difıciles para las computadoras.

La vision artificial comienza, en forma analoga a la hu-mana, con una imagen que es capturada a traves de unacamara, y se guarda en la memoria de la computadora.Para la computadora la imagen es como un arreglo o ma-triz de puntos, llamados pıxeles. Cada pıxel tiene asociadoun valor numerico, por ejemplo entre 0 y 255. En el casode una imagen en blanco y negro, cada punto representala intensidad o brillo de la imagen. Las imagenes a colorse representan con tres arreglos de puntos, uno para el ro-jo, otro para el verde y otro para el azul; su combinacionrepresenta los diferentes colores. Una vez que se tienen lasimagenes en la computadora, inicia el proceso de anali-sis mediante programas de software, para procesarlas yreconocer los objetos ahı presentes.

Figura 2. Las celdas centro-alrededor, que detectan

pequenas regiones brillantes rodeadas de regiones os-

curas o viceversa, provocan esta ilusion optica en que

vemos que aparecen y desaparecen puntos oscuros en

las intersecciones de las lıneas blancas.

El analisis se va realizando por etapas, de cierto modoen forma similar a la vision biologica. Mediante la estima-cion de las diferencias entre pıxeles vecinos en la imagen,se obtienen los llamados bordes que indican donde terminaun objeto y empieza otro (ver Figura 3).

De esta forma se pueden delimitar los contornos de losdiferentes objetos o partes en la imagen. Tambien se pue-de hacer esto uniendo pıxeles que tienen caracterısticassimilares en color o intensidad. Una vez separadas estasregiones, lo que se conoce como segmentacion (ver Figura4), se obtienen caracterısticas distintivas de las mismas,como su color, su forma o su textura. La textura se refie-re a propiedades estadısticas de los objetos que los hacen



no uniformes, como una alfombra, la madera o un bos-que visto desde lejos. Con base en dichas caracterısticasse pueden distinguir algunos objetos o zonas de la imagen,como el cielo, una mesa o un tigre. Sin embargo, en gene-ral es muy difıcil distinguir algunos objetos, ya sea porquevarıan en su apariencia visual (como las diversas clases deflores) o porque se ven distintos de diferentes puntos devista (como una persona vista de frente, de perfil o poratras) o porque son muy complejos y estan a su vez for-mados por otros objetos (como una cara humana). Porello, los sistemas de vision actuales se enfocan a reconocerun pequeno grupo de objetos, como puede ser el reconocerautomoviles, partes industriales o personas. Pero no se hapodido hasta ahora desarrollar un sistema que tenga lacapacidad de reconocer muchos objetos, con propiedadesmuy diferentes, como lo hacemos las personas.

Otro aspecto en el cual ha tenido avances significativosla vision artificial es en recuperar la tercera dimension apartir de imagenes. Una imagen tiene solo dos dimensio-nes, ¡pero el mundo es tridimensional! Si queremos podertomar un objeto, o que un robot lo pueda tomar, o estimarla distancia a la pared para no chocar con ella, requeri-mos estimar la tercera dimension. Existen varias estrate-gias para hacer esto. La mas directa, en forma analogaa nosotros, es utilizar dos camaras, en lo que se cono-ce como vision estereoscopica. Para ello la computadoraanaliza las imagenes obtenidas por dos camaras, separadascierta distancia. Al encontrar los puntos correspondientesentre una imagen y la otra, y medir su diferencia en po-sicion (disparidad), se puede calcular la distancia a dichopunto en el mundo mediante relaciones geometricas. Sinembargo, determinar los puntos correspondientes entre elpar de imagenes no es una tarea facil. Otras estrategiaspara recuperar la profundidad se basan en los cambiosde luminosidad debidos a la forma del objeto (forma desombreado), a las distorsiones de las texturas por su orien-tacion (forma de textura), o en el uso de video; es decir,varias imagenes consecutivas considerando el movimientode la camara o del objeto (forma de movimiento).

AplicacionesLos avances en la vision artificial han permitido desarro-llar diversas aplicaciones practicas de sistemas de visionpor computadora. Ademas de los avances en los algorit-mos de vision artificial, dos aspectos han ayudado a llevara la vision por computadora al campo de las aplicaciones.Uno es el aumento en memoria y capacidad de procesa-miento en las computadoras, lo que hace posible el poderalmacenar y procesar imagenes en tiempo real (es decir,del orden de 30 imagenes por segundo). El otro factor esla disponibilidad de camaras digitales de muy bajo costocomo por ejemplo las “web-cams”.

Existen diversos campos de aplicacion de la vision ar-tificial, entre ellos se distinguen los siguientes:

Figura 3. Proceso de deteccion de bordes en una ima-

gen: a) imagen original, parte de una placa de au-

tomovil; b) deteccion de bordes horizontales; c) detec-

cion de bordes verticales; d) bordes totales, obtenidos

al combinar los horizontales y los verticales.

Figura 4. Proceso de segmentacion de imagenes en la

computadora, podemos observar como se han separa-

do el cielo, la piscina, y partes de la casa.

Imagenes medicas. Existen una gran variedad deaplicaciones de la vision en medicina: la mejora delas imagenes de rayos X, tomografıas, ultrasonido,etc., para su interpretacion por los medicos; la de-teccion automatica de tumores en mamografıas; elconteo de celulas en imagenes microscopicas; la re-construccion tridimensional a partir de imagenes de



resonancia magnetica para la planeacion de cirugıas;entre muchas otras. Un ejemplo especıfico de estaaplicacion es en la interpretacion de imagenes deendoscopıa del colon para ayudar al medico en elcontrol del endoscopio (ver Figura 5).

Seguridad. El uso de camaras en muchos sitios publi-cos ha motivado el desarrollo de sistemas de visionpor computadora para mejorar la seguridad. Porejemplo, hay sistemas que pueden detectar cuandose presentan accidentes automovilısticos en un cru-cero. Otros se enfocan a detectar personas e identi-ficar posibles actividades sospechosas. Otra aplica-cion es la identificacion de placas de automoviles,por ejemplo para control de acceso en un estaciona-miento, como se ilustra en la Figura 3.

Industria. La utilizacion de la vision artificial enla industria es cada vez mas comun, principalmen-te para control de calidad. A traves de sistemas devision se inspeccionan los productos, como tarjetaselectronicas, y se determina si tienen algun defecto,como una componente faltante o una mala conexion.

Vehıculos inteligentes. Cada vez es mas comun el quelos automoviles y otros vehıculos incorporen senso-res, entre ellos camaras. Se desarrollan actualmen-te sistemas que permitiran a un carro detectar unchoque inminente, pudiendo tomar acciones comofrenar o apretar los cinturones, antes de que el con-ductor pueda reaccionar. Otro ejemplo es el uso deuna camara para detectar carros en sentido opuestoen una carretera en la noche, de forma que el cambiode luces sea automatico.

Robotica. La robotica esta teniendo un desarrolloacelerado y muy pronto veremos diferentes tipos derobots en la vida diaria. La vision es un elementoesencial para que los robots puedan hacer diversastareas, por ejemplo para detectar los obstaculos en elmedio ambiente y ası poder desplazarse sin chocar,para identificar y localizar objetos como una tazapara servirnos el cafe, para identificar y reconocerpersonas y poder interactuar con ellas, etc.

Interaccion humano-computadora. En nuestracomunicacion con otras personas utilizamos la vi-sion, de forma que para hacer que las computadorasinteractuen en forma mas natural tambien debenhacer uso de ella. Por ejemplo, existen sistemas quepueden reconocer diversos gestos o ademanes, e in-cluso el lenguaje de los sordomudos; tambien hay

interfaces que detectan nuestras pupilas y puedeninferir a que parte de la pantalla estamos enfocandonuestra atencion, proveyendo una especie de ratonvisual. La Figura 6 ilustra un sistema de vision quepuede detectar el rostro y mano de una persona, ycon base en el analisis del movimiento de la manopuede reconocer diversos ademanes.

Identificacion biometrica. Existen ya diversos siste-mas que pueden identificar a personas por diversascaracterısticas biometricas, como las huellas digita-les o el iris; los cuales son elementos unicos en cadauno de nosotros. La vision artificial es un compo-nente esencial en estos sistemas. Hay tambien im-portantes avances en reconocer personas a partir deuna imagen del rostro, como lo hacemos nosotros.

Camaras inteligentes. Las camaras digitales incor-poran cada vez mas capacidades de procesamientoy analisis de imagenes. Ademas de ayudarnos a en-focar y determinar el tiempo de exposicion, actual-mente pueden detectar a las personas en la imagenpara enfocarlas, e incluso detectan cuando sonrıen,¡para tomar la foto en ese instante!

Estos son solo algunos de los ejemplos de aplicacionesde la vision artificial. No cabe duda de que en el futurohabra muchas mas aplicaciones que todavıa no podemosni imaginar.

Figura 5. Sistema de vision para endoscopıa. El sis-

tema obtiene caracterısticas relevantes como la zona

obscura (cuadro resaltado en la imagen derecha) y

con base en ello ayuda al medico a guiar el endoscopio

(ventanas con la interpretacion y consejos a la izquier-

da) hacia el centro del tubo digestivo, lo que se conoce

como el lumen.

En el futuro habra aplicaciones de la vision por computadora que todavıa

no podemos ni imaginar.



Figura 6. Identificacion

de personas y recono-

cimiento de ademanes.

Izquierda: identifica-

cion de la cara, torso

y mano de la persona,

resaltados con cuadros.

Derecha: secuencia

en la que se sigue la

mano. Con base en

el analisis del mo-

vimiento y postura

de la mano en una

secuencia de image-

nes, la computadora

reconoce distintos ade-

manes, como “llamar

la atencion”, “apuntar

hacia cierto objeto”,

“detenerse”, etc.

ConclusionesA pesar de los importantes avances en la vision por

computadora, ası como de sus multiples aplicaciones, aunestamos lejos de un sistema de vision artificial que tengalas capacidades de la vision natural humana, en cuanto asu generalidad y flexibilidad. Posiblemente, el comprendermejor como funciona el sistema visual en nuestro cerebronos ayude a desarrollar computadoras y robots con mejorescapacidades visuales, ¡y ası el estudiante pueda concluir suproyecto de verano!✵

INFORMACION ADICIONAL

El trabajo clasico de Hubel y Weisel sobre los mecanismos cerebrales de la vision: D.H. Hubel & T.N. Wiesel: BrainMechanisms of Vision. Scientific American 1979, vol. 241.

Una introduccion general a vision artificial se encuentra en el libro en lınea: “Introduccion a Vision Computacional”,L. E. Sucar, G. Gomez, http://ccc.inaoep.mx/ esucar/Libros/vision-sucar-gomez.pdf

Una lista de aplicaciones y productos que usan vision por computadora, compilada por David Lowe, puede serconsultada en: http://www.cs.ubc.ca/spider/lowe/vision.html

SOBRE EL AUTOR

Luis Enrique Sucar Succar es Investigador Titular de la coordinacion de Ciencias Compu-tacionales del INAOE. Es doctor en Computacion del Imperial College en Londres, Inglaterra;y tiene una Maestrıa en Ingenierıa Electrica de la Universidad de Stanford, EUA. Ha sidopresidente de la SMIA, miembro del comite asesor del IJCAI y es miembro del Sistema Nacio-nal de Investigadores, Nivel II. Cuenta con mas de 100 publicaciones cientıficas, y ha formadoa 12 doctores y mas de 30 maestros en ciencias.Sus principales intereses de investigacion son en modelos graficos y razonamiento probabilistaen IA, vision computacional, robotica movil y tutores inteligentes. Puedes contactarlo porcorreo electronico, [email protected], o telefono, (222) 266 31 00.



ARTICULO INVITADO

Mercadotecnia en el Siglo 21: InteligenciaComputacional Aplicadapor Angel Kuri Morales

La Revolucion de la InformacionEl siglo 20 se recordara como el siglo en el que las

computadoras se convirtieron en la herramienta incons-picua que permeo a la sociedad humana modificando susparadigmas irreversiblemente. La consecuencia primariade este hecho es que se ha producido un alud informa-tivo de impresionantes proporciones. De acuerdo con lasultimas estimaciones, los proximos cinco anos veran la ge-neracion de una cantidad de informacion que sera mayora aquella producida en todo el resto de la historia huma-na [1]. Se ha hecho, pues, necesario tener nuevas formasde almacenar, manipular, entender, analizar y protegerla informacion y el conocimiento en ella contenido. Da-da la revolucion digital es, actualmente, posible tener anuestra disposicion facilidades que ni aun los mas aventu-rados visionarios pudieron imaginar hace apenas algunosanos: operaciones robotizadas del cerebro, modificacionesgeneticas de los seres vivos de orden superior, clonacion,protesis de control volitivo, sistemas de posicionamientoglobal a nivel personal, difusion inmediata e instantaneade las obras musicales, plasticas, literarias y aun de lasartes escenicas, acceso ubicuo al conocimiento univer-sal. Y estas son solamente unas pocas de las maravillascientıficas y tecnologicas producto de la revolucion de lascomputadoras.

La Perspectiva TecnologicaAntecedentes

En los albores del siglo 20 algunas mentes preclaras vi-sualizaron la posibilidad de replicar la esencia intelectualde los seres humanos a traves de mecanismos artificiales.Pero, a diferencia de los antiguos griegos, los pensadoresde los anos 30’s estaban mucho mas cerca de contar conlos dispositivos tecnologicos que hicieran que ese sueno tu-viera visos de concretarse. Ası que los prototipos mecani-cos de Babbage y su Maquina Analıtica dieron paso a lasprimeras computadoras basadas en tecnologıa electronica;los trabajos de Turing [2] sentaron las bases teoricas de losprimeros programas emulos de la inteligencia, tales comoEliza [3] o SHRDLU [4]; la tecnologıa digital de estadosolido allano el camino para el desarrollo de los modernossistemas de telecomunicaciones digitales.

Una de las razones fundamentales de la revolucion in-formatica es que la tecnologıa ha avanzado de manera sig-nificativa y hemos pasado, en unas cuantas decadas, de lafabricacion de dispositivos de computo electromecanicosa electronicos de tubos de vacıo; de ahı a electronicos deestado solido de baja integracion; finalmente a aquellosde altısima integracion. Los modernos microprocesadoresestan constituidos por decenas y aun cientos de millonesde transistores. Como un ejemplo simple de lo que estosignifica podemos consignar que en la decada de los seten-tas la computadora mas sofisticada [5] construida jamaspresumıa de constar de ¡cerca de 15,000 transistores! Demanera llana esto significa que el poder de computo (quees funcion directa del numero de transistores) se ha mul-tiplicado mas de cien mil veces en el lapso de cuatro deca-das.

El ingenio humano, sin embargo, no se conforma ni si-quiera con estos impresionantes avances tecnologicos y, ensu inacabable busqueda de mayor poder computacional,esta explorando tecnologıas radicalmente distintas. Porejemplo, se esta explorando la logica criogenica [6] (ba-sada en fenomenos superconductivos), la logica cuantica[7] (basada en la multiplicidad de estados cuanticos quese exhiben e nivel subatomico) y la logica genetica [8](basada en la admirable similitud que existe en el funcio-namiento de las celulas a nivel molecular y los sistemasde computo digitales).

Ejemplo de Tecnologıas Alternas: Computacioncon ADN

Como ejemplo de las nuevas teorıas en exploracion que-remos mencionar, con un poco de mayor detalle, aquellabasada en el comportamiento de las celulas vivas.

La informacion que determina el comportamiento delos seres vivos de orden superior (eucariontes) se encuen-tra en el nucleo de cada una de las celulas y la trans-cripcion de la misma resulta en proteınas encargadas deregular el metabolismo celular. Estos dos hechos se pue-den interpretar como un proceso totalmente analogo alque ocurre cuando la informacion residente en la memoriade una computadora digital se interpreta como ordenessencillas que se convierten en programas complejos.

En los proximos cinco anos se generara una cantidad de informacion

mayor a aquella producida en todo el resto de la historia humana.



Para ilustrar lo anterior, en la Figura 1 se presenta unaMaquina de Turing. Este dispositivo ideal opera sobre unacinta que contiene informacion codificada mediante sımbo-los como “a” y “b”. Una unidad de control con capacidadde lectura y escritura procesa la cinta, sımbolo a sımbo-lo; sigue las instrucciones de las reglas de transicion, quetienen en cuenta el estado interno de la propia unidad decontrol. En la figura, la regla de transicion dicta que, si elestado de la unidad de control es 0 (S0) y el sımbolo leıdoes “a”, entonces la unidad debe cambiar su estado a 1(S1), cambiar el sımbolo a “b” y desplazarse una posiciona la izquierda. Una de las conclusiones fundamentales deltrabajo de Turing es que cualquier calculo, por complejoque sea, puede ser realizado por este tipo de dispositivossimplısimos.

Figura 1. La Maquina de Turing.

Por otro lado, en la Figura 2 presentamos una MaquinaBiologica. Los ribosomas traducen la informacion codifi-cada en el ARNm (Acido Ribonucleico mensajero) a lassecuencias de aminoacidos que formaran las proteınas. Elalfabeto simbolico del ARNm consta de codones [gruposde las cuatro bases que conforman el ADN (Acido Deoxi-rribonucleico): Adenina,Citosina, Guanina y Timina] cadauno de los cuales corresponde a un aminoacido especıfico(por ejemplo, el codon AUG se traduce en Metionina; elcodon CCA en Prolina, etc.) A medida que el ribosomaprocesa la cadena del ARNm, codon a codon, las molecu-las colaboradoras (los ARNt) proporcionan el aminoacidocorrespondiente. El ARNt (Acido Ribonucleico transcrip-tor) confirma la concordancia del codon, luego libera alaminoacido que se une a la cadena en crecimiento. Lo in-teresante es que es facil extender las conclusiones a lasque llego Turing a los mecanismos celulares. En ese con-texto podemos conocer la “complejidad” de los procesosbiologicos en el sentido mas amplio de la palabra. Con-secuentemente, podremos construir maquinas “vivas” concapacidades de computo similares a las de las computado-ras electronicas de escritorio. Y la ventaja es que estashipoteticas computadoras biologicas serıan mas compac-tas, baratas, eficientes y confiables que las computado-ras electronicas. En los anos por venir debemos esperar

que nuestras computadoras se basen en esta tecnologıa (yotras). Y podremos, entonces, incorporar los sistemas decomputo a nuestros organismos. Esta vision que se antojalejana esta siendo explorada, el dıa de hoy, en el disenode medicinas inteligentes que se inyectan al torrente san-guıneo y solamente liberan los quımicos correspondientessi estos hacen falta para curar una enfermedad preselec-cionada.

Figura 2. La Maquina Biologica.

Inteligencia ArtificialA mediados del siglo 20 se acuno el termino “inteli-

gencia artificial” (a la que nos referiremos, simplemen-te, como IA) que se ha definido como el area de estudio

que tiene por objetivo resolver problemas complejos para

los cuales no se conocen soluciones algorıtmicas exactas

computables en la practica, ya sea por sus grandes dimen-

siones, su complejidad estructural o los niveles intrınsecos

de incertidumbre de los datos que manejan [9].De esta definicion es claro que no se trata de emular los

mecanismos de pensamiento, como alguien pudiera con-cluir del termino. Mas bien se trata de dotar a la compu-tadora de ciertas capacidades que normalmente identifi-camos como “inteligentes”. En ese contexto podemos en-contrar programas inteligentes en muchas actividades dela vida moderna: en los editores de texto que nos sugierenmejoras en la construccion de nuestros escritos (evitandoerrores gramaticales evidentes); en los telefonos celularesque componen palabras completas a partir del uso ambi-guo de las teclas a nuestra disposicion (facilitando la es-critura de mensajes de texto); en las lavadoras y secadorascaseras que determinan el grado adecuado de lavado y/osecado (optimizando el uso de los energeticos y los deter-gentes); en los frenos de los autos que compensan el des-balance friccional (evitando vuelcos accidentales); en lossistemas de vigilancia de las tarjetas de credito que detec-tan el uso anomalo de las mismas (evitando, ası, fraudespotenciales); en los sistemas de iluminacion que se desha-bilitan cuando los ambientes no estan en uso (evitando eluso dispendioso de la electricidad y aumentando el tiempode vida de los elementos de iluminacion); en los sistemasmedicos de diagnostico semiautomatico (eficientizando elproceso de deteccion de enfermedades); en sistemas de de-fensa militar que son capaces de seguir a sus blancos enmovimiento (mejorando la eficiencia de los sistemas deprevencion); en sistemas de traduccion (permitiendo es-tablecer dialogos entre individuos multilinguales); en sis-temas que son capaces de determinar las mejores vıas de



distribucion de los productos desde una fabrica hasta suspuntos de consumo (abaratando el costo de los bienes parael consumidor); en los sistemas de navegacion automati-ca de los modernos jets comerciales (evitando accidentesdebidos al agotamiento y/o la inhabilidad de los pilotos);en los sistemas de control de calidad de las fabricas indus-triales (aumentando significativamente la calidad de losproductos y disminuyendo la probabilidad de falla de losmismos); en protesis que se “conectan” directamente alcuerpo de los discapacitados y que pueden ser activadascon el solo recurso de su voluntad (permitiendo la inte-gracion sana y satisfactoria de los individuos afectados alentorno social), etc.

Estos ejemplos de IA estan, tal vez, alejados de la ima-gen un poco romantica y fantasiosa de los robots huma-noides que hacen las veces de companeros o emulos delhombre.

Las maquinas pensantes (como el HAL de Kubrick en2001: una Odisea del Espacio que fue liberada en 1968)estan aun lejos de convertirse en una realidad. En la ac-tualidad, sin embargo, se estan invirtiendo grandes canti-dades de recursos fısicos e intelectuales en esa direccion.No esta lejano el dıa (aunque es imposible predecir cuandosera) en que los robots humanoides capaces de interactuarverbal y fısicamente con sus creadores se hagan una reali-dad.

Lo que es un hecho es que el cırculo virtuoso ciencia-computo-tecnologıa se seguira viendo favorecido por lasdemandas de una sociedad cuyo bienestar (en terminosgenerales) se ha visto y se sigue viendo incrementado dıa adıa. Dicho sea esto a pesar del punto de vista que preten-de satanizar los avances tecnologicos. Es estadısticamentedemostrable que el nivel de vida de la poblacion del mun-do ha mejorado notablemente en los ultimos 50 anos y quela calidad de vida y la expectativa misma de vida se hanvisto proporcionalmente incrementadas. Esta observacionno invalida el hecho innegable de que existen disparida-des en la calidad de vida entre los individuos. Pero lacomputadora actual se ha convertido en una herramientade cambio (como se senalo en los primeros parrafos) queesta en todas nuestras actividades de manera permanentey muchas veces indetectable para los no iniciados.

Inteligencia ComputacionalEn sus orıgenes las metas de los cientıficos de la compu-

tacion (CCs) que cultivaron la IA eran ambiciosas. Enefecto, se pretendıa la duplicacion y (¿por que no?) mejo-ra de las capacidades intelectuales del hombre. Pronto sevio que esta agenda estaba mas alla de las capacidades dedichos cientıficos. Las razones son multiples pero pueden,de manera simplista, traducirse en a) Los procesos inte-lectuales son mucho mas complejos de lo que se pensaba,b) Estos procesos nacen de un substrato fısico totalmentediferente al que se propuso en el llamado modelo de VonNeumann que es el que esta vigente en las computadoraselectronicas digitales, c) La duplicacion de los procesos in-

telectuales usando computadoras de Von Neumann requie-re de volumenes inmensos de calculo y d) El costo involu-crado hace que todo esfuerzo practico en esas condicioneseste destinado al fracaso por sus costos, tiempos y comple-jidad. Esta situacion llevo a los CCs a atacar problemassimplificados que ejemplificaban los metodos propuestospero que, difıcilmente, podıan generalizarse para abordarlos problemas practicos de dimensiones reales. Consecuen-temente la IA se ha caracterizado por tratar, en muchoscasos, juegos de mesa en los que el universo de discursoesta perfectamente acotado. Aun estos universos restringi-dos resultan ser, en ocasiones, de complejidad formidable.Hace mas de 20 anos, por ejemplo, una computadora de-rroto al campeon mundial de backgammon y hace cercade 10 anos (en un despliegue de fuerza tecnologica impre-sionante) al campeon del mundo de ajedrez.

Sin embargo, problemas relativamente simples (comola caracterizacion de los habitos de consumo de un gru-po social) permanecıan lejos de poder ser abordados por elenfoque formalista y basado en reglas en los que se apoyanlos programas que resuelven la problematica de un juego(por mas complejo que esto pueda resultar). Por una razonmuy simple: normalmente se desconocen las reglas que ha-cen que un sistema (sea biologico, social, economico o cul-tural) opere como opera. Aun los individuos reconocidoscomo expertos en sus areas de conocimiento encuentrandifıcil (si no imposible) el hecho de “explicitar” las reglasque siguen en su proceso de toma de decisiones. Pareceque el expertise no puede expresarse (como hubiera desea-do Boole y otros logicos del siglo 20) como la aplicacionsecuencial de una serie de reglas simples. Mas probable-mente nuestros procesos de pensamiento obedecen a reglassofisticadas que interactuan entre ellas a diversos niveles ycon diversos grados de fuerza que, ademas, varıan dinami-camente conforme las situaciones se presentan.

Debido al abaratamiento de los sistemas de

computo y en vista del estado poco satisfactorio

de la IA esbozado en parrafos precedentes se han

explorado alternativas basadas, entre otras cosas,

en logicas alternativas (diferentes a la logica

tradicional) y en simulaciones parciales de

procesos biologicos.

En el primer caso cae la logica llamada “difusa” o “bo-rrosa” (en ingles fuzzy logic; nosotros usaremos el primertermino). La logica difusa permite que, en el caso de variasalternativas de solucion, TODAS sean adecuadas, aunqueen diversos grados. En otras instancias se simulan los pro-cesos evolutivos de aprendizaje y nace la llamada Compu-tacion Evolutiva (con sus vertientes: las estrategias evolu-tivas, la programacion evolutiva, los algoritmos geneticos,la programacion genetica, los sistemas clasificadores evo-lutivos, etc.) y los procesos cognitivos que se desprendendel analisis reduccionista del pensamiento. En este ulti-mo caso nacen entonces las llamadas Redes Neuronales



Artificiales (con sus variantes de Redes de Perceptrones,Maquinas de Boltzmann, Madaline, Redes de Funcionesde Base Radial, las Maquinas de Vectores de Soporte, losMapas Autoorganizados, las Redes de Cuantizacion Vec-torial Difusa, etc.). Todas estas tecnicas y otras analo-gas [12] han recibido el nombre generico de “InteligenciaComputacional” (IC). Difieren de la IA tradicional men-cionada antes no en sus objetivos sino en la manera detratar de alcanzarlos. Las tecnicas de IC tienen la carac-terıstica de requerir de cantidades considerables de poten-cia de computo. Nacieron hace relativamente poco tiempo,precisamente, porque anteriormente los costos asociadosresultaban prohibitivos. Pero las computadoras modernasson altamente eficientes y de bajo costo. Ello ha traıdo,como consecuencia, que se cultive la IC de una maneramuy importante a ultimas fechas.

En este trabajo nos referiremos, de manera principal aluso de redes neuronales del tipo llamado “Mapas Autoor-ganizados” o tambien llamado “Redes de Kohonen”. Estetipo de redes tiene la caracterıstica de poder encontrar laforma en la que los datos (que tıpicamente describen unsistema de interes) se agrupan formando categorıas.

Minerıa de DatosCuando los volumenes de datos que se deben anali-

zar alcanzan grandes proporciones, su analisis se convier-te, por una parte, en un reto; por otra en una labor al-tamente importante en muchos contextos. La frase “degrandes proporciones” es ambigua y depende del momen-to tecnologico. En esta epoca “grandes proporciones” serefiere a bases de datos de varios gigabytes (1 gigabyte =1000,000,000 de bytes, aproximadamente). Por ejemplo,los gobiernos deben analizar las caracterısticas de millonesde individuos para determinar su propension a un ciertotipo de enfermedad; una empresa debe analizar millonesde clientes para determinar el impacto que sus estrategiasde ventas han tenido en las mismas, etc.

Una imagen sugestiva es la de un minero buscando enuna montana cosas interesantes; por ejemplo, pepitas deoro o diamantes. En informatica un volumen de datos degrandes proporciones es analogo a la montana y el pro-ceso de minado (la busqueda) se refiere a caracterısticascompartidas entre muchos de los objetos de la muestraanalizada.

Agrupamiento

En un sistema “del mundo real” tıpicamente se tie-nen colecciones de datos (“registros”) que se asocian a unindividuo catalogado por una “llave”. Por ejemplo, una“llave” tıpica es el nombre de un cliente que ha sido ase-gurado, aunque podrıa usarse el numero de poliza. El usode la llave es determinante para que se logren resultadosinteresantes en un proceso de minado de datos. En el pri-mer caso, un asegurado puede tener muchos seguros; enel otro, un numero de poliza puede corresponder a variosasegurados. Los datos se almacenan como tablas bidimen-

sionales en la computadora. Si suponemos que la llave denuestro ejemplo es el nombre entonces una fila de datossolo tiene un nombre y, asociada a este, una coleccion dedatos. Por ejemplo, su salario, su edad, su sexo, su religion,etc.

Los problemas basicos que debemos abordar cuando seanalizan volumenes importantes de datos son:

¿Es posible encontrar caracterısticas comunes entrelos individuos de la poblacion bajo analisis?

¿En cuantos grupos de similitud podemos agruparlos datos?

¿Cuales son las caracterısticas que hacen que un in-dividuo de la poblacion pertenezca a una clase?

¿Que caracterısticas comparten los individuos quehacen que esten agrupados en una misma clase?

En ocasiones conocemos, a priori, ciertas caracterısti-cas utiles acerca de la informacion contenida. Por ejemplo,si tenemos en la mano los datos de los miembros de ungrupo de partidos polıticos podemos suponer el numeromaximo de grupos en los que la base de datos es suscep-tible de ser dividida. O si sabemos que estamos obser-vando estadısticas de ventas es posible inferir que existeestacionalidad (que el comportamiento de consumo se re-pite con cierta regularidad). En ausencia de conocimientoapriorıstico el problema es mas interesante (y complejo).En ocasiones el numero de grupos (o clusters) es eviden-te de la simple representacion grafica de los datos, comose ejemplifica en la Figura 3. Las regularidades presentesnos permiten decidir, facilmente, que existen clusters yque hay 5 de ellos.

Figura 3. Ejemplo de datos con regularidades eviden-

tes.



Pero no siempre las cosas son tan directas. En la Fi-gura 4 ejemplificamos tres conjuntos de datos. En el pri-mero de ellos parecen observarse 3 clusters. Pero podrıandescubrirse otros dos; o decidir que esos datos extras sonespurios.

Figura 4. Ejemplo de datos con regularidades no evi-

dentes.

En el segundo conjunto de datos se observan dos clus-

ters. Pero estos obedecen a patrones diferentes. El primeroesta aglutinado alrededor de un punto central de manerahomogenea en tanto que el otro se convierte en un anilloalrededor del mismo centro. ¿O debemos considerar quees un solo conjunto que presenta densidad en el centro yen las orillas pero no en el medio? En el tercero parecehaber dos grupos acomodados en espiral. ¿O es uno solocon contenidos heterogeneos?

En estos sencillos ejemplos parece haber problemasconceptuales escondidos. Y considere el lector que soncasos en donde solamente hay dos variables (una en cadaeje coordenado). En la practica las variables llegan a servarios cientos. El problema es mucho mas complejo. Estosson los problemas que hay que atacar en la minerıa dedatos.

Mercadotecnia e InteligenciaComputacional

El problema que vamos a describir (y que da su nom-bre a este artıculo) [10] se define de la siguiente manera:Una empresa lıder en su ramo dispone de una gran ba-se de datos (mas de 12,000,000 de registros; cada uno deellos consiste de los nombres de sus clientes y mas de 400variables asociadas a cada uno de ellos). La empresa (a laque llamaremos M) desea determinar:

a. El numero de clusters en los que su base de clientesse puede categorizar.

b. Las caracterısticas en cada uno de los clusters.

c. Como establecer a que cluster pertenece un futurocliente.

El objetivo de esta investigacion es:

a. Desarrollar los productos que los clientes desean con-sumir.

b. Determinar cuantos clientes son compradores poten-ciales de los nuevos productos.

c. Determinar quienes son los clientes potenciales delos nuevos productos.

Como se puede observar este proyecto apunta a unaestrategia de mercadotecnia radicalmente distinta a laque tradicionalmente se adopta en los procesos de ventas.Usualmente se establecen analisis de mercado con un pro-yecto en mente y, posteriormente, se hace una evaluacionde los resultados de los esfuerzos de ventas; el productopuede o no modificarse. En este caso la idea es determinarel producto a partir de las necesidades conocidas de losclientes antes de proceder a su diseno.

Para lograr lo anterior se puede seguir el llamadoCRISP-DM [11] que se ilustra en la Figura 5. Este mo-delo obedece la llamada “Minerıa de Datos”.

Figura 5. El modelo CRISP-DM.

El modelo CRISP-DM define seis fases cuya secuenciano es rıgida, depende de los resultados obtenidos en cadafase. Las flechas de la figura indican las dependencias masimportantes y frecuentes entre fases. El cırculo externosimboliza la naturaleza cıclica de la minerıa de datos. Delas multiples tareas de modelado que abarca la minerıa dedatos, aquı nos enfocaremos en la tarea de agrupamiento(clustering) [13].

El criterio del codo estipula que el mejor numero degrupos (c) corresponde al punto en donde, simultaneamen-te, la tendencia de PE a incrementar y la tendencia de PC



a decrecer cambian; en otras palabras, cuando la curvatu-ra de las tendencias cambia, tal como lo muestra el graficode la Figura 6. En el se indica, con un ovalo punteado, elpunto donde se da el cambio en las tendencias de PC yPE y que por lo tanto es un numero optimo de grupos.En este caso c = 6.

Figura 6. Ilustracion del criterio del codo.

Numero de Clusters. El primer paso consiste en de-terminar el numero de clusters. Se pueden calcular dosındices llamados PC (El coeficiente de particion) y PE (elcoeficiente de entropıa de la particion). PC es una medidade que tan compacto es un grupo. PE, por su parte, midela “informacion” contenida en cada agrupamiento.

Conociendo el numero de clusters aplicamos una redneuronal de Kohonen para determinar la forma en quecada uno de los elementos de la muestra se incluye encada uno de los clusters.

Agrupamiento. El mapa de Kohonen [14] que se ilustraen la parte izquierda de la Figura 7, como se ve, constade 9 neuronas. Cada neurona corresponde a 1 cluster (eneste ejemplo hay 9). Pero en este metodo, sin embargo,es posible asignar mas de 1 neurona a cada cluster. Parailustrar el caso, vease la parte derecha de la Figura 7. Enella hay 25 neuronas pero los mismos 9 clusters.

Figura 7. Mapas de Kohonen para 9 clusters.

De hecho los dos mapas corresponden a los mismosdatos. Lo que queremos ilustrar es el hecho de que, au-mentando el numero de neuronas, somos capaces de des-cubrir relaciones de mayor detalle.

Analisis. Una vez teniendo los datos agrupados es posibleproceder a su analisis. En la Figura 8 presentamos la re-presentacion grafica del comportamiento de las variablesque participan en cada grupo.

Las relaciones entre las variables exhiben patrones decomportamiento que serıan virtualmente imposibles de de-tectar usando otros metodos. Una vez habiendo detectadoestas relaciones es posible (y se hizo) proponer productosdirigidos especialmente a los miembros de cada uno de losclusters.

En la Figura 8 se ve el tipo de analisis que nos propor-ciona un software de minerıa de datos moderno. Hacemosnotar que cada objeto de la base de datos tratada constade mas de 100 variables. Por ello es que encontrar los pa-trones de comportamiento embebidos en dichas variablesrepresenta un problema no trivial.

Figura 8. Comportamiento de las variables en el clus-

ter 2.

ConclusionesLa tecnologıa moderna nos ubica ante la posibilidad

de hacer analisis de sistemas muy complejos de los quese tiene poco o nulo conocimiento aun si poseemos ba-ses de datos con suficiente informacion. Las herramientasque hacen esto posible dependen de computadoras de al-ta velocidad y con vastas capacidades de almacenamiento.Abren la posibilidad de establecer, por ejemplo, estrate-gias de mercado en las que el riesgo de fracasar esta cla-ramente acotado por las preferencias de los compradorespotenciales. Dichas preferencias y los datos individualespermiten establecer una estrategia de mercado con venta-jas indiscutibles.✵



REFERENCIAS

1. Microsoft Research Summit, Seattle, WA, agosto de 2008.

2. Turing A. (1950) “Computing machinery and intelligence”, Mind 49: 433-460.

3. Wallace M. Eliza, computer therapist, http://www.manifestation.com/-neurotoys/eliza.php3. Fecha de consulta:2005.

4. Winograd T. http://hci.stanford.edu/winograd/. Fecha de consulta: agosto 21, 2008.

5. CDC Star-100. http://en.wikipedia.org/wiki/CDCSTAR-100. Fecha de consulta: agosto 21, 2008.

6. Prospects of a space-based cryogenic computer, RAND Corporation, June 1966, http://oai.dtic.mil/oai/oai?verb=getRecord&metadataPrefix=html&identifier=AD0634121. Fecha de consulta: agosto 21, 2008.

7. Quantum Computer. http://en.wikipedia.org/wiki/Quantumcomputer. Fecha de consulta: agosto 21, 2008.

8. Shapiro E., Benenson Y. (2006) “Computadores de ADN”. Investigacion y Ciencia, pp. 14-21, julio 2006.

9. Kuri-Morales A., et al. (2008) “Inteligencia Artificial”. Introduccion a la Computacion. CENGAGE Learning.

10. Kuri-Morales A., Rodrıguez F. (2007) “A Search Space Reduction Methodology for Large Databases: A Case Study”.Proceedings of the 7th Industrial Conference on Data Mining. Springer LNAI.

11. Quiang Y., Xindong W. (2006) ”10 Challenging problems in Data Mining Research”. International Journal of

Information Technology.

12. Duch W. ”What is Computational Intelligence and what could it become?”. http://www.fizyka.umk.pl/publications/kmk/06-Cidef. Fecha de consulta: agosto 21, 2008.

13. Jain A.K., Murty M.N., Flynn P.J. (1999) ”Data Clustering: A Review”. ACM Computing Surveys (CSUR). Vol.31, No. 3, pp. 264-323.

14. Haykin S. (1999) “Neural Networks. A Comprehensive Foundation”, 2a edicion. Capıtulo 9. Prentice Hall.

SOBRE EL AUTOR

Angel Kuri Morales es doctor en ciencias de la computacion por Kennedy-Western Uni-versity. Maestro en ciencias por la Universidad de Illinois, EEUU. Es tambien ingeniero enelectronica egresado de la Universidad Anahuac, en Mexico, D.F. Es miembro del Sistema Na-cional de Investigadores, Distinguished Lecturer de la Association for Computing Machinery

(ACM) y miembro del Comite Cientıfico de World Scientific and Engineering Academy and

Society (WSEAS). Actualmente es miembro del Consejo Ejecutivo de Iberamia, Presidentede la Sociedad Mexicana de Inteligencia Artificial, e Investigador en el Instituto TecnologicoAutonomo de Mexico.Sus areas de interes son algoritmos geneticos, redes neuronales, aplicaciones biomedicas yaplicaciones financieras.

¡Anunciese con nosotros!Atencion patrocinadores & anunciantes: Komputer Sapiens es una revista de di-vulgacion en idioma espanol de temas relacionados con la Inteligencia Artificial, conun tiraje inicial de 1,000 ejemplares.

Informacion: [email protected]


mailto:[email protected]


ARTICULO ACEPTADO

Sistemas Hıbridos Neuro-Simbolicos: una Alternativade Solucion en la Industriapor Vianey Guadalupe Cruz Sanchez, Osslan Osiris Vergara Villegas y Gerardo Reyes Salgado

En este artıculo se presenta unadescripcion de los Sistemas Hıbri-dos Neuro-Simbolicos, un enfoqueutilizado en el area de la Inteligen-cia Artificial para solucionar algunosproblemas de la industria tales comola inspeccion de la calidad. La cola-boracion que existe entre el enfoqueneuro-simbolico y los sistemas de vi-sion artificial abre las puertas paradesarrollar e implementar sistemascapaces de complementarse entresı para el cumplimiento de un obje-tivo en comun.

IntroduccionEn el area de Inteligencia Ar-

tificial (IA) existe un tema muyinteresante llamado Sistemas Hıbri-dos Neuro-Simbolicos. Los SistemasHıbridos son dos o mas sistemasque se encuentran integrados parasolucionar un problema. Por ejem-plo, suponga que le detectan ciertogrado de anemia y que su medicole indica que necesita de algunosalimentos que contengan hierro paraelevar su nivel de hemoglobina, yque ademas necesita de alimentosricos en vitamina C para mejorarla absorcion. Entonces, necesitamosde algun alimento rico en hierro yde otro alimento rico en vitaminaC. Entre los alimentos que contie-nen hierro se encuentran el betabel,la nuez, la pasa, etc., y entre losalimentos ricos en vitamina C seencuentra la naranja. Entonces, sicombinamos en un jugo el beta-bel y la naranja se obtendra, comoresultado del licuado, un sistemahıbrido. Al combinar las ventajasde cada uno de dichos alimentos enuno solo, se estara contribuyendo enla solucion del diagnostico medico.Los sistemas hıbridos forman partede nuestra vida, tanto de manerasimple como compleja, teniendo unmismo objetivo, combinar dos o mas

tecnicas o tecnologıas para solucio-nar un problema que de aplicarseen forma separada no generarıanlos mismos buenos resultados. Es-te artıculo presenta una explicaciondetallada de los Sistemas HıbridosNeuro-Simbolicos, las aplicacionesen la industria muestran la impor-tancia de este enfoque como unaalternativa de solucion para algunosde nuestros problemas de la vidacotidiana.

Sistemas Hıbridos Neuro-Simbolicos

La implementacion de variastecnicas y la posibilidad de relacio-narlas entre sı, requiere de mecanis-mos tales como los sistemas hıbridos[1]. Los Sistemas Hıbridos Neuro-Simbolicos (SHNS) son una claseparticular de sistemas hıbridos for-mados por dos componentes “inteli-gentes”, uno neuronal y otro simboli-co. El componente neuronal pue-de entenderse como el conjunto deconocimientos practicos que se vanadquiriendo a traves de nuestra vida,mientras que el componente simboli-co consiste de un conjunto de cono-cimientos cuya base es teorica. Porejemplo, ¿como se le explica a unnino la diferencia entre un perro yun gato? Una alternativa es basar-nos en un conjunto de descripcionesteoricas, tales como: un perro es unmamıfero carnıvoro domestico de lafamilia de los canidos, de tamano,forma y pelaje muy diversos, pro-ducto de las distintas razas obteni-das por hibridacion, que esta adap-tado a todas las regiones de la tie-rra. Por otro lado, un gato es unmamıfero carnıvoro domestico de ca-beza redonda, lengua muy aspera,patas cortas armadas de unas fuer-tes, agudas y retractiles, pelaje es-peso y suave, de diversos colores, yojos cuya pupila se dilata para ver en

la oscuridad [2]. Las definiciones pre-sentadas pueden dar una idea de lascaracterısticas principales que pue-den servir para dar la explicacion aun nino; sin embargo, aun con dichoconocimiento teorico el nino puedeconfundir ambos animales. El com-ponente simbolico le presenta al ninoun conjunto de imagenes que mues-tren algunos tipos de perros y de ga-tos. Sin embargo, es imposible tenertodo el universo de imagenes de pe-rros y de gatos existentes en el mun-do. Por tal razon se recomienda inte-grar ambos componentes que repre-sentan los conocimientos teoricos ypracticos, de tal forma que el cono-cimiento del nino sea incrementadoy reforzado para lograr hacer la di-ferencia entre un perro y un gato.

Aun cuando el ejemplo ilustraun caso sencillo, el reto consiste entratar de simular el comportamien-to que como seres humanos tenemospara resolver un problema, por ejem-plo el de reconocimiento de objetosa traves de una computadora. Pa-ra ello, los SHNS utilizan tanto lasredes neuronales artificiales (RNA)como las reglas de produccion (RP),para poder integrar los conocimien-tos teoricos y practicos de un proble-ma en particular. Las RNA tratan deemular el comportamiento biologicode las neuronas en nuestro cerebroy son excelentes para abordar pro-blemas de clasificacion. Por ejemplo,cuando observamos algun objeto, lainformacion de la forma, tamano ycolor, entre otros, viaja a traves denuestras neuronas en una red neuro-nal biologica como pulsos nerviosos.Este proceso prodcira como respues-ta el tipo o nombre del objeto reco-nocido.

En el caso de las redes neurona-les artificiales, el conjunto de carac-terısticas (forma, tamano, etc.) sir-ve como entrada a la red, la cual a



traves de funciones matematicas ge-nera como respuesta la clase del ob-jeto. Las RNA permiten el aprendi-zaje en paralelo y han generado bue-nos resultados en el reconocimien-to de patrones. Pueden ser imple-mentadas tanto en hardware comoen software. Una forma sencilla dedescribir una red neuronal es repre-sentandola en un grafo, donde cadanodo tiene una variable asociada lla-mada estado y una constante llama-da umbral. Cada arco del grafo tieneun valor numerico asociado conocidocomo peso. El comportamiento de lared neuronal estara determinado porsu estructura y por las funciones detransferencia entre los nodos que cal-culan nuevos valores de los estadosdesde los nodos de entrada [3].

Las RP son una tecnica de laInteligencia Artificial generalmenteutilizada en sistemas basados enconocimiento o sistemas expertos.Por ejemplo, cuando un individuo vaa una consulta debido a un males-tar, el medico realiza una serie depreguntas que le ayudan a precisarlos sıntomas de su paciente. Una vezque se conocen los sıntomas, el medi-co comienza a establecer una seriede relaciones entre ellos que le per-mitan llegar a una conclusion, es de-cir, a conocer las causas de su ma-lestar o proporcionar un diagnosti-co medico. El conocimiento que elmedico tiene en torno a los sınto-mas, las causas que los provocan y eltratamiento que se recomienda, pue-de ser trasladado a un sistema decomputadora conocido como sistemaexperto a traves de la representacionde un conjunto de reglas llamadasreglas de produccion.

Las RP son una forma de repre-sentacion del conocimiento facil deutilizar. Una regla de produccion esun par condicion-accion de la forma(condicion, accion), lo que significaque: “si la condicion es satisfecha,entonces la accion puede ser realiza-da”. Ambos, condicion y accion pue-

den ser representados en algun len-guaje de programacion, lo cual ha-ce facil de implementar en un siste-ma de conocimiento basado en reglasde produccion. Las reglas de produc-cion son una forma general y flexi-ble de representar conocimiento li-neal [3].

Los metodos simbolicos son apro-piados en situaciones en las cualesse tiene todo el conocimiento nece-sario para solucionar una tarea es-pecıfica, siendo el proceso de razo-namiento de caracter deductivo. Porotro lado, los metodos conexionis-tas o neuronales son apropiados ensituaciones en las cuales se dispo-ne de suficientes datos, etiquetadoso no etiquetados, pero poco cono-cimiento para solucionar la tarea.Existen sistemas desarrollados don-de unicamente se utiliza alguna delas dos tecnicas. Sin embargo, la in-tegracion de las RNA y las RP, sepuede realizar en problemas dondeno se tiene ni todo el conocimientoni todos los datos [4]. La integracionde ambos enfoques ofrece ventajascomo: posibilidad de utilizar variasclases de representacion del conoci-miento, mejor eficiencia del sistemaglobal cuando es comparado con ca-da uno de los componentes, fuer-te acoplamiento entre los componen-tes, posibilidad de aprendizaje glo-bal y complementariedad entre losconocimientos simbolicos y numeri-cos. La integracion neuro-simbolicapuede ser clasificada principalmenteen tres grandes grupos, segun el “ti-po de hibridacion” del enfoque utili-zado.

Enfoque unificado: Tambienconocido como enfoque “puro”o como un hıbrido en un sen-tido amplio. La idea es inte-grar en un solo modulo uni-camente conexionista o unica-mente simbolico, los dos ti-pos de enfoques (simbolico +conexionista). Intenta integrar

las propiedades de los siste-mas simbolicos en los siste-mas conexionistas en una uni-ca solucion. Los sistemas pura-mente conexionistas intentanrealizar procesos de inferenciasimbolica, a traves de la uti-lizacion de RNA. Los siste-mas puramente simbolicos tra-tan de realizar los procesos deinferencia simbolica, a fin deutilizar el razonamiento de in-certidumbre como son: los va-lores continuos y aproximados.

Enfoque semi-hıbrido: Esutilizado para realizar traduc-ciones. Por ejemplo, la compi-lacion de una base de reglasen una red (fase de inserciondel conocimiento) y la “expli-citacion” de reglas a partir deuna red (fase de extracciondel conocimiento). Ciertos sis-temas son llamados semi-hıbri-dos porque solo realizan unode los dos tipos de transferen-cia del conocimiento entre losmodulos simbolico y conexio-nista.

Enfoque hıbrido: Se basaen una verdadera integracionde al menos dos modulos: unmodulo simbolico y uno cone-xionista. Pueden existir variosmodulos simbolicos y conexio-nistas integrados entre sı, pa-ra ello se tendra al menos unsistema de inferencia simboli-co que trabaja en coopera-cion con un sistema de infe-rencia conexionista. Es cono-cido como enfoque hıbrido ensentido estricto. Los SHNS hansido una alternativa de solu-cion la cual ha dado muy bue-nos resultados sobre todo enaplicaciones como: diagnosticomedico, control, toma de deci-siones, identificacion de obje-tos, analisis de escenas, proce-samiento de imagenes, etc.

El reto es simular el comportamiento humano para resolver problemas.



De la Analogıa Cotidiana a la RealidadIndustrial

La industria se define como “el conjunto de procesos yactividades que tienen como finalidad transformar las ma-terias primas en productos elaborados” [5]. La industrianacio cuando los hombres aprendieron a transformar losrecursos naturales de que disponıan para obtener una granvariedad de objetos, utilizados para satisfacer sus necesi-dades [5]. Existen diferentes tipos de industrias entre lascuales se encuentran la manufacturera, la alimenticia, laautomotriz, etc., cada una de ellas preocupadas por elevarsus estandares de calidad. Es por esta razon que el hom-bre representa un papel muy importante en la industria,ya que de el depende que los productos elaborados cum-plan con los criterios establecidos por la empresa, desem-penando el proceso de inspeccion visual de la calidad de losproductos lo mejor posible. La tarea de inspeccion visualse define como “un proceso de comparacion de piezas, ob-jetos individuales o materiales continuos fabricados segununa norma, con vistas al mantenimiento de cierto nivel decalidad” [6]. Sin embargo, en la mayorıa de los casos lainspeccion de los productos es una tarea muy cansada pa-ra el ser humano ya que despues de determinado tiempo lacalidad en la vision se reduce teniendo como consecuenciaque algunos productos con menor o mayor grado de defec-tos se consideren como falsos negativos. Por lo tanto, lacreciente competencia por ser los numero uno en el merca-do y reducir el numero de errores cometidos por el hombredurante la etapa de inspeccion, ha obligado a los duenosde las industrias a buscar nuevos horizontes que los con-duzcan a obtener productos con una mejor calidad. Unaalternativa para controlar la calidad ha sido el desarrollode sistemas de inspeccion visual automaticos. Algunas delas areas donde se han utilizado dichos sistemas son: proce-sos industriales, apoyo al diagnostico medico, percepcionremota, guiado de vehıculos moviles, gestion de la infor-macion visual, control de calidad de productos y procesos,investigacion y desarrollo, pruebas y medidas automati-cas, inspeccion de componentes electronicos, inspeccion deproductos farmaceuticos. Un sistema de inspeccion visualutilizado en el control de calidad de un producto debe serdisenado de tal forma que cumpla con las siguientes doscondiciones:

Eficiencia: De acuerdo a las especificaciones de pro-duccion, se debe detectar, en lo posible, el total deproductos defectuosos, rechazando simultaneamentela menor cantidad de productos en buen estado.

Rapidez: La velocidad de inspeccion debe ser acor-de a los ritmos de produccion, de tal forma que lainspeccion no desacelere el proceso productivo [6].

Los sistemas de inspeccion visual se basan en la vision

artificial para realizar el proceso de inspeccion. La visionpermite a los humanos percibir para entender el mundoque los rodea, mientras que la vision por computadora ovision artificial busca duplicar el efecto de la vision hu-mana por medio de percepcion electronica. Se espera quela vision por computadora resuelva tareas muy complejas,el objetivo es obtener resultados similares a los obteni-dos por los sistemas biologicos [7]. Actualmente, la visionartificial se utiliza en diversos procesos cientıficos y mi-litares, extendiendose ademas, hacia un amplio rango desectores industriales para la automatizacion de tareas an-teriormente reservadas a la inspeccion visual humana. Endichas tareas existe un gran potencial de uso con la auto-matizacion de aquellos procesos en los que la inspeccionvisual humana resulta ineficiente o costosa [8]. La visionartificial trata de emular el sistema de vision humano uti-lizando para ello una camara y una computadora comose muestra en la Figura 1 [9]. La camara capta los obje-tos que se encuentran en una escena emulando la funciondel ojo humano, mientras que la computadora realiza elprocesamiento necesario para reconocer los objetos en di-cha escena. Para el reconocimiento de objetos se utilizantecnicas que emulan el proceso que realiza nuestro cerebroen imagenes del mundo real.

Figura 1. Analogıa del procedimiento para obtener

una imagen por medio de una camara y el ojo humano.

Figura 2. Proceso de inspeccion de calidad en pollos.



Entre las tecnicas utilizadas du-rante el reconocimiento de los obje-tos se encuentran las RNA, las cua-les han dado muy buenos resultados.Por lo tanto, en el caso de que senecesite clasificar un producto comobueno o malo, la red neuronal es laencargada de tomar tal decision. Noobstante, a pesar de los resultadosobtenidos con la implementacion deun sistema de vision artificial, envarias ocasiones se necesita reforzarla solucion implementando algunaotra tecnica de Inteligencia Artifi-cial que represente el conocimientoque tienen los expertos para reali-zar una tarea como la inspeccionde la calidad. Esto ultimo es muyimportante, ya que en la mayorıade los sistemas de vision artificial elconocimiento del experto adquiridodurante anos para realizar su traba-jo no es tomado en cuenta, por loque puede ser utilizado para com-plementar el conocimiento obtenidodel sistema de vision artificial.

Los SHNS comoAlternativa de Solucion

Los Sistemas Hıbridos Neuro-Simbolicos han sido utilizados en elarea de la industria para resolverproblemas de inspeccion de calidadcomo el que se presenta en [10] y [8].

Inspeccion de la calidad:aplicacion en la industriaalimenticia

El trabajo presentado en [10]consiste en la deteccion de defectosen pollos tales como: quemaduras,hematomas y ampollas, el esquemadel sistema de inspeccion se muestraen la Figura 2.

Para resolver el problema se uti-liza una camara que se encarga decaptar la imagen, una vez que laimagen es obtenida se envıa la infor-macion al sistema de vision artificialel cual se encarga de extraer del fon-do de la imagen al objeto de interes,en este caso el pollo, para posterior-mente segmentarlo en partes y re-

conocer cualquier defecto existente.Una vez localizado el objeto, el siste-ma de vision se encarga de medir al-gunas caracterısticas de interes de lamuestra. Posteriormente, con la in-formacion extraida, se alimenta a unsistema experto el cual contiene enun conjunto de reglas conocimientodel experto humano. Mediante estasreglas se deciden las acciones quedeben ser realizadas sobre el pollo.Por ejemplo, puede decidir rechazaro aceptar el producto. El sistemade vision y el sistema experto soncomunicados con el usuario vıa lainterfaz de maquina. El sistema ex-perto cuenta con una unidad de ma-nipulacion que ejecuta fısicamentelas acciones que el sistema expertodecide tomar. La informacion que elsistema de vision envıa al sistemaexperto es utilizada por este ultimopara monitorear completamente lacalidad de la produccion. La detec-cion de los defectos constituye elcorazon del sistema de vision, suobjetivo es identificar posibles areasdefectuosas y asociarlas a uno delos defectos contenidos en una listade referencia dada. De acuerdo ala clasificacion de sistemas hıbridosneuro-simbolicos presentada en [1],el tipo de sistema utilizado para elproblema de deteccion de defectosen el pollo es clasificado como unsistema semi-hıbrido ya que utilizauna base de conocimientos numericapara alimentar al modulo del siste-ma experto basado en reglas.

Inspeccion de la calidad:aplicacion en la industria textil

El trabajo presentado en [8], con-siste en la verificacion automatica dela calidad de la textura de un ob-jeto artificial. El objetivo es definirlos criterios de calidad asociados auna textura y determinar discrepan-cias entre la textura que se inspec-ciona y la que se tiene como referen-cia. El reconocimiento de las textu-ras fue realizado con cierto grado dedegradacion del color y con un por-

centaje de escala y rotacion en lasimagenes, obteniendose buenos re-sultados. Sin embargo, se dejo abier-ta la posibilidad de mejorar el por-centaje de efectividad de reconoci-miento con el uso de algunas otrastecnicas. Dado que existıa la posi-bilidad de complementar el conoci-miento del sistema de vision con elconocimiento del experto humano sepropuso mejorar el porcentaje de re-conocimiento con la implementacionde un SHNS, aprovechando la capa-cidad de generalizacion de las RNAy la capacidad de expresividad de lasRP [11]. La metodologıa implemen-tada consistio en:

1. Traducir el conocimiento delexperto humano a traves deuna representacion simbolicadel tipo reglas de produccion,la regla obtenida representa losparametros en los cuales se de-fine una textura de calidad.

2. Mapear el conocimientosimbolico hacia una RNA, estocon el objetivo de insertar unconocimiento a priori a la red.

3. Entrenar la RNA con un con-junto de ejemplos proporciona-dos por el sistema de vision ar-tificial.

4. Realizar la clasificacion de lastexturas artificiales.

En la Tabla 1 se presenta losresultados obtenidos. Para realizarlas pruebas, se utilizaron las mis-mas condiciones para ambos casos,con y sin la implementacion de lametodologıa. Como se observa enla tabla, los resultados obtenidoscon la implementacion del enfoqueneuro-simbolico (columna 3) fueronsuperiores a los obtenidos con elsistema de inspeccion automatico(columna 4). Existen muchos proble-mas que requieren la inspeccion dela calidad de productos que podrıanser apoyados con un SHNS.



ConclusionLos Sistemas Hıbridos Neuro-Simbolicos han demos-

trado ser utiles para apoyar a los sistemas de inspeccionvisual, el uso del conocimiento teorico y practico quenosotros como seres humanos utilizamos para solucionarun problema, representa la base de este enfoque de Inte-ligencia Artificial. Los SHNS son recomendables cuandose necesite complementar el conocimiento del expertohumano con algun otro conocimiento numerico obteni-do por ejemplo, de un sistema de vision artificial. Esteartıculo presento algunos conceptos que explican el enfo-que Neuro-Simbolico aplicado a problemas de la industriacomo el control de la calidad. Actualmente, nos encon-tramos trabajando en una metodologıa de integracionneuro-simbolica y su aplicacion a problemas de inspeccionvisual, como la deteccion de microcalcificaciones en ma-mografıas.✵

REFERENCIAS

1. Cruz Sanchez V.G., Reyes Salgado G., Vergara Ville-gas O.O. (2006) “Diseno de sistemas hıbridos neuro-simbolicos: aspectos a considerar”. Energıa y compu-

tacion, Vol. 14, No.1. pp. 10 - 15, diciembre de 2006.

2. http://diccionariomigue.galeon.com/ Diccionario-Migue/diccionario.htm

Tabla 1. Resultados del reconocimiento

de texturas artificiales[11].

Clase No. de SHNS SVAimagenes % %

Tolerancia a 30 96.66 76.66rotacion 900 30 100.00 55.66

30 100.00 86.66Tolerancia a 30 96.66 76.66rotacion 1800 30 100.00 56.66

30 100.00 86.66Tolerancia a 30 96.66 73.33escala a la 30 93.33 56.66mitad 30 100.00 86.66Tolerancia a 30 86.66 70.00escala al 30 96.66 56.66doble 30 90.00 86.66

Tolerancia a 30 a 900 (1) 100.00 76.66

escala y 30 a 900 (2) 90.00 76.66rotacion 30 a 1800 (1) 100.00 80.00

30 a 1800 (2) 90.00 76.66Tolerancia al 30 100.00 90.00ruido sal 30 100.00 100.00y pimientaTolerancia a 30 100.00 96.66ruido uniforme 30 96.67 100.00

(1)Mitad de la escala

(2)Doble de la escala

3. Tyugu E. (2007) Algorithms and architectures of artificial intelligence, IOS press, Vol. 59, pp.184.

4. Mira J., Delgado A.E., Taboada M.J. (2003) Neurosymbolic Integration: The Knowledge Level Approach, SpringerBerlin / Heidelberg, Vol. 2809/2004, pp. 460-470.

5. Mecanismo industria y desarrollo. http://www.yourbubbles.com/mecanismo/industria/index.html

6. Mery D. (2002) “Inspeccion Visual Automatica”, 1er Congreso Internacional de Ingenierıa Mecatronica. Lima.

7. Sonka M., Hlavac V., Boyele R. (2008) Image Processing, Analysis, and Machine Vision, Thomson Learning, 3er.edicion.

8. Vergara Villegas O.O. (2003) Reconocimiento de Texturas Artificiales Aplicacion a la Inspeccion Visual. Tesis demaestrıa, Centro Nacional de Investigacion y Desarrollo Tecnologico (Cenidet).

9. Control, Automatica y Diseno Industrial Avanzado (Cadia), Empresa de Base Tecnologica,http://www.cadiaingenieria.es/seriva.php

10. Piccardi M., Cucchiara R., Bariani M., Mello P. (1997) “Exploiting symbolic learning in visual inspection”, Lecture

Notes in Computer Science, Vol. 1280/1997, pp. 223-234.

11. Cruz Sanchez V.G., Vergara Villegas O.O, Reyes Salgado G., Ochoa Domınguez H.J., Ruiz Ascencio J. (2008) “ANeuro-Symbolic Hybrid Methodology for Quality Inspection on Artificial Textures”, New Aspects on Computing

Research. WSEAS Press, Vol. 1, pp. 154-159.



SOBRE LOS AUTORES

Vianey Guadalupe Cruz Sanchez es licenciada en informatica. Tecnologico de Cerro Azul,Mexico, 2000. M.C. Ciencias Computacionales, CENIDET, Mexico 2004. Estudiante de doc-torado en CENIDET, 2005 a la fecha. Int. Internado Palmira s/n. Col. Palmira. C.P. 62490. 01(777) 318 - 7741, Cuernavaca, Morelos, Mexico. [email protected], [email protected]

Osslan Osıris Vergara Villegas es ingeniero en sistemas. Tecnologico de Zacatepec, Mexi-co, 2000. M.C. Ciencias Computacionales, CENIDET, Mexico, 2003. Dr. Ciencias Compu-tacionales, CENIDET, Mexico, 2006. Miembro del Sistema Nacional de Investigadores. Pro-fesor Investigador por la Universidad Autonoma de Ciudad Juarez, Av. del Charro 450 norte,Departamento de Ingenierıa Industrial y Manufactura Ciudad Juarez, Chihuahua, C.P. 32310(656)688 48 00 ext. 4760. [email protected]

Gerardo Reyes Salgado es ingeniero civil por el Tecnologico de Zacatepec, Mexico. Maestroen ciencias computacionales por el CENIDET, Mexico, y doctor en ciencias cognitivas porel Institut National Polytechnique de Grenoble (INPG). Miembro del Sistema Nacional deInvestigadores. Subdirector Academico en Cenidet. Int. Internado Palmira s/n. Col. Palmira.C.P. 62490. 01 (777) 318 - 7741, Cuernavaca, Morelos, Mexico. [email protected]

PASATIEMPOS

Sopa de Letraspor Oscar Herrera Alcantara

1. inteligencia

2. artificial

3. sociedad

4. mexicana

5. revista

6. komputer

7. sapiens

8. ciencia

9. tecnologıa

10. investigacion

Busque la solucion en el

proximo numero de

Komputer Sapiens



ARTICULO INVITADO

50 Anos de Investigacion en Computacion en Mexicopor Christian Lemaıtre Leon

IntroduccionEn junio de 1958 se instalo en la

Facultad de Ciencias de la UNAMla primera computadora electronicaen Mexico, una maquina IBM 650.Iniciaba ası la historia de la compu-tacion academica en Mexico. Si bienla instalacion de una computado-ra era una condicion necesaria pa-ra el surgimiento eventual de gruposde investigacion en computacion, sinduda no era una condicion suficiente.En las lıneas que siguen, tratare deesbozar algunos rasgos de la histo-ria del surgimiento y evolucion de laactividad de investigacion en compu-tacion en nuestro paıs, a partir tantode documentos disponibles como devivencias personales.

La historia oficial de la compu-tacion en Mexico, expresada, porejemplo, en los discursos conmemo-rativos, suele enumerar el calendariode adquisiciones. Es notable la fas-

cinacion que muestran las autorida-des por las compras de computado-ras, como si con ello, de manera au-tomatica, la institucion y el paıs ase-gurara un uso eficiente, innovador ycreativo de esta tecnologıa. Esa mis-ma historia oficial ha mostrado undesconocimiento casi total a las ac-tividades de investigacion y de for-macion de profesionistas y academi-cos de alto nivel. Poco se ha escritoen relacion de los grupos de investi-gacion en computacion, de su surgi-miento y evolucion; es una historiapor contar, que requiere un trabajosistematico y extenso que sobrepasa,por mucho, el alcance de este artıcu-lo.

La instalacion de la IBM 650 sedebio a la conjuncion de volunta-des de cientıficos con gran visioncomo el doctor Nabor Carrillo, enese entonces rector de la UNAM,el doctor Alberto Barajas, coordi-

nador de Investigacion Cientıfica yel doctor Carlos Graef, director dela Facultad de Ciencias, ası comodel dinamismo y perseverancia delingeniero Sergio Beltran, quien sedesempeno como el primer directordel Centro de Computo Electronicode la UNAM (CCE). Se planteabaası un reto de gran envergadura: si-tuar a nuestro paıs en el conciertode paıses que se asomaban por esosanos a esta nueva tecnologıa, en esetiempo, misteriosa y fascinante. Es-taba claro para estos cientıficos, quela computadora electronica vendrıaa ser un gran apoyo para la inves-tigacion en fısica en matematicas yen ingenierıa. Ası fue como en losprimeros anos, el CCE se poblo deun grupo entusiasta de alumnos delas carreras impartidas en la Facul-tades de Ciencias y de Ingenierıa dela UNAM.

Era notable la fascinacion de las autoridades por las compras de

computadoras, como si con ello, de manera automatica, la institucion y el

paıs aseguraran un uso eficiente, innovador y creativo de esta tecnologıa.

La decada de los sesentaLa decada de los sesenta trans-

currio en medio de una gran activi-dad de entre un pequeno cırculo deiniciados. A la UNAM se sumo en1961 el IPN, que inauguro su centrode computo, el CENAC, y en 1964el ITESM que instalo su primeracomputadora y poco despues inau-guro la primera carrera de compu-tacion en el paıs. La UNAM, el IPNy el ITESM se convirtieron en po-los de atraccion de estudiantes bri-llantes que deseaban acercarse a esenuevo mundo de la computacion.

A lo largo de los primeros anos,el CCE, a instancias de su director,el Ing. Sergio Beltran, organizo untotal de siete coloquios sobre compu-

tadoras electronicas y sus aplicacio-nes, trayendo investigadores de re-nombre, algunos de los cuales se con-virtieron con el tiempo en verdade-ros referentes de las ciencias de lacomputacion. Es ası como vinieron aimpartir sus conferencias y en algu-nos casos cursillos, A. Perlis, J. Mc-Carthy, M. Minsky, H. McIntosh, M.Lemann, N. Wirth y K. Iverson, en-tre otros.

Esta red de contactos cientıficosque se fue construyendo a lo lar-go de los primeros anos sirvio pa-ra poder enviar los primeros estu-diantes de posgrado a algunas delas universidades mas prestigiosas,ası como para iniciar algunos de losprimeros proyectos de investigacion.

Por ejemplo, Harold McIntosh, fısi-co, matematico y quımico que sehabıa convertido en un experto enLISP, inicio despues de su prime-ra visita a Mexico, su larga carre-ra como gran formador de cientıficosde la computacion mexicanos con ladireccion de la tesis de licenciatu-ra de Manuel Alvarez en 1961. En1964 fue invitado a trabajar en el re-cien creado CINVESTAV, en el De-partamento de Fısica, en donde diri-gio las tesis de licenciatura de Adol-fo Guzman Arenas y de RaymundoSegovia, alumnos de la ESIME delIPN, sobre el diseno y programaciondel lenguaje CONVERT.

Otro ejemplo es el de MannyLemann quien habıa disenado la



computadora SABRE de la Univer-sidad de Israel, y que organizo unpequeno grupo de alumnos para di-senar la computadora MAYA. Sibien nunca se logro construir es-ta computadora, varios de los estu-diantes que trabajaron con el hicie-ron una carrera relevante en compu-tacion, como Mario Magidin y Ray-mundo Segovia.

Un tercer ejemplo es el de Ken-neth Iverson, inventor del lenguajeAPL, quien impartio una serie decursillos. Este lenguaje tuvo un cier-to auge en Mexico debido a su adop-cion por el reconocido astronomomexicano Eugenio Mendoza, quien asu vez lo difundio entre jovenes estu-diantes, entre los que se encontrabaPablo Noriega.

Un grupo importante de los pri-meros usuarios de la IBM 650 ydemas computadoras que le siguie-ron, fueron investigadores de diver-sas disciplinas como fısica (T. Brody,H. McIntosh), matematicas (A. Ba-rajas y F. Zubieta), astronomıa (A.Poveda), linguıstica (M. Swadesh yD. Cazes), fisiologıa (J. Negrete) ycibernetica (A. Medina, G. Kurtz).Algunos de ellos jugaron un pa-pel importante en la formacion delas primeras generaciones de com-putologos. Fue el caso de TomasBrody, quien impulso el uso de lacomputacion avanzada en la fısicaal mismo tiempo que desarrollabasu “Lispito” y daba cursos de teorıade la computacion; Alejandro Medi-na quien formo un grupo interdisci-plinario importante en torno de laCibernetica y entusiasmo a muchosjovenes a proseguir sus estudios enareas como control, inteligencia ar-tificial e ingenierıa en computacion;Jose Negrete, quien fundo el labora-torio de biocibernetica en el CCE ydesarrollo a finales de los anos sesen-ta un sistema de diagnostico medicobayesiano, un sistema experto avant

la lettre.

Los primeros doctores en compu-tacion salieron de ese crisol, Re-nato Iturriaga y Enrique Calderonpor parte de la UNAM, y AdolfoGuzman y Mario Magidin por parte

del IPN. Renato Iturriaga quien fueel primer graduado en Ciencias de laComputacion del Carnegie Instituteof Techonology, hoy Carnegie MellonUniversity, fue nombrado, a su re-greso a Mexico, director del CCE dela UNAM en sustitucion de SergioBeltran. Adolfo Guzman regreso aMexico despues de haber terminadosu doctorado con M. Minsky en elMIT a dirigir el Centro Cientıfico deIBM, para pasarse en 1975 al IIMASde la UNAM como jefe del Departa-mento de Computacion, en sustitu-cion de Robert Yates. Enrique Cal-deron se doctoro en la Universidadde Pensilvania y regreso a la UNAM,poco tiempo despues se paso al sec-tor publico. Mario Magidin entro alIIMAS a su regreso de Berkeley ydespues de unos pocos anos se paso ala recien creada UAM para despuesirse con Enrique Calderon al sectorpublico.

Con el regreso de los prime-ros doctores en computacion, connuevos animos, se reinicio el ciclode atraer jovenes estudiantes pa-ra enviarlos a estudiar al extran-jero, estableciendo ası un procesode formacion permanente de nuevoscientıficos y tecnologos de alto ni-vel que continua hasta nuestros dıas.

La decada de los setentaLa decada de los setenta fue en

cierta forma un periodo de creci-miento. Con la llegada de las nue-vas generaciones de doctores se fue-ron consolidando nuevos grupos deinvestigacion. El CENAC del IPNcreo, a fines de los anos sesenta, laprimera maestrıa en ciencias de lacomputacion. La UNAM creo la su-ya en 1975. H. McIntosh creo, en1971, un grupo de computacion enel Instituto Nacional de Energıa Nu-clear, INEN, con egresados de laEscuela de Fısico Matematicas delIPN. En 1975 todo este grupo fue in-vitado a incorporarse a la Benemeri-ta Universidad Autonoma de Pue-bla, BUAP.

Algunas de las lıneas de inves-tigacion que se empezaron a desa-rrollar por esos anos incluıan, entre

otras, percepcion remota, procesa-miento de lenguaje natural, redesde computadoras, nuevas arquitec-turas, lenguajes de programacion.Para finales de esa decada y prin-cipios de los anos ochenta, los dosprincipales grupos de investigacionen computacion eran el del IIMASde la UNAM y el de la BUAP. Elprimero tenıa un poco mas de veintedoctores en computacion trabajan-do en su seno, y la BUAP del ordende unos quince.

La decada de los ochentaComo es bien conocido, a la deca-

da de los ochenta se le denomino la“decada perdida” por la enorme cri-sis economica que se abatio sobreel paıs. Los salarios sufrieron unaperdida de poder adquisitivo terri-ble lo que provoco, entre otras co-sas, una situacion de emergencia entodas las instituciones academicas.Como respuesta de emergencia secreo el Sistema Nacional de Inves-tigadores, SNI, con el fin de buscarretener en el paıs a los cientıficos enactivo. Sin embargo, para el cam-po de las ciencias de la computacionesta crisis fue devastadora y el SNIno tuvo ningun efecto. En menos detres anos, todos los grupos de inves-tigacion de las universidades mexica-nas o desaparecieron o se redujerona su mınima expresion. Por ejem-plo, para 1984 el grupo del IIMASde la UNAM habıa pasado de vein-te a cuatro doctores. El grupo delaBUAP se redujo tambien drastica-mente. El esfuerzo de dos decadaspara construir grupos de investiga-cion de buen nivel se vino abajo engran medida.

¿A donde se fueron esos investi-gadores? Unos se fueron al extran-jero, otros se pasaron a la iniciativaprivada o al sector gubernamental.Esta claro que lo que jugo un papelcentral en el caso de la computacion,fue que la expansion creciente delmercado informatico hacıa que fueserelativamente facil encontrar, fueradel ambito academico, trabajo bienremunerado. Para aquellos que pre-ferıan continuar con sus actividades



de investigacion, la solucion era la debuscar trabajo en universidades ex-tranjeras, en donde, particularmentelas de Estados Unidos, estaban ex-pandiendo su planta docente debi-do al auge general del mercado in-formatico. Para los profesores e in-vestigadores que se quedaban en lasuniversidades mexicanas, habıa queempezar de nuevo.

Afortunadamente, el flujo de be-carios que terminaban su doctoradoen el extranjero y regresaban a Mexi-co no se interrumpio. Con su llega-da y gracias al teson y enjundia delos investigadores que habıan perma-necido en las universidades se pudomantener una actividad academicamınima que se fue fortaleciendo po-co a poco bajo una dinamica muchomas abierta e interinstitucional queen la decada anterior. Es ası comoen 1986 se creo la Sociedad Mexi-cana de Inteligencia Artificial, cuyoprimer presidente y principal impul-sor fue Jose Negrete. A finales de esadecada, la situacion salarial en lasuniversidades publicas volvio a hacerestragos en los grupos recien forma-dos; sin embargo, para algunas ins-tituciones privadas como la UDLA,el ITESM o el ITAM, fue un mo-mento importante de creacion y decrecimiento de una planta docentede doctores en computacion con unavocacion hacia la investigacion. Estocontrasto con el caso del CINVES-TAV, cuya Seccion de Computacionse creo en 1983 en el Departamen-to de Ingenierıa Electrica. Esta Sec-cion habıa sido concebida como pasoprevio a la constitucion del Depar-tamento de Computacion. Desgra-ciadamente, eso no se pudo realizarsino hasta veinte anos mas tarde. Elplan original para este departamen-to, elaborado por Hector Nava Jai-mes, Juan Milton Garduno y AdolfoGuzman Arenas, era el de llegar a te-ner en pocos anos mas de veinte in-vestigadores. Desgraciadamente, lasituacion del paıs no permitio quela seccion de computacion del CIN-VESTAV creciera en mucho tiempo.El Departamento de Computacionse creo finalmente en el ano de 2006.

La creacion de la SMIA en

1986 vino a poner un poco de

orden a la comunidad

academica de fines de los anos

ochenta. Sus congresos anuales

permitieron que la renaciente

comunidad se conociera y se

organizara.

Eran anos en donde los temasde investigacion y de desarrollo tec-nologico se centraban en sistemasexpertos, procesamiento de lenguajenatural, programacion logica y vi-sion.

La decada de los noventaA principios de los anos noventa,

el INEGI se destaco como la unicadependencia del gobierno federal quese haya ocupado y preocupado porestablecer una polıtica integral deinformatica, incluyendo la investiga-cion y desarrollo. Desgraciadamen-te no logro incorporar en esa visiona las demas instituciones guberna-mentales involucradas. Como partede esa vision, el INEGI conformo unConsejo Asesor de informatica queen 1994 publico un documento inti-tulado: Elementos para un Progra-ma Estrategico en Informatica. Acontinuacion se reproduce un extrac-to de lo expuesto en dicho escrito quemuestra que existıa ya en esos dıasuna clara vision de la problematicade la investigacion en computacionde esos dıas.

“El estudio realizado por el INE-GI a los 28 grupos de investigacionmas connotados en 1992, eviden-cio que solo existen 78 investigadorescon doctorado, de los cuales 36 labo-ran en una sola institucion. La ma-yor parte de la actividad reportadaen ese estudio y casi toda la financia-da por el Consejo Nacional de Cien-cia y Tecnologıa (CONACYT) has-ta 1990, puede calificarse de ’transfe-rencia de tecnologıa’, aunque el im-pacto real de dichos proyectos enla industria nacional es difıcilmen-te cuantificable. Mas aun, de los 275proyectos de investigacion financia-dos por el CONACYT en 1991, nin-guno fue en informatica . . .

Los datos del estudio correspon-diente realizado en el primer trimes-tre de 1994 indican que el numerode grupos de investigacion se redujoa 17 . . .

No obstante, es necesario desta-car que, en particular, las areas deInteligencia Artificial, ComputacionGrafica e Interoperabilidad cuentancon comunidades organizadas y ac-tivas y han sostenido niveles razo-nablemente altos de calidad. Cabemencionar que en estas areas haygrupos de investigacion basica, in-vestigacion aplicada y docencia queaunque fragiles, han mantenido re-lativa estabilidad y participacion enla comunidad informatica interna-cional . . .

Sin embargo, este Grupo Con-sultivo considera que, en terminosgenerales, la investigacion en tecno-logıa de la informacion es escasa, in-constante y se encuentra atomiza-da en grupos dispersos tematica ygeograficamente. Aunque las razo-nes que explican esta situacion sondifıciles de precisar, es evidente, poruna parte, que el deterioro generalde los salarios academicos ha propi-ciado no solo la salida de informati-cos hacia la industria que ya se hamencionado, sino la emigracion depor lo menos un centenar de mexica-nos que actualmente estudian o tra-bajan en el extranjero, para los quevirtualmente no existen en la actua-lidad ofertas atractivas de repatria-cion en la docencia y la investiga-cion.”

La decada de los noventa fue degran actividad, se crearon y refor-zaron diferentes grupos de investiga-cion y docencia en computacion. En1991 se creo el Laboratorio Nacionalde Informatica Avanzada, LANIA,en Xalapa, que a su vez apoyo lacreacion del grupo de inteligencia ar-tificial de la Universidad Veracruza-na. En 1995 se creo el Centro deInvestigacion en Computacion, CIC,del IPN. A lo largo de esa decada,los grupos del ITESM aumentaronnotablemente, los grupos del CICE-SE, INAOE, CIMAT, UniversidadVeracruzana, BUAP, entre otros,



empezaron a crecer. En 1995, poriniciativa de un grupo pequeno deinvestigadores se creo, bajo la auspi-cio de la SMIA, la Sociedad Mexica-na de Ciencias de la Computacion,SMCC, siendo su primer presiden-te Vladimir Estivil, en ese entoncesinvestigador del LANIA. A lo lar-go de esos anos, la comunidad de la

computacion logro tener una presen-cia relevante en CONACYT; poco apoco se le fue reconociendo como unarea estrategica para el paıs y fue-ron apoyadas diversas iniciativas decolaboracion internacional, primerocon Estados Unidos, a traves de unconvenio NSF-CONACYT y poste-riormente con Francia, lo que desem-

boco en la creacion de un laborato-rio “virtual” franco mexicano en in-formatica, el LAFMI, en el ano 2000.De igual forma, se impulso un traba-jo sistematico de cooperacion entreinstituciones nacionales a traves dela creacion de la Red de Investiga-cion en Informatica (REDII).

En un espacio de 16 anos se multiplico el numero de doctores 7 veces. Hoy

tenemos grupos grandes de investigadores, aunque tambien existe una

gran dispersion de doctores aislados o en grupos demasiado pequenos.

El inicio del nuevo sigloA principios de la primera decada de este siglo las co-

sas volvieron a cambiar. Si bien de palabra el CONACYTsostenıa la importancia de la computacion como areaestrategica para el paıs, a excepcion de la creacion ymantenimiento del LAFMI, la presencia real de la compu-tacion en CONACYT y en sus comisiones dictaminadoraspracticamente desaparecio. No obstante, a pesar de todo,el campo de la computacion ha demostrado tener un di-namismo, no solo en el ambito comercial, gubernamentaly social, sino tambien en el academico de investigacion.Hoy en dıa somos mas de 500 doctores distribuidos en 57instituciones de educacion superior.

Con motivo del 50 aniversario de la instalacion de laIBM 650 en la UNAM se creo la Red Mexicana de Investi-gacion y Desarrollo en Computacion, REMIDEC, que haservido para coordinar muy diversas actividades academi-cas conmemorativas entre las que destaca la redaccion deun documento en donde presentamos nuestra vision dedonde estamos, a donde quisieramos llegar y como nosimaginamos que podrıamos lograrlo. A este documento ledenominamos “Manifiesto”. Hasta mediados del 2008 elManifiesto habıa sido suscrito por 210 investigadores encomputacion y areas afines, 25 de los cuales son colegasmexicanos que trabajan en el extranjero.

La elaboracion del Manifiesto nos permitio, por prime-ra vez, articular un amplio consenso sobre la concepcionque nos hacemos de nuestro campo. El levantamiento delcenso de doctores en computacion en instituciones de edu-cacion superior nacionales, a pesar de la confiabilidad delas informaciones publicas obtenidas a traves del Web, nosrevelo una situacion interesante que se resume en la Tabla1. Destacan cinco instituciones con mas de 30 doctores,ası como 12 instituciones que tienen entre 21 y 10 docto-res. A lado de estos grupos coexisten un gran numero de

grupos mas pequenos: cinco instituciones que tienen entre8 y 5 doctores, ası como 36 instituciones con menos de5 doctores en computacion, 20 de las cuales cuentan solocon un doctor.

Tabla 1. Distribucion

de doctores en computacion por institucion.

ITESM 82 Ademas de:UNAM 68IPN 65 36 institucionesUAM 44 con menos de cincoCINVESTAV 32 doctores:UV 21BUAP 19 3 con 4 doctoresINAOE 19 1 con 3 doctoresUGto 15 12 con 2 doctoresCIMAT 14 20 con 1 solo doctorITAM 14CICESE 13UDG 13 En total 555

CENIDET 11 doctores en

U.A.Hidalgo 11 computacion

UANL 10 y areas afines

UDLA 10IIE 8UABC 8Universidad Michoacana 8UAEM 6U.A.Aguascalientes 5

ConclusionesEn resumen, de 78 doctores en 1992 pasamos a 555 en

2008, es decir que en un espacio de 16 anos se multiplico elnumero de doctores siete veces. Hoy tenemos grupos mu-



cho mas grandes de investigadores que en 1992, aunquetambien existe una gran dispersion de doctores aislados oen grupos demasiado pequenos.

¿Como debemos de leer estos resultados? Podemos rea-lizar una lectura pesimista o una optimista. La lecturaoptimista dice que hemos crecido muy rapidamente en losultimos quince anos, que estamos en proceso de consoli-dacion y aumento de tamano de los grupos mas pequenos,y que la gran dispersion geografica, mas que una desven-taja es un gran potencial para lograr, en pocos anos, unacobertura importante de todo el territorio con grupos deinvestigacion y desarrollo en computacion que apoyen tan-to a mejorar la docencia como a propiciar el surgimientode empresas de software. La lectura pesimista nos dice quea pesar del crecimiento, la dispersion ha aumentado, queson muy pocos los grupos que han logrado tener una ma-sa crıtica para lograr una productividad comparable conlos estandares internacionales y con posibilidad real paraincidir en proyectos de innovacion tecnologica industria-

les, y que ademas, con la actual crisis economica del paıspronto veremos un nuevo desmembramiento de los gruposmas consolidados.

¿Cual de las dos lecturas sera la mas correcta? Enbuena medida eso dependera del camino que decidamosemprender como comunidad y del empeno que pongamospor alejar los augurios pesimistas, profundizar en el anali-sis de nuestra realidad y de nuestras opciones, de aprendera explicar y mostrar en los hechos el gran potencial quetenemos tanto en el campo de la investigacion como en elde desarrollo tecnologico innovador.

Que mejor que este 50 aniversario para iniciar una nue-va etapa de discusion tanto al interior de nuestra area,como con nuestro entorno, gobierno, empresas y sociedad,sobre la necesidad de consolidar y multiplicar los gruposde investigacion en computacion en el paıs para beneficiode su desarrollo social, economico, tecnologico y cientıfi-co.✵

REFERENCIAS

1. Soriano M. y Lemaıtre C. (1985) ”Primera decada de la computacion en Mexico, 1958-1968”. Ciencia y Desarrollo,Vol. 60 y 61. CONACYT, Mexico.

2. Mendoza E. E. (1974) “APL in Astronomy”. Revista Mexicana de Astronomıa y Astrofısica, Vol. 1, No. 11.

3. Cisneros-S G. (1991). “La computacion en Mexico y la influencia de H. V. McIntosh en su desarrollo”. CIMAT.Disponible en: http://delta.cs.cinvestav.mx/ mcintosh/oldweb/pothers.html

4. Grupo Consultivo de Polıtica Informatica (1994). Elementos para un Programa Estrategico en Informatica. INEGI.

SOBRE EL AUTOR

Christian Lemaıtre Leon es doctor en informatica por la Universidad deParis VI y licenciado en fısica por la UNAM. Miembro fundador de la SociedadMexicana de Inteligencia Artificial; de la Sociedad Mexicana de Ciencias dela Computacion, de la International Foundation of Autonomous Agents and

Multiagent Systems, y del Laboratorio Nacional de Informatica Avanzada. FuePresidente de la SMIA. Actualmente es jefe del Departamento de Tecnologıasde la Informacion de la Division de Ciencias de la Comunicacion y Diseno de laUAM-Cuajimalpa.Sus areas de interes son inteligencia artificial distribuida, sistemas multiagente,planificacion, procesamiento de lenguaje natural, sistemas cognitivos, creati-vidad computacional y manejo de emociones, sistemas de interaccion humanocomputadora adaptables, sistemas colaborativos. Aplicaciones de la inteligenciaartificial a sistemas de informacion, comercio-e, gobierno-e, educacion-e, logısti-ca, videojuegos, computo ubicuo.



COLUMNAS

IA & Educaciona cargo de Julieta Noguez Monroy, [email protected]

El objetivo de esta columna es dar a conocer las princi-pales aportaciones y experiencias exitosas de la aplicacionde la Inteligencia Artificial en el area de educacion.

El aprendizaje ha sido una actividad fundamental enla supervivencia y evolucion de la raza humana. El hombreaprende la cultura del entorno en el que nace y median-te el conocimiento se operan cambios importantes en sucrecimiento intelectual y personal. La epistemologıa, la si-cologıa y la ciencia del conocimiento centran su interes enla inteligencia humana y estan ligadas a la investigacionde la comunicacion y del conocimiento en forma similar alos objetivos de la inteligencia artificial. Se busca entendery construir modelos de como los seres humanos aprendeny como se desempenan en diferentes dominios, buscandorepresentaciones explıcitas del conocimiento humano.

Desde los inicios de la computacion y de la inteligen-cia artificial se han vislumbrado sus aplicaciones en la en-senanza y en la investigacion de los procesos de aprendiza-je, tanto de los seres humanos como de las computadoras.Dentro de las ciencias computacionales, la inteligencia ar-tificial ha florecido en las ultimas decadas y en particularel esfuerzo de su aplicacion a la educacion ha contribuidoal desarrollo de nuevos ambientes virtuales de aprendizaje.

En los inicios, en las decadas de los 50’s y 60’s sur-gieron los sistemas de instruccion basados en computado-ra (Computer Based Instruction, CBI) con una posicionteorica conductista, basada en los trabajos de Skinner [1].Un poco mas tarde surgio la instruccion tradicional basadaen computadora, en la que se utilizaba a la computadorapara dar lecciones. Esta tuvo un mayor desarrollo haciala decada de los 70’s, involucrando a investigadores de laeducacion y a los desarrolladores de aplicaciones compu-tarizadas.

Los trabajos de Bolt, Beranek y Newman [2] sobre elestudio del desarrollo de estructuras de conocimiento, losde Newell y Simon [3] y otros investigadores de Carnie-ge Mellon sobre la busqueda de la solucion de problemasen la construccion de sistemas expertos para jugar aje-drez, ası como el aumento de la capacidad de computo,contribuyeron al surgimiento la instruccion asistida porcomputadora (Computer Aided Instruction, CAI).

En la decada de los 80’s la Instruccion Asistida porComputadora (CAI) se convirtio en una disciplina queutilizaba la tecnologıa de computacion y la instruccion in-dividualizada para facilitar el proceso de aprendizaje entodos los niveles educativos. Entre las ventajas mas impor-tantes que se identificaban hasta ese momento, estaban elreducir costos de entrenamiento, reducir la necesidad deutilizar equipo caro o peligroso para la capacitacion y per-mitir la actualizacion rapida del material de ensenanza.Muy pronto los sicologos entraron en escena para bus-

car la aplicacion de las teorıas de Piaget, Harlow, Bru-ner. Se anadieron conceptos importantes de aprendizajecomo aprender-haciendo (learning by doing), aprendizajepor descubrimiento, aprendizaje por comprension y am-bientes interactivos y reactivos [4].

Tambien en los 80’s surgieron los Sistemas InteligentesAsistidos por Computadoras (ICAI) como un ejemplo deaplicacion de la tecnologıa de Inteligencia Artificial en laensenanza. Los Sistemas Tutores Inteligentes son un casoparticular de este tipo de sistemas. Sin embargo, en for-ma generica, a mitad de la decada de los 80’s el terminode Sistemas Inteligentes Asistidos por Computadoras fuereemplazado por el de Sistemas Tutores Inteligentes [5].

Un sistema tutor inteligente es un sistema cuyo objeti-vo principal es reproducir el comportamiento de un tutorhumano (competente) que puede adaptarse al ritmo deaprendizaje del estudiante [6,7].

Figura 1. Interaccion de estudiantes con sistemas tu-

tores inteligentes supervisada por un tutor humano.

Durante los 90’s y la decada actual surgieron nuevastecnologıas y enfoques metodologicos que ampliaron lasfronteras y aplicaciones de los sistemas tutores inteligen-tes. Entre las mas importantes se pueden mencionar:

Ambientes creativos de conocimiento (Creative

Knowledge Environments, CKE’s)

Visualizacion de Datos por Computadora (Compu-

ter Data Visualization)

Convergencia Digital (Digital Convergence)

Tecnologıas para el entretenimiento (Entertainment

technologies)

Interfaces Inteligentes (Intelligence Interfaces)

Publicaciones en Lınea (Online publishing)



Redes dominantes (Pervasive networks)

Video juegos (Video gaming)

Educacion Virtual (Virtual Education)

Realidad Virtual (Virtual Reality)

Dispositivos moviles (Wireless devices)

Actualmente persiste la lınea de trabajar considerandoal estudiante como el actor principal del proceso de apren-dizaje. La evolucion de las tecnologıas de informacion yde comunicaciones presenta nuevos retos y prometedorasoportunidades de mejorar el desempeno de los estudiantesempleando tecnicas de Inteligencia Artificial. En numerossubsecuentes se dara mas detalle de estas tecnologıas.

Figura 2. Laboratorio Virtual de Fısica con Sistema

Tutor Inteligente [8].

Por otra parte, un numero importante de institucio-nes educativas nacionales e internacionales incluye en sus

diversos programas curriculares la ensenanza de la Inteli-gencia Artificial con el proposito de representar y utilizarel amplio conocimiento que permite a los expertos realizarinferencias y tomar decisiones. En los siguientes numerostambien comentaremos sobre las instituciones mas sobre-salientes en este campo del conocimiento.

En esta columna daremos a conocer la vision, expe-riencias, practicas exitosas y esfuerzos que se han realiza-do tanto en la aplicacion de la inteligencia artificial en laeducacion, como en la ensenanza de la inteligencia artifi-cial. En el proximo numero compartiremos la aportaciondel Dr. Rafael Morales Gamboa, colega de la Universidadde Guadalajara.✵

Figura 3. Ambiente hıbrido de realidad virtual con vi-

deojuegos.

REFERENCIAS

1. Skinner B.F. (1958) “Teaching Machine”. Science, 128. pp 969-977.

2. Walden D., Nickerson R. Computing at Bold, Beranek and Newman: The First 40 Years, Part 1. http://ieeexplore.ieee.org/iel5/85/30966/01438231.pdf. Consultado en agosto de 2008.

3. Newell A., Simon H. (1972) Human Problem Solving. Englewood Cliffs. NJ. Prentice Hall. pp. 87-127.

4. Park O., Perez R., Seidel R. (1987) “Intelligent CAI. New Bottles, or a New Vintage?” Cap. 2 del libro Editado porKearsley Greg Artificial Intelligence and Instruction. Application and Methods. Adisson Wesley Publishing Company.

5. Wenger E. (1987) Artificial Intelligence and intelligent Tutoring Systems: Computational and Cognitive Approaches

to the Communication of Knowledge. Morgan Kaufmann. San Francisco, USA.

6. Frasson C., Mengelle T., Aimeur E., Gouarderes G. (1996) “An Actor-Based Architecture for Intelligent TutoringSystems”. 3th International Conference ITS’96, pp. 57-65.

7. Self J. (1999) “The defining characteristics of intelligent tutoring systems research: ITSs care, precisely”. International

Journal of Artificial Intelligent in Education. Vol 10. pp. 350-364.

8. Munoz K. Noguez J. McKevitt P. ”Hybrid Learning Environments: Analysing the effects of enhancing humancomputer interaction to deliver eductaion”. University of Ulser. Irlanda. Tecnologico de Monterrey, Campus Ciudadde Mexico. http://elearning.ccm.itesm.mx:8080/ EEXIP



COLUMNAS

Deskubriendo KonocimientoThe Emotion Machine de Marvin Minskya cargo de Gildardo Sanchez Ante

En un texto planteado en nueve capıtulos MarvinMinsky hace gala una vez mas de su peculiar narrativa, enesta ocasion con la intencion de desentranar como es quelos cerebros de los humanos trabajan, para a partir de ellodisenar computadoras que piensen y sientan como noso-tros, que es al menos en la vision de algunos, el objetivoultimo de la Inteligencia Artificial.

Recurriendo en esta ocasion a una especie de dialogoal estilo de Platon, Minsky introduce en su libro diversosinterlocutores , quienes a lo largo del texto lanzan pregun-tas o comentarios sobre varios aspectos, los cuales dan piea un analisis de singular profundidad. Es a traves de estedialogo que finalmente se senalan nueve caracterısticas delos humanos que en la concepcion de Minsky constituyenla esencia de nuestro ser y de nuestro actuar. Esas nuevecaracterısticas van desde el reconocer que hemos nacidoya con una serie de “recursos” mentales, hasta la facultadque poseemos de construir diversos modelos de nosotrosmismos, pasando por el aprendizaje a partir de la interac-cion con otros, el que las emociones son formas diferentesde pensar, el pensamiento acerca de nuestros pensamien-tos recientes, el aprendizaje a diferentes niveles, la acu-mulacion de conocimiento de sentido comun, la facultadde cambiar entre formas diferentes de pensamiento, y larepresentacion del conocimiento en multiples formas.

En relacion con las emociones (o emocion, comoMinsky llama a todo el conjunto), en el texto se esta-blece que somos una maquina de instintos. Esta maquinafunciona con base en tres aspectos: el reconocimiento desituaciones, el conocimiento sobre la reaccion ante dichassituaciones y finalmente, el referido a los musculos o moto-res que ejecutan las acciones pertinentes ante esas situacio-nes. Por supuesto, para un entendido de la computacion,esto puede ser mapeado a una estructura de control clasi-ca: la toma de decision o reglas si-entonces. Es ası puesque es posible considerar que los humanos vivimos inmer-sos en un ciclo de accion-reaccion-accion. Para el autor,una arquitectura plausible para nuestro cerebro implicala presencia de otra maquina, una que ejerce la labor deun crıtico-selector, la cual tiene la funcion de identificarconflictos y resolverlos a traves de cambios de tipos deaccion, a los que Minsky llama de manera general “Mo-dos de Pensamiento”. Este concepto es, desde mi puntode vista, muy importante ya que a traves de el se explicala relacion que existe hacia el pensamiento deliberativo ologico. Esta maquina pudiera explicar, de alguna manera,el que ante una misma situacion unos humanos reaccionenmostrando ira, otros sorpresa y otros mas angustia.

Figura 1. Portada del libro The Emotion Machine,

Marvin Misky. Simon & Schuster, 2006.

Otro aspecto relevante concierne los modelos de las ac-tividades mentales, las cuales varıan desde las reaccionesinstintivas muy cercanas a comportamientos infantiles,hasta emociones de auto-conciencia, proximas a nuestrasmetas, valores e ideales. Entre esos dos niveles estarıanlas reacciones aprendidas, el pensamiento deliberativo, elreflectivo y el auto-reflectivo. A traves de este modelo seintenta explicar como los humanos definimos nuestros ob-jetivos, entendiendo que algunos de ellos han sido “impre-sos” geneticamente y otros se aprenden y al interiorizarsealcanzan un estado diferente de auto convencimiento.



Uno de los temas recurrentes de Minsky es la

conciencia, la cual es comparada con una maleta

a la que mandamos todo aquello que no

encontramos donde mas acomodar.

Por supuesto, uno de los temas recurrentes en los es-critos de Minsky es la conciencia, y este libro no podrıahaber dejado el tema de lado. En esta ocasion, el conceptode conciencia es comparado con el de una maleta a la quemandamos todo aquello que no encontramos donde masacomodar. Minksy argumenta que en realidad el gran pro-blema para entender la conciencia es que hemos tratadode “empaquetar” los productos de muchos procesos men-tales que ademas ocurren en partes diferentes de nuestrocerebro, y que ahora habrıa que separarlos de nuevo pa-ra tratar de comprenderlos de manera individual. Muchosde esos procesos mentales han sido tema de discusion enmuy diversas disciplinas y atendiendo a enfoques diferen-tes tambien. Uno de los que mas me llamo la atencion esjustamente el de las limitaciones de la introspeccion.

Quiza uno de los temas mas ricamente analizados enel libro es el del sentido comun. Misnky hace este anali-sis partiendo de tres puntos fundamentales: los progra-mas computacionales actuales no tienen conocimiento desentido comun, no tienen objetivos explıcitos y suelen te-

ner limitaciones en cuando al manejo de recursos. Estostres temas enlazan de manera simple el porque las compu-tadoras actuales no muestran un razonamiento de sentidocomun. Los humanos sabemos muchas, quiza demasiadascosas, de las cuales no siempre somos conscientes. Pensaren un trozo de hilo que ata a un paquete implica enten-der una gran cantidad de hechos relacionados, como cuales la utilidad del hilo, que un hilo puede emplearse parajalar cosas, pero no para empujarlas, que si lo estiramosen demasıa se rompera y muchas otras cosas mas. Todoese conocimiento esta latente y el cerebro echa mano deel cuando lo necesita, aunque en este proceso no siem-pre intervengamos de manera consciente. Luego, esta elproblema de que cuando usamos programas para resol-ver problemas les decimos a esos programas que hacer,pero no el porque lo queremos hacer, de manera que esimposible para el programa estimar si la respuesta queestan produciendo es de utilidad para el usuario, sea encosto o en calidad. Ademas de que en caso de hacerle fal-ta conocimiento el programa se detendra, mientras que siconociera cual es el proposito de lo que se le ha pedidopudiera quiza buscar resolver el problema de una mane-ra alternativa. Los temas derivados de estas discusionesson altamente disfrutables sin duda. Recomendables demanera particular me parecieron las discusiones sobre lasintenciones y los objetivos y el razonamiento por analogıa.

Los programas computacionales actuales no tienen conocimiento de

sentido comun, no tienen objetivos explıcitos y suelen tener limitaciones

en cuando al manejo de recursos.

Resumiendo, The Emotion Machine es un buen libroque toca aspectos basicos y fundamentales, que no trivia-les. Puede ser un excelente acompanante de otros textosque ahondan mas en dos aspectos que Minsky mencionamuy superficialmente o incluso que obvia: la psicologıa dela cognicion y los procesos biologicos. No es un libro enel que se haga enfasis alguno en la parte algorıtmica dela inteligencia, no hay codigos o pseudocodigos en todoel texto, y hay quienes pudieran sentir que los analisisde Minsky quedan truncos al descartar referencias que enalgunas de estas areas se han establecido como casi obli-gadas, tal como es el caso de Joseph E. LeDoux, quienescribio The Emotional Brain y que no es siquiera citadopor Minsky, a pesar de que muchos consideran ese tex-to como muy importante. Si el lector llega a este textodespues de haber leıdo The Society of Mind sin duda en-contrara algunos -muchos en realidad- puntos en comun,pero en algunos casos en el nuevo texto Minsky se da elgusto de tratarlos con mas detalle. Finalmente en este tex-

to sigue el autor sigue considerando a la mente como unsistema complejo que se forma a traves de la interaccionde muchos subsistemas simples.✵

Contribuciones e informacion, escriba [email protected]

Suscripciones& [email protected]

http://komputersapiens.org.mx


mailto:[email protected]

http://komputersapiens.org.mx

Special Track on Uncertain Reasoning (UR) @ FLAIRS-22

http://www.cs.uleth.ca/˜grant/ur09/

Sanibel Island, Florida, USA

May 19-21, 2009

The Special Track on Uncertain Reasoning (UR) is the oldest track

in FLAIRS conferences, running annually since 1996. The UR’2009

Special Track at the 22nd International Florida Artificial Intelligence

Research Society Conference (FLAIRS-22) is the 14th in the series. As

the past tracks, UR’2009 seeks to bring together researchers working

on broad issues related to reasoning under uncertainty.

21stInternational Joint Conference on Artificial Intelligence

(IJCAI-09)

http://ijcai-09.org

Pasadena, CA, USA

July 11-17, 2009

The theme of IJCAI-09 is ”The Interdisciplinary Reach of Artificial

Intelligence,”with a focus on the broad impact of artificial intelligence

on science, engineering, medicine, social sciences, arts and humanities.

The conference will include panel discussions, invited talks and other

events dedicated to this theme.

19th European Conference on Artificial Intelligence (ECAI

2010)

http://ecai2010.appia.pt/

Lisbon, Portugal

August 16-20, 2010

ECAI, is the leading Conference on Artificial Intelligence in Europe,

and is a biennial organization of the European Coordinating Commit-

tee for Artificial Intelligence - ECCAI.

Para adquirir ejemplares de Komputer Sapiens, escribir a

[email protected]

7th Mexican International

Conference on Artificial

Intelligence (MICAI 2008)

http://www.micai2008.net

October 27-31, 2008

Mexico City, Mexico

MICAI is a high-level peer-reviewed

international conference covering all

areas of Artificial Intelligence, traditio-

nally held in Mexico.

The conference is organized by the Me-

xican Society for Artificial Intelligence

(SMIA). The scientific program inclu-

des keynote lectures, paper presenta-

tions, tutorials, panels, and workshops.

8th International Conference on Autonomous Agents and

Multiagent Systems (AAMAS 2009)

http://www.conferences.hu/AAMAS2009/

May 10-15, 2009

Europa Congress Center, Budapest, Hungary

AAMAS is the leading scientific conference for research in autonomous

agents and multi-agent systems. The AAMAS conference series was

initiated in 2002 as a merger of three highly respected individual

conferences: the International Conference in Autonomous Agents,

the International Workshop on Agent Theories, Architectures, and

Languages, and the International Conference on Multi-Agent Systems.

The aim of the joint conference is to provide a single, high-profile,

internationally respected archival forum for research in all aspects of

the theory and practice of autonomous agents and multi-agent systems.

ks11_3.4MB_extensa.pdf (1428) Contador versión extensa. download

Documents

Transcript of ks11_3.4MB_extensa.pdf (1428) Contador versión extensa. download