ks11 Extensa

Komputer Sapiens
c 2008 Sociedad Mexicana de Inteligencia Articial

Avenida Juan de Dios Btiz s/n, esquina Miguel Othon de Mendizbal a a Colonia Nueva Industrial Vallejo. Unidad Profesional Adolfo Lpez Mateos o Mxico D.F., C.P. 07738. e Impreso en Mxico por Sistemas y Dise os de Mxico e n e Aragn No. 190, Colonia Alamos, Delegacin Benito Jurez o o a Mxico D.F., C.P. 03400 e Telfonos 55.30.14.34 y 55.19.20.84. e ISSN en trmite a Komputer Sapiens es una revista de divulgacin en idioma espa ol de temas relacionados con la o n Inteligencia Articial. La revista es patrocinada por la SMIA, la Sociedad Mexicana de Inteligencia Articial. Los art culos y columnas rmados son responsabilidad exclusiva de los autores y no reejan necesariamente los puntos de vista de la Sociedad Mexicana de Inteligencia Articial. La mencin de empresas o productos espec o cos en las pginas de Komputer Sapiens no implica su a respaldo por la Sociedad Mexicana de Inteligencia Articial.
A Komputer Sapiens fue creada en L TEX, con la clase papertex disponible en el reporitorio CTAN: Comprehensive TeX Archive Network, http://www.ctan.org/.
Presidente Vicepresidente Secretario Tesorero Vocales:
Directorio SMIA Angel F. Kuri Morales Carlos Alberto Reyes Garc a Alexander Gelbukh Grigori Sidorov Gustavo Arroyo Figueroa Jos Galaviz Casas e Jes s A. Gonzlez Bernal u a Jos Luis Gordillo Moscoso e Raul Monroy
Comit Editorial e
Komputer Sapiens Carlos Alberto Reyes Garc a Anglica Mu oz Melndez e n e Oscar Herrera Alcntara a Ma del Pilar Gmez Gil o Jorge Rafael Gutirrez Pulido e Sakbe Laura Cruz Reyes Hctor Gabriel Acosta Mesa e IA & Educacin o J. Julieta Noguez Monroy Deskubriendo Konocimiento Gildardo Snchez Ante a Logotipo & portada Gabriela Lpez Lucio o Asistencia tcnica e Jos Alberto Mndez Polanco e e Portal web Hctor Lpez Casique e o Imagen contraportada Orin F. Reyes Galaviz & Pilo o Editor en jefe Editora asociada e-Tlakuilo Estado del IArte
Gustavo Arroyo Figueroa Ramn Brena Pinero o Francisco Cant Ortiz u Jes s Favela Vara u Juan Jos Flores Romero e Jos Galaviz Casas e Leonardo Garrido Luna Alexander Gelbukh Jes s A. Gonzlez Bernal u a Angel F. Kuri Morales Christian Lema Len tre o Aurelio Lpez Lpez o o Ra l Monroy u Eduardo Morales Manzanares Anglica Mu oz Melndez e n e Jos Negrete Mart e nez Pablo Noriega B.V. Alejandro Pe a Ayala n Carlos Alberto Reyes Garc a Antonio Snchez Aguilar a Humberto Sossa Azuela Grigori Sidorov Luis Enrique Sucar Succar
Komputer Sapiens
Octubre de 2008
A o 1, Vol.1 n
Contenido
ART ICULO INVITADO
Visin Articial o
por Luis Enrique Sucar Succar
pg. 6 a
Una imagen dice ms que mil palabras reza un antiguo a proverbio chino. Cmo es que podemos reconocer los diferentes objetos o que percibimos? Cmo sabemos al ver a cierta persona que es ella y o no otra persona? De qu forma determinamos la posicin en el espacio e o de un objeto, como una taza, para poder tomarla?
ART ICULO INVITADO
Mercadotecnia en el Siglo 21: Inteligencia Computacional Aplicada

por Angel Kuri Morales
pg. 11 a
Columnas
Sapiens Piensa. Editorial
pg. 2 a
El siglo 20 se recordar como el siglo en el que a las computadoras se convirtieron en la herramienta inconspicua que perme a la sociedad humana modicano
do sus paradigmas irreversiblemente. La consecuencia primaria de este hecho es que se ha producido un alud informativo de impresionantes proporciones.
e-Tlakuilo
pg. 3 a
Estado del IArte

ART ICULO ACEPTADO
pg. 4 a
Sistemas H bridos Neuro-Simblicos o

por Vianey G. Cruz Snchez, Osslan O. Vergara Villegas y Gerardo a Reyes Salgado
pg. 18 a
Sakbe
pg. 5 a
Aplicaciones de la Inteligencia Articial a la inspeccin visual en o la industria.
IA & Educacin o
pg. 29 a
ART ICULO INVITADO
50 Aos de Investigacin en Computacin en n o o Mxico e

por Christian Lema Len tre o
pg. 24 En junio de 1958 se instal en la Facultad de Ciencias de la UNAM a o
Deskubriendo Konocimiento
pg. 31 a
la primera computadora electrnica en Mxico, una mquina IBM 650. Iniciaba o e a as la historia de la computacin acadmica en Mxico. o e e
Ao 1, No. 1. Octubre de 2008
Columnas
Komputer Sapiens 2 / 32
Sapiens Piensa
por Angel Kuri Morales Estimado Lector: Esta revista est dedicada a aquellos que desean famia liarizarse con la Inteligencia Articial (IA) y sus posibles aplicaciones. Para ello no necesariamente deben poseer conocimientos especializados. Pero s el inters genuino e por enterarse del estado del arte y de la tcnica en ese te campo que ha demostrado ser fascinante y util; pero, sobre todo, lleno de promesa. La IA es una disciplina dif de denir porque la incil teligencia misma lo es. Originalmente la IA se conceptualizaba como el campo que pretend replicar (al menos) a las capacidades de la mente humana. Esta ambiciosa meta empez a rondar en las mentes de los ms brillantes o a pensadores desde la Grecia antigua. Siglos despus Gdel e o demostr que un sistema mecnico ser incapaz de deo a a tectar limitaciones del razonamiento que un ser humano s podr De donde se concluye que cualquier ser humano a. es superior a cualquier dispositivo mecnico. Y si esto es a as entonces cualquier intento por mecanizar la inteligen cia estar destinado al fracaso. O no? a Al respecto, Hofstadter escribi un extenso y brillante o libro cuyo tema subyacente es: Es posible la IA? Aunque no llega a una conclusin denitiva en l, dej claro o e o que el campo es tan pujante y promisorio que, a pesar de las opiniones encontradas, hay una activa b squeda de u la forma de lograr la IA. Este sentir permea la creencia popular y se reeja seriamente en pel culas como Odisea 2001, Blade Runner o El Hombre Bicentenario y en innumerables escritos de los cuales solamente menciono un ensayo de Dennett llamado Where am I? En un tono mucho ms tcnico, los pioneros de la IA a e desarrollaron programas que simulaban expertos humanos convincentemente (como Eliza, de Weizenbaum en 1966), auxiliaban a los mdicos para establecer diagnstie o cos ms certeros y conables (como MYCIN, un sistema a experto desarrollado en los 70s por ShortLie) o dise aban n circuitos digitales (como en el proyecto de ILLIAC IV encabezado por Slotnick a principios de los 70s). Con el tiempo, se hizo cada vez ms patente que dua plicar los hechos del cerebro humano en general constituye un programa demasiado ambicioso a n usando las u computadoras ms modernas. Aunque el actual campen a o del mundo de ajedrez ES una computadora (en 1997 la computadora Deep Blue derrot al entonces campen huo o mano del mundo Garry Kasparov) y se han desarrollado programas que son capaces de demostrar teoremas, dise ar programas de computadora, escribir piezas de m sin u ca, etc., lo cierto es que todos estos esfuerzos abarcan slo o una porcin min scula del mbito intelectual del Hombre. o u a Eliza ser rid a culamente in til para dilogos fuera de su u a a mbito psicoanal tico; Deep Blue ser incapaz de resolver a el ms simple problema aritmtico y MYCIN ni siquiera a e podr enterarse de las enfermedades de los pacientes a los a que est dedicado a auxiliar. a Por ello nuestra denicin de IA es mucho ms modeso a ta: La IA es un rea de estudio que tiene por a objetivo resolver problemas complejos para los cuales no se conocen soluciones algor tmicas exactas computables en la prctica, ya sea por a sus grandes dimensiones, su complejidad estructural, o por los niveles intr nsecos de incertidumbre de los datos que manejan. Sigue siendo muy interesante porque las metas que se han alcanzado son inconspicuas y estn en todos lados: en a los telfonos celulares (adivinando las palabras de nuestros e mensajes de texto), en los hornos de microondas (decidiendo si ya alcanzamos el nivel de coccin deseado), en los freo nos de los automviles (evitando derrapes y volcaduras), o en los procesadores de texto (mejorando nuestra redaccin), en los aviones de pasajeros (deniendo el momento o de cambiar una turbina). Los ejemplos son interminables. Es posible que esa presencia omn moda de la moderna IA se convierta en el paradigma de una inteligencia distribuida y compartida. Para el lector interesado en conocer y entender las tendencias de esta fascinante disciplina es que las pginas de a Komputer Sapiens estn dedicadas. a La Sociedad Mexicana de Inteligencia Articial se ha comprometido con la divulgacin de estos asuntos a travs o e de una revista que pueda llegar al p blico en general, a los u tomadores de decisiones, a los industriales con necesidades objetivas de desarrollo tecnolgico. En las pginas de esta o a revista el lector interesado hallar un veh a culo de conocimiento. Esperamos que sirva tambin como un disparador e de las inquietudes de todos los individuos que pueden beneciarse de la IA. Sean ustedes bienvenidos.H Angel Kuri Morales es Presidente de la SMIA, la Sociedad Mexicana de Inteligencia Articial.
c 2008 - Sociedad Mexicana de Inteligencia Articial
ISSN en trmite a
Columnas
e-Tlakuilo: Cartas de nuestros lectores

a cargo de Oscar Herrera Alcntara a Salvador, ingeniero de software, Puebla
Me he enterado del prximo lanzao miento de su revista Komputer Sapiens a travs de mi correo electrnie o co, creo que los nombres de las secciones son muy originales y la temtica interesante. Quienes son a las personas que toman decisiones a las que est dirigida la revista?, a directores de escuelas y universidades?, pol ticos?, empresarios? En efecto estimado Salvador, los que colaboramos en Komputer Sapiens consideramos que los directivos de diferentes empresas, y no slo del sector educativo o gubero namental, sino de todas las reas a productivas, p blicas o privadas, u podrn encontrar en nuestra revisa ta un apoyo tecnolgico, cient o co y de toma de decisiones, as como oportunidades de vinculacin con o las diferentes instituciones de pa s en donde trabajamos con temas de IA. De esta forma esperamos apoyarlos en la aplicacin de modelos y o tecnolog de vanguardia. as un lugar, sales corriendo pero llegas tarde! Ahora imagina que el administrador del estacionamiento ley Komputer o Sapiens y que decidi implementar o un sistema inteligente con la asesor profesional de los expertos en a IA. El sistema reconoce las placas de tu veh culo e identica que vas al cine, as que procurar asignarte a un cajn cercano a la entrada del cio ne. De no conseguirlo, el sistema te sugerir usar un cajn que est un a o a poco retirado (con la promesa de no pagar una hora de estacionamiento). Podrs entonces caminar a tranquilamente mientras en el trayecto observas publicidad de los comercios de los alrededores. Tal y como lo previeron los dise adores n del sistema inteligente, habr un a nuevo cliente potencial. Lo anterior te consumir slo algunos minutos a o y te dejar el tiempo suciente para a pasar a la fuente de sodas en donde estarn listas tus palomitas. Luego, a dispondrs de algunos minutos para a eleccionar un buen lugar dentro de la sala del cine. El archivo de ejemplares publicados estar disponible en nuestro portal a electrnico, una vez que stos salgan o e de circulacin. o
Ariel, profesor de preparatoria, Michoacn a

Cmo puede usar la IA alguien o como yo o mis estudiantes? Vale la pena estudiar alguna carrera relacionada con la IA? Existe mercado laboral en esa rea? a La IA ha estado presente desde hace varios a os en diferentes aspectos de n nuestra vida cotidiana a travs de e dispositivos, tecnolog programas as, de cmputo, en la genmica, la teo o lefon la econom las nanzas, la a, a, educacin y en los videojuegos! o En Mxico se imparten carreras relae cionadas con la IA en la Universidad Michoacana de San Nicols de Hia dalgo, el ITESM, la UNAM, el IPN, la UAM, el INAOE, el Instituto Tecnolgico de Ciudad Madero, la o Universidad Veracruzana, el CICESE, y el ITAM, entre otros. Algunas carreras que se relacionan con la IA son Computacin, Sistemas Compuo tacionales, Tecnolog as de Informacin, Mecatrnica, Electrnica, o o o Ingenier Civil y otras como la Bioa tecnolog la Biolog Molecular, a, a las Finanzas y la Econom a. Respecto al mercado laboral consideramos que la historia apenas comienza. Cada vez irrumpen en nuestra vida dispositivos equipados con tecnolog especializada: autos, a mquinas expendedoras de produca tos, motores de b squeda especialiu zados y asistentes inteligentesque proveen servicios de las agencias de viajes, o que ayudan a tomar decisiones, entre otros. Esta tendencia continuar en el fua turo y requerir de profesionistas a especializados en IA.H Cartas de nuestros lectores a etlakuilo-ksapiens@smia.org.mx
Erik, ingeniero, Estado de Mxico e

Existen otras publicaciones relacionadas con IA? Cmo podr reo a percutir la IA en nuestra vida cotidiana? Existen diversos revistas y libros sobre temas de IA. Sin embargo, Komputer Sapiens pretende cambiar la apreciacin de la IA y llegar o a amplios sectores de nuestra sociedad, de forma tal que cada vez ms a y ms personas se interesen en la a IA. Supongamos que vas al cine, como sueles hacerlo cada mes. Procurars a estacionarte lo ms cerca posible de a la entrada. Supon tambin que toe dos los cajones del estacionamiento que alcanzas a ver estn ocupados a y que slo faltan 15 minutos para o que inicie tu funcin! Das vueltas y o ms vueltas esperando encontrar un a cajn y no eres el unico que busca o ese espacio. Finalmente encuentras
Luis, estudiante de ingenier Chihuahua a,

Que pasa si yo, un mortal juarense quiere obtener los ejemplares de la revista. Cmo le hago? Dicen que o tienen contemplado distribuirlos en puestos de peridicos, aeropuertos y o restaurantes, pero temo que slo se o haga en los alrededores del DF. Enviarn ejemplares a mi ciudad? Lo a que se vea en el portal ser lo mismo a que se vea en la edicin en papel? o En Komputer Sapiens estamos trabajando para que la distribucin o sea lo ms eciente posible y proa curaremos que llegue a sus destinatarios en todo Mxico. Enviaremos e ejemplares de la revista por mensajer especializada para garantizar a su puntual entrega. En breve incluiremos un formato de suscripcin o para que puedas realizar un depsio to bancario correspondiente a una suscripcin anual. o
ISSN en trmite a

COLUMNAS
Columnas
Estado del IArte

a o e a cargo de Mar del Pilar Gmez Gil y Jorge Rafael Gutirrez Pulido, estadoiarte-ksapiens@smia.org.mx
RECONOCIMIENTOS. El 20 de septiembre de 2008, el Instituto de Ingenieros Elctricos y Electrnie o cos (IEEE por sus siglas en ingls y e el cual cuenta con ms de 375,000 a miembros en ms de 160 pa a ses) llevar a cabo en Qubec, Canad, su a e a ceremonia anual de reconocimiento a personas que a lo largo de su carrera profesional han impactado el campo tecnolgico y han mejorado la maneo ra en que vivimos. Recibir un reconocimiento de IEEE es un hecho altamente signicativo por el impacto que estn generando en el mundo a las aportaciones del galardonado. Los premios asociados con trabajos apoyados en IA son: Raj Reddy recibir el premio a en audio y procesamiento de voz James L. Flanagan, por su trabajo en la creacin de algoritmos eo cientes para la construccin de siso temas de reconocimiento de lenguaje independiente de hablantes, capaz de manejar grandes vocabularios. El Dr. Reddy desarroll un siso tema llamado Sphinx que actualmente sirve de base para sistemas de reconocimiento automtico en cena tros telefnicos, computadoras y roo bots, que responden ecientemente a la voz de sus interlocutores. El Dr. Reddy trabaja en la escuela de computacin de la Universidad de o Carnegie Mellon, Estados Unidos. cuales son herramientas de la IA que se usan actualmente en innidad de aplicaciones en reas de a nanzas, ciencias naturales, ling ustica, robtica, entre otras. Los mao pas organizados creados por el Dr. Kohonen, conocidos como SOM, por sus siglas en ingls, son considerae dos como uno de los inventos ms a signicativos en las ciencias computacionales. El Dr. Kohonen trabaja en la Universidad Tecnolgica Helo sinki, en Espoo, Finlandia.
Raj Reddy, fuente: http://www.emri.in/
a Teuvo Kohonen recibir el premio Frank Rosenblatt por sus contribuciones para el avance de la teor y aplicaciones de las rea des neuronales, memorias asociativas y mapas autoorganizados, las
Teuvo Kohonen, fuente: www.wcci2008.org/
ROBOTICA. Un evento muy importante para la comunidad de inteligencia articial de nuestro pa ocurri del s o 4 al 6 de Septiembre en el Palacio de Miner de la Ciudad a de Mxico, donde se llev a cabo el Torneo Mexicano e o de Robtica 2008, organizado por la Federacin Mexio o cana de Robtica, y el Instituto de Ciencia y Tecnolog o a del Distrito Federal. De acuerdo a Jes s Savage, presidenu te de la Federacin Mexicana de Robtica, el objetivo del o o torneo fue incentivar el amor a la robtica y en general o a las ciencias y la ingenier en el pa Alrededor de 500 a s. estudiantes de todo el pa participaron en el torneo. Ens tre las instituciones participantes se encuentran: UNAM, c 2008 - Sociedad Mexicana de Inteligencia Articial
INAOE, IPN, Universidad Veracruzana, UPAEP, ITESM, Instituto Tecnolgico de Nuevo Len, ITAM, Universidad o o Politcnica de San Luis Potos Universidad La Salle, Unie , versidad del Valle de Mxico, y el Instituto Tecnolgico de e o San Mart Texmelucan. Los premios a los equipos ganan dores incluyen apoyo econmico para asistir a diferentes o competencias internacionales, as como dispositivos para fabricar robots. El ICyTDF apoy con un monto total de o medio milln de pesos, a travs de la Direccin de Inveso e o tigacin en Tecnolog Urbanas.H o as Fuente: http://www.torneomexicanoderobotica.org.mx ISSN en trmite a

COLUMNAS
Columnas
Sakbe
e a cargo de Laura Cruz Reyes y Hctor Gabriel Acosta Mesa, sakbe-ksapiens@smia.org.mx
y mejorando contenidos existentes. Se ofrecen diversas temticas de cona sulta, entre ellas: Aplicaciones, Educacin, Historia, Sistemas-Expertos, o Ciencia Ficcin y Robots; y para o hacer ms excitante e interesante a el aprendizaje, la seccin Juegos & o Acertijos no pod faltar. AITopics a ofrece una gama de recursos educativos, en su mayor descargables en a forma gratuita y algunos otros para su utilizacin en l o nea. Videos, entrevistas, juegos, software, cursos, diccionarios y libros son algunos de los recursos disponibles para los usuarios vidos de conocimiento en IA. a
AITopics La AAAI (American
Association for Artical Intelligence) fue fundada en 1979 para impulsar el estudio sobre conductas inteligentes en mquinas. Un objetivo a central de AAAI es promover el desarrollo de la inteligencia articial y mejorar la ense anza y entrenamienn to de los profesionales del rea. Dena tro de este portal, la seccin AIToo pics ofrece una biblioteca virtual de recursos educativos para estudiantes, maestros y p blico en general. u Los usuarios registrados pueden contribuir aportando nuevos contenidos
http://www.aaai.org/AITopics/pmwiki/pmwiki.php/AITopics/HomePage
MIT OpenCourseWare La cir-
culacin de clases virtuales gratuio tas crece a pasos agigantados en Internet. En esta nueva modalidad de educacin a distancia, las universio dades juegan un papel decisivo para elevar la calidad de la informacin o que circula en la WEB. El instituto de Tecnolog de Massachusetts a (MIT por sus siglas en ingls) en Ese tados Unidos, ha creado una iniciativa llamada MIT OpenCourseWare (OCW). Esta es una publicacin dio gital que ofrece una gran cantidad de cursos sobre diferentes reas de IA. a Los materiales disponibles en esta
pgina son desarrollados como parte a de los cursos que se ofrecen a nivel de licenciatura y posgrado en el MIT. En la seccin Ingenier Elctrica y o a e Ciencias de la Computacin se pueo den encontrar cursos sobre aprendizaje automtico, aplicaciones baa sadas en conocimiento, tcnicas de e IA, dise o de robots autnomos, lenn o guaje natural y visin. Se ofrecen o tambin apuntes, exmenes y videos. e a Excepcionales son las simulaciones grcas sobre algoritmos clsicos de a a IA, de gran ayuda en la ense anza de n esta disciplina. El acceso es gratuito y no requiere registro.
http://ocw.mit.edu/OcwWeb/web/courses/courses/index.htm
CausalityLab . La causalidad es
la disciplina del descubrimiento de relaciones entre elementos que son causa y otros que son consecuencia. Por ejemplo, ver televisin en exceo so puede ser la causa de un aumento de peso. La causalidad es importante para dar explicaciones del comportamiento de sistemas naturales y articiales. Esta habilidad es deseable
en los sistemas expertos articiales. La universidad de Carnegie Mellon pone a disposicin de profesores y o estudiantes un laboratorio de causalidad. CausalityLab es un ambiente virtual para que los estudiantes puedan experimentar, recolectar datos, probar hiptesis y entender que las o pruebas estad sticas son herramientas poderosas en el descubrimiento
de relaciones causales. El profesor puede crear sus propios ejercicios o utilizar los existentes. CausalityLab es descargable, mantiene un registro de los avances de los estudiantes y ofrece tutoriales animados para ayudar a los estudiantes en las etapas del modelado causal.H
http://www.phil.cmu.edu/projects/causality-lab/
ISSN en trmite a

ART ICULO INVITADO
Art culos de divulgacin o
Visin: Natural y Articial o

por Luis Enrique Sucar Succar
Visin Natural o
Una imagen dice ms que mil paa labras reza un antiguo proverbio chino, el cual tiene razn desde difeo rentes puntos de vista. Por un lado, en muchas ocasiones podemos expresar mucho ms a travs de un dibujo a e o fotograf Por otro lado, nuestro a. cerebro le da una gran importancia a la informacin que nos llega a travs o e de la vista, y el rea del cerebro dedia cada a este sentido es la mayor de todas las reas correspondientes a los a sentidos. Percibimos las imgenes a travs a e de la retina en nuestros ojos, una especie de cmara fotogrca que resa a ponde a la luz que llega a esta y nos permite ver. Unos min sculos reu ceptores, llamados conos y bastones, perciben la luz visible (desde el color rojo hasta el violeta). Los bastones son ms sensibles a la intensidad a lum nica, y nos permiten ver cuando hay muy poca luz. Los conos perciben el color, algunos son ms sensia bles al rojo, otros al verde y otros al azul; y mediante la combinacin de o estos tres colores, llamados bsicos o a primarios, podemos percibir toda la gama de colores. Una vez que esta informacin es colectada por la reo tina es enviada al cerebro por una serie de bras, que conforman el llamado nervio ptico. Pero, qu suceo e de despus? Cmo es que podemos e o reconocer los diferentes objetos que percibimos? Cmo sabemos al ver a o cierta persona que es ella y no otra persona? De qu forma determinae mos la posicin en el espacio de un o objeto, como una taza, para poder tomarla? Recientemente, mediante experimentos con animales, en particular primates, hemos empezado a adentrarnos al misterio de cmo se proo cesan e interpretan las imgenes en a nuestro cerebro. Con base en estos descubrimientos, que iniciaron con
las investigaciones de Hubel y Weisel, sabemos que la informacin que o proviene de la retina se divide en dos partes, una va al hemisferio cerebral izquierdo y otra al derecho. Pero no hay una relacin unica entre un ojo o y un hemisferio! Aproximadamente la mitad de la informacin de un ojo o va a un hemisferio y la otra mitad al otro. Esto tiene importantes implicaciones como veremos ms adelana te. La Figura 1 ilustra las trayectorias visuales en el cerebro.
Figura 1. Trayectorias visuales en el cerebro. Se ilustra cmo la ino formacin percibida en la retina o de ambos ojos viaja mediante el nervio ptico hasta llegar a la coro teza visual, donde se procesa la informacin. o
La informacin visual se transo porta mediante el nervio ptico a o la corteza cerebral, a una zona que est ubicada en la parte posterior a de la cabeza. Ah inicia el procesa miento de la informacin visual en o el cerebro. La informacin es proceo sada por millones de neuronas que estn organizadas en capas; es decir, a en grupos de neuronas que realizan ciertas operaciones espec cas sobre la informacin visual que reciben. o Podemos pensar que las neuronas son como peque as compun tadoras especializadas en hacer ciertas operaciones; hay millones de estas computadoras biolgicas que o trabajan al mismo tiempo (en paralelo) en la corteza visual.
La primera capa o grupo de neuronas se encarga de detectar bordes en las imgenes. Un borde es un a rea donde hay un cambio importana te de intensidad o iluminacin en la o imagen, por ejemplo el rea en donde a termina un objeto e inicia otro. Otro grupo de neuronas (llamadas celdas centro-alrededor) detectan peque os n puntos oscuros rodeados de un aro brillante, o viceversa, puntos brillantes rodeados de un aro oscuro. Estos patrones son tambin indicatie vos de los contornos de los diferentes objetos en una imagen. La Figura 2 muestra una ilusin ptica que es o o producto de este tipo de celdas. Un tercer grupo de neuronas, ms sosa ticadas, detectan bordes pero slo si o estos se encuentran en cierta orientacin; es decir, que el borde es como o una peque a l n nea con cierto ngulo a respecto a la horizontal. As ciertas , neuronas detectan bordes a 0 grados, otras a 15 grados, otras ms a a 30 grados, etc. Otro grupo de neuronas se encarga de detectar movimiento; es decir, peque os cambios n que nos ayudan a detectar objetos que se mueven. Por ello nos percatamos, aunque no estemos atentos, cuando algo o alguien se aproxima a nosotros, incluso si no lo estamos mirando directamente. Tambin hay e neuronas para determinar la profundidad o distancia a los objetos que vemos. Para esto se combina la informacin de los dos ojos, mediante o lo que se conoce como visin estreo o e -la distancia a un objeto en nuestro campo visual es inversamente proporcional a su separacin en la reo tina de cada ojo. Lo puedes vericar tu mismo: pon un dedo frente a ti, cercano a tus ojos, cierra uno y despus el otro. Vers al dedo en distine a tas posiciones con cada ojo. De lo anterior podemos considerar que el cerebro va analizando las imgenes mediante un esquema que a ISSN en trmite a
Ao 1, No. 1. Octubre de 2008 va de lo particular a lo general. Se van detectando peque os elementos n como son los bordes y las esquinas de los objetos, luego estos se van agrupando para detectar los contornos, y de esta forma ir separando o segmentando los diversos objetos presentes en una imagen. Ms adelante, en esa te complejo sistema de procesamiento se van analizando las caracter sticas de cada objeto, como su color y su forma, para poder nalmente reconocerlos y determinar su posicin o en el espacio. Sin embargo, de lo que
Art culos de divulgacin o sucede ms all de las primeras caa a pas del sistema visual sabemos muy poco a n. Cmo es que nalmenu o te el cerebro reconoce las diferentes clases de objetos -plantas, animales, mesas, sillas, etc.? Cmo podemos o distinguir entre un objeto espec co de una misma clase; por ejemplo, mi taza preferida de las dems taa zas? Estos son a n misterios esconu didos en la compleja red de neuronas dentro de nuestro cerebro, esperando a ser descubiertos por los cient cos del futuro que contin en explorando u
este maravilloso misterio de la inteligencia humana. Al mismo tiempo que los biloo gos empezaban a entender cmo es o que los seres vivos vemos, otro grupo de cient cos e ingenieros, especialistas en computacin e inteligeno cia articial, comenzaban a explorar la idea de la visn articial: compuo tadoras que pudieran analizar e interpretar las imgenes como lo hacea mos los humanos, naciendo una nueva disciplina denominada Visin por o Computadora o Visin Articial. o
El cerebro analiza las imgenes de lo particular a lo general. a
Visin Articial o
Al surgir las primeras computadoras hace ms de 50 a a os, algunos cient n cos se preguntaron si estas mquia nas podr realizar tareas que asociamos con la intelian gencia humana, como resolver problemas, entender el lenguaje o analizar imgenes. Se empezaron entonces a dea sarrollar programas de computadora que buscaban emular la inteligencia humana, naciendo una nueva disciplina, la inteligencia articial. En los primeros a os se tuvien ron avances aparentemente muy rpidos, con programas a de computadora que juegan ajedrez, demuestran teoremas matemticos o diagnostican ciertas enfermedades. a Ante tan impresionantes avances, cuenta la leyenda que un profesor encarg a un estudiante que resolviera o el problema de la visin en un verano; a n no termina o u su proyecto! A travs del tiempo los investigadores en ine teligencia articial nos hemos percatado de que las capacidades aparentemente fciles para nosotros, como ver, a entender el lenguaje, planear nuestras actividades, etc., han resultado muy dif ciles para las computadoras. La visin articial comienza, en forma anloga a la huo a mana, con una imagen que es capturada a travs de una e cmara, y se guarda en la memoria de la computadora. a Para la computadora la imagen es como un arreglo o matriz de puntos, llamados p xeles. Cada p tiene asociado xel un valor numrico, por ejemplo entre 0 y 255. En el caso e de una imagen en blanco y negro, cada punto representa la intensidad o brillo de la imagen. Las imgenes a color a se representan con tres arreglos de puntos, uno para el rojo, otro para el verde y otro para el azul; su combinacin o representa los diferentes colores. Una vez que se tienen las imgenes en la computadora, inicia el proceso de anlia a sis mediante programas de software, para procesarlas y reconocer los objetos ah presentes. c 2008 - Sociedad Mexicana de Inteligencia Articial
Figura 2. Las celdas centro-alrededor, que detectan pequeas regiones brillantes rodeadas de regiones osn curas o viceversa, provocan esta ilusin ptica en que o o vemos que aparecen y desaparecen puntos oscuros en las intersecciones de las l neas blancas.
El anlisis se va realizando por etapas, de cierto modo a en forma similar a la visin biolgica. Mediante la estimao o cin de las diferencias entre p o xeles vecinos en la imagen, se obtienen los llamados bordes que indican donde termina un objeto y empieza otro (ver Figura 3). De esta forma se pueden delimitar los contornos de los diferentes objetos o partes en la imagen. Tambin se puee de hacer esto uniendo p xeles que tienen caracter sticas similares en color o intensidad. Una vez separadas estas regiones, lo que se conoce como segmentacin (ver Figura o 4), se obtienen caracter sticas distintivas de las mismas, como su color, su forma o su textura. La textura se reere a propiedades estad sticas de los objetos que los hacen ISSN en trmite a
no uniformes, como una alfombra, la madera o un bosque visto desde lejos. Con base en dichas caracter sticas se pueden distinguir algunos objetos o zonas de la imagen, como el cielo, una mesa o un tigre. Sin embargo, en general es muy dif distinguir algunos objetos, ya sea porque cil var en su apariencia visual (como las diversas clases de an ores) o porque se ven distintos de diferentes puntos de vista (como una persona vista de frente, de perl o por atrs) o porque son muy complejos y estn a su vez fora a mados por otros objetos (como una cara humana). Por ello, los sistemas de visin actuales se enfocan a reconocer o un peque o grupo de objetos, como puede ser el reconocer n automviles, partes industriales o personas. Pero no se ha o podido hasta ahora desarrollar un sistema que tenga la capacidad de reconocer muchos objetos, con propiedades muy diferentes, como lo hacemos las personas. Otro aspecto en el cual ha tenido avances signicativos la visin articial es en recuperar la tercera dimensin a o o partir de imgenes. Una imagen tiene slo dos dimensioa o nes, pero el mundo es tridimensional! Si queremos poder tomar un objeto, o que un robot lo pueda tomar, o estimar la distancia a la pared para no chocar con ella, requerimos estimar la tercera dimensin. Existen varias estrateo gias para hacer esto. La ms directa, en forma anloga a a a nosotros, es utilizar dos cmaras, en lo que se conoa ce como visin estereoscpica. Para ello la computadora o o analiza las imgenes obtenidas por dos cmaras, separadas a a cierta distancia. Al encontrar los puntos correspondientes entre una imagen y la otra, y medir su diferencia en posicin (disparidad), se puede calcular la distancia a dicho o punto en el mundo mediante relaciones geomtricas. Sin e embargo, determinar los puntos correspondientes entre el par de imgenes no es una tarea fcil. Otras estrategias a a para recuperar la profundidad se basan en los cambios de luminosidad debidos a la forma del objeto (forma de sombreado), a las distorsiones de las texturas por su orientacin (forma de textura), o en el uso de video; es decir, o varias imgenes consecutivas considerando el movimiento a de la cmara o del objeto (forma de movimiento). a
Figura 3. Proceso de deteccin de bordes en una imao gen: a) imagen original, parte de una placa de automvil; b) deteccin de bordes horizontales; c) deteco o cin de bordes verticales; d) bordes totales, obtenidos o al combinar los horizontales y los verticales.
Aplicaciones
Los avances en la visin articial han permitido desarroo llar diversas aplicaciones prcticas de sistemas de visin a o por computadora. Adems de los avances en los algorita mos de visin articial, dos aspectos han ayudado a llevar o a la visin por computadora al campo de las aplicaciones. o Uno es el aumento en memoria y capacidad de procesamiento en las computadoras, lo que hace posible el poder almacenar y procesar imgenes en tiempo real (es decir, a del orden de 30 imgenes por segundo). El otro factor es a la disponibilidad de cmaras digitales de muy bajo costo a como por ejemplo las web-cams. Existen diversos campos de aplicacin de la visin aro o ticial, entre ellos se distinguen los siguientes: c 2008 - Sociedad Mexicana de Inteligencia Articial
Figura 4. Proceso de segmentacin de imgenes en la o a computadora, podemos observar como se han separado el cielo, la piscina, y partes de la casa.
Imgenes mdicas. Existen una gran variedad de a e aplicaciones de la visin en medicina: la mejora de o las imgenes de rayos X, tomograf ultrasonido, a as, etc., para su interpretacin por los mdicos; la deo e teccin automtica de tumores en mamograf el o a as; conteo de clulas en imgenes microscpicas; la ree a o construccin tridimensional a partir de imgenes de o a ISSN en trmite a
resonancia magntica para la planeacin de cirug e o as; entre muchas otras. Un ejemplo espec co de esta aplicacin es en la interpretacin de imgenes de o o a endoscop del colon para ayudar al mdico en el a e control del endoscopio (ver Figura 5). Seguridad. El uso de cmaras en muchos sitios p blia u cos ha motivado el desarrollo de sistemas de visin o por computadora para mejorar la seguridad. Por ejemplo, hay sistemas que pueden detectar cuando se presentan accidentes automovil sticos en un crucero. Otros se enfocan a detectar personas e identicar posibles actividades sospechosas. Otra aplicacin es la identicacin de placas de automviles, o o o por ejemplo para control de acceso en un estacionamiento, como se ilustra en la Figura 3. Industria. La utilizacin de la visin articial en o o la industria es cada vez ms com n, principalmena u te para control de calidad. A travs de sistemas de e visin se inspeccionan los productos, como tarjetas o electrnicas, y se determina si tienen alg n defecto, o u como una componente faltante o una mala conexin. o Veh culos inteligentes. Cada vez es ms com n el que a u los automviles y otros veh o culos incorporen sensores, entre ellos cmaras. Se desarrollan actualmena te sistemas que permitirn a un carro detectar un a choque inminente, pudiendo tomar acciones como frenar o apretar los cinturones, antes de que el conductor pueda reaccionar. Otro ejemplo es el uso de una cmara para detectar carros en sentido opuesto a en una carretera en la noche, de forma que el cambio de luces sea automtico. a Robtica. La robtica est teniendo un desarrollo o o a acelerado y muy pronto veremos diferentes tipos de robots en la vida diaria. La visin es un elemento o esencial para que los robots puedan hacer diversas tareas, por ejemplo para detectar los obstculos en el a medio ambiente y as poder desplazarse sin chocar, para identicar y localizar objetos como una taza para servirnos el caf, para identicar y reconocer e personas y poder interactuar con ellas, etc. Interaccin humano-computadora. En nuestra o comunicacin con otras personas utilizamos la vio sin, de forma que para hacer que las computadoras o interact en en forma ms natural tambin deben u a e hacer uso de ella. Por ejemplo, existen sistemas que pueden reconocer diversos gestos o ademanes, e incluso el lenguaje de los sordomudos; tambin hay e
interfaces que detectan nuestras pupilas y pueden inferir a qu parte de la pantalla estamos enfocando e nuestra atencin, proveyendo una especie de ratn o o visual. La Figura 6 ilustra un sistema de visin que o puede detectar el rostro y mano de una persona, y con base en el anlisis del movimiento de la mano a puede reconocer diversos ademanes. Identicacin biomtrica. Existen ya diversos sisteo e mas que pueden identicar a personas por diversas caracter sticas biomtricas, como las huellas digitae les o el iris; los cuales son elementos unicos en cada uno de nosotros. La visin articial es un compoo nente esencial en estos sistemas. Hay tambin ime portantes avances en reconocer personas a partir de una imagen del rostro, como lo hacemos nosotros. Cmaras inteligentes. Las cmaras digitales incora a poran cada vez ms capacidades de procesamiento a y anlisis de imgenes. Adems de ayudarnos a ena a a focar y determinar el tiempo de exposicin, actualo mente pueden detectar a las personas en la imagen para enfocarlas, e incluso detectan cuando sonr en, para tomar la foto en ese instante! Estos son slo algunos de los ejemplos de aplicaciones o de la visin articial. No cabe duda de que en el futuro o habr muchas ms aplicaciones que todav no podemos a a a ni imaginar.
Figura 5. Sistema de visin para endoscop El siso a. tema obtiene caracter sticas relevantes como la zona obscura (cuadro resaltado en la imagen derecha) y con base en ello ayuda al mdico a guiar el endoscopio e (ventanas con la interpretacin y consejos a la izquiero da) hacia el centro del tubo digestivo, lo que se conoce como el lumen.
En el futuro habr aplicaciones de la visin por computadora que todav a o a no podemos ni imaginar.
ISSN en trmite a
Figura 6. Identicacin o de personas y reconocimiento de ademanes.
Izquierda: identicacin de la cara, torso o y mano de la persona, resaltados con cuadros. Derecha: secuencia en la que se sigue la mano. Con base en el anlisis del moa vimiento y postura de la mano en una secuencia de imgea nes, la computadora reconoce distintos ademanes, como llamar la atencin, apuntar o hacia cierto objeto, detenerse, etc.
Conclusiones
A pesar de los importantes avances en la visin por o computadora, as como de sus m ltiples aplicaciones, an u u estamos lejos de un sistema de visin articial que tenga o las capacidades de la visin natural humana, en cuanto a o su generalidad y exibilidad. Posiblemente, el comprender mejor cmo funciona el sistema visual en nuestro cerebro o nos ayude a desarrollar computadoras y robots con mejores capacidades visuales, y as el estudiante pueda concluir su proyecto de verano!H
INFORMACION ADICIONAL El trabajo clsico de Hubel y Weisel sobre los mecanismos cerebrales de la visin: D.H. Hubel & T.N. Wiesel: Brain a o Mechanisms of Vision. Scientic American 1979, vol. 241. Una introduccin general a visin articial se encuentra en el libro en l o o nea: Introduccin a Visin Computacional, o o L. E. Sucar, G. Gomez, http://ccc.inaoep.mx/ esucar/Libros/vision-sucar-gomez.pdf Una lista de aplicaciones y productos que usan visin por computadora, compilada por David Lowe, puede ser o consultada en: http://www.cs.ubc.ca/spider/lowe/vision.html
SOBRE EL AUTOR
Luis Enrique Sucar Succar es Investigador Titular de la coordinacin de Ciencias Compuo tacionales del INAOE. Es doctor en Computacin del Imperial College en Londres, Inglaterra; o y tiene una Maestr en Ingenier Elctrica de la Universidad de Stanford, EUA. Ha sido a a e presidente de la SMIA, miembro del comit asesor del IJCAI y es miembro del Sistema Nacioe nal de Investigadores, Nivel II. Cuenta con ms de 100 publicaciones cient a cas, y ha formado a 12 doctores y ms de 30 maestros en ciencias. a Sus principales intereses de investigacin son en modelos grcos y razonamiento probabilista o a en IA, visin computacional, robtica mvil y tutores inteligentes. Puedes contactarlo por o o o correo electrnico, esucar@inaoep.mx, o telfono, (222) 266 31 00. o e
ISSN en trmite a

ART ICULO INVITADO
Mercadotecnia en el Siglo 21: Inteligencia Computacional Aplicada

por Angel Kuri Morales
La Revolucin de la Informacin o o
El siglo 20 se recordar como el siglo en el que las a computadoras se convirtieron en la herramienta inconspicua que perme a la sociedad humana modicando sus o paradigmas irreversiblemente. La consecuencia primaria de este hecho es que se ha producido un alud informativo de impresionantes proporciones. De acuerdo con las ultimas estimaciones, los prximos cinco a os vern la ge o n a neracin de una cantidad de informacin que ser mayor o o a a aquella producida en todo el resto de la historia humana [1]. Se ha hecho, pues, necesario tener nuevas formas de almacenar, manipular, entender, analizar y proteger la informacin y el conocimiento en ella contenido. Dao da la revolucin digital es, actualmente, posible tener a o nuestra disposicin facilidades que ni a n los ms aventuo u a rados visionarios pudieron imaginar hace apenas algunos a os: operaciones robotizadas del cerebro, modicaciones n genticas de los seres vivos de orden superior, clonacin, e o prtesis de control volitivo, sistemas de posicionamiento o global a nivel personal, difusin inmediata e instantnea o a de las obras musicales, plsticas, literarias y a n de las a u artes escnicas, acceso ubicuo al conocimiento univere sal. Y estas son solamente unas pocas de las maravillas cient cas y tecnolgicas producto de la revolucin de las o o computadoras.
La Perspectiva Tecnolgica o
Antecedentes
En los albores del siglo 20 algunas mentes preclaras visualizaron la posibilidad de replicar la esencia intelectual de los seres humanos a travs de mecanismos articiales. e Pero, a diferencia de los antiguos griegos, los pensadores de los a os 30s estaban mucho ms cerca de contar con n a los dispositivos tecnolgicos que hicieran que ese sue o tuo n viera visos de concretarse. As que los prototipos mecni a cos de Babbage y su Mquina Anal a tica dieron paso a las primeras computadoras basadas en tecnolog electrnica; a o los trabajos de Turing [2] sentaron las bases tericas de los o primeros programas mulos de la inteligencia, tales como e Eliza [3] o SHRDLU [4]; la tecnolog digital de estado a slido allan el camino para el desarrollo de los modernos o o sistemas de telecomunicaciones digitales.
Una de las razones fundamentales de la revolucin ino formtica es que la tecnolog ha avanzado de manera siga a nicativa y hemos pasado, en unas cuantas dcadas, de la e fabricacin de dispositivos de cmputo electromecnicos o o a a electrnicos de tubos de vac de ah a electrnicos de o o; o estado slido de baja integracin; nalmente a aquellos o o de alt sima integracin. Los modernos microprocesadores o estn constituidos por decenas y a n cientos de millones a u de transistores. Como un ejemplo simple de lo que esto signica podemos consignar que en la dcada de los setene tas la computadora ms sosticada [5] construida jams a a presum de constar de cerca de 15,000 transistores! De a manera llana esto signica que el poder de cmputo (que o es funcin directa del n mero de transistores) se ha mulo u tiplicado ms de cien mil veces en el lapso de cuatro dcaa e das. El ingenio humano, sin embargo, no se conforma ni siquiera con estos impresionantes avances tecnolgicos y, en o su inacabable b squeda de mayor poder computacional, u est explorando tecnolog radicalmente distintas. Por a as ejemplo, se est explorando la lgica criognica [6] (baa o e sada en fenmenos superconductivos), la lgica cuntica o o a [7] (basada en la multiplicidad de estados cunticos que a se exhiben e nivel subatmico) y la lgica gentica [8] o o e (basada en la admirable similitud que existe en el funcionamiento de las clulas a nivel molecular y los sistemas e de cmputo digitales). o
Ejemplo de Tecnolog Alternas: Computacin as o con ADN

Como ejemplo de las nuevas teor en exploracin queas o remos mencionar, con un poco de mayor detalle, aquella basada en el comportamiento de las clulas vivas. e La informacin que determina el comportamiento de o los seres vivos de orden superior (eucariontes) se encuentra en el n cleo de cada una de las clulas y la transu e cripcin de la misma resulta en prote o nas encargadas de regular el metabolismo celular. Estos dos hechos se pueden interpretar como un proceso totalmente anlogo al a que ocurre cuando la informacin residente en la memoria o de una computadora digital se interpreta como rdenes o sencillas que se convierten en programas complejos.
En los prximos cinco a os se generar una cantidad de informacin o n a o mayor a aquella producida en todo el resto de la historia humana.
ISSN en trmite a
Para ilustrar lo anterior, en la Figura 1 se presenta una Mquina de Turing. Este dispositivo ideal opera sobre una a cinta que contiene informacin codicada mediante s o mbolos como a y b. Una unidad de control con capacidad de lectura y escritura procesa la cinta, s mbolo a s mbolo; sigue las instrucciones de las reglas de transicin, que o tienen en cuenta el estado interno de la propia unidad de control. En la gura, la regla de transicin dicta que, si el o estado de la unidad de control es 0 (S0) y el s mbolo le do es a, entonces la unidad debe cambiar su estado a 1 (S1), cambiar el s mbolo a b y desplazarse una posicin o a la izquierda. Una de las conclusiones fundamentales del trabajo de Turing es que cualquier clculo, por complejo a que sea, puede ser realizado por este tipo de dispositivos simpl simos.
que nuestras computadoras se basen en esta tecnolog (y a otras). Y podremos, entonces, incorporar los sistemas de cmputo a nuestros organismos. Esta visin que se antoja o o lejana est siendo explorada, el d de hoy, en el dise o a a n de medicinas inteligentes que se inyectan al torrente sangu neo y solamente liberan los qu micos correspondientes si stos hacen falta para curar una enfermedad preselece cionada.
Figura 2. La Mquina Biolgica. a o
Inteligencia Articial
A mediados del siglo 20 se acu o el trmino intelin e gencia articial (a la que nos referiremos, simplemente, como IA) que se ha denido como el area de estudio que tiene por objetivo resolver problemas complejos para los cuales no se conocen soluciones algortmicas exactas computables en la prctica, ya sea por sus grandes dimena siones, su complejidad estructural o los niveles intrnsecos de incertidumbre de los datos que manejan [9]. De esta denicin es claro que no se trata de emular los o mecanismos de pensamiento, como alguien pudiera concluir del trmino. Ms bien se trata de dotar a la compue a tadora de ciertas capacidades que normalmente identicamos como inteligentes. En ese contexto podemos encontrar programas inteligentes en muchas actividades de la vida moderna: en los editores de texto que nos sugieren mejoras en la construccin de nuestros escritos (evitando o errores gramaticales evidentes); en los telfonos celulares e que componen palabras completas a partir del uso ambiguo de las teclas a nuestra disposicin (facilitando la eso critura de mensajes de texto); en las lavadoras y secadoras caseras que determinan el grado adecuado de lavado y/o secado (optimizando el uso de los energticos y los detere gentes); en los frenos de los autos que compensan el desbalance friccional (evitando vuelcos accidentales); en los sistemas de vigilancia de las tarjetas de crdito que detece tan el uso anmalo de las mismas (evitando, as fraudes o , potenciales); en los sistemas de iluminacin que se deshao bilitan cuando los ambientes no estn en uso (evitando el a uso dispendioso de la electricidad y aumentando el tiempo de vida de los elementos de iluminacin); en los sistemas o mdicos de diagnstico semiautomtico (ecientizando el e o a proceso de deteccin de enfermedades); en sistemas de deo fensa militar que son capaces de seguir a sus blancos en movimiento (mejorando la eciencia de los sistemas de prevencin); en sistemas de traduccin (permitiendo eso o tablecer dilogos entre individuos multilinguales); en sisa temas que son capaces de determinar las mejores v de as ISSN en trmite a
Figura 1. La Mquina de Turing. a
Por otro lado, en la Figura 2 presentamos una Mquina a Biolgica. Los ribosomas traducen la informacin codio o cada en el ARNm (Acido Ribonuclico mensajero) a las e secuencias de aminocidos que formarn las prote a a nas. El alfabeto simblico del ARNm consta de codones [grupos o de las cuatro bases que conforman el ADN (Acido Deoxirribonuclico): Adenina,Citosina, Guanina y Timina] cada e uno de los cuales corresponde a un aminocido espec a co (por ejemplo, el codn AUG se traduce en Metionina; el o codn CCA en Prolina, etc.) A medida que el ribosoma o procesa la cadena del ARNm, codn a codn, las molcuo o e las colaboradoras (los ARNt) proporcionan el aminocido a correspondiente. El ARNt (Acido Ribonuclico transcripe tor) conrma la concordancia del codn, luego libera al o aminocido que se une a la cadena en crecimiento. Lo ina teresante es que es fcil extender las conclusiones a las a que lleg Turing a los mecanismos celulares. En ese cono texto podemos conocer la complejidad de los procesos biolgicos en el sentido ms amplio de la palabra. Cono a secuentemente, podremos construir mquinas vivas con a capacidades de cmputo similares a las de las computadoo ras electrnicas de escritorio. Y la ventaja es que estas o hipotticas computadoras biolgicas ser ms compace o an a tas, baratas, ecientes y conables que las computadoras electrnicas. En los a os por venir debemos esperar o n c 2008 - Sociedad Mexicana de Inteligencia Articial
distribucin de los productos desde una fbrica hasta sus o a puntos de consumo (abaratando el costo de los bienes para el consumidor); en los sistemas de navegacin automtio a ca de los modernos jets comerciales (evitando accidentes debidos al agotamiento y/o la inhabilidad de los pilotos); en los sistemas de control de calidad de las fbricas indusa triales (aumentando signicativamente la calidad de los productos y disminuyendo la probabilidad de falla de los mismos); en prtesis que se conectan directamente al o cuerpo de los discapacitados y que pueden ser activadas con el solo recurso de su voluntad (permitiendo la integracin sana y satisfactoria de los individuos afectados al o entorno social), etc. Estos ejemplos de IA estn, tal vez, alejados de la imaa gen un poco romntica y fantasiosa de los robots humaa noides que hacen las veces de compa eros o mulos del n e hombre. Las mquinas pensantes (como el HAL de Kubrick en a 2001: una Odisea del Espacio que fue liberada en 1968) estn a n lejos de convertirse en una realidad. En la aca u tualidad, sin embargo, se estn invirtiendo grandes cantia dades de recursos f sicos e intelectuales en esa direccin. o No est lejano el d (aunque es imposible predecir cundo a a a ser) en que los robots humanoides capaces de interactuar a verbal y f sicamente con sus creadores se hagan una realidad. Lo que es un hecho es que el c rculo virtuoso cienciacmputo-tecnolog se seguir viendo favorecido por las o a a demandas de una sociedad cuyo bienestar (en trminos e generales) se ha visto y se sigue viendo incrementado d a a d Dicho sea esto a pesar del punto de vista que pretena. de satanizar los avances tecnolgicos. Es estad o sticamente demostrable que el nivel de vida de la poblacin del muno do ha mejorado notablemente en los ultimos 50 a os y que n la calidad de vida y la expectativa misma de vida se han visto proporcionalmente incrementadas. Esta observacin o no invalida el hecho innegable de que existen disparidades en la calidad de vida entre los individuos. Pero la computadora actual se ha convertido en una herramienta de cambio (como se se al en los primeros prrafos) que n o a est en todas nuestras actividades de manera permanente a y muchas veces indetectable para los no iniciados.
telectuales usando computadoras de Von Neumann requiere de vol menes inmensos de clculo y d) El costo involuu a crado hace que todo esfuerzo prctico en esas condiciones a est destinado al fracaso por sus costos, tiempos y complee jidad. Esta situacin llev a los CCs a atacar problemas o o simplicados que ejemplicaban los mtodos propuestos e pero que, dif cilmente, pod generalizarse para abordar an los problemas prcticos de dimensiones reales. Consecuena temente la IA se ha caracterizado por tratar, en muchos casos, juegos de mesa en los que el universo de discurso est perfectamente acotado. A n estos universos restringia u dos resultan ser, en ocasiones, de complejidad formidable. Hace ms de 20 a os, por ejemplo, una computadora dea n rrot al campen mundial de backgammon y hace cerca o o de 10 a os (en un despliegue de fuerza tecnolgica impren o sionante) al campen del mundo de ajedrez. o Sin embargo, problemas relativamente simples (como la caracterizacin de los hbitos de consumo de un gruo a po social) permanec lejos de poder ser abordados por el an enfoque formalista y basado en reglas en los que se apoyan los programas que resuelven la problemtica de un juego a (por ms complejo que esto pueda resultar). Por una razn a o muy simple: normalmente se desconocen las reglas que hacen que un sistema (sea biolgico, social, econmico o culo o tural) opere como opera. A n los individuos reconocidos u como expertos en sus reas de conocimiento encuentran a dif (si no imposible) el hecho de explicitar las reglas cil que siguen en su proceso de toma de decisiones. Parece que el expertise no puede expresarse (como hubiera deseado Boole y otros lgicos del siglo 20) como la aplicacin o o secuencial de una serie de reglas simples. Ms probablea mente nuestros procesos de pensamiento obedecen a reglas sosticadas que interact an entre ellas a diversos niveles y u con diversos grados de fuerza que, adems, var dinmia an a camente conforme las situaciones se presentan. Debido al abaratamiento de los sistemas de cmputo y en vista del estado poco satisfactorio o de la IA esbozado en prrafos precedentes se han a explorado alternativas basadas, entre otras cosas, en lgicas alternativas (diferentes a la lgica o o tradicional) y en simulaciones parciales de procesos biolgicos. o En el primer caso cae la lgica llamada difusa o boo rrosa (en ingls fuzzy logic; nosotros usaremos el primer e trmino). La lgica difusa permite que, en el caso de varias e o alternativas de solucin, TODAS sean adecuadas, aunque o en diversos grados. En otras instancias se simulan los procesos evolutivos de aprendizaje y nace la llamada Computacin Evolutiva (con sus vertientes: las estrategias evoluo tivas, la programacin evolutiva, los algoritmos genticos, o e la programacin gentica, los sistemas clasicadores evoo e lutivos, etc.) y los procesos cognitivos que se desprenden del anlisis reduccionista del pensamiento. En este ultia mo caso nacen entonces las llamadas Redes Neuronales ISSN en trmite a
Inteligencia Computacional
En sus or genes las metas de los cient cos de la computacin (CCs) que cultivaron la IA eran ambiciosas. En o efecto, se pretend la duplicacin y (por qu no?) mejoa o e ra de las capacidades intelectuales del hombre. Pronto se vio que esta agenda estaba ms all de las capacidades de a a dichos cient cos. Las razones son m ltiples pero pueden, u de manera simplista, traducirse en a) Los procesos intelectuales son mucho ms complejos de lo que se pensaba, a b) Estos procesos nacen de un substrato f sico totalmente diferente al que se propuso en el llamado modelo de Von Neumann que es el que est vigente en las computadoras a electrnicas digitales, c) La duplicacin de los procesos ino o c 2008 - Sociedad Mexicana de Inteligencia Articial
Articiales (con sus variantes de Redes de Perceptrones, Mquinas de Boltzmann, Madaline, Redes de Funciones a de Base Radial, las Mquinas de Vectores de Soporte, los a Mapas Autoorganizados, las Redes de Cuantizacin Veco torial Difusa, etc.). Todas estas tcnicas y otras anloe a gas [12] han recibido el nombre genrico de Inteligencia e Computacional (IC). Dieren de la IA tradicional mencionada antes no en sus objetivos sino en la manera de tratar de alcanzarlos. Las tcnicas de IC tienen la carace ter stica de requerir de cantidades considerables de potencia de cmputo. Nacieron hace relativamente poco tiempo, o precisamente, porque anteriormente los costos asociados resultaban prohibitivos. Pero las computadoras modernas son altamente ecientes y de bajo costo. Ello ha tra do, como consecuencia, que se cultive la IC de una manera muy importante a ultimas fechas. En este trabajo nos referiremos, de manera principal al uso de redes neuronales del tipo llamado Mapas Autoorganizados o tambin llamado Redes de Kohonen. Este e tipo de redes tiene la caracter stica de poder encontrar la forma en la que los datos (que t picamente describen un sistema de inters) se agrupan formando categor e as.
sionales en la computadora. Si suponemos que la llave de nuestro ejemplo es el nombre entonces una la de datos slo tiene un nombre y, asociada a ste, una coleccin de o e o datos. Por ejemplo, su salario, su edad, su sexo, su religin, o etc. Los problemas bsicos que debemos abordar cuando se a analizan vol menes importantes de datos son: u Es posible encontrar caracter sticas comunes entre los individuos de la poblacin bajo anlisis? o a En cuntos grupos de similitud podemos agrupar a los datos? Cules son las caracter a sticas que hacen que un individuo de la poblacin pertenezca a una clase? o Qu caracter e sticas comparten los individuos que hacen que estn agrupados en una misma clase? e En ocasiones conocemos, a priori, ciertas caracter sticas utiles acerca de la informacin contenida. Por ejemplo, o si tenemos en la mano los datos de los miembros de un grupo de partidos pol ticos podemos suponer el n mero u mximo de grupos en los que la base de datos es suscepa tible de ser dividida. O si sabemos que estamos observando estad sticas de ventas es posible inferir que existe estacionalidad (que el comportamiento de consumo se repite con cierta regularidad). En ausencia de conocimiento aprior stico el problema es ms interesante (y complejo). a En ocasiones el n mero de grupos (o clusters) es evidenu te de la simple representacin grca de los datos, como o a se ejemplica en la Figura 3. Las regularidades presentes nos permiten decidir, fcilmente, que existen clusters y a que hay 5 de ellos.
Miner de Datos a
Cuando los vol menes de datos que se deben analiu zar alcanzan grandes proporciones, su anlisis se conviera te, por una parte, en un reto; por otra en una labor altamente importante en muchos contextos. La frase de grandes proporciones es ambigua y depende del momento tecnolgico. En esta poca grandes proporciones se o e reere a bases de datos de varios gigabytes (1 gigabyte = 1000,000,000 de bytes, aproximadamente). Por ejemplo, los gobiernos deben analizar las caracter sticas de millones de individuos para determinar su propensin a un cierto o tipo de enfermedad; una empresa debe analizar millones de clientes para determinar el impacto que sus estrategias de ventas han tenido en las mismas, etc. Una imagen sugestiva es la de un minero buscando en una monta a cosas interesantes; por ejemplo, pepitas de n oro o diamantes. En informtica un volumen de datos de a grandes proporciones es anlogo a la monta a y el proa n ceso de minado (la b squeda) se reere a caracter u sticas compartidas entre muchos de los objetos de la muestra analizada.
Agrupamiento
En un sistema del mundo real t picamente se tienen colecciones de datos (registros) que se asocian a un individuo catalogado por una llave. Por ejemplo, una llave t pica es el nombre de un cliente que ha sido asegurado, aunque podr usarse el n mero de pliza. El uso a u o de la llave es determinante para que se logren resultados interesantes en un proceso de minado de datos. En el primer caso, un asegurado puede tener muchos seguros; en el otro, un n mero de pliza puede corresponder a varios u o asegurados. Los datos se almacenan como tablas bidimenc 2008 - Sociedad Mexicana de Inteligencia Articial
Figura 3. Ejemplo de datos con regularidades evidentes.
ISSN en trmite a
Pero no siempre las cosas son tan directas. En la Figura 4 ejemplicamos tres conjuntos de datos. En el primero de ellos parecen observarse 3 clusters. Pero podr an descubrirse otros dos; o decidir que esos datos extras son espurios.
c. Cmo establecer a qu cluster pertenece un futuro o e cliente. El objetivo de esta investigacin es: o a. Desarrollar los productos que los clientes desean consumir. b. Determinar cuntos clientes son compradores potena ciales de los nuevos productos. c. Determinar quines son los clientes potenciales de e los nuevos productos. Como se puede observar este proyecto apunta a una estrategia de mercadotecnia radicalmente distinta a la que tradicionalmente se adopta en los procesos de ventas. Usualmente se establecen anlisis de mercado con un proa yecto en mente y, posteriormente, se hace una evaluacin o de los resultados de los esfuerzos de ventas; el producto puede o no modicarse. En este caso la idea es determinar el producto a partir de las necesidades conocidas de los clientes antes de proceder a su dise o. n Para lograr lo anterior se puede seguir el llamado CRISP-DM [11] que se ilustra en la Figura 5. Este modelo obedece la llamada Miner de Datos. a
Figura 4. Ejemplo de datos con regularidades no evidentes.
En el segundo conjunto de datos se observan dos clusters. Pero stos obedecen a patrones diferentes. El primero e est aglutinado alrededor de un punto central de manera a homognea en tanto que el otro se convierte en un anillo e alrededor del mismo centro. O debemos considerar que es un solo conjunto que presenta densidad en el centro y en las orillas pero no en el medio? En el tercero parece haber dos grupos acomodados en espiral. O es uno solo con contenidos heterogneos? e En estos sencillos ejemplos parece haber problemas conceptuales escondidos. Y considere el lector que son casos en donde solamente hay dos variables (una en cada eje coordenado). En la prctica las variables llegan a ser a varios cientos. El problema es mucho ms complejo. Estos a son los problemas que hay que atacar en la miner de a datos.
Mercadotecnia e Inteligencia Computacional

El problema que vamos a describir (y que da su nombre a este art culo) [10] se dene de la siguiente manera: Una empresa l der en su ramo dispone de una gran base de datos (ms de 12,000,000 de registros; cada uno de a ellos consiste de los nombres de sus clientes y ms de 400 a variables asociadas a cada uno de ellos). La empresa (a la que llamaremos M) desea determinar: a. El n mero de clusters en los que su base de clientes u se puede categorizar. b. Las caracter sticas en cada uno de los clusters. c 2008 - Sociedad Mexicana de Inteligencia Articial
Figura 5. El modelo CRISP-DM.
El modelo CRISP-DM dene seis fases cuya secuencia no es r gida, depende de los resultados obtenidos en cada fase. Las echas de la gura indican las dependencias ms a importantes y frecuentes entre fases. El c rculo externo simboliza la naturaleza c clica de la miner de datos. De a las m ltiples tareas de modelado que abarca la miner de u a datos, aqu nos enfocaremos en la tarea de agrupamiento (clustering) [13]. El criterio del codo estipula que el mejor n mero de u grupos (c) corresponde al punto en donde, simultneamena te, la tendencia de PE a incrementar y la tendencia de PC ISSN en trmite a
a decrecer cambian; en otras palabras, cuando la curvatura de las tendencias cambia, tal como lo muestra el grco a de la Figura 6. En l se indica, con un ovalo punteado, el e punto donde se da el cambio en las tendencias de PC y PE y que por lo tanto es un n mero ptimo de grupos. u o En este caso c = 6.
De hecho los dos mapas corresponden a los mismos datos. Lo que queremos ilustrar es el hecho de que, aumentando el n mero de neuronas, somos capaces de desu cubrir relaciones de mayor detalle. Anlisis. Una vez teniendo los datos agrupados es posible a proceder a su anlisis. En la Figura 8 presentamos la rea presentacin grca del comportamiento de las variables o a que participan en cada grupo. Las relaciones entre las variables exhiben patrones de comportamiento que ser virtualmente imposibles de dean tectar usando otros mtodos. Una vez habiendo detectado e estas relaciones es posible (y se hizo) proponer productos dirigidos especialmente a los miembros de cada uno de los clusters. En la Figura 8 se ve el tipo de anlisis que nos propora ciona un software de miner de datos moderno. Hacemos a notar que cada objeto de la base de datos tratada consta de ms de 100 variables. Por ello es que encontrar los paa trones de comportamiento embebidos en dichas variables representa un problema no trivial.
Figura 6. Ilustracin del criterio del codo. o
N mero de Clusters. El primer paso consiste en deu terminar el n mero de clusters. Se pueden calcular dos u ndices llamados PC (El coeciente de particin) y PE (el o coeciente de entrop de la particin). PC es una medida a o de qu tan compacto es un grupo. PE, por su parte, mide e la informacin contenida en cada agrupamiento. o Conociendo el n mero de clusters aplicamos una red u neuronal de Kohonen para determinar la forma en que cada uno de los elementos de la muestra se incluye en cada uno de los clusters. Agrupamiento. El mapa de Kohonen [14] que se ilustra en la parte izquierda de la Figura 7, como se ve, consta de 9 neuronas. Cada neurona corresponde a 1 cluster (en este ejemplo hay 9). Pero en este mtodo, sin embargo, e es posible asignar ms de 1 neurona a cada cluster. Para a ilustrar el caso, vase la parte derecha de la Figura 7. En e ella hay 25 neuronas pero los mismos 9 clusters.
Figura 8. Comportamiento de las variables en el cluster 2.
Conclusiones
La tecnolog moderna nos ubica ante la posibilidad a de hacer anlisis de sistemas muy complejos de los que a se tiene poco o nulo conocimiento a n si poseemos bau ses de datos con suciente informacin. Las herramientas o que hacen esto posible dependen de computadoras de alta velocidad y con vastas capacidades de almacenamiento. Abren la posibilidad de establecer, por ejemplo, estrategias de mercado en las que el riesgo de fracasar est claa ramente acotado por las preferencias de los compradores potenciales. Dichas preferencias y los datos individuales permiten establecer una estrategia de mercado con ventajas indiscutibles.H
Figura 7. Mapas de Kohonen para 9 clusters.
ISSN en trmite a
Ao 1, No. 1. Octubre de 2008 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&metadataPrex=html&identier=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. Investigacin y Ciencia, pp. 14-21, julio 2006. o 9. Kuri-Morales A., et al. (2008) Inteligencia Articial. Introduccin a la Computacin. CENGAGE Learning. o o 10. Kuri-Morales A., Rodr guez 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.zyka.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 edicin. Cap o tulo 9. Prentice Hall. SOBRE EL AUTOR Angel Kuri Morales es doctor en ciencias de la computacin por Kennedy-Western Unio versity. Maestro en ciencias por la Universidad de Illinois, EEUU. Es tambin ingeniero en e electrnica egresado de la Universidad Anhuac, en Mxico, D.F. Es miembro del Sistema Nao a e cional de Investigadores, Distinguished Lecturer de la Association for Computing Machinery (ACM) y miembro del Comit Cient e co de World Scientic and Engineering Academy and Society (WSEAS). Actualmente es miembro del Consejo Ejecutivo de Iberamia, Presidente de la Sociedad Mexicana de Inteligencia Articial, e Investigador en el Instituto Tecnolgico o Autnomo de Mxico. o e Sus reas de inters son algoritmos genticos, redes neuronales, aplicaciones biomdicas y a e e e aplicaciones nancieras.
Annciese con nosotros! u

Atencin patrocinadores & anunciantes: Komputer Sapiens es una revista de dio vulgacin en idioma espa ol de temas relacionados con la Inteligencia Articial, con o n un tiraje inicial de 1,000 ejemplares. Informacin: komputersapiens@smia.org.mx o
ISSN en trmite a

ART ICULO ACEPTADO
Sistemas H bridos Neuro-Simblicos: una Alternativa o de Solucin en la Industria o

a por Vianey Guadalupe Cruz Snchez, Osslan Osiris Vergara Villegas y Gerardo Reyes Salgado
En este art culo se presenta una descripcin de los Sistemas H o bridos Neuro-Simblicos, un enfoque o utilizado en el rea de la Inteligena cia Articial para solucionar algunos problemas de la industria tales como la inspeccin de la calidad. La colao boracin que existe entre el enfoque o neuro-simblico y los sistemas de vio sin articial abre las puertas para o desarrollar e implementar sistemas capaces de complementarse entre s para el cumplimiento de un obje tivo en com n. u tcnicas o tecnolog para solucioe as nar un problema que de aplicarse en forma separada no generar an los mismos buenos resultados. Este art culo presenta una explicacin o detallada de los Sistemas H bridos Neuro-Simblicos, las aplicaciones o en la industria muestran la importancia de este enfoque como una alternativa de solucin para algunos o de nuestros problemas de la vida cotidiana. la oscuridad [2]. Las deniciones presentadas pueden dar una idea de las caracter sticas principales que pueden servir para dar la explicacin a o un ni o; sin embargo, a n con dicho n u conocimiento terico el ni o puede o n confundir ambos animales. El componente simblico le presenta al ni o o n un conjunto de imgenes que muesa tren algunos tipos de perros y de gatos. Sin embargo, es imposible tener todo el universo de imgenes de pea rros y de gatos existentes en el mundo. Por tal razn se recomienda inteo grar ambos componentes que representan los conocimientos tericos y o prcticos, de tal forma que el conoa cimiento del ni o sea incrementado n y reforzado para lograr hacer la diferencia entre un perro y un gato. A n cuando el ejemplo ilustra u un caso sencillo, el reto consiste en tratar de simular el comportamiento que como seres humanos tenemos para resolver un problema, por ejemplo el de reconocimiento de objetos a travs de una computadora. Pae ra ello, los SHNS utilizan tanto las redes neuronales articiales (RNA) como las reglas de produccin (RP), o para poder integrar los conocimientos tericos y prcticos de un probleo a ma en particular. Las RNA tratan de emular el comportamiento biolgico o de las neuronas en nuestro cerebro y son excelentes para abordar problemas de clasicacin. Por ejemplo, o cuando observamos alg n objeto, la u informacin de la forma, tama o y o n color, entre otros, viaja a travs de e nuestras neuronas en una red neuronal biolgica como pulsos nerviosos. o Este proceso prodcir como respuesa ta el tipo o nombre del objeto reconocido. En el caso de las redes neuronales articiales, el conjunto de caracter sticas (forma, tama o, etc.) sirn ve como entrada a la red, la cual a ISSN en trmite a
Introduccin o
En el rea de Inteligencia Ara ticial (IA) existe un tema muy interesante llamado Sistemas H bridos Neuro-Simblicos. Los Sistemas o H bridos son dos o ms sistemas a que se encuentran integrados para solucionar un problema. Por ejemplo, suponga que le detectan cierto grado de anemia y que su mdico e le indica que necesita de algunos alimentos que contengan hierro para elevar su nivel de hemoglobina, y que adems necesita de alimentos a ricos en vitamina C para mejorar la absorcin. Entonces, necesitamos o de alg n alimento rico en hierro y u de otro alimento rico en vitamina C. Entre los alimentos que contienen hierro se encuentran el betabel, la nuez, la pasa, etc., y entre los alimentos ricos en vitamina C se encuentra la naranja. Entonces, si combinamos en un jugo el betabel y la naranja se obtendr, como a resultado del licuado, un sistema h brido. Al combinar las ventajas de cada uno de dichos alimentos en uno solo, se estar contribuyendo en a la solucin del diagnstico mdico. o o e Los sistemas h bridos forman parte de nuestra vida, tanto de manera simple como compleja, teniendo un mismo objetivo, combinar dos o ms a
Sistemas H bridos NeuroSimblicos o

La implementacin de varias o tcnicas y la posibilidad de relacioe narlas entre s requiere de mecanis, mos tales como los sistemas h bridos [1]. Los Sistemas H bridos NeuroSimblicos (SHNS) son una clase o particular de sistemas h bridos formados por dos componentes inteligentes, uno neuronal y otro simblio co. El componente neuronal puede entenderse como el conjunto de conocimientos prcticos que se van a adquiriendo a travs de nuestra vida, e mientras que el componente simblio co consiste de un conjunto de conocimientos cuya base es terica. Por o ejemplo, cmo se le explica a un o ni o la diferencia entre un perro y n un gato? Una alternativa es basarnos en un conjunto de descripciones tericas, tales como: un perro es un o mam fero carn voro domstico de la e familia de los cnidos, de tama o, a n forma y pelaje muy diversos, producto de las distintas razas obtenidas por hibridacin, que est adapo a tado a todas las regiones de la tierra. Por otro lado, un gato es un mam fero carn voro domstico de cae beza redonda, lengua muy spera, a patas cortas armadas de u as fuern tes, agudas y retractiles, pelaje espeso y suave, de diversos colores, y ojos cuya pupila se dilata para ver en
Ao 1, No. 1. Octubre de 2008 travs de funciones matemticas gee a nera como respuesta la clase del objeto. Las RNA permiten el aprendizaje en paralelo y han generado buenos resultados en el reconocimiento de patrones. Pueden ser implementadas tanto en hardware como en software. Una forma sencilla de describir una red neuronal es representndola en un grafo, donde cada a nodo tiene una variable asociada llamada estado y una constante llamada umbral. Cada arco del grafo tiene un valor numrico asociado conocido e como peso. El comportamiento de la red neuronal estar determinado por a su estructura y por las funciones de transferencia entre los nodos que calculan nuevos valores de los estados desde los nodos de entrada [3]. Las RP son una tcnica de la e Inteligencia Articial generalmente utilizada en sistemas basados en conocimiento o sistemas expertos. Por ejemplo, cuando un individuo va a una consulta debido a un malestar, el mdico realiza una serie de e preguntas que le ayudan a precisar los s ntomas de su paciente. Una vez que se conocen los s ntomas, el mdie co comienza a establecer una serie de relaciones entre ellos que le permitan llegar a una conclusin, es deo cir, a conocer las causas de su malestar o proporcionar un diagnstio co mdico. El conocimiento que el e mdico tiene en torno a los s e ntomas, las causas que los provocan y el tratamiento que se recomienda, puede ser trasladado a un sistema de computadora conocido como sistema experto a travs de la representacin e o de un conjunto de reglas llamadas reglas de produccin. o Las RP son una forma de representacin del conocimiento fcil de o a utilizar. Una regla de produccin es o un par condicin-accin de la forma o o (condicin, accin), lo que signica o o que: si la condicin es satisfecha, o entonces la accin puede ser realizao da. Ambos, condicin y accin pueo o
Art culos de divulgacin o den ser representados en alg n lenu guaje de programacin, lo cual hao ce fcil de implementar en un sistea ma de conocimiento basado en reglas de produccin. Las reglas de produco cin son una forma general y exio ble de representar conocimiento lineal [3]. Los mtodos simblicos son aproe o piados en situaciones en las cuales se tiene todo el conocimiento necesario para solucionar una tarea espec ca, siendo el proceso de razonamiento de carcter deductivo. Por a otro lado, los mtodos conexionise tas o neuronales son apropiados en situaciones en las cuales se dispone de sucientes datos, etiquetados o no etiquetados, pero poco conocimiento para solucionar la tarea. Existen sistemas desarrollados donde unicamente se utiliza alguna de las dos tcnicas. Sin embargo, la ine tegracin de las RNA y las RP, se o puede realizar en problemas donde no se tiene ni todo el conocimiento ni todos los datos [4]. La integracin o de ambos enfoques ofrece ventajas como: posibilidad de utilizar varias clases de representacin del conocio miento, mejor eciencia del sistema global cuando es comparado con cada uno de los componentes, fuerte acoplamiento entre los componentes, posibilidad de aprendizaje global y complementariedad entre los conocimientos simblicos y numrio e cos. La integracin neuro-simblica o o puede ser clasicada principalmente en tres grandes grupos, seg n el tiu po de hibridacin del enfoque utilio zado. Enfoque unicado: Tambin e conocido como enfoque puro o como un h brido en un sentido amplio. La idea es integrar en un solo mdulo unio camente conexionista o unica mente simblico, los dos tio pos de enfoques (simblico + o conexionista). Intenta integrar
las propiedades de los sistemas simblicos en los sisteo mas conexionistas en una uni ca solucin. Los sistemas purao mente conexionistas intentan realizar procesos de inferencia simblica, a travs de la utio e lizacin de RNA. Los sisteo mas puramente simblicos trao tan de realizar los procesos de inferencia simblica, a n de o utilizar el razonamiento de incertidumbre como son: los valores continuos y aproximados. Enfoque semi-h brido: Es utilizado para realizar traducciones. Por ejemplo, la compilacin de una base de reglas o en una red (fase de insercin o del conocimiento) y la explicitacin de reglas a partir de o una red (fase de extraccin o del conocimiento). Ciertos sistemas son llamados semi-h bridos porque slo realizan uno o de los dos tipos de transferencia del conocimiento entre los mdulos simblico y conexioo o nista. Enfoque h brido: Se basa en una verdadera integracin o de al menos dos mdulos: un o mdulo simblico y uno coneo o xionista. Pueden existir varios mdulos simblicos y conexioo o nistas integrados entre s pa, ra ello se tendr al menos un a sistema de inferencia simblio co que trabaja en cooperacin con un sistema de infeo rencia conexionista. Es conocido como enfoque h brido en sentido estricto. Los SHNS han sido una alternativa de solucin la cual ha dado muy bueo nos resultados sobre todo en aplicaciones como: diagnstico o mdico, control, toma de decie siones, identicacin de objeo tos, anlisis de escenas, procea samiento de imgenes, etc. a
El reto es simular el comportamiento humano para resolver problemas.
ISSN en trmite a
De la Analog Cotidiana a la Realidad a Industrial

La industria se dene como el conjunto de procesos y actividades que tienen como nalidad transformar las materias primas en productos elaborados [5]. La industria naci cuando los hombres aprendieron a transformar los o recursos naturales de que dispon para obtener una gran an variedad de objetos, utilizados para satisfacer sus necesidades [5]. Existen diferentes tipos de industrias entre las cuales se encuentran la manufacturera, la alimenticia, la automotriz, etc., cada una de ellas preocupadas por elevar sus estndares de calidad. Es por esta razn que el homa o bre representa un papel muy importante en la industria, ya que de l depende que los productos elaborados cume plan con los criterios establecidos por la empresa, desempe ando el proceso de inspeccin visual de la calidad de los n o productos lo mejor posible. La tarea de inspeccin visual o se dene como un proceso de comparacin de piezas, obo jetos individuales o materiales continuos fabricados segn u una norma, con vistas al mantenimiento de cierto nivel de calidad [6]. Sin embargo, en la mayor de los casos la a inspeccin de los productos es una tarea muy cansada pao ra el ser humano ya que despus de determinado tiempo la e calidad en la visin se reduce teniendo como consecuencia o que algunos productos con menor o mayor grado de defectos se consideren como falsos negativos. Por lo tanto, la creciente competencia por ser los n mero uno en el mercau do y reducir el n mero de errores cometidos por el hombre u durante la etapa de inspeccin, ha obligado a los due os o n de las industrias a buscar nuevos horizontes que los conduzcan a obtener productos con una mejor calidad. Una alternativa para controlar la calidad ha sido el desarrollo de sistemas de inspeccin visual automticos. Algunas de o a las reas donde se han utilizado dichos sistemas son: procea sos industriales, apoyo al diagnstico mdico, percepcin o e o remota, guiado de veh culos mviles, gestin de la inforo o macin visual, control de calidad de productos y procesos, o investigacin y desarrollo, pruebas y medidas automtio a cas, inspeccin de componentes electrnicos, inspeccin de o o o productos farmacuticos. Un sistema de inspeccin visual e o utilizado en el control de calidad de un producto debe ser dise ado de tal forma que cumpla con las siguientes dos n condiciones: Eciencia: De acuerdo a las especicaciones de produccin, se debe detectar, en lo posible, el total de o productos defectuosos, rechazando simultneamente a la menor cantidad de productos en buen estado. Rapidez: La velocidad de inspeccin debe ser acoro de a los ritmos de produccin, de tal forma que la o inspeccin no desacelere el proceso productivo [6]. o Los sistemas de inspeccin visual se basan en la visin o o c 2008 - Sociedad Mexicana de Inteligencia Articial
articial para realizar el proceso de inspeccin. La visin o o permite a los humanos percibir para entender el mundo que los rodea, mientras que la visin por computadora o o visin articial busca duplicar el efecto de la visin huo o mana por medio de percepcin electrnica. Se espera que o o la visin por computadora resuelva tareas muy complejas, o el objetivo es obtener resultados similares a los obtenidos por los sistemas biolgicos [7]. Actualmente, la visin o o articial se utiliza en diversos procesos cient cos y militares, extendindose adems, hacia un amplio rango de e a sectores industriales para la automatizacin de tareas ano teriormente reservadas a la inspeccin visual humana. En o dichas tareas existe un gran potencial de uso con la automatizacin de aquellos procesos en los que la inspeccin o o visual humana resulta ineciente o costosa [8]. La visin o articial trata de emular el sistema de visin humano utio lizando para ello una cmara y una computadora como a se muestra en la Figura 1 [9]. La cmara capta los objea tos que se encuentran en una escena emulando la funcin o del ojo humano, mientras que la computadora realiza el procesamiento necesario para reconocer los objetos en dicha escena. Para el reconocimiento de objetos se utilizan tcnicas que emulan el proceso que realiza nuestro cerebro e en imgenes del mundo real. a
Figura 1. Analog del procedimiento para obtener a una imagen por medio de una cmara y el ojo humano. a
Figura 2. Proceso de inspeccin de calidad en pollos. o
ISSN en trmite a
Entre las tcnicas utilizadas due rante el reconocimiento de los objetos se encuentran las RNA, las cuales han dado muy buenos resultados. Por lo tanto, en el caso de que se necesite clasicar un producto como bueno o malo, la red neuronal es la encargada de tomar tal decisin. No o obstante, a pesar de los resultados obtenidos con la implementacin de o un sistema de visin articial, en o varias ocasiones se necesita reforzar la solucin implementando alguna o otra tcnica de Inteligencia Artie cial que represente el conocimiento que tienen los expertos para realizar una tarea como la inspeccin o de la calidad. Esto ultimo es muy importante, ya que en la mayor a de los sistemas de visin articial el o conocimiento del experto adquirido durante a os para realizar su traban jo no es tomado en cuenta, por lo que puede ser utilizado para complementar el conocimiento obtenido del sistema de visin articial. o
Los SHNS como Alternativa de Solucin o

Los Sistemas H bridos NeuroSimblicos han sido utilizados en el o a rea de la industria para resolver problemas de inspeccin de calidad o como el que se presenta en [10] y [8].
Inspeccin de la calidad: o aplicacin en la industria o alimenticia

El trabajo presentado en [10] consiste en la deteccin de defectos o en pollos tales como: quemaduras, hematomas y ampollas, el esquema del sistema de inspeccin se muestra o en la Figura 2. Para resolver el problema se utiliza una cmara que se encarga de a captar la imagen, una vez que la imagen es obtenida se env la infora macin al sistema de visin articial o o el cual se encarga de extraer del fondo de la imagen al objeto de inters, e en este caso el pollo, para posteriormente segmentarlo en partes y re-
conocer cualquier defecto existente. Una vez localizado el objeto, el sistema de visin se encarga de medir alo gunas caracter sticas de inters de la e muestra. Posteriormente, con la informacin extraida, se alimenta a un o sistema experto el cual contiene en un conjunto de reglas conocimiento del experto humano. Mediante estas reglas se deciden las acciones que deben ser realizadas sobre el pollo. Por ejemplo, puede decidir rechazar o aceptar el producto. El sistema de visin y el sistema experto son o comunicados con el usuario v la a interfaz de mquina. El sistema exa perto cuenta con una unidad de manipulacin que ejecuta f o sicamente las acciones que el sistema experto decide tomar. La informacin que el o sistema de visin env al sistema o a experto es utilizada por ste ultimo e para monitorear completamente la calidad de la produccin. La deteco cin de los defectos constituye el o corazn del sistema de visin, su o o objetivo es identicar posibles reas a defectuosas y asociarlas a uno de los defectos contenidos en una lista de referencia dada. De acuerdo a la clasicacin de sistemas h o bridos neuro-simblicos presentada en [1], o el tipo de sistema utilizado para el problema de deteccin de defectos o en el pollo es clasicado como un sistema semi-h brido ya que utiliza una base de conocimientos numrica e para alimentar al mdulo del sisteo ma experto basado en reglas.
centaje de escala y rotacin en las o imgenes, obtenindose buenos rea e sultados. Sin embargo, se dej abiero ta la posibilidad de mejorar el porcentaje de efectividad de reconocimiento con el uso de algunas otras tcnicas. Dado que exist la posie a bilidad de complementar el conocimiento del sistema de visin con el o conocimiento del experto humano se propuso mejorar el porcentaje de reconocimiento con la implementacin o de un SHNS, aprovechando la capacidad de generalizacin de las RNA o y la capacidad de expresividad de las RP [11]. La metodolog implemena tada consisti en: o 1. Traducir el conocimiento del experto humano a travs de e una representacin simblica o o del tipo reglas de produccin, o la regla obtenida representa los parmetros en los cuales se dea ne una textura de calidad. 2. Mapear el conocimiento simblico hacia una RNA, esto o con el objetivo de insertar un conocimiento a priori a la red. 3. Entrenar la RNA con un conjunto de ejemplos proporcionados por el sistema de visin aro ticial. 4. Realizar la clasicacin de las o texturas articiales. En la Tabla 1 se presenta los resultados obtenidos. Para realizar las pruebas, se utilizaron las mismas condiciones para ambos casos, con y sin la implementacin de la o metodolog Como se observa en a. la tabla, los resultados obtenidos con la implementacin del enfoque o neuro-simblico (columna 3) fueron o superiores a los obtenidos con el sistema de inspeccin automtico o a (columna 4). Existen muchos problemas que requieren la inspeccin de o la calidad de productos que podr an ser apoyados con un SHNS. ISSN en trmite a
Inspeccin de la calidad: o aplicacin en la industria textil o

El trabajo presentado en [8], consiste en la vericacin automtica de o a la calidad de la textura de un objeto articial. El objetivo es denir los criterios de calidad asociados a una textura y determinar discrepancias entre la textura que se inspecciona y la que se tiene como referencia. El reconocimiento de las texturas fue realizado con cierto grado de degradacin del color y con un poro
Conclusin o
Los Sistemas H bridos Neuro-Simblicos han demoso trado ser utiles para apoyar a los sistemas de inspeccin o visual, el uso del conocimiento terico y prctico que o a nosotros como seres humanos utilizamos para solucionar un problema, representa la base de este enfoque de Inteligencia Articial. Los SHNS son recomendables cuando se necesite complementar el conocimiento del experto humano con alg n otro conocimiento numrico obteniu e do por ejemplo, de un sistema de visin articial. Este o art culo present algunos conceptos que explican el enfoo que Neuro-Simblico aplicado a problemas de la industria o como el control de la calidad. Actualmente, nos encontramos trabajando en una metodolog de integracin a o neuro-simblica y su aplicacin a problemas de inspeccin o o o visual, como la deteccin de microcalcicaciones en mao mograf as.H Clase
Tabla 1. Resultados del reconocimiento de texturas articiales[11].
Tolerancia a rotacin 900 o Tolerancia a rotacin 1800 o Tolerancia a escala a la mitad Tolerancia a escala al doble Tolerancia a escala y rotacin o Tolerancia al ruido sal y pimienta Tolerancia a ruido uniforme
REFERENCIAS 1. Cruz Snchez V.G., Reyes Salgado G., Vergara Villea gas O.O. (2006) Dise o de sistemas h n bridos neurosimblicos: aspectos a considerar. Energa y compuo tacin, Vol. 14, No.1. pp. 10 - 15, diciembre de 2006. o 2. http://diccionariomigue.galeon.com/ Migue/diccionario.htm Diccionario-
No. de imgenes a 30 30 30 30 30 30 30 30 30 30 30 30 30 a 900 (1) 30 a 900 (2) 30 a 1800 (1) 30 a 1800 (2) 30 30 30 30
(1) Mitad (2) Doble
SHNS % 96.66 100.00 100.00 96.66 100.00 100.00 96.66 93.33 100.00 86.66 96.66 90.00 100.00 90.00 100.00 90.00 100.00 100.00 100.00 96.67
SVA % 76.66 55.66 86.66 76.66 56.66 86.66 73.33 56.66 86.66 70.00 56.66 86.66 76.66 76.66 80.00 76.66 90.00 100.00 96.66 100.00
de la escala de la escala
3. Tyugu E. (2007) Algorithms and architectures of articial intelligence, IOS press, Vol. 59, pp.184. 4. Mira J., Delgado A.E., Taboada M.J. (2003) Neurosymbolic Integration: The Knowledge Level Approach, Springer Berlin / Heidelberg, Vol. 2809/2004, pp. 460-470. 5. Mecanismo industria y desarrollo. http://www.yourbubbles.com/mecanismo/industria/index.html 6. Mery D. (2002) Inspeccin Visual Automtica, 1er Congreso Internacional de Ingeniera Mecatrnica. Lima. o a o 7. Sonka M., Hlavac V., Boyele R. (2008) Image Processing, Analysis, and Machine Vision, Thomson Learning, 3er. edicin. o 8. Vergara Villegas O.O. (2003) Reconocimiento de Texturas Articiales Aplicacin a la Inspeccin Visual. Tesis de o o maestr Centro Nacional de Investigacin y Desarrollo Tecnolgico (Cenidet). a, o o 9. Control, Automtica y Dise o Industrial Avanzado (Cadia), Empresa de Base Tecnolgica, a n o 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 Snchez V.G., Vergara Villegas O.O, Reyes Salgado G., Ochoa Dom a nguez H.J., Ruiz Ascencio J. (2008) A Neuro-Symbolic Hybrid Methodology for Quality Inspection on Articial Textures, New Aspects on Computing Research. WSEAS Press, Vol. 1, pp. 154-159.
ISSN en trmite a
Ao 1, No. 1. Octubre de 2008 SOBRE LOS AUTORES
Vianey Guadalupe Cruz Snchez es licenciada en informtica. Tecnolgico de Cerro Azul, a a o Mxico, 2000. M.C. Ciencias Computacionales, CENIDET, Mxico 2004. Estudiante de doce e torado en CENIDET, 2005 a la fecha. Int. Internado Palmira s/n. Col. Palmira. C.P. 62490. 01 (777) 318 - 7741, Cuernavaca, Morelos, Mxico. vianey@cenidet.edu.mx, viany3@hotmail.com e
Osslan Os Vergara Villegas es ingeniero en sistemas. Tecnolgico de Zacatepec, Mxiris o e co, 2000. M.C. Ciencias Computacionales, CENIDET, Mxico, 2003. Dr. Ciencias Compue tacionales, CENIDET, Mxico, 2006. Miembro del Sistema Nacional de Investigadores. Proe fesor Investigador por la Universidad Autnoma de Ciudad Jurez, Av. del Charro 450 norte, o a Departamento de Ingenier Industrial y Manufactura Ciudad Jurez, Chihuahua, C.P. 32310 a a (656)688 48 00 ext. 4760. overgara@uacj.mx Gerardo Reyes Salgado es ingeniero civil por el Tecnolgico de Zacatepec, Mxico. Maestro o e en ciencias computacionales por el CENIDET, Mxico, y doctor en ciencias cognitivas por e el Institut National Polytechnique de Grenoble (INPG). Miembro del Sistema Nacional de Investigadores. Subdirector Acadmico en Cenidet. Int. Internado Palmira s/n. Col. Palmira. e C.P. 62490. 01 (777) 318 - 7741, Cuernavaca, Morelos, Mxico. greyes@cenidet.edu.mx e
PASATIEMPOS
Sopa de Letras
por Oscar Herrera Alcntara a
1. inteligencia 2. articial 3. sociedad 4. mexicana 5. revista 6. komputer 7. sapiens 8. ciencia 9. tecnolog a 10. investigacin o Busque la solucin en el o prximo n mero de o u Komputer Sapiens
ISSN en trmite a

ART ICULO INVITADO
50 A os de Investigacin en Computacin en Mxico n o o e

tre Len o por Christian Lema
Introduccin o
En junio de 1958 se instal en la o Facultad de Ciencias de la UNAM la primera computadora electrnica o en Mxico, una mquina IBM 650. e a Iniciaba as la historia de la compu tacin acadmica en Mxico. Si bien o e e la instalacin de una computadoo ra era una condicin necesaria pao ra el surgimiento eventual de grupos de investigacin en computacin, sin o o duda no era una condicin suciente. o En las l neas que siguen, tratar de e esbozar algunos rasgos de la historia del surgimiento y evolucin de la o actividad de investigacin en compuo tacin en nuestro pa a partir tanto o s, de documentos disponibles como de vivencias personales. La historia ocial de la computacin en Mxico, expresada, por o e ejemplo, en los discursos conmemorativos, suele enumerar el calendario de adquisiciones. Es notable la fas-
cinacin que muestran las autoridao des por las compras de computadoras, como si con ello, de manera automtica, la institucin y el pa asea o s gurara un uso eciente, innovador y creativo de esta tecnolog Esa misa. ma historia ocial ha mostrado un desconocimiento casi total a las actividades de investigacin y de foro macin de profesionistas y acadmio e cos de alto nivel. Poco se ha escrito en relacin de los grupos de investio gacin en computacin, de su surgio o miento y evolucin; es una historia o por contar, que requiere un trabajo sistemtico y extenso que sobrepasa, a por mucho, el alcance de este art culo. La instalacin de la IBM 650 se o debi a la conjuncin de voluntao o des de cient cos con gran visin o como el doctor Nabor Carrillo, en ese entonces rector de la UNAM, el doctor Alberto Barajas, coordi-
nador de Investigacin Cient o ca y el doctor Carlos Graef, director de la Facultad de Ciencias, as como del dinamismo y perseverancia del ingeniero Sergio Beltrn, quien se a desempe o como el primer director n del Centro de Cmputo Electrnico o o de la UNAM (CCE). Se planteaba as un reto de gran envergadura: si tuar a nuestro pa en el concierto s de pa que se asomaban por esos ses a os a esta nueva tecnolog en ese n a, tiempo, misteriosa y fascinante. Estaba claro para estos cient cos, que la computadora electrnica vendr o a a ser un gran apoyo para la investigacin en f o sica en matemticas y a en ingenier As fue como en los a. primeros a os, el CCE se pobl de n o un grupo entusiasta de alumnos de las carreras impartidas en la Facultades de Ciencias y de Ingenier de a la UNAM.
Era notable la fascinacin de las autoridades por las compras de o computadoras, como si con ello, de manera automtica, la institucin y el a o pa aseguraran un uso eciente, innovador y creativo de esta tecnolog s a. La dcada de los sesenta e
La dcada de los sesenta transe curri en medio de una gran activio dad de entre un peque o c n rculo de iniciados. A la UNAM se sum en o 1961 el IPN, que inaugur su centro o de cmputo, el CENAC, y en 1964 o el ITESM que instal su primera o computadora y poco despus inaue gur la primera carrera de compuo tacin en el pa La UNAM, el IPN o s. y el ITESM se convirtieron en polos de atraccin de estudiantes brio llantes que deseaban acercarse a ese nuevo mundo de la computacin. o A lo largo de los primeros a os, n el CCE, a instancias de su director, el Ing. Sergio Beltrn, organiz un a o total de siete coloquios sobre computadoras electrnicas y sus aplicacioo nes, trayendo investigadores de renombre, algunos de los cuales se convirtieron con el tiempo en verdaderos referentes de las ciencias de la computacin. Es as como vinieron a o impartir sus conferencias y en algunos casos cursillos, A. Perlis, J. McCarthy, M. Minsky, H. McIntosh, M. Lemann, N. Wirth y K. Iverson, entre otros. Esta red de contactos cient cos que se fue construyendo a lo largo de los primeros a os sirvi pan o ra poder enviar los primeros estudiantes de posgrado a algunas de las universidades ms prestigiosas, a as como para iniciar algunos de los primeros proyectos de investigacin. o Por ejemplo, Harold McIntosh, f sico, matemtico y qu a mico que se hab convertido en un experto en a LISP, inici despus de su primeo e ra visita a Mxico, su larga carree ra como gran formador de cient cos de la computacin mexicanos con la o direccin de la tesis de licenciatuo ra de Manuel Alvarez en 1961. En 1964 fue invitado a trabajar en el recin creado CINVESTAV, en el Dee partamento de F sica, en donde dirigi las tesis de licenciatura de Adolo fo Guzmn Arenas y de Raymundo a Segovia, alumnos de la ESIME del IPN, sobre el dise o y programacin n o del lenguaje CONVERT. Otro ejemplo es el de Manny Lemann quin hab dise ado la e a n ISSN en trmite a
Ao 1, No. 1. Octubre de 2008 computadora SABRE de la Universidad de Israel, y que organiz un o peque o grupo de alumnos para din se ar la computadora MAYA. Si n bien nunca se logr construir eso ta computadora, varios de los estudiantes que trabajaron con l hiciee ron una carrera relevante en computacin, como Mario Magidin y Rayo mundo Segovia. Un tercer ejemplo es el de Kenneth Iverson, inventor del lenguaje APL, quien imparti una serie de o cursillos. Este lenguaje tuvo un cierto auge en Mxico debido a su adope cin por el reconocido astrnomo o o mexicano Eugenio Mendoza, quien a su vez lo difundi entre jvenes estuo o diantes, entre los que se encontraba Pablo Noriega. Un grupo importante de los primeros usuarios de la IBM 650 y dems computadoras que le siguiea ron, fueron investigadores de diversas disciplinas como f sica (T. Brody, H. McIntosh), matemticas (A. Baa rajas y F. Zubieta), astronom (A. a Poveda), ling ustica (M. Swadesh y D. Cazes), siolog (J. Negrete) y a ciberntica (A. Medina, G. Kurtz). e Algunos de ellos jugaron un papel importante en la formacin de o las primeras generaciones de computlogos. Fue el caso de Toms o a Brody, quien impuls el uso de la o computacin avanzada en la f o sica al mismo tiempo que desarrollaba su Lispito y daba cursos de teor a de la computacin; Alejandro Medio na quien form un grupo interdiscio plinario importante en torno de la Ciberntica y entusiasm a muchos e o jvenes a proseguir sus estudios en o a reas como control, inteligencia articial e ingenier en computacin; a o Jos Negrete, quin fund el laborae e o torio de biociberntica en el CCE y e desarroll a nales de los a os seseno n ta un sistema de diagnstico mdico o e bayesiano, un sistema experto avant la lettre. Los primeros doctores en computacin salieron de ese crisol, Reo nato Iturriaga y Enrique Caldern o por parte de la UNAM, y Adolfo Guzmn y Mario Magidin por parte a
Art culos de divulgacin o del IPN. Renato Iturriaga quien fue el primer graduado en Ciencias de la Computacin del Carnegie Institute o of Techonology, hoy Carnegie Mellon University, fue nombrado, a su regreso a Mxico, director del CCE de e la UNAM en sustitucin de Sergio o Beltrn. Adolfo Guzmn regres a a a o Mxico despus de haber terminado e e su doctorado con M. Minsky en el MIT a dirigir el Centro Cient co de IBM, para pasarse en 1975 al IIMAS de la UNAM como jefe del Departamento de Computacin, en sustituo cin de Robert Yates. Enrique Calo dern se doctor en la Universidad o o de Pensilvania y regres a la UNAM, o poco tiempo despus se pas al sece o tor p blico. Mario Magidin entr al u o IIMAS a su regreso de Berkeley y despus de unos pocos a os se pas a e n o la recin creada UAM para despus e e irse con Enrique Caldern al sector o p blico. u Con el regreso de los primeros doctores en computacin, con o nuevos nimos, se reinici el ciclo a o de atraer jvenes estudiantes pao ra enviarlos a estudiar al extranjero, estableciendo as un proceso de formacin permanente de nuevos o cient cos y tecnlogos de alto nio vel que contin a hasta nuestros d u as.
otras, percepcin remota, procesao miento de lenguaje natural, redes de computadoras, nuevas arquitecturas, lenguajes de programacin. o Para nales de esa dcada y prine cipios de los a os ochenta, los dos n principales grupos de investigacin o en computacin eran el del IIMAS o de la UNAM y el de la BUAP. El primero ten un poco ms de veinte a a doctores en computacin trabajano do en su seno, y la BUAP del orden de unos quince.
La dcada de los ochenta e

Como es bien conocido, a la dcae da de los ochenta se le denomin la o dcada perdida por la enorme crie sis econmica que se abati sobre o o el pa Los salarios sufrieron una s. prdida de poder adquisitivo terrie ble lo que provoc, entre otras coo sas, una situacin de emergencia en o todas las instituciones acadmicas. e Como respuesta de emergencia se cre el Sistema Nacional de Inveso tigadores, SNI, con el n de buscar retener en el pa a los cient s cos en activo. Sin embargo, para el campo de las ciencias de la computacin o esta crisis fue devastadora y el SNI no tuvo ning n efecto. En menos de u tres a os, todos los grupos de invesn tigacin de las universidades mexicao nas o desaparecieron o se redujeron a su m nima expresin. Por ejemo plo, para 1984 el grupo del IIMAS de la UNAM hab pasado de veina te a cuatro doctores. El grupo dela BUAP se redujo tambin drsticae a mente. El esfuerzo de dos dcadas e para construir grupos de investigacin de buen nivel se vino abajo en o gran medida. A dnde se fueron esos investio gadores? Unos se fueron al extranjero, otros se pasaron a la iniciativa privada o al sector gubernamental. Est claro que lo que jug un papel a o central en el caso de la computacin, o fue que la expansin creciente del o mercado informtico hac que fuese a a relativamente fcil encontrar, fuera a del mbito acadmico, trabajo bien a e remunerado. Para aquellos que prefer continuar con sus actividades an ISSN en trmite a
La dcada de los setenta e

La dcada de los setenta fue en e cierta forma un periodo de crecimiento. Con la llegada de las nuevas generaciones de doctores se fueron consolidando nuevos grupos de investigacin. El CENAC del IPN o cre, a nes de los a os sesenta, la o n primera maestr en ciencias de la a computacin. La UNAM cre la suo o ya en 1975. H. McIntosh cre, en o 1971, un grupo de computacin en o el Instituto Nacional de Energ Nua clear, INEN, con egresados de la Escuela de F sico Matemticas del a IPN. En 1975 todo este grupo fue invitado a incorporarse a la Benemrie ta Universidad Autnoma de Pueo bla, BUAP. Algunas de las l neas de investigacin que se empezaron a desao rrollar por esos a os inclu n an, entre
Ao 1, No. 1. Octubre de 2008 de investigacin, la solucin era la de o o buscar trabajo en universidades extranjeras, en donde, particularmente las de Estados Unidos, estaban expandiendo su planta docente debido al auge general del mercado informtico. Para los profesores e ina vestigadores que se quedaban en las universidades mexicanas, hab que a empezar de nuevo. Afortunadamente, el ujo de becarios que terminaban su doctorado en el extranjero y regresaban a Mxie co no se interrumpi. Con su llegao da y gracias al tesn y enjundia de o los investigadores que hab permaan necido en las universidades se pudo mantener una actividad acadmica e m nima que se fue fortaleciendo poco a poco bajo una dinmica mucho a ms abierta e interinstitucional que a en la dcada anterior. Es as como e en 1986 se cre la Sociedad Mexio cana de Inteligencia Articial, cuyo primer presidente y principal impulsor fue Jos Negrete. A nales de esa e dcada, la situacin salarial en las e o universidades p blicas volvi a hacer u o estragos en los grupos recin formae dos; sin embargo, para algunas instituciones privadas como la UDLA, el ITESM o el ITAM, fue un momento importante de creacin y de o crecimiento de una planta docente de doctores en computacin con una o vocacin hacia la investigacin. Esto o o contrast con el caso del CINVESo TAV, cuya Seccin de Computacin o o se cre en 1983 en el Departameno to de Ingenier Elctrica. Esta Seca e cin hab sido concebida como paso o a previo a la constitucin del Deparo tamento de Computacin. Desgrao ciadamente, eso no se pudo realizar sino hasta veinte a os ms tarde. El n a plan original para este departamento, elaborado por Hctor Nava Jaie mes, Juan Milton Gardu o y Adolfo n Guzmn Arenas, era el de llegar a tea ner en pocos a os ms de veinte inn a vestigadores. Desgraciadamente, la situacin del pa no permiti que o s o la seccin de computacin del CINo o VESTAV creciera en mucho tiempo. El Departamento de Computacin o se cre nalmente en el a o de 2006. o n
La creacin de la SMIA en o 1986 vino a poner un poco de orden a la comunidad acadmica de nes de los a os e n ochenta. Sus congresos anuales permitieron que la renaciente comunidad se conociera y se organizara. Eran a os en donde los temas n de investigacin y de desarrollo teco nolgico se centraban en sistemas o expertos, procesamiento de lenguaje natural, programacin lgica y vio o sin. o
Los datos del estudio correspondiente realizado en el primer trimestre de 1994 indican que el n mero u de grupos de investigacin se redujo o a 17 . . . No obstante, es necesario destacar que, en particular, las reas de a Inteligencia Articial, Computacin o Grca e Interoperabilidad cuentan a con comunidades organizadas y activas y han sostenido niveles razonablemente altos de calidad. Cabe mencionar que en estas reas hay a grupos de investigacin bsica, ino a vestigacin aplicada y docencia que o aunque frgiles, han mantenido rea lativa estabilidad y participacin en o la comunidad informtica internaa cional . . . Sin embargo, este Grupo Consultivo considera que, en trminos e generales, la investigacin en tecnoo log de la informacin es escasa, ina o constante y se encuentra atomizada en grupos dispersos temtica y a geogrcamente. Aunque las razoa nes que explican esta situacin son o dif ciles de precisar, es evidente, por una parte, que el deterioro general de los salarios acadmicos ha propie ciado no slo la salida de informtio a cos hacia la industria que ya se ha mencionado, sino la emigracin de o por lo menos un centenar de mexicanos que actualmente estudian o trabajan en el extranjero, para los que virtualmente no existen en la actualidad ofertas atractivas de repatriacin en la docencia y la investigao cin. o La dcada de los noventa fue de e gran actividad, se crearon y reforzaron diferentes grupos de investigacin y docencia en computacin. En o o 1991 se cre el Laboratorio Nacional o de Informtica Avanzada, LANIA, a en Xalapa, que a su vez apoy la o creacin del grupo de inteligencia aro ticial de la Universidad Veracruzana. En 1995 se cre el Centro de o Investigacin en Computacin, CIC, o o del IPN. A lo largo de esa dcada, e los grupos del ITESM aumentaron notablemente, los grupos del CICESE, INAOE, CIMAT, Universidad Veracruzana, BUAP, entre otros, ISSN en trmite a
La dcada de los noventa e

A principios de los a os noventa, n el INEGI se destac como la unica o dependencia del gobierno federal que se haya ocupado y preocupado por establecer una pol tica integral de informtica, incluyendo la investigaa cin y desarrollo. Desgraciadameno te no logr incorporar en esa visin o o a las dems instituciones gubernaa mentales involucradas. Como parte de esa visin, el INEGI conform un o o Consejo Asesor de informtica que a en 1994 public un documento intio tulado: Elementos para un Programa Estratgico en Informtica. A e a continuacin se reproduce un extraco to de lo expuesto en dicho escrito que muestra que exist ya en esos d a as una clara visin de la problemtica o a de la investigacin en computacin o o de esos d as. El estudio realizado por el INEGI a los 28 grupos de investigacin o ms connotados en 1992, evidena ci que slo existen 78 investigadores o o con doctorado, de los cuales 36 laboran en una sola institucin. La mao yor parte de la actividad reportada en ese estudio y casi toda la nanciada por el Consejo Nacional de Ciencia y Tecnolog (CONACYT) hasa ta 1990, puede calicarse de transferencia de tecnolog aunque el ima, pacto real de dichos proyectos en la industria nacional es dif cilmente cuanticable. Ms a n, de los 275 a u proyectos de investigacin nanciao dos por el CONACYT en 1991, ninguno fue en informtica . . . a
Ao 1, No. 1. Octubre de 2008 empezaron a crecer. En 1995, por iniciativa de un grupo peque o de n investigadores se cre, bajo la auspio cio de la SMIA, la Sociedad Mexicana de Ciencias de la Computacin, o SMCC, siendo su primer presidente Vladimir Estivil, en ese entonces investigador del LANIA. A lo largo de esos a os, la comunidad de la n
Art culos de divulgacin o computacin logr tener una preseno o cia relevante en CONACYT; poco a poco se le fue reconociendo como un a rea estratgica para el pa y fuee s ron apoyadas diversas iniciativas de colaboracin internacional, primero o con Estados Unidos, a travs de un e convenio NSF-CONACYT y posteriormente con Francia, lo que desem-
boc en la creacin de un laboratoo o rio virtual franco mexicano en informtica, el LAFMI, en el a o 2000. a n De igual forma, se impuls un trabao jo sistemtico de cooperacin entre a o instituciones nacionales a travs de e la creacin de la Red de Investigao cin en Informtica (REDII). o a
En un espacio de 16 a os se multiplic el n mero de doctores 7 veces. Hoy n o u tenemos grupos grandes de investigadores, aunque tambin existe una e gran dispersin de doctores aislados o en grupos demasiado peque os. o n
El inicio del nuevo siglo

A principios de la primera dcada de este siglo las coe sas volvieron a cambiar. Si bien de palabra el CONACYT sosten la importancia de la computacin como rea a o a estratgica para el pa a excepcin de la creacin y e s, o o mantenimiento del LAFMI, la presencia real de la computacin en CONACYT y en sus comisiones dictaminadoras o prcticamente desapareci. No obstante, a pesar de todo, a o el campo de la computacin ha demostrado tener un dio namismo, no slo en el mbito comercial, gubernamental o a y social, sino tambin en el acadmico de investigacin. e e o Hoy en d somos ms de 500 doctores distribuidos en 57 a a instituciones de educacin superior. o Con motivo del 50 aniversario de la instalacin de la o IBM 650 en la UNAM se cre la Red Mexicana de Investio gacin y Desarrollo en Computacin, REMIDEC, que ha o o servido para coordinar muy diversas actividades acadmie cas conmemorativas entre las que destaca la redaccin de o un documento en donde presentamos nuestra visin de o dnde estamos, a dnde quisiramos llegar y cmo nos o o e o imaginamos que podr amos lograrlo. A este documento le denominamos Maniesto. Hasta mediados del 2008 el Maniesto hab sido suscrito por 210 investigadores en a computacin y reas anes, 25 de los cuales son colegas o a mexicanos que trabajan en el extranjero. La elaboracin del Maniesto nos permiti, por primeo o ra vez, articular un amplio consenso sobre la concepcin o que nos hacemos de nuestro campo. El levantamiento del censo de doctores en computacin en instituciones de eduo cacin superior nacionales, a pesar de la conabilidad de o las informaciones p blicas obtenidas a travs del Web, nos u e revel una situacin interesante que se resume en la Tabla o o 1. Destacan cinco instituciones con ms de 30 doctores, a as como 12 instituciones que tienen entre 21 y 10 docto res. A lado de estos grupos coexisten un gran n mero de u c 2008 - Sociedad Mexicana de Inteligencia Articial
grupos ms peque os: cinco instituciones que tienen entre a n 8 y 5 doctores, as como 36 instituciones con menos de 5 doctores en computacin, 20 de las cuales cuentan slo o o con un doctor.
Tabla 1. Distribucin o de doctores en computacin por institucin. o o
ITESM UNAM IPN UAM CINVESTAV UV BUAP INAOE UGto CIMAT ITAM CICESE UDG CENIDET U.A.Hidalgo UANL UDLA IIE UABC Universidad Michoacana UAEM U.A.Aguascalientes
82 68 65 44 32 21 19 19 15 14 14 13 13 11 11 10 10 8 8 8 6 5
Adems de: a 36 instituciones con menos de cinco doctores: 3 con 4 doctores 1 con 3 doctores 12 con 2 doctores 20 con 1 solo doctor
En total 555 doctores en computacin o y reas anes a
Conclusiones
En resumen, de 78 doctores en 1992 pasamos a 555 en 2008, es decir que en un espacio de 16 a os se multiplic el n o n mero de doctores siete veces. Hoy tenemos grupos muu ISSN en trmite a
cho ms grandes de investigadores que en 1992, aunque a tambin existe una gran dispersin de doctores aislados o e o en grupos demasiado peque os. n Cmo debemos de leer estos resultados? Podemos reao lizar una lectura pesimista o una optimista. La lectura optimista dice que hemos crecido muy rpidamente en los a ultimos quince a os, que estamos en proceso de consoli n dacin y aumento de tama o de los grupos ms peque os, o n a n y que la gran dispersin geogrca, ms que una desveno a a taja es un gran potencial para lograr, en pocos a os, una n cobertura importante de todo el territorio con grupos de investigacin y desarrollo en computacin que apoyen tano o to a mejorar la docencia como a propiciar el surgimiento de empresas de software. La lectura pesimista nos dice que a pesar del crecimiento, la dispersin ha aumentado, que o son muy pocos los grupos que han logrado tener una masa cr tica para lograr una productividad comparable con los estndares internacionales y con posibilidad real para a incidir en proyectos de innovacin tecnolgica industriao o REFERENCIAS
les, y que adems, con la actual crisis econmica del pa a o s pronto veremos un nuevo desmembramiento de los grupos ms consolidados. a Cul de las dos lecturas ser la ms correcta? En a a a buena medida eso depender del camino que decidamos a emprender como comunidad y del empe o que pongamos n por alejar los augurios pesimistas, profundizar en el anlia sis de nuestra realidad y de nuestras opciones, de aprender a explicar y mostrar en los hechos el gran potencial que tenemos tanto en el campo de la investigacin como en el o de desarrollo tecnolgico innovador. o Qu mejor que este 50 aniversario para iniciar una nuee va etapa de discusin tanto al interior de nuestra rea, o a como con nuestro entorno, gobierno, empresas y sociedad, sobre la necesidad de consolidar y multiplicar los grupos de investigacin en computacin en el pa para benecio o o s de su desarrollo social, econmico, tecnolgico y cient o o co.H
1. Soriano M. y Lema C. (1985) Primera dcada de la computacin en Mxico, 1958-1968. Ciencia y Desarrollo, tre e o e Vol. 60 y 61. CONACYT, Mxico. e 2. Mendoza E. E. (1974) APL in Astronomy. Revista Mexicana de Astronoma y Astrofsica, Vol. 1, No. 11. 3. Cisneros-S G. (1991). La computacin en Mxico y la inuencia de H. V. McIntosh en su desarrollo. CIMAT. o e Disponible en: http://delta.cs.cinvestav.mx/ mcintosh/oldweb/pothers.html 4. Grupo Consultivo de Pol tica Informtica (1994). Elementos para un Programa Estratgico en Informtica. INEGI. a e a
SOBRE EL AUTOR
Christian Lema tre Len es doctor en informtica por la Universidad de o a Paris VI y licenciado en f sica por la UNAM. Miembro fundador de la Sociedad Mexicana de Inteligencia Articial; de la Sociedad Mexicana de Ciencias de la Computacin, de la International Foundation of Autonomous Agents and o Multiagent Systems, y del Laboratorio Nacional de Informtica Avanzada. Fue a Presidente de la SMIA. Actualmente es jefe del Departamento de Tecnolog as de la Informacin de la Divisin de Ciencias de la Comunicacin y Dise o de la o o o n UAM-Cuajimalpa. Sus reas de inters son inteligencia articial distribuida, sistemas multiagente, a e planicacin, procesamiento de lenguaje natural, sistemas cognitivos, creatio vidad computacional y manejo de emociones, sistemas de interaccin humano o computadora adaptables, sistemas colaborativos. Aplicaciones de la inteligencia articial a sistemas de informacin, comercio-e, gobierno-e, educacin-e, log o o stica, videojuegos, cmputo ubicuo. o
ISSN en trmite a

COLUMNAS
Columnas
IA & Educacin o
a cargo de Julieta Noguez Monroy, iaeducacion-ksapiens@smia.org.mx
El objetivo de esta columna es dar a conocer las principales aportaciones y experiencias exitosas de la aplicacin o de la Inteligencia Articial en el rea de educacin. a o El aprendizaje ha sido una actividad fundamental en la supervivencia y evolucin de la raza humana. El hombre o aprende la cultura del entorno en el que nace y mediante el conocimiento se operan cambios importantes en su crecimiento intelectual y personal. La epistemolog la sia, colog y la ciencia del conocimiento centran su inters en a e la inteligencia humana y estn ligadas a la investigacin a o de la comunicacin y del conocimiento en forma similar a o los objetivos de la inteligencia articial. Se busca entender y construir modelos de cmo los seres humanos aprenden o y cmo se desempe an en diferentes dominios, buscando o n representaciones expl citas del conocimiento humano. Desde los inicios de la computacin y de la inteligeno cia articial se han vislumbrado sus aplicaciones en la ense anza y en la investigacin de los procesos de aprendizan o je, tanto de los seres humanos como de las computadoras. Dentro de las ciencias computacionales, la inteligencia articial ha orecido en las ultimas dcadas y en particular e el esfuerzo de su aplicacin a la educacin ha contribuido o o al desarrollo de nuevos ambientes virtuales de aprendizaje. En los inicios, en las dcadas de los 50s y 60s sure gieron los sistemas de instruccin basados en computadoo ra (Computer Based Instruction, CBI) con una posicin o terica conductista, basada en los trabajos de Skinner [1]. o Un poco ms tarde surgi la instruccin tradicional basada a o o en computadora, en la que se utilizaba a la computadora para dar lecciones. Esta tuvo un mayor desarroll hacia o la dcada de los 70s, involucrando a investigadores de la e educacin y a los desarrolladores de aplicaciones compuo tarizadas. Los trabajos de Bolt, Beranek y Newman [2] sobre el estudio del desarrollo de estructuras de conocimiento, los de Newell y Simon [3] y otros investigadores de Carniege Mellon sobre la b squeda de la solucin de problemas u o en la construccin de sistemas expertos para jugar ajeo drez, as como el aumento de la capacidad de cmputo, o contribuyeron al surgimiento la instruccin asistida por o computadora (Computer Aided Instruction, CAI). En la dcada de los 80s la Instruccin Asistida por e o Computadora (CAI) se convirti en una disciplina que o utilizaba la tecnolog de computacin y la instruccin ina o o dividualizada para facilitar el proceso de aprendizaje en todos los niveles educativos. Entre las ventajas ms impora tantes que se identicaban hasta ese momento, estaban el reducir costos de entrenamiento, reducir la necesidad de utilizar equipo caro o peligroso para la capacitacin y pero mitir la actualizacin rpida del material de ense anza. o a n Muy pronto los siclogos entraron en escena para buso c 2008 - Sociedad Mexicana de Inteligencia Articial car la aplicacin de las teor de Piaget, Harlow, Bruo as ner. Se a adieron conceptos importantes de aprendizaje n como aprender-haciendo (learning by doing), aprendizaje por descubrimiento, aprendizaje por comprensin y amo bientes interactivos y reactivos [4]. Tambin en los 80s surgieron los Sistemas Inteligentes e Asistidos por Computadoras (ICAI) como un ejemplo de aplicacin de la tecnolog de Inteligencia Articial en la o a ense anza. Los Sistemas Tutores Inteligentes son un caso n particular de este tipo de sistemas. Sin embargo, en forma genrica, a mitad de la dcada de los 80s el trmino e e e de Sistemas Inteligentes Asistidos por Computadoras fue reemplazado por el de Sistemas Tutores Inteligentes [5]. Un sistema tutor inteligente es un sistema cuyo objetivo principal es reproducir el comportamiento de un tutor humano (competente) que puede adaptarse al ritmo de aprendizaje del estudiante [6,7].
Figura 1. Interaccin de estudiantes con sistemas tuo tores inteligentes supervisada por un tutor humano.
Durante los 90s y la dcada actual surgieron nuevas e tecnolog y enfoques metodolgicos que ampliaron las as o fronteras y aplicaciones de los sistemas tutores inteligentes. Entre las ms importantes se pueden mencionar: a Ambientes creativos de conocimiento (Creative Knowledge Environments, CKEs) Visualizacin de Datos por Computadora (Compuo ter Data Visualization) Convergencia Digital (Digital Convergence) Tecnolog para el entretenimiento (Entertainment as technologies) Interfaces Inteligentes (Intelligence Interfaces) Publicaciones en L nea (Online publishing) ISSN en trmite a
Ao 1, No. 1. Octubre de 2008 Redes dominantes (Pervasive networks) Video juegos (Video gaming) Educacin Virtual (Virtual Education) o Realidad Virtual (Virtual Reality) Dispositivos mviles (Wireless devices) o
Columnas
Actualmente persiste la l nea de trabajar considerando al estudiante como el actor principal del proceso de aprendizaje. La evolucin de las tecnolog de informacin y o as o de comunicaciones presenta nuevos retos y prometedoras oportunidades de mejorar el desempe o de los estudiantes n empleando tcnicas de Inteligencia Articial. En n meros e u subsecuentes se dar ms detalle de estas tecnolog a a as.
diversos programas curriculares la ense anza de la Intelin gencia Articial con el propsito de representar y utilizar o el amplio conocimiento que permite a los expertos realizar inferencias y tomar decisiones. En los siguientes n meros u tambin comentaremos sobre las instituciones ms sobree a salientes en este campo del conocimiento. En esta columna daremos a conocer la visin, expeo riencias, prcticas exitosas y esfuerzos que se han realizaa do tanto en la aplicacin de la inteligencia articial en la o educacin, como en la ense anza de la inteligencia artio n cial. En el prximo n mero compartiremos la aportacin o u o del Dr. Rafael Morales Gamboa, colega de la Universidad de Guadalajara.H
Figura 2. Laboratorio Virtual de F sica con Sistema Tutor Inteligente [8].
Por otra parte, un n mero importante de instituciou nes educativas nacionales e internacionales incluye en sus REFERENCIAS
Figura 3. Ambiente h brido de realidad virtual con videojuegos.
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 Clis. 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 por Kearsley Greg Articial Intelligence and Instruction. Application and Methods. Adisson Wesley Publishing Company. 5. Wenger E. (1987) Articial 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 Tutoring Systems. 3th International Conference ITS96, pp. 57-65. 7. Self J. (1999) The dening characteristics of intelligent tutoring systems research: ITSs care, precisely. International Journal of Articial Intelligent in Education. Vol 10. pp. 350-364. 8. Mu oz K. Noguez J. McKevitt P. Hybrid Learning Environments: Analysing the eects of enhancing human n computer interaction to deliver eductaion. University of Ulser. Irlanda. Tecnolgico de Monterrey, Campus Ciudad o de Mxico. http://elearning.ccm.itesm.mx:8080/ EEXIP e
ISSN en trmite a

COLUMNAS
Columnas
Deskubriendo Konocimiento The Emotion Machine de Marvin Minsky

a cargo de Gildardo Snchez Ante a
En un texto planteado en nueve cap tulos Marvin Minsky hace gala una vez ms de su peculiar narrativa, en a esta ocasin con la intencin de desentra ar cmo es que o o n o los cerebros de los humanos trabajan, para a partir de ello dise ar computadoras que piensen y sientan como noson tros, que es al menos en la visin de algunos, el objetivo o ultimo de la Inteligencia Articial. Recurriendo en esta ocasin a una especie de dilogo o a al estilo de Platn, Minsky introduce en su libro diversos o interlocutores , quienes a lo largo del texto lanzan preguntas o comentarios sobre varios aspectos, los cuales dan pie a un anlisis de singular profundidad. Es a travs de este a e dilogo que nalmente se se alan nueve caracter a n sticas de los humanos que en la concepcin de Minsky constituyen o la esencia de nuestro ser y de nuestro actuar. Esas nueve caracter sticas van desde el reconocer que hemos nacido ya con una serie de recursos mentales, hasta la facultad que poseemos de construir diversos modelos de nosotros mismos, pasando por el aprendizaje a partir de la interaccin con otros, el que las emociones son formas diferentes o de pensar, el pensamiento acerca de nuestros pensamientos recientes, el aprendizaje a diferentes niveles, la acumulacin de conocimiento de sentido com n, la facultad o u de cambiar entre formas diferentes de pensamiento, y la representacin del conocimiento en m ltiples formas. o u En relacin con las emociones (o emocin, como o o Minsky llama a todo el conjunto), en el texto se establece que somos una mquina de instintos. Esta mquina a a funciona con base en tres aspectos: el reconocimiento de situaciones, el conocimiento sobre la reaccin ante dichas o situaciones y nalmente, el referido a los m sculos o motou res que ejecutan las acciones pertinentes ante esas situaciones. Por supuesto, para un entendido de la computacin, o esto puede ser mapeado a una estructura de control clsia ca: la toma de decisin o reglas si-entonces. Es as pues o que es posible considerar que los humanos vivimos inmersos en un ciclo de accin-reaccin-accin. Para el autor, o o o una arquitectura plausible para nuestro cerebro implica la presencia de otra mquina, una que ejerce la labor de a un cr tico-selector, la cual tiene la funcin de identicar o conictos y resolverlos a travs de cambios de tipos de e accin, a los que Minsky llama de manera general Moo dos de Pensamiento. Este concepto es, desde mi punto de vista, muy importante ya que a travs de l se explica e e la relacin que existe hacia el pensamiento deliberativo o o lgico. Esta mquina pudiera explicar, de alguna manera, o a el que ante una misma situacin unos humanos reaccionen o mostrando ira, otros sorpresa y otros ms angustia. a c 2008 - Sociedad Mexicana de Inteligencia Articial
Figura 1. Portada del libro The Emotion Machine, Marvin Misky. Simon & Schuster, 2006.
Otro aspecto relevante concierne los modelos de las actividades mentales, las cuales var desde las reacciones an instintivas muy cercanas a comportamientos infantiles, hasta emociones de auto-conciencia, prximas a nuestras o metas, valores e ideales. Entre esos dos niveles estar an las reacciones aprendidas, el pensamiento deliberativo, el reectivo y el auto-reectivo. A travs de este modelo se e intenta explicar cmo los humanos denimos nuestros obo jetivos, entendiendo que algunos de ellos han sido impresos genticamente y otros se aprenden y al interiorizarse e alcanzan un estado diferente de auto convencimiento.
ISSN en trmite a
Columnas
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 dnde ms acomodar. o a Por supuesto, uno de los temas recurrentes en los escritos de Minsky es la conciencia, y este libro no podr a haber dejado el tema de lado. En esta ocasin, el concepto o de conciencia es comparado con el de una maleta a la que mandamos todo aquello que no encontramos dnde ms o a acomodar. Minksy argumenta que en realidad el gran problema para entender la conciencia es que hemos tratado de empaquetar los productos de muchos procesos mentales que adems ocurren en partes diferentes de nuestro a cerebro, y que ahora habr que separarlos de nuevo paa ra tratar de comprenderlos de manera individual. Muchos de esos procesos mentales han sido tema de discusin en o muy diversas disciplinas y atendiendo a enfoques diferentes tambin. Uno de los que ms me llam la atencin es e a o o justamente el de las limitaciones de la introspeccin. o Quiz uno de los temas ms ricamente analizados en a a el libro es el del sentido com n. Misnky hace este anliu a sis partiendo de tres puntos fundamentales: los programas computacionales actuales no tienen conocimiento de sentido com n, no tienen objetivos expl u citos y suelen te-
ner limitaciones en cuando al manejo de recursos. Estos tres temas enlazan de manera simple el porqu las compue tadoras actuales no muestran un razonamiento de sentido com n. Los humanos sabemos muchas, quiz demasiadas u a cosas, de las cuales no siempre somos conscientes. Pensar en un trozo de hilo que ata a un paquete implica entender una gran cantidad de hechos relacionados, como cul a es la utilidad del hilo, que un hilo puede emplearse para jalar cosas, pero no para empujarlas, que si lo estiramos en demas se romper y muchas otras cosas ms. Todo a a a ese conocimiento est latente y el cerebro echa mano de a l cuando lo necesita, aunque en este proceso no sieme pre intervengamos de manera consciente. Luego, est el a problema de que cuando usamos programas para resolver problemas les decimos a esos programas qu hacer, e pero no el porqu lo queremos hacer, de manera que es e imposible para el programa estimar si la respuesta que estn produciendo es de utilidad para el usuario, sea en a costo o en calidad. Adems de que en caso de hacerle fala ta conocimiento el programa se detendr, mientras que si a conociera cul es el propsito de lo que se le ha pedido a o pudiera quiz buscar resolver el problema de una manea ra alternativa. Los temas derivados de estas discusiones son altamente disfrutables sin duda. Recomendables de manera particular me parecieron las discusiones sobre las intenciones y los objetivos y el razonamiento por analog a.
Los programas computacionales actuales no tienen conocimiento de sentido com n, no tienen objetivos expl u citos y suelen tener limitaciones en cuando al manejo de recursos.
Resumiendo, The Emotion Machine es un buen libro que toca aspectos bsicos y fundamentales, que no triviaa les. Puede ser un excelente acompa ante de otros textos n que ahondan ms en dos aspectos que Minsky menciona a muy supercialmente o incluso que obvia: la psicolog de a la cognicin y los procesos biolgicos. No es un libro en o o el que se haga nfasis alguno en la parte algor e tmica de la inteligencia, no hay cdigos o pseudocdigos en todo o o el texto, y hay quienes pudieran sentir que los anlisis a de Minsky quedan truncos al descartar referencias que en algunas de stas reas se han establecido como casi oblie a gadas, tal como es el caso de Joseph E. LeDoux, quien escribi The Emotional Brain y que no es siquiera citado o por Minsky, a pesar de que muchos consideran ese texto como muy importante. Si el lector llega a este texto despus de haber le The Society of Mind sin duda ene do contrar algunos -muchos en realidad- puntos en com n, a u pero en algunos casos en el nuevo texto Minsky se da el gusto de tratarlos con ms detalle. Finalmente en este texa to sigue el autor sigue considerando a la mente como un sistema complejo que se forma a travs de la interaccin e o de muchos subsistemas simples.H
Contribuciones e informacin, escriba a o deskubriendokonocimiento-ksapiens@smia.org.mx
Suscripciones & informacin o

komputersapiens@smia.org.mx http://komputersapiens.org.mx
ISSN en trmite a
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 UR2009 Special Track at the 22nd International Florida Articial Intelligence Research Society Conference (FLAIRS-22) is the 14th in the series. As the past tracks, UR2009 seeks to bring together researchers working on broad issues related to reasoning under uncertainty. 21st International Joint Conference on Articial Intelligence (IJCAI-09) http://ijcai-09.org Pasadena, CA, USA July 11-17, 2009 The theme of IJCAI-09 is The Interdisciplinary Reach of Articial Intelligence,with a focus on the broad impact of articial 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 Articial Intelligence (ECAI 2010) http://ecai2010.appia.pt/ Lisbon, Portugal August 16-20, 2010 ECAI, is the leading Conference on Articial Intelligence in Europe, and is a biennial organization of the European Coordinating Committee for Articial Intelligence - ECCAI. Para adquirir ejemplares de Komputer Sapiens, escribir a
komputersapiens@smia.org.mx
7th Mexican International Conference on Articial 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 Articial Intelligence, traditionally held in Mexico. The conference is organized by the Mexican Society for Articial Intelligence (SMIA). The scientic program includes keynote lectures, paper presentations, 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 scientic 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-prole, internationally respected archival forum for research in all aspects of the theory and practice of autonomous agents and multi-agent systems.

ks11 Extensa

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ks11 Extensa

Uploaded by

Copyright:

Available Formats

Komputer Sapiens

c 2008 Sociedad Mexicana de Inteligencia Articial

Presidente Vicepresidente Secretario Tesorero Vocales:

ART ICULO INVITADO

Mercadotecnia en el Siglo 21: Inteligencia Computacional Aplicada

Estado del IArte

Sistemas H bridos Neuro-Simblicos o

Aplicaciones de la Inteligencia Articial a la inspeccin visual en o la industria.

ART ICULO INVITADO

50 Aos de Investigacin en Computacin en n o o Mxico e

Ao 1, No. 1. Octubre de 2008

c 2008 - Sociedad Mexicana de Inteligencia Articial

Ao 1, No. 1. Octubre de 2008

e-Tlakuilo: Cartas de nuestros lectores

Ariel, profesor de preparatoria, Michoacn a

Erik, ingeniero, Estado de Mxico e

Luis, estudiante de ingenier Chihuahua a,

c 2008 - Sociedad Mexicana de Inteligencia Articial

Ao 1, No. 1. Octubre de 2008

Estado del IArte

Raj Reddy, fuente: http://www.emri.in/

Teuvo Kohonen, fuente: www.wcci2008.org/

Ao 1, No. 1. Octubre de 2008

c 2008 - Sociedad Mexicana de Inteligencia Articial

Ao 1, No. 1. Octubre de 2008

Art culos de divulgacin o

Visin: Natural y Articial o

c 2008 - Sociedad Mexicana de Inteligencia Articial

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

Ao 1, No. 1. Octubre de 2008

Art culos de divulgacin o

Ao 1, No. 1. Octubre de 2008

Art culos de divulgacin o

c 2008 - Sociedad Mexicana de Inteligencia Articial

Ao 1, No. 1. Octubre de 2008

Art culos de divulgacin o

Figura 6. Identicacin o de personas y reconocimiento de ademanes.

c 2008 - Sociedad Mexicana de Inteligencia Articial

Ao 1, No. 1. Octubre de 2008

Art culos de divulgacin o

Mercadotecnia en el Siglo 21: Inteligencia Computacional Aplicada

Ejemplo de Tecnolog Alternas: Computacin as o con ADN

c 2008 - Sociedad Mexicana de Inteligencia Articial

Ao 1, No. 1. Octubre de 2008

Art culos de divulgacin o

Figura 2. La Mquina Biolgica. a o

Figura 1. La Mquina de Turing. a

Ao 1, No. 1. Octubre de 2008

Art culos de divulgacin o

Ao 1, No. 1. Octubre de 2008

Art culos de divulgacin o

Figura 3. Ejemplo de datos con regularidades evidentes.

Ao 1, No. 1. Octubre de 2008

Art culos de divulgacin o

Figura 4. Ejemplo de datos con regularidades no evidentes.

Mercadotecnia e Inteligencia Computacional

Figura 5. El modelo CRISP-DM.

Ao 1, No. 1. Octubre de 2008

Art culos de divulgacin o

Figura 6. Ilustracin del criterio del codo. o

Figura 8. Comportamiento de las variables en el cluster 2.

Figura 7. Mapas de Kohonen para 9 clusters.

c 2008 - Sociedad Mexicana de Inteligencia Articial