EXPOSICION DE INGENIERIA CONOCIMIENTO (DIGSA) DEL MECANISMOS DE PERCEPCIÓN Introducción El desarrollo de sistemas computacionales ha permitido que la información proporcionada por estos, se perciba de manera agradable, sencilla y capaz de ser entendida. Así, el concepto de percepción debe ser estudiado con el fin de que el usuario final logre aprovechar al máximo los recursos proporcionados por un sistema informático. Definición La percepción es un proceso en el que el perceptor, antes de procesar la nueva información y con los datos archivados en su conciencia, construye un esquema informático anticipatorio, que le permite contrastar el estimulo y aceptarlo o rechazarlo según se adecue o no a lo propuesto por el esquema. Así, la percepción es la imagen mental que se forma con ayuda de la experiencia y necesidades. Es resultado de un proceso de selección, interpretación y corrección de sensaciones. Características Es subjetiva: Las reacciones a un mismo estimulo varían de un individuo a otro. Es selectiva: Dado que la persona que no puede percibir todo al mismo tiempo, selecciona su campo perceptual en función de lo que desea percibir. Es temporal: Es un fenómeno a corto plazo, ya que evoluciona a medida que se enriquecen las experiencias, o varían las necesidades y motivaciones de los mismos. Componentes Aunque los estímulos sensoriales pueden ser los mismos, para todas las personas, cada una de ellas percibirá cosas distintas. Lo anterior, mediante los siguientes elementos: Sensaciones o el estimulo físico: Provienen del medio externo, en forma de imágenes, sonidos, aromas, etc. Componentes Internos: Provienen del individuo, tal es el caso de las necesidades, motivaciones y experiencia previa, que proporcionaran una elaboración psicológica distinta de cada uno de los estímulos externos. Proceso Selección: El sujeto percibe aquellos mensajes a que esta expuesto según sus actitudes, intereses, escala de valores y necesidades. Organización: Las personas clasifican los estímulos seleccionados, asignándoles un significado determinado. Interpretación: Se trata de dar contenido a los estímulos previamente seleccionados y organizados. Esta depende de la experiencia previa del individuo, así como de sus motivaciones. PERCEPCIÓN Proceso por el cual seleccionamos, organizamos e interpretamos la entrada de nuestros receptores sensoriales. Ejemplos de ello son las sensaciones puras que estimulan los receptores de los ojos, oídos y otros órganos sensoriales. La transmisión de la información sensorial de los receptores sensoriales al cerebro es sólo parte de la imagen. De igual importancia es el proceso de percepción, la forma en que seleccionamos, organizamos e interpretamos la entrada sensorial para lograr la comprensión de nuestro entorno. Nuestra atención o foco mental, se centra sólo en una pequeña parte de estímulos visuales o auditivos presentes, mientras ignora otros aspectos. Al cambiar el foco de atención podemos notar de repente olores, sabores y sensaciones táctiles que pocos momentos antes estaban fuera de nuestra coincidencia. La atención selectiva tiene ventajas obvias, ya que permite maximizar la información obtenida del objeto en que nos concentramos a la vez reduce la interferencia sensorial de otras fuentes irrelevantes. Para entender mejor la percepción se debe de estudiar un poco el funcionamiento de nuestros sentidos. La Percepción, en tanto mecanismo interno que participa en el proceso de las 'representaciones semánticas' (Per Aage Brandt, 2001), es reactiva ante la realidad al operar activando nociones abstraídas de la propia realidad - en un circuito iterativo- . La percepción funcionaría como un tamiz o filtro (A. Rapoport, 1978) que nos entrega 'perceptos' - unidades de registro + el sentido de las cosas -, los cuales se constituyen en nuestras unidades de conocimiento de la realidad; unidades de experiencia que permiten operar con el entorno. Percibir se transforma entonces un proceso activo que -sostenemos funcionaría en forma instantánea como una 'inducción completa': depende , por una parte de la deducción que derivamos desde las nociones o ideas significativas que nos hemos formado de la realidad y que nos entrega una primera confianza ("vemos lo que sabemos ver"); y, por otra, de la inducción que, a partir de las características y atributos particulares de lo que se presenta como estímulo a los sentidos y a la conciencia, nos permite construir ese 'percepto' que nos hace sentido y que pasamos a ver como mundo real. Tratándose de movilidad en la ciudad y dada su escala, que necesita manifestarse desde la distancia, entre todos los canales perceptivos es la Percepción Visual la que adquiere la mayor importancia por su propiedad telemétrica. Aún quienes la tienen limitada o son carentes, se ven en la necesidad de acceder de algún modo a los mensajes urbanos, prever situaciones y orientarse. Es también mediante la PV que nos formamos las imágenes - incluso de lo que hemos recorrido y experimentado ocupando otros registros - al darnos el sentido de totalidad y las relaciones de organización, permitiéndonos captar las estructuras subyacentes y construir nuestros 'mapas mentales' entre puntos de interés. Pero, más allá de la escala, y muy especialmente por su estereometría que nos entrega la profundidad, la PV nos permite vaticinar el escenario en su espacialidad, distancias y ubicación relativa de las cosas. SENSORES Los sensores trasladan la información desde el mundo real al mundo abstracto de los microcontroladores. Esto aplica a la teoría de sistemas, permite que exista una interrelación entre el sistema computacional, y el mundo real. Existe gran variedad de sensores, de entre los que destacan son los siguientes: Luz Temperatura Presión SENSORES La Percepción Visual (que cuando es suplida por otras formas de registro sensorial, no alcanza a ser nunca totalmente reemplazada) es particularmente incidente en el comportamiento individual y social, dadas sus propiedades vinculativas que relacionan los componentes de la realidad. Hoy se habla de 'inteligencia visual' refiriéndose a la actividad que acomete la mente al 'leer' la realidad mediante la percepción, capaz de realizar operaciones complejas como son: la selección (que aísla lo que interesa dejando todo el resto como 'fondo'); la clasificación (que ordena, jerarquiza y categoriza); la evaluación (que asigna valor y pondera para actuar); el simbolismo (que significa y abstrae ) y la autoconciencia del entorno (referencia a uno mismo para la asignación significante - como por ejemplo "lejos/cerca"- ). Esta forma de inteligencia vinculativa se caracterizaría por: Ser inmediata. Ser una forma de experiencia válida (no sólo lo que se recorre, también lo que se ve). Ser objetiva (deja claro lo que me es externo) y, por lo tanto, generalizable. Ser móvil, y enseña a suponer variantes (de puntos de vista) sin desorientarnos. Ser discriminatoria (ve lo que quiere, puede o sabe, ver). Permite advertir regularidades, deducir constancias y darnos certezas (cabalidad). Ser estereométrica, entregándonos la profundidad (conciencia tridimensional y de las distancias) y la orientación. Estas características son simultáneas e indivisibles en el momento del entendimiento y reacción al ambiente. Pero, siendo las primeras características adjetivas, las tres últimas son activas y dependen directamente de las claves que entrega el estímulo. Ello es pertinente al planeamiento para una movilidad urbana sostenible, ya que éste propone artificios y situaciones que necesitan ser fácilmente percibidas e internalizadas del modo previsto, a fin de provocar determinada reacción. Pero como nada se percibe aisladamente, las decisiones objetivas materiales y las medidas estratégicas que les conciernen, necesitan considerar estas propiedades vinculativas de la percepción, desde el manejo de sus características, ya que ellas funcionarán quiérase o no. Adicionalmente, se deberá tener en cuenta que las disposiciones urbanas se dirigen a satisfacer a un universo variado de usuarios que, al menos, tendrá dos modos generales y personales de percibir: un modo analítico (en el que predominan los mecanismos deductivos de lectura), o bien y un modo sintético (dócil a los rasgos capaces de imponerse a la percepción más inductiva). Como ambos modos están presentes en todos los individuos, pero éstos poseen distintos contenidos y criterios de análisis, es el último el que interesa activar, dado que es el único que podemos operar. Porque, si bien las respuestas se condicionarán en parte por las características de cada individuo y esa variedad no puede ser controlada, sabemos que sí podremos actuar sobre los atributos de los estímulos que se les presenten, atributos que actuarán, al menos, sobre los mecanismos comunes de especie. De modo que si se desea asegurar una conducta social en algún grado homogénea, sólo se puede apostar a la capacidad de inducción del estímulo y de que éste permita y facilite determinada síntesis. El modo sintético de percibir es fundamental, además, porque cualquier movilización en la ciudad que no sea la peatonal, requiere de una rapidez de reacción que invalida la utilidad del modo analítico de percibir. ACTUADOTES Los actuadotes son dispositivos capaces de generar una fuerza a partir de líquidos, de energía eléctrica y gases. El actuador recibe la orden de un regulador o controlador y da una salida necesaria para activar a un elemento final de control. Tipos de actuadotes: Hidráulicos: Son los mas antiguos, y se emplean cuando lo que se necesita es potencia. Neumáticos: Convierten la energía del aire comprimido en trabajo mecánico. Eléctricos: Solo se requieren de energía eléctrica como fuente de poder. Es decir, convierte pulsos eléctricos en movimientos mecánicos distintos. ACTUADORES Además de las características generales de las propiedades vinculativas de la percepción a que nos hemos referido y que nos permiten leer el entorno como un todo, existen mecanismos perceptivos que responden más directa y precisamente a la situación en que se dan los atributos del estímulo y al entorno que le rodea (importante, porque el contexto de un atributo puede variarlo radicalmente, produciendo equívocos visuales) atributos y entorno que, en conjunto, entregarán determinada lectura apoyando o inhibiendo la captación del mensaje implícito y, consecuentemente, induciendo los comportamientos derivados. Estos mecanismos son: Nivelación / Agudización (se 'aplanan' los atributos o estímulos entre sí y hacen indistinguibles o se resalta uno atributo o estímulo por sobre otro). Articulación de campo (distingue partes de un todo; discrimina efectos debidos al campo visual o entorno). Alcance (promueve prestar la atención a campos amplios o bien a concentrarla). Es evidente que evitar los enunciados confusos e indecibles o ambiguos donde se imponga la nivelación; controlar la captación total del enunciado distinguiendo sus partes y los efectos debidos al campo visual o el soporte; y prever el alcance de la atención en determinada situación, son aspectos que los criterios de diseño deben considerar tomando en cuenta los umbrales de reacción relativos a estos mecanismos, que si bien pueden ser modelados culturalmente, son generales de especie, según las Teorías del 'estado directivo'. No obstante la importancia del modo inductivo en la percepción, la capacidad de captar las denominadas 'constancias' del entorno, basadas en la experiencia, utiliza el modo deductivo de percibir, haciendo que aquel no parezca una amenaza. Por las constancias sabemos, por ejemplo que la carretera en realidad no se 'angosta' como nos muestra la perspectiva, o que un poste de alumbrado a mitad de cuadra, aunque parece lejano y no lo he medido, es idéntico al que tengo a mi lado. Esta certeza permite hacer inferencias del tamaño relativo de las diversas cosas que me enfrentan y me permiten 'construir la escala' del lugar o del paisaje. La formación perceptiva de constancias requiere no sólo 'aprehender' las regularidades del entorno sino aprender a leerlas y, en su defecto, aprender a disponer de claves que permitan establecer las relaciones entre las cosas y que ellas establecen con nosotros. La 'constancia' se afinca como parte de la experiencia inconsciente e instantánea del proceso de percepción espacial. En éste, los sistemas analizadores (identificación, organización, memoria, asociación, etc.) que nos facultan para advertir que algo es distinto de su fondo; para interpretar los datos sensoriales del medio; y para atribuir valor y significado ( unicidad de un conjunto o el rol de algo en el todo), nos aseguran su localización en varios planos comprensivos (en profundidad y estructuración con lo demás) y , con ello, nos entregan la 'escala' en referencias dimensionales recíprocas o respecto del observador. Entonces la 'constancia' - y su derivada, la escala - apoyada muy centralmente por el comportamiento del color y de las texturas en la atmósfera (que le da gradiente) y por las sombras, es la que nos permite ver 'en profundidad' - aún a quienes tienen visión monocular - ya que las distancias y las dimensiones de las cosas sería un 'constructo' que no corresponde exactamente a la imagen retiniana ni pertenece a las cosas mismas. Pero, para que opere eficazmente la constancia que postulamos como fundamental, se requiere adicionalmente la presencia de 4 relaciones topológicas: suficiente proximidad; suficiente separación; cierta sucesión (o regularidad); y clausura (real / sugerida, o indicación de dominio). Ellas hacen que reconozcamos algo como perteneciente a una estructura o a un sistema, o bien como ajeno a él. (Las cosas aisladas, por su parte, en sí mismas no contribuyen al sentido de escala y profundidad, sino en alguna alusión a un contexto. Se rigen por sus propias leyes - como la ley de Rici que postula que se intensifican atributos por la sola pequeñez o aislamiento; o de la Gestalt que apuestan al poder inductor de la configuración-, las que habrán de considerarse para la lectura y decodificación de los elementos particulares). Se sostiene que, para orientarse, el individuo opera las señaladas relaciones topológicas necesarias a la 'constancia', mediante las que es capaz de establecer centros (o focos), direcciones (y/o ejes, pautas) y áreas (o campos de comprensibilidad e influencia, o de referencia perceptiva), conceptos con los que organizamos el conjunto de presencias. Esta especie de subestructura virtual perceptiva que construimos sobreponiendo de una noción geométrica simple, funciona como hipóstasis y nos permite componer los fragmentos en unidades coherentes y orientarnos. Por lo dicho, la ausencia de constancias impediría el fácil establecimiento de estas estructuras. Y, no obstante ser una especie de esquema plano (a 'vuelo de pájaro') y abstracto, se opera perfectamente a nivel de observador concreto. Pero, una vez recorridos y experimentados, los esquemas comprensivos devienen en 'mapas' significativos, 'mapas' personales que no son homogéneamente neutros como los anteriores ni coincidentes con la realidad y que nos hacen ver determinado espacio como un lugar. Los 'mapas' mentales son expresión de vivencias y se acomodan a la predominancia de unos rasgos por sobre otros en la experiencia, conforme van teniendo significado para el observador como referentes. La capacidad de los elementos de un estímulo de reflejar mejor las condiciones del ambiente (iluminación, sombras, por ejemplo) y de manifestar con mayor elocuencia las direcciones en que sus formas se desarrollan, hace que sus rasgos prevalezcan en la percepción y en el 'mapa'. De aquí que, a escala urbana, las superficies como límites del espacio - o las sucesiones tendientes a ser percibidas como tales - permiten buena orientación. En el ámbito de la psicología ambiental, los mapas mentales están referidos como 'mapeo cognitivo'. Es un modo de adquisición, almacenamiento, decodificación y utilización de la información, para la comprensión y uso del ambiente. Representación simbólica que surge de la experiencia visual, simplificada en un esbozo mental. Dependiendo del modo de movilización en que nos desplacemos por la ciudad, el mapa que formemos será diferente. Hemos demostrado en sendos estudios preceptúales con pasajeros de autobús y de Metro, que las percepciones y mapas finales son totalmente diferentes entre sí y respecto de los que construyen los peatones habituales en los mismos sectores urbanos. De aquí que la orientación que se alcance en una u otra situación sea diferente. A su vez, las estructuras del entorno tienen un doble papel en la orientación y en la formación de mapas mentales. Por una parte, la percepción aún con clave mínimas, descubre la noción que está en la base de la estructura en que nos encontramos (por ejemplo, un redondel, o un damero) o bien 'sobrepone' una conocida para adoptar confianza; y por otra, una vez captada dicha estructura, ésta induce la lectura y las expectativas sobre el resto del lugar EJEMPLO: DEMÓTICA (AUTOMATIZACIÓN DE VIVIENDAS) FUNCIONES MÁS IMPORTANTES Seguridad Detección de fugas de gas y agua Detección de incendios Detección de intrusos Simulación de presencia Alerta médica Ahorro Ahorro energético en calefacción Ahorro con tarifas nocturnas de electricidad Regulación mediante termostatos Confort Riegos automáticos Accionamiento automático de toldos y persianas Conexión y desconexión de alumbrado Uso del modem para enviar órdenes desde grandes distancias, y recibir mensajes en un PC Facilidad de uso La programación de un autómata es muy sencilla, se realiza desde el ordenador. El manejo del autómata se hace desde un teclado, acompañado de una pequeña pantalla. ESTRUCTURAS DE CONTROL El programa del autómata se divide en cuatro grupos. El primero engloba todas las señales de emisores y actuadores que intervienen en las alarmas y que pertenecen al apartado de seguridad. Algunos de ellos se utilizan también en los grupos 2 a 3. En los grupos 2 a 4 se desarrollan los apartados correspondientes al ahorro y confort. Grupo 1: Avisos del sistema Grupo 2: Sistemas de riego Grupo 3: Iluminación, toldos, persianas Grupo 4: Control de cargas Alarma por robo La activación de la alarma por robo, se puede realizar con un pulsador normal de alumbrado en el interior de la vivienda, o por llave en el exterior de la puerta de acceso. También se puede activar o desactivar desde el panel de visualización. Al activar la alarma parpadeará el flash interior y sonará el zumbador durante un corto espacio de tiempo, y el sistema no tendrá en cuenta los detectores. Pasado este espacio de tiempo, que permite al usuario abandonar la vivienda y cerrar la puerta, si se detecta intrusión se activan la sirena y flash exteriores. Detección de incendio Al aparecer la señal de incendio (detector de humos) se activan el flash y zumbador interiores y tras un breve retardo se activan los exteriores y la llamada telefónica de incendio, previamente grabada. El sistema está preparado para falsas alarmas como las del humo del tabaco. Detección de fugas de agua y gas Al detectarse un escape se interrumpe el suministro mediante la activación de la válvula correspondiente, activándose además el zumbador y flash interiores. AL dar acuse de alarma se restablece el suministro. Sistema de riego Existen diferentes modos de riego: Manual. Al activarlo se realiza la secuencia completa programada (tiempo dado para cada zona) Automático por horario. Se ajustará una hora determinada en la que se realizará la secuencia de riego completa Automático por humedad: Durante el horario programado y sólo si se activa algún detector de humedad, se regará sólo la zona a él asignada, durante el tiempo previsto. Simulación de presencia Con esta función se asegura que no queda ninguna luz encendida después de una hora dada. Toldos En modo manual se dispone de una entrada para extender el toldo y otra para recogerlo. Se puede aplicar a simulación de presencia. Además se puede complementar con un detector de luminosidad y un anemómetro que mide la velocidad del viento. Persianas Su funcionamiento es análogo al de los toldos. Control de cargas Permite realizar dos funciones diferentes: Conexión y desconexión de electrodomésticos, luces, etc.) cargas (enchufes de En caso de sobrecarga eléctrica desconecta diferentes cargas en un orden prefijado. Puede funcionar en modo manual y en modo automático UN EJEMPLO DIARIO: Son las 7 de la mañana, suena el despertador, se levantan las persianas y se enciende la luz. Puntualmente como cada mañana el procesador le despierta, con la tranquilidad de saber que ha estado toda la noche cuidando su vivienda. Si hubiera habido algún escape de agua lo habría cortado y tendría un aviso. El jardín ha estado toda la noche protegido por un sistema de detección perimetral que conecta automáticamente los focos y el riego. Cuando baja a desayunar, el café ya esta caliente, al igual que la cocina, que se ha encendido cuando él entraba. No se va a molestar en apagarla, ni tampoco las luces del pasillo por que lo hará el procesador. Al pasar por el cuarto de los niños, nota que acaba de encender la calefacción, les quedan quince minutos para levantarse. Ayer estuvieron jugando en el cuarto ¡menos mal que los enchufes fueron desactivados por el procesador! Cuando se va de casa, toca suavemente la pantalla táctil de la entrada, le comunica que no hay ninguna ventana ni puerta abierta. Al salir con el coche por el jardín, se da cuenta que los primeros rayos del sol han apagado la luz exterior y han abierto las persianas del salón. Cuando llegue a la oficina, conectará el ordenador, introducirá su código personal y durante toda la mañana sabrá todo lo que pasa en su vivienda. Si de camino en el coche se ha olvidado de conectar algo, llamará con su teléfono móvil y le dirá al procesador que lo haga por el. Lo mismo hará cuando vaya de viaje a su apartamento que tiene en la sierra una hora antes de llegar, dará la orden para que el procesador conecte la calefacción y el apartamento se vaya calentando. Esquema Funcional INTERFACES MULTIMEDIALES INTERFAZ, punto en el que se establece una conexión entre dos elementos, que les permite trabajar juntos. La interfaz es el medio que permite la interacción entre esos elementos. Informática se distinguen diversos tipos de interfaces que actúan a diversos niveles, desde las interfaces claramente visibles, que permiten a las personas comunicarse con los programas, hasta las imprescindibles interfaces hardware,(a menudo invisibles), que conectan entre sí los dispositivos y componentes dentro de los ordenadores o computadoras. Interfaz de usuario.- conjunto de componentes (dispositivos E/S) empleados por los usuarios para comunicarse e interaccionar con las computadoras. Interfaz de línea de comandos.- interfaz entre el sistema operativo y el usuario, exigen que se introduzcan instrucciones breves mediante un teclado. Reconocible por los símbolos A o C del sistema MS-DOS, que responde a los comandos introducidos por el usuario. la interfaz controlada por menús.- utilizada en muchas aplicaciones (por ejemplo Lotus 1-2-3) ofrece al usuario una selección de comandos, permitiéndole elegir uno de ellos presionando la tecla de la letra correspondiente (o una combinación de teclas), desplazando el cursor con las teclas de dirección o apuntando con el Mouse (ratón) la interfaz gráfica de usuario (GUI).-Tipo de entorno que permite al usuario elegir comandos, iniciar programas, ver listas de archivos y otras opciones utilizando las representaciones visuales (iconos) y las listas de elementos del menú. En hardware se entienden por interfaces las tarjetas, los conectores y otros dispositivos con que se conectan los diversos componentes a la computadora para permitir el intercambio de información. Existen, por ejemplo, interfaces estandarizadas para la transferencia de datos, como el RS-232-C y el SCSI, que permiten interconectar computadoras e impresoras, discos duros y otros dispositivos. MULTIMEDIA, forma de representar la información que emplea una combinación de texto, sonido, imágenes, animación y video. INTERFAZ MULTIMEDIAL.- Constituye el punto de contacto con el usuario, permitiendo la interacción con el mismo; a través de ella ingresan y egresan datos con el fin de establecer las comunicaciones respectivas. La mayoría de las aplicaciones multimedia incluyen asociaciones predefinidas conocidas como hipervínculos, que permiten a los usuarios moverse por la información de modo más intuitivo e interactivo. Una Interfaz multimedia constituye el punto de contacto con el usuario, permitiendo la interacción con el mismo; a través de ella ingresan y egresan datos con el fin de establecer las comunicaciones respectivas. Entre las aplicaciones informáticas multimedia más usuales: PROGRAMAS DE APRENDIZAJE. ( El Software Educativo (SE) El SE es el componente lógico que incorpora los conceptos y metodologías pedagógicas a la utilización del computador, buscando convertirlo en un elemento activo dentro del proceso de enseñanza y aprendizaje. La variedad o tipos de Software Educativo podemos mencionar la siguiente clasificación: Sistemas tutoriales: en estos sistemas se mantiene una interacción continua entre el computador y el alumno o usuario. El propio programa tutoriza el aprendizaje, proponiendo al alumno diferentes actividades cuyo grado de dificultad y avance vendrá determinado por las respuestas el alumno de; el sistema lleva un registro del estadio de avance del usuario en el dominio del tema; Sistemas tutoriales inteligentes:Estos tienen las mismas características que los anteriores, pero éstos tienen la propiedad de detectar el nivel de conocimiento que tiene el usuario en relación al tema de objeto. Esto permite que la exposición del material se personalice, no solo en el punto inicial, sino en las posibles bifurcaciones que contenga. s del conocimiento: Psicología cognoscitiva, Inteligencia artificial e Investigación educativa Simuladores(micromundos): es una representación fiel de un proceso real. Estos obedecen a un modelo interno que incluye el mayor número de variables que, en efecto, modulan el comportamiento del sistema real. Este tipo de SE convierte al computador en un laboratorio informático. Juegos educativos: Los juegos educativos tienden a dar información al usuario mientras juega. los cuales tienden a mantener la atención del usuario sobre la pantalla. WWW (World Wide Web) También conocido como la Web, es una de las más interesantes herramientas de Internet. Se trata de un área gráfica multimedial, cuya finalidad es brindar acceso universal a la información en sus diversas formas de representación electrónica. La Web proporciona a los usuarios de Internet el acceso a una amplia variedad de recursos (imágenes, textos, datos, sonido y video). Enciclopedia Colección de contenidos cuidadosamente estructurada, seleccionada e ínter vinculada que presenta los temas de manera clara y fiable. En sus artículos se incluyen gran variedad de presentaciones así como información específica sobre los temas tratados. SELECCIÓN DE MECANISMOS DE PERCEPCION PARA EL PROYECTO A DESARROLLO. Las técnicas aplicadas en los sistemas inteligentes conducen en la elección de sistemas de razonamiento cuyo comportamiento emula el de la mente humana. Estos programas emplean un conjunto de hechos, reglas y otros tipos de conocimientos de un campo determinado, así como de métodos para aplicar las reglas para hacer inferencias. Los sistemas inteligentes están diseñados para tratar resolver problemas en campos tan especializados como diagnosis médica, robótica, finanzas, administración, manufactura, maquinas diccionario, bases de datos inteligentes. Sin embargo, en un área de la inteligencia artificial - aquella que razona con el conocimiento en un dominio limitado - los programas pueden no sólo aproximarse a la forma de actual humana, si no que a veces lo superan. Se diferencian substancialmente de los programas de computadora convencionales porque sus tareas no tienen soluciones algorítmicas y porque a menudo deben obtener conclusiones que se basan en una información incompleta o incierta. Sensores del robot La utilización de mecanismos sensores externos permite a un robot interaccionar con su entorno de una manera flexible, esto esta en contraste con operaciones preprogramadas en las cuales a un robot se le enseña para efectuar tareas repetitivas mediante un conjunto de funciones preprogramadas. La función de los sensores del robot se puede dividir en dos categorías principales: a) estado interno (tratan con la detección de variables tales como la posición de la articulación del brazo, que se utiliza para controlar el robot.) b) estado externo. (tratan con la detección de variables tales como alcance, proximidad y contacto.) Los sensores externos se utilizan para guiado de robots, así como para la identificación y manejo de objetos. Aunque los sensores de proximidad, contacto y fuerza juegan un papel significativo en la mejora del funcionamiento del robot, se reconoce que la visión es la capacidad sensorial más potente del robot. Vision del Robot. Al igual que sucede en el ser humano, la capacidad de visión proporciona un sofisticado mecanismo de percepción que permite a la visión del robot responda a su entorno de una manera inteligente y flexible. El uso de la visión y otros esquemas de percepción, están motivados por la constante necesidad de aumentar la flexibilidad y los campos de aplicación de los sistemas de robótica. Este proceso, también comúnmente conocido visión de máquina o de ordenador, se puede subdividir en seis áreas principales: 1) sensor.- La captación es el proceso a través del cual se obtiene una imagen visual. 2) preprocesamiento.- incluye técnicas tales como la reducción de ruido y realce de detalles. 3) segmentación.- proceso que divide una imagen en objetos que sean de nuestro interés. 4) descripción.- se obtienen características (por ejemplo: tamaño, forma) convenientes para diferenciar un tipo de objeto de otro. 5) reconocimiento.- estos objetos (por ejemplo una llave inglesa, un tornillo, un soporte de motor). 6) interpretación.- asocia un significado a un conjunto de objetos reconocidos. ACTUADORES: mecanismos perceptivos que responden más directa y precisamente a la situación en que se dan los atributos del estímulo y al entorno que le rodea (importante, porque el contexto de un atributo puede variarlo radicalmente, produciendo equívocos visuales) atributos y entorno que, en conjunto, entregarán determinada lectura apoyando o inhibiendo la captación del mensaje implícito y, consecuentemente, induciendo los comportamientos derivados. Estos mecanismos son: Nivelación / Agudización (se 'aplanan' los atributos o estímulos entre sí y hacen indistinguibles o se resalta uno atributo o estímulo por sobre otro). Articulación de campo (distingue partes de un todo; discrimina efectos debidos al campo visual o entorno). Alcance (promueve prestar la atención a campos amplios o bien a concentrarla). Es evidente que evitar los enunciados confusos e indecibles o ambiguos donde se imponga la nivelación; controlar la captación total del enunciado distinguiendo sus partes y los efectos debidos al campo visual o el soporte; y prever el alcance de la atención en determinada situación, son aspectos que los criterios de diseño deben considerar tomando en cuenta los umbrales de reacción relativos a estos mecanismos, que si bien pueden ser modelados culturalmente, son generales de especie, según las Teorías del 'estado directivo'. Un Actuador es un mecanismo real que genera el movimiento de los elementos del robot. La mayoría de los actuadores simples controlan sólo un grado de libertad (izq.-der., arriba-abajo), en donde un eje en general controla un único grado de libertad (GL). Cuando hay un actuador por Grados de Libertad todos son controlables. REDES SEMANTICAS Introducción. Desde el punto de vista del léxico, las redes semánticas consisten en nodos, que representan objetos, enlaces que representan relaciones entre objetos y etiquetas de enlace que denotan relaciones particulares. Desde el punto de vista estructural, los nodos están conectados entre sí por enlaces etiquetados. En los diagramas, los nodos a menudo aparecen como círculos, elipses o rectángulos, y los enlaces como flechas que apuntan de un nodo, el nodo cola, a otro, el nodo cabeza. DIFERENTES DEFINICIONES DE RED SEMANTICA DEF1. Red Semántica Una Red Semantica es un conjunto de Nodos y Arcos. DEF2. Una Red Semantica es una representación grafica del conocimiento. DEF3. Una Red Semantica es una representación grafica del conocimiento en la que existe una jerarquia de Nodos. DEFINICION Un Nodo Nodo Donde un 1. 2. 3. 5. 6. 7. Atributos es Objeto o DE identificado = puede caracteristicas que por ser un representado identifican a NODO: objeto. objeto por: Personas Animales Eventos Acciones Conceptos un objeto. Nota. Los Nodos de un Red Semantica estan unidos por arcos, los cuales indican la relacion que existe entre ellos. Existen ciertos tipos de Arcos tipicos entre los cuales estan. 1. ISA (Es-un) el cual usa para identificar que un cierto pertenece a una clase mayor de objeto. 2. HAVE-a (tiene-un), este tipo de arcos se utiliza para identificar que un cierto nodo tiene o pase una cierta caracteristicas o atributo o propiedad. Desde la perspectiva de la semántica, el significado de nodos y enlaces depende de la aplicación. Desde la perspectiva operativa, los procedimientos de acceso son cualquiera de los siguientes: procedimientos constructores, lectores, escritores o tal vez de eliminación. Las redes semánticas usan constructores para formar nodos y enlaces, lectores para responder preguntas acerca de éstos, escritores para modificar nodos y enlaces y, ocasionalmente, eliminadores para borrar nodos y enlaces. Propiedades de las Redes Semánticas Las redes Semanticas posen la propiedad de la Herencia; en la que unos nodos heredaron las propiedades o atributos de Nodos de una clase mayor. Nota. En Redes Semánticas las inferencias de información o respuestas o preguntas se hacen en base a las propiedades de herencia que existen entre los Nodos. ESCUELAS DE PENSAMIENTO ACERCA DEL SIGNIFICADO DE LA SEMÁNTICA Los argumentos acerca de lo que significa tener una semántica han hecho reflexionar a los filósofos durante milenios. Las siguientes son algunas de las alternativas propuestas por una escuela u otra: Semántica de la equivalencia: Debe haber una manera de relacionar descripciones en la representación con descripciones de alguna otra representación que ya tiene una semántica aceptada. Semántica operativa: Debe haber un conjunto de programas que operan sobre las descripciones de la representación. Digamos que el significado está definido por lo que hacen los programas. Semántica descriptiva: Debe haber explicaciones de lo que significan las descripciones en términos que podamos entender intuitivamente. Desde el punto de vista de la semántica descriptiva, la red del lado izquierdo no es una red semántica porque no hay una descripción evidente en términos comprendibles ni una explicación del significado de las etiquetas de enlace en términos también comprendibles. La red del lado derecho es una red semántica ya que uno tiende de manera natural a asignar un significado a las etiquetas. En caso de preguntar qué significa la red, la mayoría de la gente diría inmediatamente que es un objeto, conocido como dintel, el cuál está sostenido por otros dos, conocidos como postes. Los objetos y las relaciones implicadas en las redes semánticas no necesitan ser tan concretos. La representación utilizada en el ejemplo del granjero y sus pertenencias pueden considerarse objetos abstractos y, por tanto, merecedores de la posición de nodo, mientras que los cruces permitidos del río pueden considerarse relaciones abstractas y, por consiguiente, merecedores del nivel de enlace. Finalmente, la semántica de equivalencia y la operativa conducen a la semántica descriptiva. En el caso de la semántica de equivalencia, las descripciones tienen significado ya que hacen que un programa muestre un comportamiento que tiene significado. Por tanto, todas las alternativas parecen tener raíces en percepciones a las que usted intuitivamente asigna un significado. LA EQUIVALENCIA TEORICA ES DIFERENTE A LA EQUIVALENCIA PRÁCTICA Desde cierto punto de vista teórico carente de interés, cualquier representación basada en computadora puede hacer cualquier cosa que otra pueda hacer, debido a que tales representaciones se basan, finalmente, en distribuciones de bits de memoria. En consecuencia, cualquier representación que pueda usarse para representar distribuciones de bits podrá emplearse como sustrato para la construcción de cualquier otra representación. Sin embargo, desde un punto de vista práctico, algunas representaciones ayudan a enfocar los objetos y las relaciones que usted necesita para resolver un tipo de problemas. Una representación, por tanto, resulta más poderosa que otra dado que es más conveniente aun cuando, teóricamente, ambas pueden realizar el mismo trabajo. Aunque tal vez conveniencia sea una palabra muy débil. En general, las buenas cualidades de las representaciones poderosas hacen que sea paracticable lo que de otra forma sería impractible con representaciones débiles. Estos sistemas de organización del conocimiento estructuran conceptos, no como jerarquía sino como una red o una web. Los conceptos son como nodos, con varias relaciones que se ramifican hacia fuera de ellas. Las relaciones van generalmente más allá del BT, del NT y del RT estándares, pueden incluir relaciones tipo todo-parte, causa-efecto, padre-niño, es_un o es_parte. Las redes semánticas son grafos orientados que proporcionan una representación declarativa de objetos, propiedades y relaciones. Ejemplo: Redes neuronales INTRODUCCIÓN El cerebro es un procesador de información con unas características muy notables: es capaz de procesar a gran velocidad grandes cantidades de información procedentes de los sentidos, combinarla o compararla con la información almacenada y dar respuestas adecuadas incluso en situaciones nuevas. Logra discernir un susurro en una sala ruidosa, distinguir una cara en una calle mal iluminada o leer entre líneas en una declaración política; pero lo más impresionante de todo es su capacidad de aprender a representar la información necesaria para desarrollar tales habilidades sin instrucciones explícitas para ello. Aunque todavía se ignora mucho sobre la forma en que el cerebro aprende a procesar la información, se han desarrollado modelos que tratan de mimetizar tales habilidades; denominados redes neuronales artificiales ó modelos de computación conexionista (otras denominaciones son computación neuronal y procesamiento distribuido paralelo o P.D.P.). La elaboración de estos modelos supone en primer lugar la deducción de los rasgos o características esenciales de las neuronas y sus conexiones, y en segundo lugar, la implementación del modelo en una computadora de forma que se pueda simular. Es obvio decir que estos modelos son idealizaciones burdas de las auténticas redes neuronales, en muchos casos de dudosa plausibilidad neurofisiológica, pero que sin embargo resultan interesantes cuando menos por sus capacidades de aprendizaje. Las Redes Neuronales Artificiales (ANNs de Artificial Neural Networks) fueron originalmente una simulación abstracta de los sistemas nerviosos biológicos, formados por un conjunto de unidades llamadas "neuronas" o "nodos" conectadas unas con otras. Estas conexiones tienen una gran semejanza con las dendrítas y los axones en los sistemas nerviosos biológicos. El Primer modelo de red neuronal fue propuesto en 1943 por McCulloch y Pitts en términos de un modelo computacional de "actividad nerviosa". El modelo de McCulloch-Pitts es un modelo binario, y cada neurona tiene un escalón o umbral prefijado. Este primer modelo sirvió de ejemplo para los modelos posteriores de Jhon Von Neumann, Marvin Minsky, Frank Rosenblatt, y muchos otros. Una primera clasificación de los modelos de ANNs podría ser, atendiendo a su similitud con la realidad biológica: 1. Los modelos de tipo biológico. Este comprende las redes que tratan de simular los sistemas neuronales biológicos así como las funciones auditivas o algunas funciones básicas de la visión. 2. El modelo dirigido a aplicación. Estos modelos no tienen porque guardar similitud con los sistemas biológicos. Sus arquitecturas están fuertemente ligadas a las necesidades de las aplicaciones para las que son diseñados. Analogía con las redes neuronales biológicas Las neuronas se modelan mediante unidades de proceso. Cada unidad de proceso se compone de una red de conexiones de entrada, una función de red ( de propagación), encargada de computar la entrada total combinada de todas las conexiones, un núcleo central de proceso, encargado de aplicar la función de activación, y la salida, por dónde se transmite el valor de activación a otras unidades. Ilustración 4: Unidad de proceso típica La función de red es típicamente el sumatorio ponderado, mientras que la función de activación suele ser alguna función de umbral o una función sigmoidal. Función de propagación o de red: Calcula el valor de base o entrada total a la unidad, generalmente como simple suma ponderada de todas las entradas recibidas, es decir, de las entradas multiplicadas por el peso o valor de las conexiones. Equivale a la combinación de las señales excitatorias e inhibitorias de las neuronas biológicas. Función de activación: Es quizás la característica principal o definitoria de las neuronas, la que mejor define el comportamiento de la misma. Se usan diferentes tipos de funciones, desde simples funciones simples de umbral a funciones no lineales. Se encarga de calcular el nivel o estado de activación de la neurona en función de la entrada total. Conexiones ponderadas: hacen el papel de las conexiones sinápticas, el peso de la conexión equivale a la fuerza o efectividad de la sinápsis. Las existencia de conexiones determina si es posible que una unidad influya sobre otra, el valor de los pesos y el signo de los mismos definen el tipo (excitatorio/inhibitorio) y la intensidad de la influencia. Salida: calcula la salida de la neurona en función de la activación de la misma, aunque normalmente no se aplica más que la función identidad, y se toma como salida el valor de activación. El valor de salida cumpliría la función de la tasa de disparo en las neuronas biológicas. De momento consideramos el caso más simple, aunque en el apartado de sistemas neurofuzzy veremos un caso en que se utiliza una función de salida diferente a la identidad. Redes Neuronales de tipo Biológico Se estima que el cerebro humano contiene más de cien mil millones de neuronas y sinápsis en el sistema nervioso humano. Estudios sobre la anatomía del cerebro humano concluyen que hay más de 1000 sinápsis a la entrada y a la salida de cada neurona. Es importante notar que aunque el tiempo de conmutación de la neurona ( unos pocos milisegundos) es casi un millón de veces menor que en las actuales elementos de las computadoras, ellas tienen una conectividad miles de veces superior que las actuales supercomputadoras. El objetivo principal de de las redes neuronales de tipo biológico es desarrollar un elemento sintético para verificar las hipótesis que conciernen a los sistemas biológicos. Las neuronas y las conexiones entre ellas (sinápsis) constituyen la clave para el procesado de la información. Observe la figura: La mayor parte de las neuronas poseen una estructura de árbol llamadas dendritas que reciben las señales de entrada que vienen de otras neuronas a través de la uniones llamadas sinápsis. Algunas neuronas se comunican solo con las cercanas, mientras que otras se conectan con miles. Hay tres partes en una neurona: 1. el cuerpo de la neurona, 2. ramas de extensión llamadas dendrítas para recibir las entradas, y 3. un axón que lleva la salida de la neurona a las desdirías de otras neuronas. La forma que dos neuronas interactuan no está totalmente conocida, dependiendo además de cada neurona. En general, una neurona envía su salida a otras por su axón. El axón lleva la información por medio de diferencias de potencial, u ondas de corriente, que depende del potencial de la neurona. Este proceso es a menudo modelado como una regla de propagación representada por la función de red u(.). La neurona recoge las señales por su sinápsis sumando todas las influencias excitadoras e inhibidoras. Si las influencias excitadoras positivas dominan, entonces la neurona da una señal positiva y manda este mensaje a otras neuronas por sus sinápsis de salida. En este sentido la neurona puede ser modelada como una simple función escalón f(.). Como se muestra en la próxima figura, la neurona se activa si la fuerza combinada de la señal de entrada es superior a un cierto nivel, en el caso general el valor de activación de la neurona viene dado por una función de activación f(.). Redes Neuronales para aplicaciones concretas Las ANNs dirigidas a aplicación están en general poco ligadas a las redes neuronales biológicas. Ya que el conocimiento que se posee sobre el sistema nervioso en general no es completo, se han de definir otras funcionalidades y estructuras de conexión distintas a las vistas desde la perspectiva biológica. Las características principales de este tipo de ANNs son los siguientes: 1. Auto Organización y Adaptatividad: utilizan algoritmos de aprendizaje adaptativo y auto organización, por lo que ofrecen posibilidades de procesado robusto y adaptativo (véase entrenamiento adaptativo y redes auto organizativas). 2. Procesado No Lineal: aumenta la capacidad de la red de aproximar, clasificar y su inmunidad frente al ruido. 3. Procesado paralelo: normalmente se usa un gran número de células de procesado por el alto nivel de interconectividad. Estas características juegan un importante papel en las ANNs aplicadas al procesado de señal e imagen. Una red para una determinada aplicación presenta una arquitectura muy concreta, que comprende elementos de procesado adaptativo masivo paralelo combinadas con estructuras de interconexión de red jerárquica. Taxonomía de las Redes Neuronales Existen dos fases en toda aplicación de las redes neuronales: la fase de aprendizaje o entrenamiento y la fase de prueba. En la fase de entrenamiento, se usa un conjunto de datos o patrones de entrenamiento para determinar los pesos (parámetros de diseño) que definen el modelo neuronal. Una vez entrenado este modelo, se usará en la llamada fase de prueba o funcionamiento directo, en la que se procesan los patrones de prueba que constituyen la entrada habitual de la red, analizándose de esta manera las prestaciones definitivas de la red. Fase de Prueba: los parámetros de diseño de la red neuronal se han obtenido a partir de unos patrones representativos de las entradas que se denominan patrones de entrenamiento. Los resultados pueden ser tanto calculados de una vez como adaptados iterativamente, según el tipo de red neuronal, y en función de las ecuaciones dinámicas de prueba. Una vez calculados los pesos de la red, los valores de las neuronas de la última capa, se comparan con la salida deseada para determinar la validez del diseño. Fase de Aprendizaje: una característica de las redes neuronales es su capacidad de aprender. Aprenden por la actualización o cambio de los pesos sinápticos que caracterizan a las conexiones. Los pesos son adaptados de acuerdo a la información extraída de los patrones de entrenamiento nuevos que se van presentando. Normalmente, los pesos óptimos se obtienen optimizando (minimizando o maximizando) alguna "función de energía". Por ejemplo, un criterio popular en el entrenamiento supervisado es minimizar el least-square-error (error cuadrático medio) entre el valor del maestro y el valor de salida actual. Las aplicaciones del mundo real deben acometer dos tipos diferentes de requisitos en el procesado. En un caso, se requiere la prueba en tiempo real pero el entrenamiento ha de realizarse "fuera de linea". En otras ocasiones, se requieren las dos procesos, el de prueba y el de entrenamiento en tiempo real. Estos dos requisitos implican velocidades de proceso muy diferentes, que afectan a los algoritmos y hardware usados. Atendiendo al tipo de entrenamiento, una posible taxonomía de las redes neuronales es: Redes Neuronales Fijo No supervisado Red Hamming de Red de Hopfield Supervisado Mapa de características Basadas en decisión Aprendizaje competitivo Perceptrón ADALINE (LMS) Perceptrón Multicapa Modelos Dinámicos Temporales Modelos Ocultos de Markov Redes Neuronales Supervisadas y no Supervisadas Las redes neuronales se clasifican comúnmente en términos de sus correspondientes algoritmos o métodos de entrenamiento: redes de pesos fijos, redes no supervisadas, y redes de entrenamiento supervisado. Para las redes de pesos fijos no existe ningún tipo de entrenamiento. Reglas de entrenamiento Supervisado Las redes de entrenamiento supervisado han sido los modelos de redes más desarrolladas desde inicios de estos diseños. Los datos para el entrenamiento están constituidos por varios pares de patrones de entrenamiento de entrada y de salida. El hecho de conocer la salida implica que el entrenamiento se beneficia la supervisión de un maestro. Dado un nuevo patrón de entrenamiento, por ejemplo, (m+1)-ésimo, los pesos serán adaptados de la siguiente forma: Se puede ver un diagrama esquemático de un sistema de entrenamiento supervisado en la siguiente figura: Reglas de entrenamiento No Supervisado Para los modelos de entrenamiento No Supervisado, el conjunto de datos de entrenamiento consiste sólo en los patrones de entrada. Por lo tanto, la red es entrenada sin el beneficio de un maestro. La red aprende a adaptarse basada en las experiencias recogidas de los patrones de entrenamiento anteriores. Este es un esquema típico de un sistema "No Supervisado": Ejemplos típicos son La Regla de Aprendizaje de Hebb, y la Regla de Aprendizaje Competitiva. Un ejemplo del primero consiste en reforzar el peso que conecta dos nodos que se excitan simultáneamente. Como ejemplo de aprendizaje competitivo, si un patrón nuevo se determina que pertenece a una clase reconocida previamente, entonces la inclusión de este nuevo patrón a esta clase matizará la representación de la misma. Si el patrón de la entrada se determinó que no pertenece a ninguna de las clases reconocidas anteriormente, entonces la estructura y los pesos de la NN serán ajustados para reconocer la nueva clase. Estructuras de las Redes Neuronales Artificiales Los aspectos más característicos de las estructuras son la estructura de conexión, el tamaño de la red y la elección entre ACON y OCON. Estructuras de conexión de atrás hacia delante Una red neuronal se determina por la neurona y la matriz de pesos . El comportamiento de la red depende en gran medida del comportamiento de la matriz de pesos. Hay tres tipos de capas de neuronas: la de entrada, las ocultas y la de salida. Entre dos capas de neuronas existe una red de pesos de conexión, que puede ser de los siguientes tipos: Hacia delante, hacia atrás, lateral y de retardo, tal como puede verse en la siguiente figura: 1. Conexiones hacia delante: para todos los modelos neuronales, los datos de las neuronas de una capa inferior son propagados hacia las neuronas de la capa superior por medio de las redes de conexiones hacia adelante. 2. Conexiones hacia atrás: estas conexiones llevan los datos de las neuronas de una capa superior a otras de la capa inferior. 3. Conexiones laterales. Un ejemplo típico de este tipo es el circuito "el ganador toma todo" (winner-takes-all), que cumple un papel importante en la elección del ganador. 4. Conexiones con retardo: los elementos de retardo se incorporan en las conexiones para implementar modelos dinámicos y temporales, es decir, modelos que precisan de memoria. Las conexiones sinópticas pueden ser total o parcialmente interconectadas, como muestra la figura. También es posible que las redes sean de una capa con el modelo de pesos hacia atrás o bien el modelo multicapa hacia adelante. Es posible así mismo, el conectar varias redes de una sola capa para dar lugar a redes más grandes. AproximacionesACON frente a OCON Abordamos el problema de cuantas redes son necesarias para la clasificación en multicategorias. Típicamente, cada nodo de salida se usa para representar una clase. Por ejemplo, en un problema de reconocimiento alfanumérico, hay 36 clases; así que en total habrá 36 nodos de salida. Dado un patrón de entrada en la fase de prueba, el ganador (i.e., la clase que gana) es normalmente el nodo que tiene el valor más alto a la salida. Dos posibles tipos de arquitectura son "All-Class-in-One-Network" (ACON), esto es, todas las clases en una red y "One-Class-in-One-Network" (OCON), esto es, una red para cada clase. En la aproximación ACON, todas las clases son reconocidas dentro de una única súper red. En algunos casos es ventajoso descomponer esta macro red en varias subredes mas pequeñas. Por ejemplo, una red de 36 salidas se puede descomponer en 12 subredes, cada una responsable de tres salidas. La descomposición mas extrema es la llamada OCON, donde una subred se dedica para una sola clase. Aunque el número de subredes en la estructura OCON es relativamente largo, cada subred individual tiene un tamaño menor que la red ACON. Esto se puede explicar con las siguientes figuras, la red entera se divide en varias subredes. Ventajas que ofrecen las redes neuronales Debido a su constitución y a sus fundamentos, las redes neuronales artificiales presentan un gran número de características semejantes a las del cerebro. Por ejemplo, son capaces de aprender de la experiencia, de generalizar de casos anteriores a nuevos casos, de abstraer características esenciales a partir de entradas que representan información irrelevante, etc. Esto hace que ofrezcan numerosas ventajas y que este tipo de tecnología se esté aplicando en múltiples áreas. Entre las ventajas se incluyen: Aprendizaje Adaptativo: capacidad de aprender a realizar tareas basadas en un entrenamiento o en una experiencia inicial. Auto-organización: una red neuronal puede crear su propia organización o representación de la información que recibe mediante una etapa de aprendizaje. Tolerancia a fallos: la destrucción parcial de una red conduce a una degradación de su estructura; sin embargo, algunas capacidades de la red se pueden retener, incluso sufriendo un gran daño. Operación en tiempo real: los cómputos neuronales pueden ser realizados en paralelo; para esto se diseñan y fabrican máquinas con hardware especial para obtener esta capacidad. Fácil inserción dentro de la tecnología existente: se pueden obtener chips especializados para redes neuronales que mejoran su capacidad en ciertas tareas. Ello facilitará la integración modular en los sistemas existentes. Aplicaciones de las Redes Neuronales Las redes neuronales son una tecnología computacional emergente que puede utilizarse en un gran número y variedad de aplicacione, tanto como comerciales como militares. Hay muchos tipos diferentes de redes neuronales, cada uno de los cuales tiene un aplicación particular más apropiada. Separandolas según las distintas disciplinas algunos ejemplos de sus aplicaciones son: Biología: Aprender más acerca del cerebro y otros sistemas. Obtención de modelos de la retina. Empresa Reconocimiento de caracteres escritos. Identificación de candidatos para posiciones específicas. Optimización de plazas y horarios en líneas de vuelo. Explotación de bases de datos. Evaluación de petrolíferas. probabilidad de formaciones Sintesís de voz desde texto. Medio Ambiente Analizar tendencias y patrones. Previsión del tiempo. Finanzas Previsión de la evolución de los precios. geológicas y Valoración del riesgo de los créditos. Identificación de falsificaciones. Interpretación de firmas. Manufacturación Robots automatizados y sistemas de control (visión artificial y sensores de presión, temperatura, gas, etc.) Control de producción en líneas de proceso. Inspección de calidad. Filtrado de señales. Medicina Analizadores del habla para la ayuda de audición de sordos profundos. Diagnóstico y tratamiento a partir de síntomas y/o de datos analíticos (encefalograma, etc.). Monitorización en cirugía. Predicción de reacciones adversas a los medicamentos. Lectoras de Rayos X. Entendimiento de causa de ataques epilépticos. Militares Clasificación de las señales de radar . Creación de armas inteligentes. Optimización del uso de recursos escasos. FUTURO Es necesario resaltar la significación e importancia que las redes neuronales están adquiriendo en la actualidad como lo evidencia el hecho de formar parte de los estudios centrales de instituciones gubernamentales a nivel mundial. Así que la intención principal es profundizar en esta nueva tecnología, aprovechando el hecho de que será está una materia en cursos posteriores en el transcurso de mi carrera, para así lograr un alto grado de aprendizaje y con el la implementación practica de alguna red neuronal.