4.4.2 Desarrollos Actuales y Aplicaciones

Introducción

Aunque la lógica difusa es muy útil, otras técnicas como el aprendizaje profundo (deep learning) y las redes neuronales han ganado popularidad en la IA debido a su capacidad para manejar grandes cantidades de datos y aprender de ellos. Sin embargo, la lógica difusa sigue siendo relevante en situaciones donde la incertidumbre y la imprecisión son comunes

Sin duda la robótica se encuentra cada vez más inmersa en distintas áreas y disciplinas del mundo real. Algunas son más visibles y otras no tanto, pero ninguna pasa desapercibida. Afortunadamente o desafortunadamente mucha investigación aplicada a desarrollo de nuevos Robots es financiada por empresas armamentistas y de aquí que los primeros avances que veremos serán en ese rubro. Es decir robots utilizados para la guerra.

Aplicaciones en Entornos de Incertidumbre

Sistemas de Control Inteligente

Los controladores difusos se emplean en distintas aplicaciones que pueden ir desde el control de climatización de edificios, vehículos autónomos hasta la navegación de robots para ajustar parámetros cambiantes como la velocidad o frenado automático en automóviles.

Ejemplo:

Los sistemas de climatización pueden utilizar esta lógica para ajustar la temperatura y la humedad con base en variables como la temperatura exterior, la cantidad de personas en una habitación y el tiempo que hace ese día.

Diagnóstico Médico:

La lógica difusa, puede mejorar el diagnóstico y el tratamiento de enfermedades. Los sistemas que la usan incorporan la incertidumbre y la vaguedad que a menudo acompañan a los síntomas médicos.

Reconocimiento Facial:

La lógica difusa es muy útil cuando las imágenes tienden a ser de baja calidad o a contener elementos confusos. Por ejemplo, aunque las condiciones de iluminación no sean las idóneas o cuando el rostro está parcialmente oculto, los sistemas de reconocimiento siguen siendo capaces de reconocer la imagen.

Economía y Finanzas:

En este ámbito, ayuda en la toma de decisiones, como evaluar riesgos de crédito, pronosticar mercados, y optimizar inversiones bajo condiciones de incertidumbre.

Minería de datos y análisis predictivo

Su capacidad para trabajar con datos imprecisos la hace ideal en el descubrimiento de patrones y la creación de modelos predictivos, usados en áreas como la inteligencia de negocios y análisis de grandes volúmenes de datos.

Para adquirir una comprensión sólida y profunda de los principios fundamentales de la robótica, llevaremos a cabo una práctica integradora en la que pondremos en uso los conocimientos adquiridos en asignaturas anteriores a lo largo de la carrera. Esta práctica comenzará con el enfoque en los sistemas de robótica reactiva, donde se prioriza la respuesta inmediata a estímulos del entorno. A medida que avancemos, incorporaremos elementos de inteligencia artificial para evolucionar hacia la robótica deliberativa, que se caracteriza por la planificación estratégica, el razonamiento avanzado y la toma de decisiones basadas en modelos más complejos del entorno. De este modo, lograremos una visión integral de las diferentes corrientes dentro de la robótica moderna.