Inicio
EN · View in English

Proyecto de formación

Inteligencia artificial: de las reglas al agente

Cuatro maneras de que un programa decida, del sistema experto al agente

Los cuatro módulos de la materia, con un sistema experto y uno difuso para velas japonesas, algoritmos genéticos, modelos para SmartPot y un agente reactivo con su tablero.

El tablero real del agente en Streamlit con la lechuga elegida, que muestra tres anomalías detectadas y las acciones que dispara, como encender ventiladores y el enfriador de agua y diluir la solución. (abrir la imagen en tamaño completo)
La parte inferior del tablero real, con el estado del cultivo, las acciones del agente y la temperatura y la humedad comparadas con su rango ideal. (abrir la imagen en tamaño completo)

De qué se trata

El repositorio de Inteligencia artificial reúne los cuatro quices de la materia, cada uno con un paradigma, que son la IA simbólica, la computación evolutiva, el aprendizaje supervisado y los agentes. Los dos primeros los hice en pareja.

Los dos últimos usan SmartPot como caso, con modelos que deciden cuándo ventilar o corregir el pH y un agente reactivo que mira la lectura actual de los sensores y responde con acciones, sin memoria de lecturas anteriores.

Qué hace

  • Un sistema experto en CLIPS, llamado desde Python con clipspy y con interfaz en Tkinter, que reconoce patrones envolventes alcistas y bajistas en dos velas japonesas.
  • Un sistema de lógica difusa con scikit-fuzzy que, con el tamaño de las velas y el envolvimiento, recomienda invertir poco, normal o mucho.
  • Algoritmos genéticos que reconstruyen el color de una imagen a partir de su versión en gris, y que optimizan el salto de un paracaidista para caer en el punto pedido.
  • Para SmartPot, una regresión logística que controla los ventiladores y una red neuronal que dosifica el pH, con versión de escritorio y en Streamlit.
  • Un agente reactivo con un tablero en Streamlit que compara cada lectura con los rangos del cultivo, tomate o lechuga, y decide qué actuadores encender.

Decisiones y sus costos

  1. Reglas en una base de conocimiento aparte

    Si los rangos de cada cultivo vivieran en la lógica del agente, agregar un cultivo obligaría a cambiarla.

  2. Un tablero para probar al agente

    Probar al agente exigía tener los sensores conectados.

Repositorios

Cada repositorio público del proyecto, con lo que contiene.

  • 2025

    IAEngineeringSebastian-s

    Inteligencia artificial en cuatro módulos, con un sistema experto en CLIPS, lógica difusa, algoritmos genéticos para colorear imágenes y modelos de clasificación para SmartPot.

    Python, CLIPS, scikit-fuzzy, scikit-learn
Organización en GitHub: EngineeringSebastian-s

Stack

Elige una tecnología para ver qué proyectos la usan.

Relacionado