INTELIGENCIA ARTFICIAL

Inteligencia artificial actividad

Get Started. It's Free
or sign up with your email address
INTELIGENCIA ARTFICIAL by Mind Map: INTELIGENCIA ARTFICIAL

1. El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del ámbito del conocimiento en que ellos operan. Al contrario de los programas para propósito específico, como los de contabilidad y cálculos científicos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dándole la capacidad de explicar discrepancias entre ellas.

2. Rama de la informatica que desarrolla procesos que imitan la inteligencia de los seres vivos.

2.1. Su enfoque principal se da en:

2.1.1. Róbotica

2.1.2. Procesamiento de información

2.1.3. Creación de nuevos software

2.1.4. Ing Aplicada al ser humano (biomédica)

3. El futuro de la IA

3.1. Lo que viene para la IA es un desarrollo en hadware y software de sistemas que asemejen de la mejor manera el cuerpo humano y las conductas del ser humano.

3.2. El cerebro futuro se identificaría como la internet hasta tal punto de asemejar los antes mencionados.

4. De la IA se utilizan en la róbotica las siguientes caracteristicas:

4.1. Planificación de rutas

4.2. Mecanismos de aprendizaje

4.3. Control de software

4.4. Toma de desiciones

5. Se puede observar una analogía entre el ser humano y las maquinas (robots)

5.1. El ser humano posee 100.000 millones de neuronas

5.2. Un robot alcanza a tener solo 10.000 neuronas

6. Al carecer de una definición ajustada, la IA se ha tornado pragmática en tanto que define como sistema inteligente a aquel que se comporta como un hombre "inteligente", en las mismas circunstancias. El Test de Turing para establecer si una máquina es o no inteligente consiste en interrogarla por medio de una teletipo (sin contacto físico), el evaluador no debe poder discernir si el que responde es una máquina o una persona. En la práctica esta definición es evasiva y relega a la IA a la frontera de las ciencias de la computación, todo sistema de cómputo que en sus orígenes pudo ser considerado inteligente, al cabo de cierto tiempo deja de serlo (FORTRAN, Traductores, POO, S.E., PERCEPTRON).

6.1. PRINCIPALES ÁREAS

6.1.1. Procesamiento del Lenguaje natural

6.1.2. Consulta inteligente de una base de datos

6.1.3. Róbotica

6.1.4. Programación Automática

6.1.5. Sitemas expertos

6.1.6. Prueba atomática de teoremas y matemáticas simbolicas

7. ESCUELAS DE PENSAMIENTO I.A.

7.1. La IA se divide en dos escuelas de pensamiento, la inteligencia artificial convencional y la inteligencia computacional. Inteligencia artificial convencional Basada en análisis formal y estadístico del comportamiento humano ante diferentes problemas: •Razonamiento basado en casos: ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos. •Sistemas expertos: infieren una solución a través del conocimiento previo del contexto en que se aplica y de ciertas reglas o relaciones. •Redes bayesianas: propone soluciones mediante inferencia estadística. •Inteligencia artificial basada en comportamientos: sistemas complejos que tienen autonomía y pueden auto-regularse y controlarse para mejorar.

7.2. Inteligencia artificial computacional La inteligencia computacional (también conocida como inteligencia artificial subsimbólica) implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parámetros en sistemas conexionistas). El aprendizaje se realiza basándose en datos empíricos. Algunos métodos de esta rama incluyen: •Máquina de vectores soporte: sistemas que permiten reconocimiento de patrones genéricos de gran potencia. •Redes neuronales: sistemas con grandes capacidades de reconocimiento de patrones. •Modelos ocultos de Markov: aprendizaje basado en dependencia temporal de eventos probabilísticos. •Sistemas difusos: técnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras. •Computación evolutiva: aplica conceptos inspirados en la biología, tales como población, mutación y supervivencia del más apto para generar soluciones sucesivamente mejores para un problema. Estos métodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genéticos) e inteligencia colectiva (ej. algoritmos hormiga)

8. CARACTERISTICAS

8.1. Una característica fundamental que distingue a los métodos de Inteligencia Artificial de los métodos numéricos es el uso de símbolos no matemáticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos,también procesan símbolos y no se considera que usen técnicas de Inteligencia Artificial.

8.2. El comportamiento de los programas no es descrito explícitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cómo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explícitamente, cómo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento).

8.3. Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolución de conflictos en tareas orientadas a metas como en planificación, o el diagnóstico de tareas en un sistema del mundo real: con poca información, con una solución cercana y no necesariamente exacta.