- Sistemas que piensan como humanos.- Estos sistemas tratan de emular el pensamiento humano; por ejemplo las redes neuronales artificiales. La automatización de actividades que vinculamos con procesos de pensamiento humano, actividades como la toma de decisiones, resolución de problemas y aprendizaje
- Sistemas que actúan como humanos.- Estos sistemas tratan de actuar como humanos; es decir, imitan el comportamiento humano; por ejemplo la robótica. El estudio de cómo lograr que los computadores realicen tareas que, por el momento, los humanos hacen mejor.
- Sistemas que piensan racionalmente.- Es decir, con lógica (idealmente), tratan de imitar o emular el pensamiento lógico racional del ser humano; por ejemplo los sistemas expertos. El estudio de los cálculos que hacen posible percibir, razonar y actuar.
- Sistemas que actúan racionalmente (idealmente).– Tratan de emular de forma racional el comportamiento humano; por ejemplo los agentes inteligentes. Está relacionado con conductas inteligentes en artefactos
lunes, 1 de julio de 2019
Modelo a seguir de la inteligencia artificial
8 definiciones de inteligencia artificial
1. "La interesante tarea de lograr que las computadoras piensen... maquinas con mentes, en su amplio sentido literal." (Hugeland,1985).
2."La automatización de actividades que vinculamos con procesos de pensamiento humano, actividades tales como toma de decisiones, resolución de problemas, aprendizaje." (Belman,1978)
3."El arte de crear maquinas con capacidad de realizar funciones que realizadas por personas, requieren inteligencia." (Kurswell,1990).
4."El estudio de como lograr que las computadoras realicen tareas que, por el momento, los humanos hacen mejor". (Rich y Knight,1991).
5."El estudio de las facultades mentales mediante el uso de modelos computacionales".
(Charniak y McDermott,1985).
6."El estudio de los cálculos que permiten percibir y razonar". (Winston,1992).
7."Un campo de estudio que se enfoca en la explicación y emulación de la conducta inteligente en función de procesos computacionales". (Sholkoof,1990).
8."La rama de la computación que se ocupa de la automatización de la conducta inteligente".
(Luger y Stubble Fied,1993).
Puede encontrar mas información aquí
2."La automatización de actividades que vinculamos con procesos de pensamiento humano, actividades tales como toma de decisiones, resolución de problemas, aprendizaje." (Belman,1978)
3."El arte de crear maquinas con capacidad de realizar funciones que realizadas por personas, requieren inteligencia." (Kurswell,1990).
4."El estudio de como lograr que las computadoras realicen tareas que, por el momento, los humanos hacen mejor". (Rich y Knight,1991).
5."El estudio de las facultades mentales mediante el uso de modelos computacionales".
(Charniak y McDermott,1985).
6."El estudio de los cálculos que permiten percibir y razonar". (Winston,1992).
7."Un campo de estudio que se enfoca en la explicación y emulación de la conducta inteligente en función de procesos computacionales". (Sholkoof,1990).
8."La rama de la computación que se ocupa de la automatización de la conducta inteligente".
(Luger y Stubble Fied,1993).
Puede encontrar mas información aquí
lunes, 17 de junio de 2019
Backtracking
Es
un algoritmo general para encontrar todas (o algunas) soluciones
a algunos problemas de cómputo, especialmente los problemas de
satisfacción restringida , que incrementan los candidatos a las soluciones
y abandonan a un candidato ("backtracks") tan pronto como determina
que el candidato no puede Se completará a una solución válida.
El
ejemplo clásico del libro de texto sobre el uso del retroceso es el rompecabezas
de las ocho reinas, que solicita todos los arreglos de ocho reinas de
ajedrez en un tablero de ajedrez estándar para que ninguna
reina ataque a ninguna otra. En el enfoque de retroceso común, los
candidatos parciales son arreglos de k reinas en las primeras k filas
del tablero, todas en diferentes filas y columnas. Cualquier solución
parcial que contenga dos reinas mutuamente atacantes puede ser abandonada.
El
algoritmo de retroceso enumera un conjunto de candidatos parciales que,
en principio, podrían completarse de varias maneras para dar todas
las soluciones posibles al problema dado. La finalización se realiza de
forma incremental, mediante una secuencia de pasos de extensión
candidatos.
Conceptualmente,
los candidatos parciales se representan como los nodos de una estructura
de árbol, el árbol de búsqueda potencial. Cada candidato parcial es
el padre de los candidatos que difieren de él en un solo paso de
extensión; Las hojas del árbol son los candidatos parciales que no se
pueden extender más.
El
algoritmo de retroceso recorre este árbol de búsqueda de forma recursiva,
desde la raíz hacia abajo, en primer orden de profundidad. En cada
nodo c, el algoritmo verifica si c puede completarse para una
solución válida. Si no puede, todo el subárbol enraizado en c se
omite (se recorta). De lo contrario, el algoritmo (1) verifica
si c en sí es una solución válida, y si es así lo informa al
usuario; y (2) enumera recursivamente todos los subárboles de c. Las
dos pruebas y los hijos de cada nodo se definen mediante procedimientos dados
por el usuario.
Por
lo tanto, el árbol de búsqueda real que atraviesa el algoritmo es
solo una parte del árbol potencial. El costo total del algoritmo es el
número de nodos del árbol real por el costo de obtener y procesar cada nodo. Este
hecho debe tenerse en cuenta al elegir el posible árbol de búsqueda e
implementar la prueba de poda.
Formas de aprendizaje de un agente basado en conocimiento
Base de Conocimiento
El componente principal de un agente basado en
conocimiento y Su base de conocimiento (ó KB) y Conjunto de representaciones de
hechos acerca del mundo y Cada representación individual se conoce como
sentencia (sentence ) y Las sentencias se expresan en un lenguaje conocido
como: y Lenguaje de representación de conocimiento y Se necesita una manera de:
y Añadir una nueva sentencia a la KB (método declarativo): Tell y Preguntar qué
se conoce Preguntar qué se conoce: Ask y La respuesta proviene de lo que ha
dicho a la KB previamente.
Inferencia
Segundo
componente principal de un agente basado en conocimiento y Determinar qué sigue
a partir de lo que se ha dicho a la KB (tell) es el trabajo del mecanismo de
inferencia.
Sistemas expertos
Sistemas expertos (ES, siglas del término Expert System) es un
sistema de información basado en el conocimiento que usa su conocimiento de un
área de aplicación compleja y específica a fin de actuar como un consultor
experto para los usuarios finales. Los sistemas expertos proporcionan
respuestas sobre un área problemática muy específica al hacer inferencias
semejantes a las humanas sobre los conocimientos obtenidos en una base de
conocimientos especializados.
Su uso es especialmente recomendado en las
siguientes situaciones:
·
Cuando los expertos humanos en una determinada materia son escasos.
·
En situaciones complejas, donde la subjetividad humana puede llevar a
conclusiones erróneas.
·
Cuando es muy elevado el volumen de datos que ha de considerarse para
obtener una conclusión.
Como se crean:
Ingeniería del conocimiento
La ingeniería del conocimiento es aquella
disciplina moderna que forma parte de la Inteligencia Artificial y
cuyo fin es el diseño y desarrollo de Sistemas Expertos. Para esto, se
apoya en metodologías institucionales y en las ciencias de
la computación y de las tecnologías de la información, intentando
representar el conocimiento y razonamiento humanos en un determinado dominio,
dentro de un sistema artificial.
El trabajo de los ingenieros del conocimiento consiste en
extraer el conocimiento de los expertos humanos en una determinada área,
y en codificar dicho conocimiento de manera que pueda ser procesado
por un sistema.
La ingeniería del conocimiento engloba a
los científicos, tecnología y metodología necesarios
para procesar el conocimiento. Su objetivo es extraer, articular e informatizar
el conocimiento de un experto.
Características
El problema es que la ingeniería del conocimiento no es un
experto en el campo que intenta modelar, mientras que el experto en el tema no
tiene experiencia modelando su conocimiento (basado en la heurística) de forma
que pueda ser representado de forma genérica en un sistema. La ingeniería del
conocimiento engloba a los científicos, tecnología y metodología necesarios
para procesar el conocimiento. Su objetivo es extraer, articular e informatizar
el conocimiento de un experto.
Puedes encontrar mas información aquí
Suscribirse a:
Entradas (Atom)





