¿CÓMO APRENDEMOS LOS SERES HUMANOS?
¿CÓMO PUEDE APRENDER EL COMPUTADOR?
¿CÓMO SE PUEDE AUTOMATIZAR EL PROCESO DE CLASIFICACIÓN?
¿CUÁL ES LA ESTRUCTURA DE UNA BASE DE CONOCIMIENTO?
1. INTELIGENCIA ARTIFICIAL
AUTORES:
Mary Bermeo
María José Espinosa
Raquel Luzuriaga
Brayann Coronel
2. ¿CÓMO APRENDEMOS LOS SERES
HUMANOS?
¿CÓMO PUEDE APRENDER EL COMPUTADOR?
¿CÓMO SE PUEDE AUTOMATIZAR EL
PROCESO DE CLASIFICACIÓN?
¿CUÁL ES LA ESTRUCTURA DE UNA BASE DE
CONOCIMIENTO?
GLOSARIO
REFERENCIAS
3. • Aprendemos por las
consecuencias que se
derivan de nuestra
conducta.
– Descubrimiento o
Ensayo y Error
• Aprendemos por
imitación.
• Aprendemos siguiendo
instrucciones.
6. IR A
GLOSARIO
Fuente: http://www.slideshare.net/DiegoVillada/como-aprende-el-ser-humano, diapositiva 8
7. • Para que una computadora pueda
asimilar e imitar el comportamiento de
un ser humano es imprescindible que
posea muchos conocimientos, por lo
que es necesario
identificar, clasificar, modelar y dar
forma cada tipo de conocimiento que
permiten razonar
• Para ello debemos reconocer los
siguientes términos:
8. • Dato: es la representación simbólica del
universo del discurso, podemos distinguir
datos objetos, elementos de determinado
dominio. Datos hechos, son las relaciones
entre objetos.
• Información: Es cualquier estimulo capas de
alterar el estado o de alterar la conducta del
sistema.
• El conocimiento: que es la representación
simbólica de algún universo de discurso.
9. • Para que exista un aprendizaje autónomo
los paradigmas más utilizados son:
– Introducción de reglas a partir de una base de
datos.
– Razonamiento basado en casos.
– Redes neuronales.
– Algoritmos genéticos.
10. • Información de reglas a partir de bases de datos: Este aprendizaje es
utilizado para resolver problemas de clasificación ya sea mediante
ejemplos u observación inducidos a la base de datos.
• Razonamiento basado en casos: Se construye una base de
conocimientos de casos que ya se han resueltos, así cuando
aparezca un problema nuevo se busca en la base de casos similitud
y se resuelve.
• Redes neuronales: Aquí tratamos de emular las neuronas cerebrales
mediante modelos matemáticos, una de las practicas más utilizadas
es la que desarrollo Mc Culloch y Pitts y es la creación de una caja
que representa el cuerpo de las neuronas así como sus capacidades
de estimulo que poseen, estas tienen entradas que vendrían hacer
las dendritas y tienen salidas que emiten señales positivas y
negativas y al dar este tipo de estímulos obtenemos señales que
podemos representar como unos y ceros que reconoce un
computador.
11. • Algoritmos genéticos: Los algoritmos genéticos buscan la
adaptación del cuerpo (la maquina) en el entorno que lo
rodea. Para adaptarse al medio, se genera un conjunto de
datos o patrones de manera aleatoria y se da una solución a
través de técnicas de adaptación de los patrones iniciales.
• Para darse cuenta de que existe un individuo o que se
produce un suceso se representa la presencia con (1) y la
ausencia con (0) y también existe un proceso de idoneidad
basado para experiencias anteriores
• Para obtener respuestas se genera una población de
individuos formadas por cadenas o patrones(1010110), se
evalúa el rendimiento de cada patrón, y se aumenta el
puntaje si se clasifica de forma adecuada y si no lo hace se
disminuye, luego se realizan cruces y mutaciones de forma
aleatoria entre los patrones.
12. • Para entender una estructura tenemos que
tener claro lo que es una base de
conocimiento:
– “Una base de conocimientos es una especie de
base de datos para la gestión de
conocimientos, que nos provee medios para la
recolección organización y recuperación
computarizada de conocimiento”
13. • Las redes semánticas pueden usarse
para representar las bases de
conocimiento que son operacionales
y pueden ser usadas para el acceso
basado en el conocimiento.
• Estos sistemas reflejan la estructura
cognitiva y procesos humanos.
14.
15. Su estructura se la puede explicar en tres partes:
1. Memoria de largo plazo
a) Base de Hechos: contiene los hechos sobre un problema
que se han descubierto durante una consulta
b) Base de Conocimientos: bases que permiten gestionar
conocimiento, dotando medios para
recopilación, recuperación computacional de
conocimiento
2. Motor de Inferencias
Es un programa que mediante el empleo de los conocimientos puede resolver
el problema que está especificado.
1. Unidad de Entrada y Salida
16. • Bases de conocimiento leíbles por máquinas
– Almacenan conocimiento de una forma legible para el
computador, usualmente con el fin de obtener
razonamiento deductivo automático aplicado a ellas.
Este tipo de bases de conocimiento son utilizadas por la
Web semántica.
• Bases de conocimiento leíbles por Humanos
– Diseñadas para permitir a las personas acceder al conocimiento
que estas contienen, principalmente para propósitos de
aprendizaje, as Mejores Bases de Conocimiento tienen artículos
cuidadosamente redactados que se mantiene al día, un
excelente sistema de recuperación de información (Motor de
Búsqueda), y un delicado formato de contenido y estructura de
clasificación.
17. En tiempos de
cambio, quienes
estén abiertos al
aprendizaje se
adueñarán del
futuro, mientras
que aquellos que
creen saberlo todo
estarán bien
equipados para un
mundo que ya no
existe.
Eric Hoffer
18. • Mielina: es una • Sinapsis: es la unión
lipoproteína intercelular
(contiene lípidos y especializada entre
proteínas), forma
vainas alrededor de neuronas, en la cual
los axones, permite se produce la
la transmisión de los transmisión de
impulsos nerviosos impulsos
entre distintas partes
del cuerpo gracias a nerviosos, que
su efecto aislante. originan una
corriente eléctrica.
19. • Cognición: Facultad
• Neurotransmisor que tenemos los
es: produce un seres humanos para
cambio procesar
potencial en la información a partir
de la percepción, la
neurona, durant experiencia y
e la sinapsis. características
subjetivas,
REGRESAR