Ce diaporama a bien été signalé.
Le téléchargement de votre SlideShare est en cours. ×

s1.1 Conceptos Basicos IA.pptx

Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Prochain SlideShare
sem1pextra.pdf
sem1pextra.pdf
Chargement dans…3
×

Consultez-les par la suite

1 sur 16 Publicité
Publicité

Plus De Contenu Connexe

Plus récents (20)

Publicité

s1.1 Conceptos Basicos IA.pptx

  1. 1. Open class Conceptos Básicos de IA Profesor Lorenzo Muñiz Pérez 019847913
  2. 2. Objetivos: • Inteligencia / Inteligencia artificial. • Momentos de la IA. • Características de la IA. • Fundamentos de la IA. • Técnicas de la IA. • Modelos inspirados en la naturaleza. • Naturaleza de la IA. • Inteligencia natural y artificial. • Áreas de aplicación. • Bases de conocimiento. • Funciones recursivas. • Átomos y variables.
  3. 3. Inteligencia / Inteligencia artificial: Capacidad de resolver problemas. Signos de inteligencia: • Aprender de la experiencia. • Encontrar sentido a mensajes ambiguos. • Responder rápidamente a situaciones nuevas. • Entender e inferir en forma racional. • Aplicar el conocimiento para manipular el medio que nos rodea. • Aplicar y adquirir conocimiento nuevo. • Pensar y razonar. Es aquella “inteligencia” exhibida por artefactos científicos construidos por humanos, o sea, se dice que un sistema artificial posee inteligencia cuando es capaz de llevar a cabo tareas, que si fuesen realizadas por un humano, se diría de éste que es inteligente.
  4. 4. • Alan Turing (1940): Diseño el primer computador, electrónico digital y funcional. La “Prueba de Turing”, permitiría comprobar si un programa de ordenador podía ser tan inteligente como un ser humano. • John McCarthy (1956): Se le atribuye el término Inteligencia Artificial al definirla como la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de computo inteligentes. • Richard Bellman (1978): Automatización de actividades que vinculamos con procesos del pensamiento humano, tales como, toma de decisiones, resolución de problemas, aprendizaje. • Marvin Minsky (1986): Arte de construir máquinas capaces de hacer cosas que requerían inteligencia en caso de que fuesen hechas por los seres humanos. • George F. Luger (1989): Rama de la informática que trata de la automatización del comportamiento inteligente. • Winston (1992): Estudio de las computaciones que permiten percibir, razonar y actuar. Momentos de la IA:
  5. 5. Características de la IA: • Ciencia • Intento • Crear programas para máquinas • Imitar • Comportamiento • Comprensión • Humano  ¿Arte, religión?  ¿Se logrará alguna vez?  ¿Software o hardware?  ¿Simulación o imitación?  ¿Comportamiento = acción?  ¿Comprensión = pensamiento?  ¿Cómo piensan o actúan los humanos?  ¿Memorizar o aprender?  ¿Igual o parecido?  ¿Lógica? - Capacidad de aprender - Capacidad de reconocer - Capacidad de pensar
  6. 6. Matemáticas Filosofía Economía Teoría del control y la cibernética Lingüística Neurociencia Psicología Ingeniería Computacional Fundamentos de la IA:
  7. 7. • Sistemas basados en conocimiento. • Visión computacional. • Procesamiento de voz y lenguaje natural. • Lógica difusa. • Redes neuronales. • Computación evolutiva. • Sistemas multiagente. • Robótica. • Aprendizaje mecánico. • Técnicas heurísticas (recocido simulado). Técnicas de la IA:
  8. 8. Modelos inspirados en la naturaleza: Neuronas Red neuronal Conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitir señales. La información de entrada atraviesa la red neuronal (donde se somete a varias operaciones) produciendo unos valores de salida. Evolución natural Algoritmo genético Hacen evolucionar una población de individuos sometiéndola a acciones aleatorias semejantes a las que actúan en la evolución biológica. Experiencia Sistema experto Sistema que emula el razonamiento humano actuando tal y como lo haría un experto en un área de conocimiento. Razonamiento Lógica difusa Grupo de sistemas lógicos con cualidades difusas la cual utiliza premisas que no son del todo falsas ni verdaderas y pueden tomar un valor cualquiera de veracidad dentro de un conjunto de valores que oscilan entre un intervalo. Hormigas Colonia de hormigas Técnica probabilística para solucionar problemas computacionales que pueden reducirse a buscar los mejores caminos o rutas en grafos.
  9. 9. Objetivos generales:  El análisis teórico de las posibles explicaciones del comportamiento inteligente.  La explicación de habilidades mentales humanas.  La construcción de artefactos inteligentes (computadoras). Naturaleza de la IA:
  10. 10. Inteligencia natural y artificial: Atributos de capacidad de Natural Artificial Usar detectores Alta Baja Ser creativo Alta Baja Aprender de la experiencia Alta Baja Adaptación Alta Baja Adquirir experiencia Alta Baja Cálculos complejos Baja Alta Transferir información Baja Alta Rapidez y exactitud en cálculos Baja Alta
  11. 11.  Procesamiento del lenguaje natural.  Recuperación inteligente de la información.  Sistemas basados en conocimiento (Sistemas expertos).  Demostración automático de teoremas.  Robótica.  Programación automática.  Problemas combinatorios y de planificación.  Percepción.  Aplicaciones de documentación. Áreas de aplicación:
  12. 12. Las reglas son cláusulas que describen una acción dinámica relativa al dominio de los elementos. Su estructura está dada por un conjunto de condiciones denominado antecedentes y una acción a tomar, llamada consecuente. Ejemplo: Si la puerta número 1 está cerrada, utilice la puerta 3. Los hechos son cláusulas que expresan parte del conocimiento. Se refiere al estado del SER. Los hechos son datos o información que se tiene sobre una situación a considerar. Ejemplo: El motor está funcionando. Los objetivos son cláusulas que expresan lo que se desea demostrar. Un objetivo se puede resolver con hechos. Ejemplo: El objeto se puede levantar. Bases de conocimiento:
  13. 13. Es una técnica que permite que una función se llame a sí misma. Son recursivos aquellos algoritmos que, estando encapsulados dentro de una función, son llamados desde ella misma una y otra vez, en contraposición a los algoritmos iterativos que hacen uso de bucles While, Do-While, For, etc. Para que una función recursiva sea válida, la referencia a sí misma debe ser relativamente más sencilla que el caso considerado. En un algoritmo recursivo distinguimos como mínimo 2 partes: 1. Caso base: es donde el problema puede resolverse sin tener que hacer uso de una nueva llamada a sí mismo. Evita la continuación indefinida de las partes recursivas. 2. Parte puramente recursiva: una solución que involucra volver a utilizar la función original. Funciones recursivas: Factible No factible Para simplificar el código Cuando los métodos usen arreglos largos. Cuando la estructura de datos es recursiva. Ejemplo: árbol. Cuando el método cambia de manera impredecible de campos. Cuando las iteraciones sean la mejor opción.
  14. 14. Átomos: Es la expresión más pequeña a la que se le puede asignar un valor de verdad. Proposición atómica: Predicativa. El número 2 es par. Relacional. 5 es mayor que 3. Variables: Está formada por un espacio en el sistema de almacenaje y un nombre simbólico (un identificador), que está asociado a dicho espacio. Ese espacio contiene una cantidad o información conocida o desconocida, es decir, un valor. Átomos y variables:
  15. 15. Investigar las bases de la Inteligencia Artificial. (poner mucha atención en la redacción y la ortografía). Ejercicio:
  16. 16. Open class Conceptos básicos de IA Profesor Lorenzo Muñiz Pérez 019847913

×