Inteligencia Artificial. Utel. Derechos reservados corresponden a UTEL

1. Open class
Conceptos Básicos de IA
Profesor Lorenzo Muñiz Pérez
019847913

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. 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. • 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. 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. Matemáticas
Filosofía
Economía
Teoría del control y la cibernética
Lingüística
Neurociencia
Psicología
Ingeniería Computacional
Fundamentos de la IA:

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. 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. 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. 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.  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. 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. 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. 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. Investigar las bases de la
Inteligencia Artificial.
(poner mucha atención en la redacción y la ortografía).
Ejercicio:

16. Open class
Conceptos básicos de IA
Profesor Lorenzo Muñiz Pérez
019847913