Вы находитесь на странице: 1из 3

Sistemas inteligentes La inteligencia es: la capacidad de entender, asimilar, elaborar informacin y utilizarla para resolver problemas.

. Un sistema es: Combinacin de componentes que actan juntos y realizan un objetivo determinado.

Un sistema inteligente es un sistema que tiene su propio objetivo principal, as como sentidos y efectores. Para alcanzar su objetivo elige una accin basada en sus experiencias. Puede aprender generalizando las experiencias que ha guardado en su memoria. La humanidad elabor primero herramientas, despus les agreg la fuerza, obteniendo las mquinas; ahora est en el proceso de agregar inteligencia, de construir robots y computadoras inteligentes. Pero por qu construir sistemas inteligentes artificiales? Puede pensar realmente un sistema inteligente artificial dentro de una computadora? Una computadora de este tipo tiene realmente libre albedro? En el ltimo siglo ha existido un inters creciente por la construccin de mquinas inteligentes. 1947, Se defini la Ciberntica ( Norbert Wiener) un estudio unificado del control y de la comunicacin en los animales y las mquinas. La poca de la ciberntica coincide con el desarrollo de varios paradigmas: Evolucin de los computadores analgicos a digitales. Teora formal de la computacin ( Alan Turing). Computadora basada en lgica digital: John Von Neumann Primeros modelos del neuron: McCulloch-Pitts (1943), perceptron (1957) La inteligencia artificial (IA), 1960, John McCarthy. INTELIGENCIA ARTIFICIAL Buscaban definir los mtodos algortmicos capaces de hacer pensar a los computadores !! Hubo una gran efervescencia en la dcada del 60, debido a los resultados inciales se pensaba que se conseguira construir mquinas realmente inteligentes El ser humano utiliza el lenguaje como medio para razonar y sacar conclusiones. La IA busca imitar el comportamiento inteligente, tratando de expresarlo en formas de lenguaje o reglas Simblicas.

La IA manipula smbolos basndose en la suposicin que el comportamiento inteligente puede ser almacenado en bases de conocimiento estructuradas simblicamente. El mayor desarrollo de la IA son los sistemas expertos o Sistemas basados en conocimiento: Son complejos programas (software) en los que se codifica el conocimiento de expertos en una materia muy concreta en forma de reglas de decisin. La IA se sustenta en el binomio: lgica booleana-mquina de Von Neumann. La inteligencia computacional (soft computing) tiene objetivos similares a la IA, pero ha puesto ms nfasis en metodologas inspiradas biolgicamente: modelado de cerebro, algoritmos evolutivos, lgica difusa). Softcomputing cubre algunos paradigmas recientes: Lgica difusa y sistemas basados en razonamiento difuso. Redes neuronales. Mquinas de Soporte Vectorial- SVMs. Tcnicas de optimizacin basadas en algoritmos genticos. Etc

Lgica de fuzzy

Esta teora nos permite manejar y procesar informacin de una manera similar a la del cerebro humano. Fuzzy Logic tiene sus races en la teora de conjuntos difusos desarrollada por Zadeh en la dcada de los 60, la que propone que un elemento siempre pertenece en un cierto grado a un conjunto y nunca pertenece del todo al mismo, esto permite establecer una manera eficiente para trabajar con incertezas, as como para acondicionar el conocimiento en forma de reglas hacia un plano cuantitativo, factible de ser procesado por computadores. En vez de trabajar con el clsico concepto de inclusin o exclusin, introduce una funcin que expresa el grado de pertenencia de una variable hacia un atributo o variable lingstica tomando valores en el rango de 0 a 1. Redes neuronales Las Redes Neuronales Artificiales, ANN (Artificial Neural Networks) estn inspiradas en las redes neuronales biolgicas del cerebro humano. Las redes neuronales artificiales estn formadas por una gran cantidad de nodos Un nodo o neurona cuenta con una cantidad variable de entradas que provienen del exterior (X1, X2, ......, Xm). A su vez dispone de una sola salida (Xj) que que transmitir la informacin al exterior o hacia otras neuronas.

Para este ejemplo, hemos usado un perceptrn multicapa con una capa oculta. Como entrada recibir 56 bits que son la trama con el dibujo de cada carcter (imgenes de 7x8 pxeles). Su salida ser la letra (de las 26 del alfabeto latino comn) que ms se aproxime al patrn de entrada. Como vemos las capas estn totalmente conectadas. La capa oculta puede tener un nmeros indefinido de neuronas ocultas. Por defecto se usan 56 neuronas ocultas, tantas como neuronas de entradas y bits de los patrones. Este nmero puede modificarse, aunque nmeros muy bajos puede que no lleguen a un error suficientemente pequeo, y nmeros muy altos pueden dar lugar al sobreajuste, como hemos visto. Todas las salidas devolvern un valor en [-0.5,0.5]. La que ms se acerque a 0.5 ser la que reconozcamos. Ntese que el xito de la red no slo depende de lo bien entrenada y diseada que est (aunque esto es sin duda un factor fundamental), sino que tambin depende, en gran medida, de la forma de escribir del usuario. La red est entrenada con un conjunto de ensayo que contempla las 26 letras del alfabeto latino, escritas en maysculas, con la grafa ms extendida. Cada persona escribe de una forma particular. Algunas de estas peculiaridades la red puede recogerlas gracias a su capacidad de generalizacin, otras no