Вы находитесь на странице: 1из 10

INVESTIGACIÓN DOCUMENTAL“UNIDAD 1: Fundamentos de

la Inteligencia Artificial.”
ASIGNATURA: INTELIGENCIA ARTIFICIAL

CATEDRÁTICO ING. GABINO MÁRQUEZ PÉREZ

Carrera: INGENIERÍA EN SISTEMAS


COMPUTACIONALES

Periodo Escolar: FEBRERO - JULIO 2018

INTEGRANTES DEL EQUIPO

• LIZBETH ARANELY MEDINA REYES


• JOAQUIN VLADIMIR FELIX BAUTISTA
• ISAAC SANCHEZ MARTINEZ

Tamazunchale, S.L.P.
Febrero de 2017
Índice

1.1. HISTORIA DE LA IA. ............................................................................................... 3

1.2. CONCEPTOS Y TÉCNICAS (ESTADO DEL ARTE). .............................................. 4

1.3. DESARROLLOS ACTUALES. ................................................................................ 7

1.3.1. Procesamiento de Lenguaje Natural (PLN). ................................................... 7

1.3.2. Reconocimiento de patrones. ......................................................................... 7

1.3.3. Robótica............................................................................................................ 7

1.3.4. Sistemas Expertos. .......................................................................................... 7

1.3.5. Lógica Difusa (Fuzzy logic). ............................................................................ 8

1.4 MODELOS DE AGENTE INTELIGENTE. ................................................................. 8

1.5 HEURÍSTICA. ........................................................................................................... 8

FUENTES BIBLIOGRÁFICAS. ....................................................................................... 9


UNIDAD 1: FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL.

1.1. HISTORIA DE LA IA.


Las ideas fundamentales de la inteligencia artificial se remontan a la lógica y algoritmos
de los griegos 300 a. C. Con Aristóteles, el primero en describir de manera
estructurada un conjunto de reglas.

Seguido por Ctesibio de Alejandría en 250 a. C. Quien construyó la primera máquina


auto controlada. Y en 1315, Ramon Llull 1315, tuvo la idea de que el razonamiento
podía ser efectuado de manera artificial. Varios siglos, en 1950 Turing consolidó el
campo de la inteligencia artificial con su artículo Computing Machinery and
Intelligence, en el que propuso una prueba concreta para determinar si una máquina
era inteligente o no, su famosa Prueba de Turing por lo que fue considerado el padre
de la Inteligencia Artificial.

En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un agente


inteligente. Al intentar describir con un mayor ámbito (no sólo la comunicación) los
atributos de un agente inteligente, la IA se ha expandido a muchas áreas que han
creado ramas de investigación enorme y diferenciada.

Dichos atributos del agente inteligente son:


1. Actitudes mentales tales como creencias e intenciones.
2. Capacidad de obtener conocimiento, es decir, aprender.
3. Resolución de problemas, incluso problemas complejos.
4. Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas
ambiguas o contradictorias.
5. Planifica, predice consecuencias, evalúa alternativas (como en los juegos de
ajedrez)
6. Conoce los límites de sus propias habilidades y conocimientos.
7. Distingue a pesar de las similitudes de las situaciones.
8. Puede ser original, creando incluso nuevos conceptos o ideas, y hasta
utilizando analogías.
9. Generaliza.
10. Puede percibir y modelar el mundo exterior.
11. Puede entender y utilizar el lenguaje y sus símbolos.

En los 90´s surgen los agentes inteligentes.


El programa Artificial Linguistic Internet Computer Entity (A.L.I.C.E.) ganó el premio
Loebner al Chatbot más humano en 2000, 2001 y 2004, y en 2007 el programa Ultra
Hal Assistant ganó el premio. En 2010 el programa Suzette ganó el premio Loebner.

1.2. CONCEPTOS Y TÉCNICAS (ESTADO DEL ARTE).


Con el propósito de abordar estos nuevos paradigmas se han desarrollado nuevas
técnicas de la inteligencia artificial para satisfacer las necesidades empresariales e
industriales en soporte de ayuda. En la actualidad, la inteligencia artificial se está
aplicando a numerosas actividades realizadas por los seres humanos y se destacan
entre otras: La robótica, la visión artificial, técnicas de aprendizaje y la gestión del
conocimiento.

A continuación se describen las técnicas más destacadas:


Sistemas Expertos
Se constituyen en la herramienta más utilizada desde sus inicios y corresponden a
programas de ordenador que recopilan en un programa informático el conocimiento
de especialistas en una materia. Sus dos componentes principales son la base de
conocimiento (contenido por el conocimiento y experiencias expertos en un dominio
representado por medio de símbolos) y el programa de inferencia (es el mecanismo
que obtienen las conclusiones de la primera, mediante procesos de búsqueda). Estas
dos partes esenciales en el diseño de un sistema experto se interrelacionan entre sí-
para la resolución del problema en estudio logrando emular el comportamiento
específico.

Redes Neuronales
Las redes neuronales artificiales se constituyen en una técnica de procesamiento
masivo y paralelo de la información que emula las características esenciales de la
estructura neuronal del cerebro biológico. Convergen muy lentamente y pueden
necesitar cientos o miles de presentaciones de patrones para realizar una
generalización. El aprendizaje no se centra en una Única tarea en concreto, no existe
una red universal para cualquier tipo de problema.

A pesar de las limitaciones de las redes neuronales artificiales en cuanto a representar


todas las características del cerebro humano tales como: La habilidad para desarrollar
el aprendizaje adaptativo, la auto-organización, la tolerancia a fallos, las operaciones
en tiempo real y otras cualidades; estas redes se constituyen en una herramienta
tecnológica potente para el procesamiento de la información cuyos resultados
permiten tomar decisiones eficientes y oportunas.

 Arquitecturas de las Redes Neuronales


 Redes Neuronales por capasRedes Neuronales Recurrentes
 Redes con Aprendizaje Supervisado
 Redes con Aprendizaje No Supervisado
Algoritmos genéticos
Los algoritmos genéticos son el resultado de los recientes avances de la computación
evolutiva y la genética y se constituyen en una de las principales herramientas
tecnológicas de la inteligencia artificial. Estos algoritmos simulan la mecánica de la
selección natural y de la genética utilizando la información histórica para encontrar
nuevos puntos de búsqueda de una solución óptima, permitiendo obtener soluciones
a un problema que por su complejidad no tiene ningún método de solución de forma
preciso. Dicha solución exige cálculos complejos que de manera normal tomarán
demasiado tiempo. Generalmente, los algoritmos genéticos se emplean con bastante
Éxito en la investigación de operaciones para resolver problemas de optimización
numérica y combinatoria.

Lógica difusa
La lógica difusa es una de las disciplinas matemáticas que cuenta con mayor número
de seguidores en la actualidad y un número creciente de aplicaciones entre las cuales
podemos mencionar: La construcción de artefactos electrónicos de uso doméstico y
de entretenimiento, el diseño de dispositivos artificiales de deducción automática, el
diseño de sistemas de diagnóstico y de control de complejos procesos industriales,
etc. De esta manera la lógica difusa se constituye en una herramienta con un gran
potencial para el desarrollo de nuevos métodos o técnicas de la Inteligencia Artificial.
1.3. DESARROLLOS ACTUALES.
1.3.1. Procesamiento de Lenguaje Natural (PLN).

El PLN se ocupa de la formulación e investigación de mecanismos eficaces


computacionalmente para la comunicación entre personas o entre personas y
máquinas por medio de lenguajes naturales. El PLN no trata de la comunicación por
medio de lenguajes naturales de una forma abstracta, sino de diseñar mecanismos
para comunicarse que sean eficaces computacionalmente que se puedan realizar por
medio de programas que ejecuten o simulen la comunicación. Los modelos aplicados
se enfocan no sólo a la comprensión del lenguaje de por sí, sino a aspectos generales
cognitivos humanos y a la organización de la memoria. El lenguaje natural sirve sólo
de medio para estudiar estos fenómenos.

1.3.2. Reconocimiento de patrones.

El reconocimiento de patrones es la ciencia que se ocupa de los procesos sobre


ingeniería, computación y matemáticas relacionados con objetos físicos o abstractos,
con el propósito de extraer información que permita establecer propiedades de entre
conjuntos de dichos objetos.

1.3.3. Robótica.

La robótica es la rama de la tecnología que se dedica al diseño, construcción,


operación, disposición estructural, manufactura y aplicación de los robots. La robótica
combina diversas disciplinas como son: la mecánica, la electrónica, la informática, la
inteligencia artificial, la ingeniería de control y la física.

1.3.4. Sistemas Expertos.

Se constituyen en la herramienta más utilizada desde sus inicios y corresponden a


programas de ordenador que recopilan en un programa informático el conocimiento
de especialistas en una materia. Sus dos componentes principales son la base de
conocimiento (contenido por el conocimiento y experiencias expertos en un dominio
representado por medio de símbolos) y el programa de inferencia (es el mecanismo
que obtienen las conclusiones de la primera, mediante procesos de búsqueda). Estas
dos partes esenciales en el diseño de un sistema experto se interrelacionan entre sí-
para la resolución del problema en estudio logrando emular el comportamiento
específico.

1.3.5. Lógica Difusa (Fuzzy logic).

La lógica difusa es una de las disciplinas matemáticas que cuenta con mayor número
de seguidores en la actualidad y un número creciente de aplicaciones entre las cuales
podemos mencionar: La construcción de artefactos electrónicos de uso doméstico y
de entretenimiento, el diseño de dispositivos artificiales de deducción automática, el
diseño de sistemas de diagnóstico y de control de complejos procesos industriales,
etc. De esta manera la lógica difusa se constituye en una herramienta con un gran
potencial para el desarrollo de nuevos métodos o técnicas de la Inteligencia Artificial.

1.4 MODELOS DE AGENTE INTELIGENTE.


Es posible clasificar los agentes inteligentes en 6 categorías principales:
1. Agentes reactivos
2. Agentes reactivos basados en modelo
3. Agentes basados en objetivos
4. Agentes basados en utilidad
5. Agentes que aprenden
6. Agentes de consultas

1.5 HEURÍSTICA.
La capacidad heurística es un rasgo típico de los humanos. Consiste en la capacidad
de realizar innovaciones positivas para conseguir los fines que se pretenden.
También podemos definirla como la solución de problemas en los cuales, las
soluciones se descubren por la evaluación del progreso logrado en la búsqueda del
resultado final.

La base de la heurística surge de la experiencia de resolver problemas y ver cómo


otros lo hacen. De lo anterior podemos deducir que un método heurístico aplicado
correctamente puede devolver soluciones falsas, positivas o negativas.

Dadas las características de la heurística, Ésta es muy usada en juegos informáticos


que se adelantan a lo que va a hacer el usuario basándose en la experiencia y los
pasos que ha seguido en otras ocasiones.

CONCLUSIONES.
En conclusión
FUENTES BIBLIOGRÁFICAS.

 WINSTON, Patrick Henry, Inteligencia Artificial, Ed. Addison Wesley


Iberoamericana, 1992,ISBN 0-201-51876-7
 GONZALO P.M & Santos P.M, Inteligencia Artificial e Ingeniería del
Conocimiento, Ed. AlfaOmega, 2006, ISBN 970-75-1166-2
 PALMA M. J & al, Inteligencia Artificial Técnicas, Métodos y Aplicaciones, Ed.
McGrawHill, ISBN 978-84-481-5618-3
 RICH E, & Knight K, Inteligencia Artificial, Ed McGrawHill,1992, ISBN84-481-
1858-8