Академический Документы
Профессиональный Документы
Культура Документы
INTEGRANTES: AYALA CACHO ALBERTO BADA IMBOMA FRANCISCO CHAVEZ ARTURO CHAVEZ CHANCAHUAA JENNY FERNANDEZ ESQUIVEL CECILIA GUTIERREZ MOYA GISELA QUISPE PLASENCIA GIANCARLO
DOCENTE:
CICLO:
X - A
INTELIGENCIA ARTIFICIAL
Qu es inteligencia artificial?
Esfuerzo por desarrollar sistemas computacionales que puedan comportarse como los humanos
Con la capacidad de
Qu es inteligencia artificial?
Cualidades:
Lgica
Razonamiento
Intuicin
Qu es inteligencia artificial?
Elementos de la familia de inteligencia artificial
Inteligencia artificial Lenguaje natural Robtica Sistemas de percepcin Sistemas expertos Mquinas inteligentes
La inteligencia natural se compone de 6 elementos (atencin, capacidad de observacin, memoria, capacidad de anlisis, aprendizaje y habilidades sociales), a travs de ellos podemos llegar a la toma de decisiones. La inteligencia artificial es un producto de la inteligencia natural, es un rea de las ciencias computacionales. Nunca la inteligencia artificial podr ingualar o superar la inteligencia natural.
Complejidad
Amplitud
Filsofos
Psiclogos
Otros estudiosos
Conocimiento humano
Una parte de la inteligencia humana pude describirse como la aplicacin de reglas basadas en la experiencia humana y en la gentica.
Aun cuando las personas no invocan las reglas, estn obligadas a actuar como si lo hicieran por un a cultura y una sociedad que evala el comportamiento razonable e inteligente.
seres humanos
animales
Metaconceptos como causa, efecto y tiempo, y conceptos de un orden mas bajo como desayuno , cena y comida, son impuestas por las personas al mundo que las rodea.
El enfoque ascendente
El enfoque descendente
QU ES UN SISTEMA EXPERTO?
Es un programa de conocimiento intensivo que resuelve un problema capturando el dominio de un ser humano en campos limitados del conocimiento y la experiencia.
Llevan a cabo algn trabajo de solucin de problemas para los seres humanos. Usan el conocimiento en forma de reglas o marcos. Interactan con los seres humanos. Pueden considerar simultneamente diversas hiptesis.
Los sistemas expertos son diferentes de los termostatos y de los pilotos automticos, ya que basan sus acciones en el conocimiento humano en vez de principios fsicos.
Por hoy los sistemas expertos nos piensan como lo hace un ser humano. Los sistemas expertos no pasan al razonamiento a partir de los primeros principios, no hacen analogas y carecen de sentido comn.
Los sistemas expertos no son un experto generalista o un revolvedor de problemas. Realizan tareas muy limitadas, como leer ptimamente, hacer seguimiento, interpretacin y diagnostico que podra ser llevado a cabo por profesionales en cuestin de minutos o de horas.
Ejemplo:
El sistema SCISOR (sistema para el resumen, organizacin y recuperacin de informacin conceptuales, por sus siglas en ingles) de General Electric; es un sistema de recuperacin de informacin que de manera automtica lee ptimamente mensajes de texto en tiempo real, como artculos de prensa. En vez de usar palabras claves para buscar en las bases de datos, el SCISOR diagrama frases y desarrolla una primitiva pero til comprensin de cada una de las frases de un artculo.
Sistema de segundo nivel, el usuario discute los problemas hasta que se llega a una conclusin conjunta. Cuando el sistema llega a una conclusin incorrecta, el usuario aade ms informacin para volverlo al camino. Algunas veces el usuario desconecta el enchufe cuando los resultados no se apegan al sentido comn.
Ejemplo:
Authorisers Assistant de American Express, que se describe en la ventana de administracin. Este sistema proporciona pantallas que orientan a quienes autorizan crditos mediante detalladas conversaciones telefnicas con los comerciantes del producto al menudeo. El sistema recomendara la aprobacin o desaprobacin de los cargos sobre las tarjetas de crdito.
Sistema de tercer nivel, toma las decisiones por los usuarios sin ninguna pregunta y opera remotamente sin intervencin alguna de la mano del hombre.
construccin SI, por ejemplo: SI INGRESO >$ 45000 (condicin) ESCRIBIR NOMBRE Y DIRECCION (accin) Se puede usar una serie de estas reglas para representar una base de conocimientos. *Sistema experto basado en reglas: un programa de IA que tiene un gran nmero de instrucciones o reglas anidadas del tipo si entonces interconectadas, que son las bases de conocimiento del sistema.
Base de reglas: la coleccin de conocimientos en un sistema de IA que est en forma de reglas del tipo si, entonces.
Redes semnticas: sistemas expertos que usan la propiedad de la herencia para organizar y clasificar el conocimiento cuando la base de conocimientos se compone de segmentos fcilmente identificables u objetos de caractersticas interrelacionadas. Marcos: forma de organizacin del conocimiento de un sistema experto en pedazos, pero cuyas relaciones se basan en caractersticas compartidas determinadas por el usuario en vez de por la jerarqua. Este enfoque se funda en la creencia de que las personas usan marcos o conceptos para estrechar el margen de posibilidades al leer informacin, con el objeto de percatarse rpidamente del asunto. Por ejemplo: cuando se le dice a una persona ve si hay un tanque y disprale cuando lo veas, los expertos creen que las personas invocan a un concepto o marco de cmo se vera una tanque. Todo aquello que no concuerde con este concepto de tanque se ignora.
EL EQUIPO DE DESARROLLO
Se compone de uno o varios expertos que tienen un amplio dominio sobre la base de conocimientos y uno o varios ingenieros de conocimiento que puede traducir el conocimiento en un conjunto de reglas, marcos o redes semnticas.
LA CAPSULA
Es el ambiente de programacin de un sistema experto. Los sistemas de IA pueden ser desarrollados en casi cualquier lenguaje de programacin como BASIC. Mquina de inferencia: la estrategia usada para buscar en la base de reglas, se usan comnmente dos estrategias: el encadenamiento prospectivo y el encadenamiento retrospectivo. Encadenamiento prospectivo: la mquina de inferencia se inicia con la informacin alimentada por el usuario y busca en la base de reglas para llegar a una conclusin. Encadenamiento retrospectivo: la estrategia usada para buscar en la base de reglas en un sistema experto que acta como resolvedor de problemas que inicia con una hiptesis y busca ms informacin hasta que la hiptesis se demuestra o refuta.
EL USUARIO
El papel del usuario es hacer preguntas sobre el sistema e introducir datos significativos para dirigirlo. El usuario podr utilizar el sistema experto en cualquiera de los tres papeles: el asistente, el de colega o el de autmata.
EL CICLO DE VIDA DE LOS SISTEMAS EXPERTOS: FASE 1: SELECCIONAR EL PROBLEMA ADECUADO ENCONTRAR UN PROBLEMA APROPIADO. ANALIZAR COSTOS Y BENEFICIOS. EVITAR: PROBLEMAS DE IDIOMA, MODELOS COMPLEJOS, SENTIDO COMUN. FASE 2: DESARROLLO DE UN PRODUCTO DE SISTEMA APRENDER SOBRE EL DOMINIO Y LA TAREA ESPECIFICAR LOS CRITERIOS DE DESEMPREO DESARROLLAR UN PLAN DE IMPLANTACION FASE 3: DESARROLLO DE UN SISTEMA COMPLETO UNA DE LAS ETAPAS MAS COMPEJAS SUMAR UN GRAN NUMERO DE REGLAS. ADECUARLO AL MUNDO REAL.
Por qu funcionan algunos sistemas expertos? Los crticos sealan que virtualmente todos los sistemas expertos de xito
manejan problemas de clasificacin en los cuales hay muy pocos resultados posibles y en los cuales estos resultados se conocen con antelacin. Para estos tipos de problemas ,contratar o capacitar mas expertos puede ser menos costosos que construir sistemas expertos.
conocimientos. Muchos expertos no pueden expresar su conocimiento usando un formato si ,entonces". Algunas veces ,el conocimiento experto es intuitivo, se basa en una analoga ,en un sentido de las cosas ,que los sistemas expertos aun no pueden duplicar.
administracin es en general muy limitada. los sistemas expertos que se basan en el conocimiento anterior de unas cuantas alternativas conocidas nos son adecuadas para los problemas a los que los administradores se enfrentan da a da.
quebradiza; no pueden aprender ni cambiar con el tiempo. En campos de movimiento muy rpidos ,como en la medicina o en las ciencias de la computacin ,mantener actualizada a la base de conocimiento es un problema critico. Para aplicaciones de complejidad incluso muy modesta ,el cdigo de los sistemas expertos es en general difcil de entender ,depurar y mantener.
artificial que trabajan en laboratorios continen contemplando problemas de juguete y modelos simplistos de conocimiento para aclarar ciertos temas y cuestiones. Adems ,los sistemas expertos pueden ser usados como listas de verificacin electrnicas para los empleados de bajo niveles en burocracia con bancos, seguros ,ventas y agencia de beneficencia.
Redes neurales consisten en hardware y software que tratan de imitar los patrones de
procesamiento del cerebro humano. Una computadora de red neural puede ser definida, entonces ,como un conjunto interconectado de interruptores o procesadores en paralelo para los cuales la red puede quedar controlada por intervencin .Las redes neurales son muy diferentes de los sistemas expertos, en donde el conocimiento experto humano tiene que ser modelado mediante reglas y marco . En las redes neurales ,la maquina fsica imita el cerebro humano y puede ser enseado a partir de la experiencia.
REDES NEURALES No modelan la inteligencia humana ,no programan soluciones ,no utilizan a los ingenieros del conocimiento y no tratan de resolver problemas especficos. En vez de poner a la inteligencia en los programas ,los diseadores de redes neurales ,buscan incorporar la inteligencia en le hardware. La idea es desarrollar maquinas que puedan resolver clases enteras de problemas.
SISTEMAS DE EXPERTOS Buscan emular o modelar el camino de un experto humano para resolver un conjunto de problema. El ingeniero de conocimiento observa a las personas ,construye un modelo de sus habilidades y luego escribe un programa de computadoras o un algoritmo que implanta el modelo. El sistema experto resultante es optimizado para hacer la tarea nica para la que fue diseada.
disponibles son demasiado primitivas desde el punto de vista biolgico. Bsicamente existen dos enfoques para la construccin de las redes neurales . En uno de ellos maquinas especializadas son cableadas con la forma de una red neural de maquinas computadoras. Los sistemas resultantes son costosos ,experimentales y en su mayora confinados a los laboratorios ,aun cuando algunos de ellos empiezan aparecer comercialmente. Segundo enfoque mucho menos costoso es simular una red de neuronas en una computadora tradicional. Aun cuando una computadora tradicional no tenga la capacidad de una maquina en paralelo ,y el procesamiento sea mucho mas lento ,hasta cierto punto esto puede ser compensado con el uso de las maquinas de alta velocidad.
poder neurales en la actualidad igualan la capacidad de pensamiento de una mosca o a lo mximo de una cucaracha. Sin embargo ,a este nivel el poder de reconocimiento de patrones de las redes neurales comienza a ser usado por la medicina ,la ciencia y los negocios. Las aplicaciones de las redes neurales estn comenzando a ser usadas por el sector financiero para discernir entre patrones en vasto estanque de datos ,lo que podra ayudar a las empresas de inversiones a predecir el desempeo de capitales, calificaciones de bonos corporativos o quiebras corporativas.
SISTEMAS SENSORES EN PARALELO Mquina que consiste en una serie de nodos, cada nodo funciona como un procesador (o una computadora) que recibe informacin de sensores de ms bajo nivel, evala la informacin, solicita ms si se necesita y la remite a los nodos de ms alto nivel.
MAQUINAS INTELIGENTES DE BUSQUEDA EN BASE DE DATOS Maquina maestra que puede dirigir la bsqueda en una gran base de datos dando el patrn de blancos a muchas maquinas subordinadas, (llamadas obreras) que buscan simultneamente en la base de datos. Cuando una maquina encuentra una posible coincidencia, la enva a la maquina maestra, la que hace la evaluacin final.
LOGICA DIFUSA
Consiste en una variedad de conceptos y tcnicas para representar o inferir conocimiento que es impreciso, incierto o poco confiable.
Basado en reglas de I.A. tolera la imprecisin incluso la emplea para algunos problemas que antes hubiera sido difcil de resolver.
Puede crear reglas que usen valores aproximados o subjetivos y datos incompletos o ambiguos Es ampliamente usada en el Japn y esta ganando popularidad en los Estados Unidos.
LGICA DIFUSA
La lgica difusa tambin permite resolver problemas que antes no podan resolverse, mejorando entonces la calidad del producto.
La administracin tambin le ha encontrado de utilidad para la toma de decisiones y el control de la institucin. La tecnologa de la lgica difusa se esta convirtiendo en uno de los factores principales de la I.A.
LGICA DIFUSA
En que situaciones es til aplicar la lgica difusa?
Cuando ciertas partes de un sistema a controlar son desconocidas y no puedan medirse de forma confiable.
No es recomendable utilizar cuando algn modelo matemtico ya soluciona eficientemente el problema, cuando los problemas son lineales o no tienen solucin.
LOGICA DIFUSA
Algunas aplicaciones de la lgica difusa
Control de sistemas Reconocimiento de patrones y visin por ordenador.
Existe una diferencia entre un modelo de conocimiento humano y el conocimiento humano en si.
Pero es necesario recordar que siempre se usara la palabra inteligencia desde un punto de vista metafrico. Estas maquinas no son humanas.
Las aplicaciones de inteligencia artificial son reflejos programados de inteligencia humana, artefactos hechos por los seres humanos, presumiblemente bajo su control.
Para conservar el conocimiento experto que pudiera perderse. Para mantener la posicin estratgica de una empresa en un sector industrial.