Inteligencia Artificial

Plan your website and create the next important tasks for get your project rolling

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
Rocket clouds
Inteligencia Artificial por Mind Map: Inteligencia Artificial

1. Sistemas que piensan racionalmente

1.1. La leyes del pensamiento racional se fundamentan en la lógica (coherencia y sin contradicciones)

1.2. La lógica formal está en la base de los programas inteligentes

1.3. Logicismo

1.4. -Es muy difícil formalizar el conocimiento -Hay un gran salto entre la capacidad teórica de la lógica y su realizaciónpráctica

2. Sistemas que actúan como humanos

2.1. El objetivo es construir un sistema que pase como humano

2.2. Test de Turing: Si un sistema lo pasa es inteligente

2.3. Representación del conocimiento, Razonamiento y Aprendizaje

2.4. No es objetivo primordial de la IA pasar el test

2.5. La interaccion de programas con personas hace que sea necesario que estos actúen como humanos

2.5.1. Un agente percibe y actúa, siempre según el entorno en el que está situado

3. Inteligencia Humana

3.1. Se Enfrentan Situaciones

3.2. Resuelven Problemas

3.3. Responden Preguntas

3.4. Elaboran Planes

4. Sistemas que actúan racionalmente

4.1. Actuar racionalmente significa conseguir unos objetivos dadas unas creencias

4.2. El paradigma es el agente

4.3. Las capacidades necesarias coinciden con las del test de turing

4.4. Procesamiento del Lenguaje Natural, Representación del conocimiento, Razonamiento, Aprendizaje, Percepción

5. Bases de la Inteligencia Artificial

5.1. Economía

5.2. Neurociencia

5.3. Psicología

5.4. Computacion

5.5. Teoria de Control/Cibernetica

5.6. Lingüística

6. Áreas de la Inteligencia Artificial

6.1. ÁREAS BASICAS

6.2. Representación del conocimiento

6.3. Resoluciónde problemas, Búsqueda

6.4. AREAS ESPECIFICAS

6.5. Planificaciónde tareas

6.6. Tratamiento del LenguajeNatural

6.7. Razonamiento Automático

6.8. Sistemas Basados en el Conocimiento

6.9. Percepción

6.10. Aprendizaje Automático

6.11. Agentes Autónomos

7. Ramas de la IA

7.1. Lógica difusa

7.2. Redes Neuronales Artificiales

7.3. Algoritmos Geneticos

7.4. Algoritmos Geneticos

8. Ingeniería del conocimiento

8.1. Representación del conocimiento. El conocimiento representa la piedra angular de la potencia de un SE

8.2. Motivacion

8.3. -El Shell del SE está diseñado para un cierto tipo de representación del conocimiento, como reglas o lógica -La manera en que el experto representa el conocimiento afecta el desarrollo, eficiencia, velocidad y mantenimiento del sistema

9. Jerarquía del Conocimiento

9.1. Metaconocimiento: Conocimiento acerca del conocimiento y la experiencia

9.2. Conocimiento: Información especializada que nos es útil

9.2.1. El conocimiento es una mezcla de experiencia,valores,información que sirve como marco para la incorporación de nuevas experiencias e información,y es útil para la acción.Se origina y aplica en la mente de los conocedores.En las organizaciones con frecuencia no sólo se encuentra dentro de documentos o almacenes de datos,sino que también esta en rutinas organizativas,procesos,prácticas,y normas.

9.3. Información: Datos procesados que resultan de interés

9.3.1. La información se puede definir como un conjunto de datos procesados y que tienen un significado(relevancia,propósito y contexto), y que por lo tanto son de utilidad para quién debe tomar decisiones,al disminuir su incertidumbre.Los datos se pueden transforman en información añadiéndoles valor.

9.4. Datos: Elementos de interés potencial

9.4.1. Los datos son la mínima unidad semántica, y se corresponden con elementos primarios de información que por sí solos son irrelevantes como apoyo a la toma de decisiones.

9.5. Ruido: Elementos de poco interés y que ocultan datos

10. Descubrimiento del KDD

10.1. Las tareas comunes en KDD son la inducción de reglas, los problemas de clasificación y clustering,el reconocimiento de patrones,el modelado predictivo,la detección de dependencias,etc.

10.2. El KDD involucra un proceso iterativo e interactivo de búsqueda de modelos,patrones o parámetros, los cuales descubiertos han de ser válidos,novedosos para el sistema y potencialmente útiles.

10.3. El objetivo final de todo esto es incorporar el conocimiento obtenido en algún sistema real, así como tomar decisiones a partir de los resultados alcanzados o,simplemente,registrarla información conseguida y suministrársela a quien esté interesado.

11. Data Mining

11.1. Clasificacion

11.2. Regresion

11.3. Agrupamiento(Clustering)

11.4. Resumen

11.5. Modelado de Dependencias

11.6. Analisis de Secuencias

12. Métodos de descubrimiento

12.1. Fase1: Conseguir Informacion

12.2. Fase 2 y 3: Almacén de Datos (DataWarehouse)

12.3. Fase 4: Limpieza y Selección de datos -Transformacion de Datos -Reduccion de Dimensionalidad -Kernels (Aumento de Dimensionalidad) -Discretizacion y numerizacion de atributos

12.4. Mineria de datos

12.5. Interpretacion

13. Métodos de Representación

13.1. Arboles de Decision

13.2. Sistemas Expertos

13.3. Redes Neuronales

13.4. Maquinas de Vector Soporte