INTELIGENCIA ARTIFICIAL

Get Started. It's Free
or sign up with your email address
INTELIGENCIA ARTIFICIAL by Mind Map: INTELIGENCIA ARTIFICIAL

1. Al carecer de una definición ajustada, la IA se ha tornado pragmática en tanto que define como sistema inteligente a aquel que se comporta como un hombre "inteligente", en las mismas circunstancias. El Test de Turing para establecer si una máquina es o no inteligente consiste en interrogarla por medio de una teletipo (sin contacto físico), el evaluador no debe poder discernir si el que responde es una máquina o una persona. En la práctica esta definición es evasiva y relega a la IA a la frontera de las ciencias de la computación, todo sistema de cómputo que en sus orígenes pudo ser considerado inteligente, al cabo de cierto tiempo deja de serlo (FORTRAN, Traductores, POO, S.E., PERCEPTRON).

1.1. PRINCIPALES AREAS

1.1.1. 1- Procesamiento del Lenguaje Natural

1.1.2. 2- Consulta inteligente de base de datos

1.1.3. 3- Robótica

1.1.4. 4- Programación Automática

1.1.5. 5- SistemasExpertos

1.1.6. 6- Prueba automática de teoremas y matemáticas simbólica

2. ESCUELAS DE PENSAMIENTO I.A.

2.1. La IA se divide en dos escuelas de pensamiento, la inteligencia artificial convencional y la inteligencia computacional. Inteligencia artificial convencional Basada en análisis formal y estadístico del comportamiento humano ante diferentes problemas: •Razonamiento basado en casos: ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos. •Sistemas expertos: infieren una solución a través del conocimiento previo del contexto en que se aplica y de ciertas reglas o relaciones. •Redes bayesianas: propone soluciones mediante inferencia estadística. •Inteligencia artificial basada en comportamientos: sistemas complejos que tienen autonomía y pueden auto-regularse y controlarse para mejorar.

2.2. Inteligencia artificial computacional La inteligencia computacional (también conocida como inteligencia artificial subsimbólica) implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parámetros en sistemas conexionistas). El aprendizaje se realiza basándose en datos empíricos. Algunos métodos de esta rama incluyen: •Máquina de vectores soporte: sistemas que permiten reconocimiento de patrones genéricos de gran potencia. •Redes neuronales: sistemas con grandes capacidades de reconocimiento de patrones. •Modelos ocultos de Markov: aprendizaje basado en dependencia temporal de eventos probabilísticos. •Sistemas difusos: técnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras. •Computación evolutiva: aplica conceptos inspirados en la biología, tales como población, mutación y supervivencia del más apto para generar soluciones sucesivamente mejores para un problema. Estos métodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genéticos) e inteligencia colectiva (ej. algoritmos hormiga)

3. La inteligencia artificial es considerada una rama de la computación y relaciona un fenómeno natural con una analogía artificial a través de programas de computador.

3.1. La inteligencia artificial puede ser tomada como ciencia si se enfoca hacia la elaboración de programas basados en comparaciones con la eficiencia del hombre, contribuyendo a un mayor entendimiento del conocimiento humano.

4. El Instituto de Investigación en Inteligencia Artificial (IIIA) es un centro dedicado a la investigación en Inteligencia Artificial (IA) perteneciente al Consejo Superior de Investigaciones Científicas (CSIC). Los temas de investigación son: Sistemas de Aprendizaje, Agentes Inteligentes, Razonamiento Lógico y Búsqueda, Mercados Electrónicos, Robots Autónomos, Música con IA.

5. CARACTERÍSTICAS DE LA I.A

5.1. Una característica fundamental que distingue a los métodos de Inteligencia Artificial de los métodos numéricos es el uso de símbolos no matemáticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos,también procesan símbolos y no se considera que usen técnicas de Inteligencia Artificial.

5.2. El comportamiento de los programas no es descrito explícitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cómo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explícitamente, cómo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento).

5.3. El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del ámbito del conocimiento en que ellos operan. Al contrario de los programas para propósito específico, como los de contabilidad y cálculos científicos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dándole la capacidad de explicar discrepancias entre ellas.

5.4. Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolución de conflictos en tareas orientadas a metas como en planificación, o el diagnóstico de tareas en un sistema del mundo real: con poca información, con una solución cercana y no necesariamente exacta.