Professional Documents
Culture Documents
1.- Una caracterstica fundamental que diferencia a los mtodos de Inteligencia Artificial
de los mtodos numricos es el uso de smbolos no matemticos, aunque no es bastante
para diferenciarlo totalmente. Otros ejemplos de programas como los compiladores y
sistemas de bases de datos, tambin procesan smbolos y no se considera que utilicen
tcnicas de Inteligencia Artificial.
2.- El comportamiento de los programas no es descrito explcitamente por el algoritmo. El
programa especifica cmo encontrar la secuencia de pasos necesarios para resolver un
problema dado (programa declarativo). En diferencia con los programas que no son de
Inteligencia Artificial, que siguen un algoritmo determinado, que detalla, explcitamente,
cmo hallar las variables de salida para cualquier variable dada de entrada (programa de
procedimiento).
Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente
por las conclusiones intermedias alcanzadas durante las consideraciones al problema
especfico. Los lenguajes orientados al objeto comparten esta propiedad y se han
caracterizado por su afinidad con la Inteligencia Artificial.
3.- El razonamiento basado en el conocimiento, implica que estos programas incorporan
factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan. Al
contrario de los programas para propsito especfico, como los de contabilidad y clculos
cientficos; los programas de Inteligencia Artificial pueden distinguir entre el programa de
razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de
explicar discrepancias entre ellas.
4.- Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia
Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la
resolucin de conflictos en tareas orientadas a metas como en planificacin, o el
diagnstico de tareas en un sistema del mundo real: con poca informacin, con una
solucin cercana y no necesariamente exacta.
La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica,
usada principalmente en el campo industrial; comprensin de lenguajes y traduccin;
visin en mquinas que distinguen formas y que se usan en lneas de ensamblaje;
reconocimiento de palabras y aprendizaje de mquinas; sistemas computacionales
expertos.
Los Sistemas Expertos, que reproducen el comportamiento humano en un estrecho mbito
del conocimiento, son programas tan variados como los que diagnostican infecciones en la
sangre e indican un tratamiento, los que interpretan datos sismolgicos en exploracin
geolgica y los que configuran complejos equipos de alta tecnologa.
Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas
peligrosas, mejoran el desempeo del personal inexperto, y mejoran el control de calidad
sobre todo en el mbito comercial.
Aplicaciones de la Inteligencia Artificial
discernir que entre estados del ambiente que generan la misma entrada de percepciones
pero, sin embargo; para cada uno de los estados se necesitan acciones distintas.
Agentes basados en metas: Adems de los estados, los agentes necesitan cierto tipo de
informacin sobre sus metas Estas metas van a detallar las situaciones a las que se desea
llegar de este modo, el programa de agente puede combinar las metas con la informacin
de los resultados (acciones) que emprenda y de esta manera poder elegir aquellas acciones
que permitan alcanzar la meta.
Agentes basados en utilidad: Las metas por s solas garantizan la obtencin de una
conducta de alta calidad. En un programa de agente se podra tener un conjunto de metas
pero la obtencin de stas no garantizan distinciones entre estados felices e infelices,
mediante una medida de desempeo se podra establecer una comparacin entre los
diversos estados del mundo (ambientes) para poder encontrar el estado de felicidad para el
agente. Este estado ofrecer una mayor utilidad al agente.
Realidad Virtual. Sistema o Interfaz Informtico que recrea mundos artificiales en tiempo
real que pueden ser captados por diversos canales sensoriales en el espectador, el cul
puede navegar "inmerso" a travs de dicho mundo virtual.
Sistemas multiagente
Negociacin automatizada. Formacin de coaliciones
Agentes para diseo ingenieril
Minera de Datos
Razonamiento difuso
Lgica Difusa.
La Lgica Difusa se basa en reglas que no tienen lmites discretos, sino que se prolongan
en un continuum, permitiendo a un sistema manejar mejor la ambigedad. Esto es muy til
para reflejar cmo tienden a pensar las personas, en trminos relativos, no absolutos.
Cuando la lgica difusa se incorpora a un SE, el resultado es un sistema que limita mejor la
manera natural en que un experto humano resolvera un problema.
Este tipo de lgica toma dos valores aleatorios, pero contextualizados y referidos entre s:
verdadero o falso. Basado en los principios del razonamiento aproximado y el "clculo con
palabras", se logra simplificar y aproximar la descripcin del problema de una manera
natural, eficiente y robusta. La Lgica Difusa va ms all de la lgica booleana en cuanto a
que acepta valores parciales de verdad, es decir, de 0 a 100%; aceptando con ello
expresiones tales como: "Juan es alto" con un 75% de certeza, o mejor an,
simplificndolo a "Juan no es muy alto"; "El tanque est lleno" con 50% de certeza, o bien,
"El tanque est medio lleno o medio vaco".
La Lgica Difusa se adapta mejor al mundo real en el que vivimos, e incluso puede
comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy
alto", "el ritmo del corazn est un poco acelerado", etc.
La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de
nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco").
Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente),
donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o
resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica
(ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y
"levemente" para la lgica difusa)
Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser
formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este
caso de Redes Neuronales para fortalecer las futuras tomas de decisiones.
Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada
de un sistema. El motor de inferencias se basa en chips difusos, que estn aumentando
exponencialmente su capacidad de procesamiento de reglas ao a ao.
Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente
manera:
2. Inferencia Lgica. El valor de verdad para la premisa de cada regla se calcula, y aplica a
la parte de conclusiones de cada regla. Este resultado se asigna a un subconjunto difuso
para ser asignado a cada variable de salida para cada regla.
3. Difusificacin (Defuzzification). La cual es usada cuando se desea convertir la salida
difusa en un valor puntual numrico. Existen muchos mtodos de dedifusificacin
A diferencia de los Sistemas Expertos, un sistema de red neuronal aprende por ensayo y
error.
Caractersticas:
Capacidad de recuperar informacin incluso si falla alguno de los nodos neuronales.
Modificacin rpida de los datos almacenados como consecuencia de nueva
informacin.
Capacidad de descubrir relaciones y tendencias en grandes bases de datos.
Capacidad de resolver problemas complejos para los cuales no se cuenta con la
informacin.
Algoritmos Genticos.
Los Algoritmos Genticos son funciones matemticas que usan los principios de Darwin
para mejorar una aplicacin. Las funciones se disean para simular en software, en
cuestin de minutos o segundos, lo que sucede en ambientes naturales durante millones de
aos.
Un algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir,
para dar solucin a un problema especfico. Los Algoritmos Genticos se inspiran en la
evolucin biolgica y su base gentico-molecular. Estos algoritmos hacen evolucionar una
poblacin de individuos sometindola a acciones aleatorias semejantes a las que actan en
la evolucin biolgica (mutaciones y recombinaciones genticas), as como tambin a una
seleccin de acuerdo con algn criterio, en funcin del cual se decide cules son los
individuos ms adaptados, que sobreviven, y cules los menos aptos, que son descartados.
Los Algoritmos Genticos establecen una analoga entre el conjunto de soluciones de un
problema, llamado fenotipo, y el conjunto de individuos de una poblacin natural,
codificando la informacin de cada solucin en una cadena, generalmente binaria, llamada
cromosoma. Los smbolos que forman la cadena son llamados los genes. Cuando la
representacin de los cromosomas se hace con cadenas de dgitos binarios se le conoce
como genotipo. Los cromosomas evolucionan a travs de iteraciones, llamadas
generaciones. En cada generacin, los cromosomas son evaluados usando alguna medida
de aptitud. Las siguientes generaciones (nuevos cromosomas), llamada descendencia, se
forman utilizando dos operadores, de cruzamiento y de mutacin.
Esquema general de funcionamiento del Algoritmo Gentico
1. Inicializar aleatoriamente una poblacin de soluciones a un problema,
representadas por una estructura de datos adecuada.
2. Evaluar cada una de las soluciones, y asignarle una puntuacin segn lo bien que lo
hayan hecho.
3. Escoger de la poblacin la parte que tenga una puntuacin mayor
4. Mutar (cambiar) y entrecruzar (combinar) las diferentes soluciones de esa parte
escogida, para reconstruir la poblacin.
5. Repetir un nmero determinado de veces o hasta que se haya encontrado la
solucin deseada.
Robtica
La Robtica es una rama del rbol tecnologa, que estudia el diseo y construccin de
mquinas capaces de desempear tareas repetitivas o peligrosas para el ser humano. Las
ciencias y tecnologas de las que deriva podran ser: el lgebra, los autmatas
programables, las mquinas de estados, la mecnica, la electrnica y la informtica.
La Robtica Incluye el desarrollo de dispositivos mecnicos o de computacin que tengan
la capacidad de realizar funciones, tales como pintar automviles, de hacer soldaduras de
precisin y realizar otras tareas que requieran de un alto grado de precisin o que sean
tediosas o impliquen peligro para los seres humanos. En la robtica contempornea se
La inteligencia artificial (IA) debido a su naturaleza cuenta con muchos campos de estudio,
es decir, ramas en las que se divide y se investiga con especializacin; cada una de estas
ramas surge por medio de ideas innovadoras y el surgimiento de nuevos paradigmas de
cmputo en el mbito de la investigacin computacional que permitieron nuevas tcnicas
de programacin, stas tcnicas incluyen el concepto heurstico (Heurstica: Idea Basada
en la experiencia que ayuda a determinar cmo se debe proceder.) y se apoyan en nuevos
sistemas de hardware que se derivan del desarrollo de la tecnologa a traves de las
generaciones de computadora.
Cada una de las ramas de la IA no son ms que una metodologa diferente para tratar la
resolucin de problemas aplicando el principio de inteligencia a los sistemas. stas ramas
se pueden dividir en reas clsicas y reas de vanguardia de acuerdo a la poca en que
surguieron, pero esta clasificacin vara debido a la diversidad de metodologas de IA
existentes, por tal motivo se presentarn cada una de las ramas y sus caractersticas
tratando de seguir el orden de surgimiento de cada una.
Como primer rama tenemos las Redes de Petri, surgidas de la tesis doctoral en 1962 de
Carl Adam Petri, en donde se establece por primera vez una teora general para sistemas
discretos paralelos. Petri generaliz la teora de autmatas e hizo que utilizaran mtodos
grficos para la representacin de sistemas por medio de condiciones y eventos, esto quiere
decir que un modelo de red de Petri representa las propiedades de un sistema en el lenguaje