Professional Documents
Culture Documents
LA INTELIGENCIA
ARTIFICIAL
Conceptos, caractersticas, objetivos,
alcance y aplicaciones
INDCICE
1.
INTRODUCCIN ..................................................................................................................... 1
2.
3.
CONCEPTO ............................................................................................................................. 3
4.
5.
6.
6.2.
7.
7.2.
8.
8.2.
9.
9.1.1.
9.2.
La IA y la educacin ...................................................................................................... 11
9.2.1.
En la actualidad ................................................................................................... 11
9.2.2.
9.2.3.
9.3.
9.4.
10.
CONCLUSIONES ............................................................................................................... 16
11.
BIBLIOGRAFIA .................................................................................................................. 17
1.
INTRODUCCIN
2.
3.
CONCEPTO
4.
5.
Estos dos tipos principales pueden utilizarse de un modo analtico (el razonamiento se
divide en submdulos que son ms difciles de manejar, o de un modo sinttico
(inverso del proceso anterior, juntando elementos que se separaron anteriormente).
La induccin puede tener lugar cuando se comparan situaciones que son casi
similares, con parmetros desconocidos en una situacin dada asignndole los valores
que tienen ya en una situacin de referencia; este es un razonamiento por analoga.
Los mtodos para razonar son variados. La iteracin significa repetir la misma
secuencia de razonamiento hasta que se alcance una condicin de final; la recursin
consiste en una forma particular del razonamiento que se llama a s misma, como
aquellas muecas rusas que estn unas dentro de otras, hasta llegar a un problema
simple que es fcil de resolver.
Las estrategias para el razonamiento pueden hacer uso de la especializacin, la
reduccin al absurdo, de la eliminacin de caminos poco prometedores y de la
reduccin de las diferencias.
En todos los casos, la organizacin jerrquica del conocimiento y la segmentacin de
los problemas son mtodos que se emplean siempre al intentar resolver un problema
complejo. La funcin asignada a los sistemas expertos es la de razonar.
6.
7.
DIFERENTES METODOLOGAS
7.1. La lgica difusa
Permite tomar decisiones bajo condiciones de incerteza. Tambin llamada lgica
borrosa o lgica heurstica, en ingls Fuzzi Logic se basa en lo relativo de lo
observado como posicin diferencial. Este tipo de lgica toma dos valores
aleatorios, pero contextualizados y referidos entre s.
7.2. Redes neuronales
Poderosa ante tareas como la clasificacin y el reconocimiento de patrones. Es
basada en el concepto de "aprender" por agregacin de un gran nmero de muy
simples elementos. Este modelo considera que una neurona puede ser
representada por una unidad binaria: a cada instante su estado puede ser activo o
inactivo. La interaccin entre las neuronas se lleva a cabo a travs de sinapsis.
Segn el signo, la sinapsis es excitadora o inhibidora. Un Perceptrn es una Red
Neuronal lo ms simple posible, es aquella donde no existen capas ocultas. Para
cada configuracin de los estados de las neuronas de entrada (estmulo) la
respuesta del perceptrn obedece a la siguiente dinmica: se suman los
potenciales sinpticos y se comparan con un umbral de activacin. Esta suma es
tambin llamada campo. Si el campo es mayor que un umbral, la respuesta de la
neurona es activa, si no, es inactiva. Si se quieren realizar funciones complejas
con Redes Neuronales, es necesario intercalar neuronas entre las capas de
entradas y de salida, llamadas neuronas ocultas. Una de las arquitecturas ms
usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y
de stas hacia la salida.
8.
TCNICAS UTILIZADAS EN IA
La Inteligencia Artificial, clasifica las tcnicas que pueden ser usadas como
herramientas para solucionar problemas en las siguientes categoras:
8.1. Tcnicas Bsicas
As llamadas por encontrarse en la base de diversas aplicaciones de IA:
a.
b.
c.
d.
e.
La Robtica,
La Visin,
El Lenguaje Natural y
Los Sistemas Expertos
9.
Todas ellas son familias de problemas tipo. Por ejemplo, el diagnstico se refiere a
encontrar las causas de fallas, ya sea que se trate de fallas en una lnea de produccin
o de enfermedades en una persona.
Los Campos de Aplicacin de la IA son: Ingeniera, Medicina, Sistemas de
Manufactura, Administracin, Apoyo a la Toma de Decisiones Gerenciales, etc. Todos
caen dentro de las reas de los Sistemas Computacionales, pero se consideran como
clientes de la IA.
Primera Generacin:
9.1.1.2.
Tercera Generacin:
Sistemas Expertos en
la Agricultura:
Los Sistemas Expertos
(SE) tienen por objetivo
emular el conocimiento de
un humano en un
determinado dominio y su
aplicacin est orientada a
brindar asistencia con el
objetivo de obtener una
mejor calidad y rapidez en
las respuestas
Robtica en la
agricultura:
Recibe el nombre de
Robtica Agrcola, es la
tecnologa de la
automatizacin aplicada a
vio sistemas tales como
la agricultura, la
silvicultura, las industrias
pesqueras y otros fines.
9.2. La IA y la educacin
En los aos 50 aparecieron los primeros sistemas de enseanza llamados
programas lineales. Aquellos programas eran muy bsicos y la mayor desventaja
era que el mtodo de enseanza no se poda cambiar ni el programador poda
realizar dicho cambio. A principio de los aos 60, las computadoras, la compra
y venta de las mismas, comenz a emerger gracias a que las universidades las
requeran en gran cantidad, sobre todo Estados Unidos. De all que la
computadora llego a formar gran parte de la educacin de los profesionales. Tan
rpido como las universidades adquirieron las computadoras comenzaron a
cambiar su mtodo de enseanza obteniendo magnficos resultados.
9.2.1. En la actualidad
La historia de los ordenadores en la enseanza es una historia breve, de poco
ms de cuarenta aos, y est vinculada de forma muy estrecha a la propia
evolucin y avance de la tecnologa informtica por una parte, y al desarrollo de
las teoras del aprendizaje y enseanza por otra. Desde que a mediados del
siglo XX, Skinner propusiera el concepto de "mquinas de ensear", el
desarrollo y preocupacin de la utilizacin de los ordenadores en la enseanza
ha estado dominado por esta idea: es posible lograr que un sujeto humano
aprenda a travs de la interaccin, casi exclusiva, con una mquina? Los
logros y avances a lo largo de varias dcadas de investigacin fueron menos
exitosos de lo esperado. La adaptacin de los sistemas escolares a un modelo
de escolaridad apoyado en las tecnologas digitales es y ser un proceso
parsimonioso [1] lento, con altibajos, con avances y retrocesos. Este proceso
de cambio exige, como condicin inicial, pero no nica, la disponibilidad de
recursos tecnolgicos abundantes en los centros educativos. Sin un nmero
adecuado de ordenadores, sin software apropiado, sin cableado ni
infraestructuras no habr, evidentemente, prcticas educativas apoyadas en las
tecnologas informticas. Pero esto es, a todas luces, insuficiente si lo que
perseguimos es la innovacin y mejora educativa.
La incorporacin de las nuevas tecnologas si no van acompaadas de
innovaciones pedaggicas en los proyectos educativos de los centros, en
las estructuras y modos de organizacin escolar, en los mtodos de
enseanza, en el tipo de actividades y demandas de aprendizaje requeridos al
alumnado, en los sistemas y exigencias evaluativos, en los modos de trabajo y
relacin del profesorado, en la utilizacin compartida de los espacios y recursos
como pueden ser las salas de informtica, en las formas de organizacin y
agrupamiento de la clase con relacin al trabajo apoyado en el uso de
ordenadores, afectarn meramente a la epidermis de las prcticas educativas
pero no representarn mejoras sustantivas de las mismas.
9.2.2. La clase virtual del futuro
La educacin y las nuevas tecnologas estn condenadas a entenderse. Los
nuevos soportes ofrecen infinitas posibilidades para conseguir acercar los
contenidos de las materias a unos alumnos a los que el concepto de nativo
digital ya le suena a antiguo. La mayora de pases europeos ya han movido
ficha y se han invertido millones de euros en dotar de nuevas tecnologas los
Produccin Anual
Almacenamiento
Tiempo de Manipuleo
Layout(plan) de Mquinas
Accesibilidad
Dotacin de Operacin y Supervisin
Procesos vlidos para obtener resultados racionales:
Agente inteligente
Redes neuronales
Sistemas de lgica difusa
Sistemas Expertos
Algoritmos genticos
Tal vez inspirados en la hazaa del Curiosity, en Alemania se han ideado robots
similares pero capaces de explorar los crteres de la Luna.
El proyecto Reconfigurable IntegratedMulti Robot ExplorationSystem (RIMRES) es
impulsado por el Centro de Innovacin de Robtica (DFKI) y el Centro de
Tecnologa Espacial Aplicada y Micro gravedad (ZARM), los cuales esperan poder
encontrar agua congelada en el satlite de la Tierra.
El primer robot diseado dentro de RIMRES se llama SHERPA, un transportador
que mide 2,4 metros de largo y pesa 200 kilos. Su desplazamiento se realiza
mediante un tren hbrido de ruedas y piernas con suspensin adaptable, que le
permite moverse con rapidez en terrenos accidentados, escalar rocas o liberarse
en caso de quedar atrapado. Su funcin principal es llevar sobre s hasta reas
de inters a un segundo robot, CREX.
CREX es un mini robot de un metro de longitud que pesa solo 27 kilos, cuenta con
patas articuladas y equipadas con sensores, gracias a las cuales es capaz de
analizar las superficies por las que se mueve Kirobo.
Claro que para ver despegar a estos increbles robots rumbo a la Luna pasarn
muchos aos. Pero la presencia de estos aparatos en el espacio no siempre se
relaciona con la exploracin: tambin pueden ser tiles herramientas
10. CONCLUSIONES
11. BIBLIOGRAFIA
http://es.wikipedia.org/wiki/Historia_de_la_inteligencia_artificial (Tomado el
27/03/2013)
http://es.wikipedia.org/wiki/Historia_de_la_inteligencia_artificial (Tomado el
27/03/2013)
http://es.wikipedia.org/wiki/Historia_de_la_inteligencia_artificial (Tomado el
27/03/2013)
http://www.slideshare.net/uni_fcys_sistemas/inteligencia-artificial-en-las-industrias
(Autor: Chavez, Ariel. Tomado el 10/04/2013)
http://www.slideshare.net/uni_fcys_sistemas/la-i-a-en-la-agricultura (Autores:
Ayestas, Carlos. Sarantez, Eddy. Tomado el 10/04/2013)
http://www.gestiopolis.com/administracion-estrategia/inteligenciaartificial.htm