LA INTELIGENCIA ARTIFICIAL VINCULADO CON LA LOGISTICA

1. la inteligencia artificial
La inteligencia artificial es considerada una rama de la computacin y relaciona un
fenmeno natural con una analoga artificial a travs de programas de
computador. La inteligencia artificial puede ser tomada como ciencia si se enfoca
hacia la elaboracin de programas basados en comparaciones con la eficiencia
del hombre, contribuyendo a un mayor entendimiento del conocimiento humano.
Si por otro lado es tomada como ingeniera, basada en una relacin deseable de
entrada-salida para sintetizar un programa de computador. "El resultado es un
programa de alta eficiencia que funciona como una poderosa herramienta para
quien la utiliza."
A travs de la inteligencia artificial se han desarrollado los sistemas expertos que
pueden imitar la capacidad mental del hombre y relacionan reglas de sintaxis del
lenguaje hablado y escrito sobre la base de la experiencia, para luego hacer
juicios acerca de un problema, cuya solucin se logra con mejores juicios y ms
rpidamente que el ser humano. En la medicina tiene gran utilidad al acertar el 85
% de los casos de diagnstico.
Deduccin, el razonamiento, la resolucin de problemas
Los seres humanos resuelven la mayor parte de sus problemas con el uso rpido,
intuitivo juicios en lugar de la conciencia,. AI ha hecho algunos progresos en la
imitacin de este tipo de "sub-simblica" la resolucin de problemas: los enfoques
de agentes incorporados hacen hincapi en la importancia de las habilidades
sensoriomotoras de razonamiento superior, intentos de investigacin red neuronal
para simular las estructuras internas del cerebro que dan lugar a esta habilidad;
estadstica enfoques de AI imitan la naturaleza probabilstica de la capacidad
humana de adivinar.
Entre los problemas ms difciles de la representacin del conocimiento son:
Razonamiento por defecto y el problema de calificacin Muchas de las cosas que
la gente sabe tomar la forma de "hiptesis de trabajo". Por ejemplo, si un ave
aparece en la conversacin, la gente por lo general imaginan un animal que es el
puo de tamao, canta, y las moscas. Ninguna de estas cosas son ciertas acerca
de todas las aves. John McCarthy identific este problema en 1969, como el
problema de clasificacin: para cualquier regla de sentido comn de que los
investigadores de IA se preocupan de representar, tiende a haber un gran nmero
de excepciones. Casi nada es ms verdadero o falso en la forma en que la lgica
abstracta requiere. La investigacin en IA ha explorado una serie de soluciones a
este problema. La amplitud del conocimiento de sentido comn, el nmero de
hechos atmicos que la persona promedio sabe es astronmico. Los proyectos de

investigacin que tratan de construir una base de conocimiento completo del

conocimiento de sentido comn requieren enormes cantidades de ingeniera
ontolgica laboriosa - deben ser construidas, a mano, un concepto complicado a la
vez. Un objetivo importante es que el equipo entienda conceptos suficientes para
ser capaz de aprender mediante la lectura de fuentes como el Internet, y por lo
tanto ser capaz de aadir a su propia ontologa. La forma subsimblico de algunas
de sentido comn Mucho conocimiento de lo que la gente sabe que no se
representa como "hechos" o "declaraciones" que podan expresar verbalmente.
Por ejemplo, un maestro de ajedrez evitar una posicin de ajedrez en particular
porque "se siente demasiado expuesto", o un crtico de arte puede echar un
vistazo a la estatua y de inmediato darse cuenta de que es una falsificacin. Son
intuiciones o tendencias que estn representados en el cerebro no consciente y
sub-simblica. El conocimiento como ste informa, apoya y proporciona un
contexto para el conocimiento simblico, consciente. Al igual que con el problema
conexo de razonamiento sub-simblica, se espera que la IA se encuentra,
inteligencia computacional, o estadsticos AI proporcionarn maneras de
representar este tipo de conocimiento.
Lgica
Artculos principales: programacin lgica y el razonamiento automatizado
La lgica se utiliza para la representacin del conocimiento y la resolucin de
problemas, sino que se puede aplicar a otros problemas tambin. Por ejemplo, el
algoritmo de satplan utiliza la lgica para la planificacin y programacin lgica
inductiva es un mtodo para el aprendizaje.
Existen diferentes formas de la lgica se utilizan en la investigacin en IA. Lgica
proposicional o proposicional es la lgica de los estados que pueden ser
verdaderas o falsas. La lgica de primer orden tambin permite el uso de
cuantificadores y predicados, y puede expresar hechos acerca de los objetos, sus
propiedades y sus relaciones con los dems. La lgica difusa, es una versin de la
lgica de primer orden que permite a la verdad de un enunciado que se representa
como un valor entre 0 y 1, en lugar de Verdadero o Falso. Sistemas difusos
pueden ser utilizados para el razonamiento incierto y han sido ampliamente
utilizados en sistemas de control de productos de consumo industrial moderna y.
Modelos de lgica subjetiva incertidumbre de una manera diferente y ms explcito
que de lgica difusa: una determinada opinin binomial satisface creencia de
incredulidad = 1 incertidumbre dentro de una distribucin Beta. Por este mtodo, la
ignorancia puede ser distinguida de estados de probabilidad de que un agente
hace con alta confianza.
Lgicas predeterminadas, lgicas no montonas y de circunscripcin son las
formas de la lgica diseados para ayudar con el razonamiento por defecto y el
problema de la calificacin. Varias extensiones de la lgica han sido diseados
para manejar reas especficas del conocimiento, tales como: descripcin lgica;

situacin clculo, evento clculo y fluidez clculo; clculo causal; clculo creencia
y lgicas modales.

Planificacin
Los agentes inteligentes deben ser capaces de establecer objetivos y alcanzarlos.
Ellos necesitan una forma de visualizar el futuro y ser capaz de tomar decisiones
que maximicen la utilidad de las opciones disponibles.
En los problemas de planificacin clsica, el agente puede asumir que es el nico
que acta en el mundo y puede estar seguro de lo que las consecuencias de sus
acciones pueden ser. Sin embargo, si el agente no es el nico actor, se debe
determinar peridicamente si el mundo coincide con sus predicciones y se debe
cambiar su plan ya que esto hace necesario, que requiere el agente a la razn en
condiciones de incertidumbre.
Planificacin multi-agente utiliza la cooperacin y la competencia de muchos
agentes para lograr un objetivo determinado. Comportamiento emergente como
este es utilizado por los algoritmos evolutivos y de inteligencia de enjambre.
Aprendizaje
El aprendizaje automtico es el estudio de algoritmos informticos que mejoran de
forma automtica a travs de la experiencia y ha sido central a AI la investigacin
desde el inicio del campo.
Aprendizaje no supervisado es la capacidad de encontrar patrones en una
corriente de entrada. El aprendizaje supervisado incluye tanto la clasificacin y la
regresin numrica. La clasificacin se utiliza para determinar qu categora
pertenece algo, despus de ver una serie de ejemplos de cosas de varias
categoras. La regresin es el intento de producir una funcin que describe la
relacin entre las entradas y salidas y predice cmo los resultados deben cambiar
a medida que el cambio de los insumos. En el aprendizaje por refuerzo el agente
es recompensado por una buena respuesta y castigado por las malas. Estos
pueden ser analizados en trminos de teora de la decisin, utilizando conceptos
como utilidad. El anlisis matemtico de algoritmos de aprendizaje de mquina y
su rendimiento es una rama de la informtica terica conocida como teora del
aprendizaje computacional.
Procesamiento del lenguaje natural
Procesamiento del lenguaje natural da mquinas la capacidad de leer y entender
el lenguaje que los humanos hablan. Un sistema de procesamiento de lenguaje
natural lo suficientemente poderoso permitira interfaces de lenguaje natural y la

adquisicin de conocimientos directamente de fuentes escritos por humanos,

como los textos de Internet. Algunas aplicaciones sencillas de procesamiento del
lenguaje natural incluyen la recuperacin de informacin y la traduccin
automtica.
Un mtodo comn de procesamiento y extraccin de significado de lenguaje
natural es a travs de indexacin semntica. Los incrementos en la velocidad de
procesamiento y la cada en el costo de almacenamiento de datos hace que la
indexacin de grandes volmenes de abstracciones de la entrada de los usuarios
mucho ms eficiente.
Percepcin
Artculos principales: la percepcin de la mquina, la visin por ordenador y
reconocimiento de voz
Percepcin de la mquina es la capacidad de utilizar entrada de los sensores para
deducir aspectos del mundo. La visin por ordenador es la capacidad de analizar
la informacin visual. Unos subproblemas seleccionados son el reconocimiento de
voz, reconocimiento facial y reconocimiento de objetos.
La inteligencia social
La informtica afectiva es el estudio y desarrollo de sistemas y dispositivos que
pueden reconocer, interpretar, procesar y simular afecta humano. Se trata de un
campo interdisciplinario que abarca la informtica, la psicologa y la ciencia
cognitiva. Si bien los orgenes de la materia pueden ser rastreados fecha tan
lejana como a las preguntas filosficas primeros en la emocin, la rama ms
moderna de la informtica se origin con el papel de Rosalind Picard 1995 en la
computacin afectiva. Una de las motivaciones para la investigacin es la
capacidad de simular la empata. La mquina debe interpretar el estado emocional
de los seres humanos y adaptar su comportamiento a ellos, dando una respuesta
adecuada para esas emociones.
Emocin y habilidades sociales desempean dos funciones de un agente
inteligente. En primer lugar, debe ser capaz de predecir las acciones de los
dems, mediante la comprensin de sus motivos y estados emocionales. Adems,
en un esfuerzo para facilitar la interaccin persona-ordenador, una mquina
inteligente podra querer ser capaz de mostrar emociones, aunque en realidad no
experimentar por s misma, con el fin de aparecer sensibles a la dinmica
emocional de la interaccin humana.