que es la inteligencia artificial?

La Inteligencia Artificial (IA) es la combinación de algoritmos planteados

con el propósito de crear máquinas que presenten las mismas capacidades
que el ser humano.

Razonamiento: (conocimiento, hechos) deducir consecuencias. Por

ejemplo, dado un cierto conocimiento sobre enfermedades, y una relación
de síntomas (hechos) efectuar un diagnóstico.
Planificación: (conocimiento, situación actual, objetivo deseado), deducir
la secuencia de acciones para alcanzar el objetivo. (razonamiento dirigido
por objetivos).
Aprendizaje: (conocimiento, hechos), deducir de nuevos hechos posibles
modificaciones sobre el conocimiento.

APLICACIONES Y TECNICAS
búsqueda heurística para encontrar soluciones
Es un método orientados a reducir la cantidad de búsqueda requerida para
encontrar una solución. Cuando un problema es presentado como un árbol de
búsqueda el enfoque heurístico intenta reducir el tamaño del árbol cortando
nodos pocos prometedores.

representar el conocimiento

objetivo fundamental es representar el conocimiento de una manera que

facilite la inferencia (sacar conclusiones) a partir de dicho conocimiento

Deducción Automática

realiza inferencias lógicamente correctas. Esto significa que la deducción a

partir de premisas verdaderas, garantiza el resultado de conclusiones también
verdaderas.

Programación Simbólica
Software con lenguaje de programación simbólico para cómputos numéricos,
simbólicos y gráficos, resolución de ecuaciones, modelado matemático y
científico, simulación, ilustración y para análisis de datos, presentación y
gráficos

LISP

Es un lenguaje que muestra la información estructurada en listas en

las que se pueden gestionar la información que estas contienen

porque fue creado principalmente para el procesamiento de listas. Es

un lenguaje funcional que se apoya en la utilización de funciones
matemáticas para el control de los datos. Pero el elemento
fundamental en el Lisp es la lista.

RED NEURONAL

se aplica a una familia de modelos relacionada de manera aproximada que se

caracteriza por un gran espacio de parámetro y una estructura flexible y que
proviene de los estudios sobre el funcionamiento del cerebro

Conforme fue creciendo la familia, se diseñó la mayoría de los nuevos

modelos para aplicaciones no biológicas, aunque gran parte de la terminología
asociada refleja su origen.

Siguiente

Tecnologías, o combinaciones de varias técnicas básicas, orientadas a resolver

familias de problemas. Las tecnologías son más especializadas que las
técnicas básicas y están más cerca de las aplicaciones finales. Se pueden
mencionar a la Robótica y Visión, Lenguaje Natural y Sistemas Expertos.
 La inteligencia artificial convencional

Se conoce también como IA simbólico-deductiva. Está basada en el análisis

formal y estadístico del comportamiento humano ante diferentes problemas:

• Razonamiento basado en casos: Ayuda a tomar decisiones mientras se

resuelven ciertos problemas concretos y, aparte de que son muy
importantes, requieren de un buen funcionamiento.

• Sistemas expertos: Infieren una solución a través del conocimiento

previo del contexto en que se aplica y ocupa de ciertas reglas o
relaciones.

• Redes bayesianas: Propone soluciones mediante inferencia

probabilística.

• Inteligencia artificial basada en comportamientos: Esta inteligencia

contiene autonomía y puede auto-regularse y controlarse para mejorar.

• Smart process management: Facilita la toma de decisiones complejas,

proponiendo una solución a un determinado problema al igual que lo
haría un especialista en la dicha actividad.

Inteligencia artificial Computacional

La Inteligencia Computacional combina elementos de aprendizaje, adaptación,

evolución y Lógica difusa para crear programas que son, en cierta manera,
inteligentes.
La investigación en Inteligencia Computacional no rechaza los métodos
estadísticos, pero muy a menudo aporta una vista complementaria. Las
Redes Neuronales son una rama de la inteligencia computacional muy
relacionada con el aprendizaje automático

Máquina de vectores de apoyo: sistemas que permiten el reconocimiento de

patrones genéricos de gran potencia.

• redes neuronales: sistemas con grandes capacidades de reconocimiento

de patrones.

categorías

• Sistemas que piensan como humanos: estos sistemas tratan de emular

el pensamiento humano, por ejemplo las redes neuronales artificiales.
La automatización de actividades que vinculamos como procesos de
pensamiento humano, actividades como la toma de
decisiones, resolución de problemas, aprendizaje.

• Sistemas que actúan como humanos: estos sistemas tratand e actuar

como humanos, es decir, imitan el comportamiento humano,
por ejemplo la Robótica.

• Sistemas que piensan racionalmente: Es decir con lógica. Idealmente

tratan de imitar el pensamiento de os cálculos que hace posible percibir,
razonar

• Sistemas que actúan racionalmente: Tratan de emitir el

comportamiento humano por ejemplo los agentes inteligentes.

• Sistemas que piensan racionalmente: Es decir con lógica. Idealmente

tratan de imitar el pensamiento de os cálculos que hace posible percibir,
razonar y actuar.

Sistemas que actúan racionalmente: Tratan de emitir el

comportamiento humano por ejemplo los agentes inteligentes.
 Thispersondoesnotexist

• El objetivo principal de las GAN es generar datos desde cero. Para

ello las GAN emplean dos redes neuronales y las enfrentan
mutuamente. La primera red es el "generador" y la segunda es el
"discriminador".

• Ambas redes fueron entrenadas con un mismo conjunto de datos, pero

la primera debe intentar crear variaciones de los datos que ya ha visto,
en el caso de los rostros de personas que no existen, debe crear
variaciones de los rostros que ya ha visto.

• La red discriminatoria debe identificar si ese rostro que está viendo

forma parte del entrenamiento original o si es un rostro falso que creó la
red generativa. Mientras más lo hace, la red generativa se hace mejor
creando y a la red discriminadora se le hace más difícil detectar si el
rostro es falso.