Professional Documents
Culture Documents
Una
es Un Agente que
Máquina un
Racional percibe
“Inteligente“ entorno
Flexible
(ideal)
realiza
Un
para la para
Objetivo
lograr posibilidad maximizar acciones
o
de éxito
Tarea
http://ai.stanford.edu/
2
Cuatro pilares básicos, según
Nilsson:
3
1. Búsqueda del estado requerido
en el conjunto de los estados
producidos por las acciones
posibles.
4
2. Algoritmos genéticos (análogo
al proceso de evolución de las
cadenas de ADN).
5
3. Redes neuronales artificiales
(análogo al funcionamiento
físico del cerebro de animales y
humanos).
6
4. Razonamiento mediante una
lógica formal análogo al
pensamiento abstracto humano.
Nils John Nilsson
7
Red Neuronal. Un gran número de pequeños
elementos procesadores interconectados
trabajando en forma paralela.
8
Mediante reglas aprendidas de la experiencia,
el ser humano se manifiesta mucho más
eficaz que las computadoras en la resolución
de problemas definidos de manera imprecisa,
ambiguos, o que requieren procesar gran
cantidad de información, el cerebro alcanza
estos objetivos, mediante miles de millones
(1011) de células simples e interconectadas
entre sí, llamadas neuronas, localizadas en
un recinto determinado del cerebro.
9
Reglas
Experiencia
aprendidas
Problemas
1. definidos de manera imprecisa,
2. ambiguos,
3. o que requieren procesar gran
cantidad de información
10
Las R.N.A. originadas en el conocimiento de las
redes neuronales biológicas, funcionan porque cada
neurona recibe una serie de entradas a través de
interconexiones y emite una salida.
11
Entrada 1
Entrada 2
Entrada 3 Neurona Salida 1
...
Entrada n
12
Esta salida viene dada por tres funciones:
1. Propagación
2. Activación
3. Transferencia
13
Esta salida viene dada por tres funciones:
Valor 1 Peso 1
Valor 2 Peso 2 V1xp1+
= V2xp2+
Peso 3
Valor 3 Neurona
V3xp3+
...
Vnpn
Valor n Peso n
14
Esta salida viene dada por tres funciones:
Peso 2 V1xp1+
Peso 3
Neurona = V2xp2+
V3xp3+
x f(v,p)
Vnpn
Peso n
15
Esta salida viene dada por tres funciones:
Neurona o
Unidad
Procesadora
(X , f , Y)
Nodos de Entrada: X ⊆ N ;
Nodo de Salida: Y ;
Función de activación: f
18
Principales componentes RNA:
(N;U)
19
Red neuronal Artificial
Función procesadora
20
Aprendizaje: características de las RNA,
aprender a partir de ciertos datos:
21
Aprendizaje. Categorías por tipo de información
disponible:
22
- Aprendizaje No Supervisado:
1. Aprendizaje Hebbiano
2. Aprendizaje competitivo
3. Representación de características
23
- Aprendizaje No Supervisado:
24
- Aprendizaje No Supervisado:
25
- Aprendizaje No Supervisado:
3. Representación de características:
que concierne a la ordenación
geométrica de los vectores peso de
las unidades competitivas.
26
Machine Learning, disciplina científica de la IA,
que crea sistemas que aprenden
automáticamente.
27
Se trata de crear programas capaces de
generalizar comportamientos a partir de una
información no estructurada suministrada en
forma de ejemplos.
28
Se solapa con el de la estadística, ambas se
basan en el análisis de datos.
29
Aplicaciones:
1. motores de búsqueda,
2. diagnósticos médicos,
3. detección de fraude en el uso de tarjetas de
crédito,
4. análisis del mercado de valores,
7. juegos
8. y robótica
30
El aprendizaje automático tiene como resultado
un modelo para resolver una tarea dada,
pueden ser:
1. Geométricos
2. Probabilísticos (estadística bayesiana)
3. Lógicos (árboles de decisión)
4. Agrupamiento
5. Gradiente
Conceptos 31
Atributo o característica es un tipo de medida
realizada sobre cualquier instancia a medir.
32
Los valores del dominio pueden ser:
- valores binarios
33
El perceptrón, dentro de las RNA por Frank
Rosenblatt , puede ser un tipo de RNA o una
NA.
(1928 - 1969)
(1928 - 1969)
34
Rosenblatt rechazó el uso de la lógica
simbólica aplicada a las RNA y defendió
métodos probabilísticos.
Llamó “perceptrones”, a redes capaces de
modificar los pesos de sus conexiones si las
respuestas de la red no eran las correctas y
demostró que estas redes se podían entrenar
para clasificar ciertos patrones en iguales o
distintos, por tanto que eran capaces del
reconocimiento de formas sencillas.
Conceptos 35
36
El procesamiento de señales es el procesamiento,
amplificación e interpretación de señales, pueden
ser:
1. Digitales: circuitos digitales, microprocesadores
y ordenadores.
2. Analógicas: capacitores, resistencias,
inductores, transistores o circuitos integrados,
filtros, típicamente para voltaje, corriente, o
una carga eléctrica.
3. Audio: sonidos.
4. Voz: voz humana
5. Video: movimientos en escenas
6. Matrices: Combinación de las anteriores.
38
Los agentes se caracterizan por ser:
◦ Autónomos (independientes)
◦ Proactivos (tomar iniciativa)
◦ Comunicación (con otros agentes)
39
Los sistemas multiagentes son utilizados por
la industria en:
40
Se han creado plataformas y frameworks
específicos.
41
42