PRIMER PARCIAL

1.1 INTELIGENCIA NATURAL

La inteligencia es el trmino global mediante el cual se

describe una propiedad de la mente en la que se relacionan habilidades tales como las capacidades del pensamiento abstracto, el entendimiento, la comunicacin, el raciocinio, el aprendizaje, la planificacin y la solucin de problemas. El diccionario de la Real Academia Espaola de la lengua define la inteligencia (del latn intellegenta), entre otras acepciones como la "capacidad para entender o comprender" y como la "capacidad para resolver problemas". La inteligencia parece estar ligada a otras funciones mentales como la percepcin, o capacidad de recibir informacin, y la memoria, o capacidad de almacenarla.

1.2. INTELIGENCIA ARTIFICIAL

Se denomina inteligencia artificial (IA) a las inteligencias no

naturales de las ciencias de la Computacin en agentes racionales no vivos. La Inteligencia Artificial (IA), tambin conocida, aplicada o involucrada a trminos como Robtica, Autmatas, Sistemas Expertos, etctera, es una disciplina que envuelve a varias ramas de estudio: la ingeniera, la computacin, la psicologa, la fsica, la medicina, la filosofa, la teologa y lo que se acumule.

De manera ms especfica la inteligencia artificial es la disciplina

que se encarga de construir procesos que al ser ejecutados sobre una arquitectura fsica producen acciones o resultados que maximizan una medida de rendimiento determinada, basndose en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura.

1.3. FUNCIONES INTELIGENTES

FUNCIONAMIENTO BSICO DE LA INTELIGENCIA

ARTIFICIAL
Diferentes teoras: Construir rplicas de la compleja red neuronal del cerebro humano. Intentar imitar el comportamiento del cerebro.

1.4 AREAS APLICACIONALES INTELIGENCIA ARTIFICIAL

DE

Dentro del enfoque de la ingeniera de la Inteligencia Artificial, se

clasifican las tcnicas que pueden ser usadas como herramientas para solucionar problemas en las siguientes categoras:
1)

Tcnicas bsicas, as llamadas por encontrarse a la base de diversas aplicaciones de IA. Entre otras se encuentran Bsqueda Heurstica de Soluciones, Representacin del Conocimiento, Deduccin Automtica, Programacin Simblica (LISP) y Redes Neuronales. Estas tcnicas son las bases de las aplicaciones. En su mayora, no necesita conocerla el usuario final, sino los profesionales que se dedican a su aplicacin y la generacin de aplicaciones comerciales.

2) Tecnologas, o combinaciones de varias tcnicas bsicas,

orientadas a resolver familias de problemas. Las tecnologas son ms especializadas que las tcnicas bsicas y estn ms cerca de las aplicaciones finales. Se pueden mencionar a la Robtica y Visin, Lenguaje Natural, Sistemas Expertos.

Clases o tipos de aplicaciones: Diagnstico, Prediccin (sistemas de autocontrol de reactores atmicos), Secuenciamiento de operaciones ("Scheduling"), Diseo, Interpretacin de datos. 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. 4) Campos de aplicacin: Ingeniera, Medicina, Sistemas de Manufactura, Administracin, Apoyo a la Toma de Decisiones Gerenciales, etc. Todas caen dentro de las reas de los sistemas computacionales, pero que se consideran como clientes de la Inteligencia Artificial.
3)

2.1 TIPOS DE CONOCIMIENTOS

1.
2.

3.
4. 5. 6.

Conocimiento del sentido comn. Por lo general no va acompaada de una explicacin de los hechos o sus explicaciones carecen de pruebas. Conocimiento mtico-religioso. Sus explicaciones satisfacen psicolgicamente al hombre, al reducir sus temores y la incomodidad ante lo desconocido que hay en la naturaleza y en l mismo. Conocimiento simblico. Constituido por la literatura, el arte y en general, todas las formas simblicas. Conocimiento tcnico. Exige el dominio de ciertas tcnicas o reglas de trabajo. Conocimiento Filosfico. Busca una explicacin racional del mundo. Conocimiento cientfico. Es una actividad del hombre, mediante la cual pretende conocer en forma cada vez ms completa las leyes de la naturaleza para controlarlas, explicarlas y darles una orientacin.

2.4 ESTRUCTURAS PARA ALMACENAR EL CONOCIMIENTO

Armour distingue cinco formas conocidas de almacenar el conocimiento DNA, el cerebro/memoria, herramientas/aparatos, libros y software y analiza las caractersticas, ventajas y desventajas de cada uno de ellos.
1.

DNA: Es el primer mtodo de almacenamiento del conocimiento. EL DNA existe para almacenar el conocimiento de cmo crear vida, como una mquina de Turing. El conocimiento est profundamente empotrado, pasar de grado es obligatorio para la supervivencia de las especies. El conocimiento es persistente, pero se actualiza muy lentamente. No tenemos la capacidad de cambiar el conocimiento todava, o s de forma intencionada. El DNA puede hacer crecer un objeto fsico que interacta y modifica el entorno. Cerebro: Es un experimento casi exclusivo de la raza humano: almacenar ms conocimiento en el cerebro que lo que se hereda en el DNA. Usamos nuestro cerebro para almacenar el conocimiento que adquirimos, fue el segundo mtodo de almacenar el conocimiento que conocimos. El conocimiento es muy voltil, pero podemos cambiarlo rpida e intencionalmente. Podemos aplicar ese conocimiento para afectar y modificar el mundo.

2.

3.

Mquinas y herramientas: El valor ms importante de una herramienta no es ella en s misma, sino como ha sido creada y modificada. El conocimiento del creador de esas herramientas es lo que marca las diferencias. Se las suele llamar tambin conocimiento slido y fue la tercera forma de almacenar el conocimiento. El conocimiento es bastante persistente, pero no es fcil de actualizar. Es intencional y existe para afectar el mundo exterior.
Libros: Ha permitido nuevas formas de depositar y acceder al conocimiento que hasta ese momento estaban confinados al cerebro. Hizo al conocimiento portable en el tiempo y en el espacio. El conocimiento es muy persistente, pero de actualizacin lenta. Aunque los libros son intencionales no tienen capacidad para cambiar al mundo. Software: Es la ltima forma conocida de hace slo unos 50 aos para almacenar el conocimiento. Despus de unos inicios dubitativos, est creciendo a una velocidad vertiginosa. Multitud de personas estn trabajando para obtener informacin de las fuentes ms diversas, comprenderla, clasificarla y trasladarla a este medio, y entonces intentan validar todo ese conocimiento. Hay una razn para que se invierta tanto esfuerzo, este medio tiene las caractersticas que deseamos y que no tienen los otros medios: es intencional, persistente, de actualizacin sencilla y rpida, y sobre todo es activo.

4.

5.

2.4.1 MARCOS DE MINSKY (FRAMES)

Creados en 1975 por Minsky, un marco es similar a una lista de

propiedades con valor. La diferencia principal es que los frames pueden encadenarse a otras estructuras.
Los marcos incorporan la representacin de entidades complejas

cuyas propiedades se incluyen en ranuras como en las redes semnticas pero tambin incorporan punteros a otros marcos y procedimientos por defecto para obtener conceptos cuando se especifican.
En los marcos los elementos se presentan convencionalmente en

la descripcin de un objeto o de un suceso. Se agrupan de modo que se puedan procesar o accederse a ellos como una unidad.

2.4.2 REDES SEMNTICAS

Una red semntica o esquema de representacin en Red es una forma de representacin de conocimiento lingstico en la que los conceptos y sus interrelaciones se representan mediante un grafo. En caso de que no existan ciclos, estas redes pueden ser visualizadas como rboles. Las redes semnticas son usadas, entre otras cosas, para representar mapas conceptuales y mentales.| Un ejemplo de red semntica. En un grafo o red semntica los elementos semnticos se representan por nodos. Dos elementos semnticos entre los que se admite se da la relacin semntica que representa la red, estarn unidos mediante una lnea, flecha o enlace o arista. Cierto tipo de relaciones no simtricas requieren grafos dirigidos que usan flechas en lugar de lneas.