Caractersticas de la Inteligencia Artificial. 1.

Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos numricos es el uso de smbolos no matemticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos, tambin procesan smbolos y no se considera que usen tcnicas de Inteligencia Artificial. 2. El comportamiento de los programas no es descrito explcitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cmo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explcitamente, cmo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento). Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las conclusiones intermedias alcanzadas durante las consideraciones al problema especfico. Los lenguajes orientados al objeto comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia Artificial. 3. El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de explicar discrepancias entre ellas. 4. Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a metas como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con una solucin cercana y no necesariamente exacta. La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en mquinas que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de palabras y aprendizaje de mquinas; sistemas computacionales expertos. Los sistemas expertos, que reproducen el comportamiento humano en un estrecho mbito del conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e indican un tratamiento, los que

interpretan datos sismolgicos en exploracin geolgica y los que configuran complejos equipos de alta tecnologa. Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas peligrosas, mejoran el desempeo del personal inexperto, y mejoran el control de calidad sobre todo en el mbito comercial. Diferentes teoras: 1. Construir rplicas de la compleja red neuronal del cerebro humano (bottom-up). 2. Intentar imitar el comportamiento del cerebro humano con un computador (top-down). Diferentes metodologas: 1. La lgica difusa: permite tomar decisiones bajo condiciones de incerteza. 2. Redes neuronales: esta tecnologa es poderosa en ciertas tareas como la clasificacin y el reconocimiento de patrones. Est 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. El perceptrn est constituido por las entradas provenientes de fuentes externas, las conexiones y la salida. En realidad 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 ponderada es tambin llamada campo. Si el campo es mayor que un umbral, la respuesta de la neurona es activa, si no, es inactiva. Con una arquitectura tan simple como la del perceptrn no se puede realizar ms que una clase de funciones "booleanas" muy simples, llamadas linealmente separables. Son las funciones en las cuales los estados de entrada con salida positiva pueden ser separados de aquellos a salida negativa por un hiperplano. Un hiperplano es el conjunto de puntos en el espacio de estados de entrada, que satisfacen una ecuacin lineal. En dos dimensiones, es una recta, en tres dimensiones un plano, etc. Si se quieren realizar funciones ms complejas con Redes Neuronales, es necesario intercalar neuronas entre las capas de entradas y de salida, llamadas neuronas ocultas. Una red multicapas puede ser definida como un conjunto de perceptrones, ligados entre si por sinapsis y dispuestos en capas siguiendo

diversas arquitecturas. Una de las arquitecturas ms comnmente usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y de stas hacia la salida. El funcionamiento de una Red Neuronal es gobernado por reglas de propagacin de actividades y de actualizacin de los estados.

El pensamiento sistmico es la actitud del ser humano, que se basa en la percepcin del mundo real en trminos de totalidades para su anlisis, comprensin y accionar, a diferencia del planteamiento del mtodo cientfico, que slo percibe partes de ste y de manera inconexa. El pensamiento sistmico aparece formalmente hace unos 45 aos atrs, a partir de los cuestionamientos que desde el campo de la Biologa hizo Ludwing Von Bertalanffy, quien cuestion la aplicacin del mtodo cientfico en los problemas de la Biologa, debido a que ste se basaba en una visin mecanicista y causal, que lo haca dbil como esquema para la explicacin de los grandes problemas que se dan en los sistemas vivos. Este cuestionamiento lo llev a plantear un reformulamiento global en el paradigma intelectual para entender mejor el mundo que nos rodea, surgiendo formalmente el paradigma de sistemas. El pensamiento sistmico es integrador, tanto en el anlisis de las situaciones como en las conclusiones que nacen a partir de all, proponiendo soluciones en las cuales se tienen que considerar diversos elementos y relaciones que conforman la estructura de lo que se define como "sistema", as como tambin de todo aquello que conforma el entorno del sistema definido. La base filosfica que sustenta esta posicin es el Holismo (del griego holos = entero).

Bajo la perspectiva del enfoque de sistemas la realidad que concibe el observador que aplica esta disciplina se establece por una relacin muy estrecha entre l y el objeto observado, de manera que su "realidad" es producto de un proceso de co-construccin entre l y el objeto observado, en un espacio tiempo determinados, constituyndose dicha realidad en algo que ya no es externo al observador y comn para todos, como lo plantea el enfoque tradicional, sino que esa realidad se convierte en algo personal y particular, distinguindose claramente entre lo que es el mundo real y la realidad que cada observador concibe para s. Las filosofas que enriquecen el pensamiento sistmico contemporneo son la fenomenologa de Husserl y la hermenetica de Gadamer, que a su vez se nutre del existencialismo de Heidegeer, del historicismo de Dilthey y de la misma fenomenologa de Husserl. La consecuencia de esta perspectiva sistmica, fenomenolgica y hermenutica es que hace posible ver a la organizacin ya no como que tiene un fin predeterminado (por alguien), como lo plantea el esquema tradicional, sino que dicha organizacin puede tener diversos fines en funcin de la forma cmo los involucrados en su destino la vean, surgiendo as la variedad interpretativa. Estas visiones estarn condicionadas por los intereses y valores que posean dichos involucrados, existiendo solamente un inters comn centrado en la necesidad de la supervivencia de la misma. As, el Enfoque Sistmico contemporneo aplicado al estudio de las organizaciones plantea una visin inter, multi y transdisciplinaria que le ayudar a analizar a su

empresa de manera integral permitindole identificar y comprender con mayor claridad y profundidad los problemas organizacionales, sus mltiples causas y consecuencias. As mismo, viendo a la organizacin como un ente integrado, conformada por partes que se interrelacionan entre s a travs de una estructura que se desenvuelve en un entorno determinado, se estar en capacidad de poder detectar con la amplitud requerida tanto la problemtica, como los procesos de cambio que de manera integral, es decir a nivel humano, de recursos y procesos, seran necesarios de implantar en la misma, para tener un crecimiento y desarrollo sostenibles y en trminos viables en el tiempo. Para mayor informacin sobre el tema, le recomendamos que visite nuestro Proyecto Cerebro Colectivo sobre Pensamiento de Sistemas, tambin puede revisar nuestros Cursos Presenciales y Online sobre Pensamiento de Sistemas y Ramas Afines o nuestras publicaciones y produccin digital (CDs / DVDs) sobre pensamiento sistmico.
Copilado por: Geomar Dlen Yanesker Montiel. Glendys Velazquez. Mariangel Araujo. Dayana Izaguirre. Tomado de: http://www.monografias.com/trabajos12/inteartf/inteartf2.shtml#caract