I.

Unidad:
1. Clase 1: Introduccin

Visin Panormica de la Inteligencia Artificial

Inteligencia Artificial?

Inteligencia

- Capacidad para resolver problemas, pero de manera creativa (ser humano). Es

decir, elegir la mejor solucin.
- Emular la inteligencia natural con la computadora.

La inteligencia est determinada bsicamente por 4 procesos:

- Razonamiento.
- Percepcin.
- Aprendizaje.
- Actuacin.

Inteligencia Artificial?

La capacidad para resolver problemas de manera creativa pero de manera no natural.

Ciencia: Investigacin de nuevos mecanismos de: Razonamiento y aprendizaje.

Ingeniera: Construccin de Sistemas inteligentes. (soluciones)

Sistema inteligente:

Software inteligente con capacidad de aprender o de razonar.

Tcnicas de la Inteligencia Artificial.

Aprender:

- Algoritmos genticos: Se basa en la teora de charles (Adaptacin al ambiente).

Emulan el aprendizaje evolutivo. Buscan la mejor solucin de la mejor solucin.
Se usan en el rea de la optimizacin. Soluciones ptimas.
- Redes neuronales (Cerebro): Emulan el aprendizaje adaptativo. Imitan el
funcionamiento del cerebro.
Razonamiento:

- Sistemas expertos: Razonamiento exacto.

- Lgica difusa. Resultados aproximados.

Sistemas inteligentes: Software que aprende o Razona.

Agente Inteligente: tiene instalado dentro de l un sistema inteligente.
Percepcin: Sensores.
Actuacin: Actuadores.
El agente inteligente es el hardware + el software.
Tiene la facultad de aprender, razonar y actuar.

TAREA:

Inteligencia Artificial: Una visin moderna - Peter Norvig y Stuar Rusell.

Captulo 1.

TAREA:
Porque en Prolog para representar conocimiento primero se pone la condicin y luego
la premisa.

Clipsi: Otra herramienta.

2. Clase 2: Sistemas expertos:

El especialista resuelve problemas en un rea especfica.

La experticia se fundamenta en la forma como el experto humano lleva a cabo el

razonamiento. Razona de manera racional.

a. Diferencia entre heurstico y emprico.

- Conocimiento heurstico tiene una base terica y es capaz de resolver las preguntas
sabiendo el porqu de las cosas. El emprico solo se basa simplemente en la prctica.

- Conocimiento emprico: Son las buenas prcticas de un especialista. Nace de la

prctica. Justificado.
 METACONOCIMIENTO. Es el conocimiento sobre el conocimiento.
CONOCIEMIENTO Procesos que usa informacin para resolver problemas o generar
nueva informacin.
INFORMACIN. Coleccin de datos de acuerdo al entorno.
DATOS Letras, smbolos, sonidos
RUIDO. Alteracin del ambiente

Conocimiento declarativo: Describir

Conocimiento procedural: Actuar. Como

hacer las cosas
Tipos

Conocimiento tcito: Implcito. Se

sobreentiende. Nace de la experiencia.

Conocimiento explcito: Formal. Es la teora.

Lo que est en los libros.

Todo esto est en la Base de conocimiento.

Motor de inferencia: Es un algoritmo que permite implementar razonamiento,
inferir.
 Encadenamiento hacia adelante. Monitoreo.

Algoritmo

Encadenamiento hacia atrs. Diagnstico.

3. Clase 3: Algoritmos Genticos:

Algoritmos genticos:

Emulan el aprendizaje adaptativo. John Molland.

Optimo local.

Optimizacin

Optimo global.
 Agoritmos genticos
4.5
4
3.5
3 Poblacin.
2.5
2
1.5
1 Genes. Cromosoma
0.5
0 Solucin.
0 0.2 0.4 0.6 0.8 1 1.2

Cromosomas

Genes

S= C 60= 0111010

1. Variables
Pe= x1, x2,,xn
2. Dominio valores c/v
X1 e [0,10]
X2 e [0,36]
3. C. Dominio.- > Binario.
X1 e [0,10]-> x1 e [0000-0101]
X2 e [0,36]-> x1 e [00000-00101]
4. Estructura cromosomas:
CS x1,x2
CS= 0100 00001
Longitud de Cromosomas = 9

Respuesta a la tarea de Prolog

Por la relacin que maneja con el motor de inferencia que es el encadenamiento hacia
atrs.

TAREA: Computacin Evolutiva.

Ejercicio
Simular
ALGORITMOS GENTICOS

Computacin
Evolutiva

Programacin Estrategias Algoritmos

Gentica Evolutivas. Genticos

Optimizacin

Generar poblacin inicial (Aleatoria)

Evaluar
poblacin

Genera
Seleccin +
nueva
reproduccin
poblacin.

Mutacin Cruzamiento