Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2
En 1956, John McCarthy acu la expresin
"inteligencia artificial", y la defini como:
"...la ciencia e ingenio de hacer mquinas inteligentes,
especialmente programas de cmputo inteligentes"
John McCarthy
(Premio Turing
1971) 3
Inteligencia Artificial = Inteligencia Computacional
Inteligencia exhibida por mquinas
Una
es Un Agente que
Mquina un
Racional percibe
Inteligente entorno
Flexible
(ideal)
realiza
Un
para la para
Objetivo
lograr posibilidad maximizar acciones
o
de xito
Tarea
http://ai.stanford.edu/
4
Observar Analizar
Formar Equipos
Ver y analizar secuencia de video
Elaborar Resumen
Presentar y Leer
5
Cuatro pilares bsicos, segn
Nilsson:
6
1. Bsqueda del estado requerido
en el conjunto de los estados
producidos por las acciones
posibles.
7
2. Algoritmos genticos (anlogo
al proceso de evolucin de las
cadenas de ADN).
8
3. Redes neuronales artificiales
(anlogo al funcionamiento
fsico del cerebro de animales y
humanos).
9
4. Razonamiento mediante una
lgica formal anlogo al
pensamiento abstracto humano.
Nils John Nilsson
10
Red Neuronal. Un gran nmero de pequeos
elementos procesadores interconectados
trabajando en forma paralela.
11
Mediante reglas aprendidas de la experiencia,
el ser humano se manifiesta mucho ms
eficaz que las computadoras en la resolucin
de problemas definidos de manera imprecisa,
ambiguos, o que requieren procesar gran
cantidad de informacin, el cerebro alcanza
estos objetivos, mediante miles de millones
(1011) de clulas simples e interconectadas
entre s, llamadas neuronas, localizadas en
un recinto determinado del cerebro.
12
Originadas en el conocimiento de las redes
neuronales biolgicas, funcionan porque cada
neurona recibe una serie de entradas a travs de
interconexiones y emite una salida.
13
Esta salida viene dada por tres funciones:
1. Propagacin
2. Activacin
3. Transferencia
14
Esta salida viene dada por tres funciones:
15
Esta salida viene dada por tres funciones:
16
Esta salida viene dada por tres funciones:
17
Principales componentes RNA:
18
Principales componentes RNA:
(X , f , Y)
Nodos de Entrada: X N ;
Nodo de Salida: Y ;
Funcin de activacin: f
19
Principales componentes RNA:
(N;U)
20
Red neuronal Artificial
Funcin procesadora
21
Aprendizaje: caractersticas de las RNA,
aprender a partir de ciertos datos:
22
Aprendizaje. Categoras por tipo de informacin
disponible:
23
- Aprendizaje No Supervisado:
1. Aprendizaje Hebbiano
2. Aprendizaje competitivo
3. Representacin de caractersticas
24
- Aprendizaje No Supervisado:
25
- Aprendizaje No Supervisado:
26
- Aprendizaje No Supervisado:
3. Representacin de caractersticas:
que concierne a la ordenacin
geomtrica de los vectores peso de
las unidades competitivas.
27
Machine Learning, disciplina cientfica de la IA,
que crea sistemas que aprenden
automticamente.
28
Se trata de crear programas capaces de
generalizar comportamientos a partir de una
informacin no estructurada suministrada en
forma de ejemplos.
29
Se solapa con el de la estadstica, ambas se
basan en el anlisis de datos.
30
Aplicaciones:
1. motores de bsqueda,
2. diagnsticos mdicos,
3. deteccin de fraude en el uso de tarjetas de
crdito,
4. anlisis del mercado de valores,
5. clasificacin de secuencias de ADN,
6. reconocimiento del habla y del lenguaje escrito,
7. juegos
8. y robtica
31
El aprendizaje automtico tiene como resultado
un modelo para resolver una tarea dada,
pueden ser:
1. Geomtricos
2. Probabilsticos (estadstica bayesiana)
3. Lgicos (rboles de decisin)
4. Agrupamiento
5. Gradiente
32
Atributo o caracterstica es un tipo de medida
realizada sobre cualquier instancia a medir.
33
Los valores del dominio pueden ser:
- valores binarios
34
El perceptrn, dentro de las RNA por Frank
Rosenblatt , puede ser un tipo de RNA o una
NA.
(1928 - 1969)
(1928 - 1969)
35
Rosenblatt rechaz el uso de la lgica
simblica aplicada a las RNA y defendi
mtodos probabilsticos.
Llam perceptrones, a redes capaces de
modificar los pesos de sus conexiones si las
respuestas de la red no eran las correctas y
demostr que estas redes se podan entrenar
para clasificar ciertos patrones en iguales o
distintos, por tanto que eran capaces del
reconocimiento de formas sencillas.
36
37
El procesamiento de seales es el procesamiento,
amplificacin e interpretacin de seales, pueden
ser:
1. Digitales: circuitos digitales, microprocesadores
y ordenadores.
2. Analgicas: capacitores, resistencias,
inductores, transistores o circuitos integrados,
filtros, tpicamente para voltaje, corriente, o
una carga elctrica.
3. Audio: sonidos.
4. Voz: voz humana
5. Video: movimientos en escenas
6. Matrices: Combinacin de las anteriores.
39
Los agentes se caracterizan por ser:
Autnomos (independientes)
Proactivos (tomar iniciativa)
Comunicacin (con otros agentes)
40
Los sistemas multiagentes son utilizados por
la industria en:
41
Se han creado plataformas y frameworks
especficos.
42
43