UNIVERSIDAD NACIONAL “JOSÉ FAUSTINO SÁNCHEZ CARRIÓN”

ELABORADO POR:

RUEDA CAVERO JHON FRANCIS

BACHILLER EN INGENIERIA INFORMATICA DE LA UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRION

TEMA:

INTELIGENCIA ARTIF ICIAL

INTELIGENCIA ARTIFICIAL

Un psicólogo de Harvard llamado Howard Garden, señalo que nuestra cultura había definido la inteligencia de manera muy estrecha y propuso en su libro " estructura de la mente", la existencia de por lo menos siete inteligencias básicas:

•Inteligencia lingüística

•Inteligencia lógico matemática

•Inteligencia espacial

•Inteligencia corporal – kinética

•Inteligencia musical

•Inteligencia interpersonal

•Inteligencia intrapersonal

I – INTELIGENCIA:

INTELIGENCIAS MULTIPLES

II – DEFINICION DE I.A.

Se denomina inteligencia artificial (IA) a la rama de las Ciencias de la Computación dedicada al desarrollo de agentes racionales no vivos.

Para explicar la definición anterior, entiéndase a un agente como cualquier cosa capaz de percibir su entorno (recibir entradas), procesar tales percepciones y actuar en su entorno (proporcionar salidas), y entiéndase a la [racionalidad] como la característica que posee una elección de ser correcta, más específicamente, de tender a maximizar un resultado esperado (este concepto de racionalidad es más general y por ello más adecuado que inteligencia para definir la naturaleza del objetivo de esta disciplina).

III - ESCUELAS DE PENSAMIENTO:

La IA se divide en dos escuelas de pensamiento:

• La inteligencia artificial convencional

• La inteligencia artificial computacional

I. A. CONVENCIONAL

Este enfoque se orienta a la creación de un sistema artificial capaz de realizar procesos cognitivos humanos haciendo importante ya no la utilidad como el método, los aspectos fundamentales de este enfoque se refieren al aprendizaje y adaptabilidad y sus autores son Newell y Simon de la Carnegie Mellon University.

Se conoce también como IA simbólico-deductiva. Está basada en el análisis formal y estadístico del comportamiento humano ante diferentes problemas:

•Razonamiento basado en casos•Sistemas expertos•Redes bayesianas•Inteligencia artificial basada en comportamientos•Smart process management

La Inteligencia Computacional (también conocida como IA subsimbólica-inductiva) implica desarrollo o aprendizaje interactivo. El aprendizaje se realiza basándose en datos empíricos.

Este enfoque se centra en la utilidad y no en el método algorítmico, los temas claves de este enfoque son la representación y gestión de conocimiento, sus autores más representativos son McCarthy y Minsky.

I. A. COMPUTACIONAL

John McCarthy

Marvin Minsky

V – CRÍTICAS:

Las principales críticas a la inteligencia artificial tienen que ver con su incapacidad de imitar por completo a un ser humano.

Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicación con el usuario. Este obstáculo es debido a la ambigüedad del lenguaje, y apareció ya en los inicios de los primeros sistemas operativos informáticos.

Los desarrollos en inteligencia artificial son mayores en los campos disciplinares en los que existe mayor consenso entre especialistas. Un sistema experto es más probable de ser programado en física o en medicina que en sociología o en psicología.

VI - APLICACIONES DE LA I. A.:

•Lingüística computacional

•Minería de datos (Data Mining)

•Industriales.

•Médicas

•Mundos virtuales

•Procesamiento de lenguaje natural (Natural Language Processing)

•Robótica

•Sistemas de apoyo a la decisión

•Videojuegos

•Prototipos informáticos

•Análisis de sistemas dinámicos.

•Smart process management

VII - LOGICA DIFUSA:

La lógica difusa o lógica heurística se basa en lo relativo de lo observado. Este tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre sí. Así, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores están contextualizados a personas y referidos a una medida métrica lineal.

VIII - ALGORITMOS GENETICOS:

Un algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solución a un problema específico En los años 1970, de la mano de John Henry Holland, surgió una de las líneas más prometedoras de la inteligencia artificial, la de los algoritmos genéticos. Son llamados así porque se inspiran en la evolución biológica y su base genético-molecular.

Estos algoritmos hacen evolucionar una población de individuos sometiéndola a acciones aleatorias semejantes a las que actúan en la evolución biológica (mutaciones y recombinaciones genéticas), así como también a una Selección de acuerdo con algún criterio, en función del cual se decide cuáles son los individuos más adaptados, que sobreviven, y cuáles los menos aptos, que son descartados.

IX - RED NEURONAL:

Las redes de neuronas artificiales (denominadas habitualmente como RNA o en inglés como: "ANN") son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales.

FUNCIONAMIENTO: Las redes neuronales consisten en una simulación de las propiedades observadas en los sistemas neuronales biológicos a través de modelos matemáticos recreados mediante mecanismos artificiales (como un circuito integrado, un ordenador o un conjunto de válvulas). El objetivo es conseguir que las máquinas den respuestas similares a las que es capaz de dar el cerebro que se caracterizan por su generalización y su robustez.

X - RED BAYESIANA:

Una red bayesiana, o red de creencia, es un modelo probabilístico multivariado que relaciona un conjunto de variables aleatorias mediante un grafo dirigido que indica explícitamente influencia causal. Gracias a su motor de actualización de probabilidades, el Teorema de Bayes, las redes bayesianas son una herramienta extremadamente útil en la estimación de probabilidades ante nuevas evidencias.

APLICACIONES: Las redes bayesianas son un tipo de modelos de minería de datos que pueden ser utilizados en cualquiera de las siguientes actividades de negocio:

•Prevención del fraude •Prevención del abandono de clientes •Marketing personalizado •Mantenimiento preventivo •Datos historicos de clientes •Clasificación de datos

XI - ROBOTICA EVOLUTIVA:

Cliff, Harvey y Husbands de COGS en la Universidad de Sussex introdujeron el término robótica evolutiva en el año 1993. En 1992 y 1993 dos equipos, Floreano y Mondada en la EPFL da Lausanne y el grupo de COGS informaron de los primeros experimentos de evolución artificial de robots autónomos.

La Robótica Evolutiva tiene varios objetivos, a menudo simultáneos. El punto de vista de la ingeniería crea controladores de robots para realizar tareas útiles en el mundo real. La Biología y otras ciencias de lo vivo obtienen simulaciones que reproducen fenómenos desde fisiológicos hasta ecológicos.

¡GRACIAS!