inteligencia artificial ing sistemaspptx

inteligencia artificial

1. NOMBRE DEL MAESTRO: MGTI. Wilbert Potenciano MORALES   MATERIA: Inteligencia Artificial. TEMA: 1.1 introducción a la inteligencia artificial CARRERA: ING. SISTEMAS COMPUTACIONALES   CALLE EJIDO S/N COL.SIGLO XXI FRONTERA CENTLA TAB.   INSTITUTO TECNOLOGICO SUPERIOR DE CENTLA

2. 1.1 introducción a la inteligencia artificial La INTELIOGENCIA ARTIFICIAL comenzó como el resultado de la investigación de la ciencia cognitiva que estudia cómo la información es representada y transformada en el cerebro humano, y la lógica matemática que estudia la forma del razonamiento. La Inteligencia Artificial es una combinación de informática, robótica, psicología, lógica matemática entre otros, con el único fin de crear máquinas que puedan simular un comportamiento inteligente es decir que puedan “pensar”. La idea de construir una máquina que pueda realizar tareas que requieran de inteligencia humana es uno de los objetivos de la IA, ya que esta pretende que estas máquinas no solo realicen la tarea con inteligencia sino que también aprendan o adquieran conocimientos, es por esto que desde 1956 los sistemas buscan mejorar su estructura de datos y el desarrollo de algoritmos.

3. 1.2 historia de la inteligencia artificial 1. GÉNESIS DE LA INTELIGENCIA ARTIFICIAL (1943-1955)   Warren McCulloch y Walter Pitts (1943) han sido reconocidos como los autores del primer trabajo de IA. Partieron de tres fuentes: conocimientos sobre la fisiología básica y funcionamiento de las neuronas en el cerebro, el análisis formal de la lógica preposicional de Russell y Whitehead y la teoría de la computación de Turing. Es por esto que se consideran los eventos más importantes en el origen de la IA (Russell, S., y Norvig , P. 2008).

4. 2. NACIMIENTO DE LA INTELIGENCIA ARTIFICIAL (1956) En 1956 se propone a la Inteligencia Artificial como una disciplina que buscaba reproducir comportamiento inteligente con la ayuda de una máquina. Esto se realizó en un Congreso sobre Informática Teórica en EEUU, en el que se definió el concepto de Inteligencia Artificial, como una nueva rama de la informática con entidad propia (Pino, R et all  2010).

5. 3. ENTUSIASMO INICIAL, GRANDES ESPERANZAS (1952-1969) Los primeros años de la IA estuvieron llenos de éxitos (aunque con ciertas limitaciones). Teniendo en cuenta lo primitivo de los computadores y las herramientas de programación de aquella época, y el hecho de que sólo unos pocos años antes, a los computadores se les consideraba como artefactos que podían realizar trabajos aritméticos y nada más, resultó sorprendente que un computador hiciese algo remotamente inteligente (Russell, S., y Norvig , P. 2008).

6. 4. UNA DOSIS DE REALIDAD (1966-1973) Desde el principio, los investigadores de IA hicieron públicas, sin timidez, predicciones sobre el éxito que les esperaba. Con frecuencia, se cita el siguiente comentario realizado por Herbert Simón en 1957: “Sin afán de sorprenderlos y dejarlos atónitos, pero la forma más sencilla que tengo de re­ sumirlo es diciéndoles que actualmente en el mundo existen máquinas capaces de pen­ sar , aprender y crear. Además, su aptitud para hacer lo anterior aumentará rápidamente hasta que (en un futuro previsible) la magnitud de problemas que serán capaces de re­ solver irá a la par que la capacidad de la mente humana para hacer lo mismo.”

7. 4. LA INTELIGENCIA ARTIFICIAL SE CONVIERTE EN CIENCIA (desde 1980 hasta el presente)   En 1982 por McDermott se creó el primer sistema experto comercial llamado R1 el cual utilizaba la elaboración de pedidos informáticos, 4 años más tarde R1 representó un ahorro de aproximadamente 40 millones de dólares al año y en 1988 la inteligencia artificial distribuía mas de 40 sistemas expertos. En la pelea de Japón y EEUU, por quién investigaba y desarrollaba más en la IA, ésta pertenecía a un proyecto que involucraba diseño de chips y la relación del ser humano con las máquinas (García, A .2012)

8. 1.3 las habilidades cognoscitivas seg ún la psicología. Teoría de la inteligencia (conductismo, Gardner,etc ). Son las facilitadoras del conocimiento, aquellas que operan directamente sobre la información: recogiendo, analizando, comprendiendo, procesando y guardando información en la memoria, para, posteriormente, poder recuperarla y utilizarla dónde, cuándo y cómo convenga. En general, son las siguientes:

9. 1. Atención: Exploración, fragmentación, selección y contra distractoras. 2. Comprensión (técnicas o habilidades de trabajo intelectual): Captación de ideas, subrayado, traducción a lenguaje propio y resumen, gráficos, redes, esquemas y mapas conceptuales. A través del manejo del lenguaje oral y escrito (velocidad, exactitud, comprensión). 3. Elaboración: Preguntas, metáforas, analogías, organizadores, apuntes y mnemotecnias. 4. Memorización / Recuperación (técnicas o habilidades de estudio): Codificación y generación de respuestas.

10. 1.4 el proceso de razonamiento según la lógica (axiomas, teoremas, demostración). Axioma. Proposición tan clara y evidente que se admite sin necesidad de demostración. Cada uno de los principios fundamentales e indemostrables sobre los que se construye una teoría. Ejemplo: 1+1=2 A es hermano de B C es hijo de A Entonces podemos decir que B es tío de C, o bien C es sobrino de B

11. Teorema Proposición demostrable lógicamente partiendo de axiomas o de otros teoremas ya demostrados, mediante reglas de inferencia aceptadas. Axiomas sobre alumno: - Estudia - Realiza tareas - Participa - Programa

12. Demostración Demostración matemática, argumento utilizado para mostrar la veracidad de una proposición matemática. En las matemáticas modernas una demostración comienza con una o más declaraciones denominadas premisas, y prueba, utilizando las reglas de la lógica, que si las premisas son verdaderas, entonces una determinada conclusión debe ser también cierta. Comprobación, por hechos ciertos o experimentos repetidos, de un principio o de una teoría. Tablas de verdad de la lógica: conjunción, disyunción, implicación, negación y condicional.

13. 1.5 el modelo de adquisición del conocimiento según la filosofía. La metodologia Common KADS, como cualquier otra ofrece una aproximacion para resolver los probelmas inherentes a la ingenieria del conocimiento provenientes de la experiencia y apoyados por los fundamentos de la ingeniería del software. Como se ha mencionado anteriormente, la ingeniería del conocimiento debe hacer frente a la recopilación de datos, dar forma a la información y generar más conocimiento.

14. 1.6 el modelo cognoscitivo. En toda situación de aprendizaje ( Pozo, 1999), espontáneo o generado en una experiencia educativa, puede identificarse tres componentes básicos: El qué se aprende (resultados), el cómo se aprende (los procesos cognitivos) y las condiciones del aprendizaje (la acción educativa) que responde a las preguntas cuándo, cuánto, donde, con quién etc. } Desde el punto de vista social cognoscitivo los resultados de aprendizaje se refieren a la manera como se construye significado al conjunto de categorías que constituyen un discurso disciplinar. Los resultados de aprendizaje no se refieren en especificidad a un saber sino al significado que un aprendiz le da a ese saber. La construcción de esos significados se hace en especial cuando el conocimiento se presenta estructurado.

15. 1.7 el modelo del agente inteligente, sistemas multi agentes, sistemas ubicuos. Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales percepciones y responder o actuar en su entorno de manera racional, es decir, de manera correcta y tendiendo a maximizar un resultado esperado.  Es posible clasificar los agentes inteligentes en 5 categorías principales: - Agentes reactivos - Agentes reactivos basados en modelo - Agentes basados en objetivos - Agentes basados en utilidad - Agentes que aprenden

16. 1.8 el papel de la heurística. Se denomina heurística a la capacidad de un sistema para realizar de forma inmediata innovaciones positivas para sus fines. La capacidad heurística es un rasgo característico de los humanos, desde cuyo punto de vista puede describirse como el arte y la ciencia del descubrimiento y de la invención o de resolver problemas mediante la creatividad y el pensamiento lateral o pensamiento divergente. En computación, dos objetivos fundamentales son encontrar algoritmos con buenos tiempos de ejecución y buenas soluciones, usualmente las óptimas. A menudo, pueden encontrarse instancias concretas del problema donde la heurística producirá resultados muy malos o se ejecutará muy lentamente

17. 1.8.1 algoritmos de exploración de alternativas.

18. 1.8.2 algoritmos a*. Es un algoritmo de búsqueda que encuentra la ruta de menor coste entre dos puntos siempre y cuando se cumplan una serie de condiciones. Se utiliza en juegos para determinar el recorrido que un objeto debe realizar; -Pacman en el que se aplicaba al comportamiento de los fantasmitas Operadores: La maximización o minimización, si la solución corresponde al costo entonces se intenta encontrar el mínimo global y si corresponde al objetivo se intenta encontrar el máximo global. En la resolución de los problemas de Sudoku de 8 variables Los algoritmos de búsqueda local no se preocupan por los caminos sino que se enfocan en su gran parte en el estado actual y se mueve de un estado vecino hacia otro.

19. 1.8.3 algoritmo de búsqueda local. Como ya he mencionado estos algoritmos de búsqueda local no se preocupan por los caminos que se puedan tomar para llegar a un estado óptimo, si no que se enfocan en su gran parte en el estado actual y se mueve de un estado vecino hacia otro, este tipo de algoritmos tienen algunas ventajas que los vuelven importantes en comparación con otros algoritmos como son: Son ahorrativos: No usan mucha memoria ya que no almacenan la secuencia de estados. Razonables: Ofrecen soluciones posibles a un problema cuando el espacio de estados es infinito. Óptimos: Capaces de encontrar el mejor estado en base a su función objetivo.