Mis estadisticas

sábado, 16 de abril de 2011

Inteligencia Artificial

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 una capacidad humana que permite pensar, evaluar y actuar conforme a ciertos principios de optimidad y consistencia , para satisfacer algún objetivo o finalidad.

De manera más específica la inteligencia artificial es la disciplina que se encarga de construir procesos que al ser ejecutados sobre una arquitectura física producen acciones o resultados que maximizan una medida de rendimiento determinada, basándose en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura.

Se dice que la AI es un campo que por sus investigaciones trata de ser independiente de la informática, y se define como la técnica d e software que los programas utilizan para dar solución a algún tipo de problema, pero tratando de asemejar el comportamiento inteligente que se observa en la naturaleza; es decir, trata de resolver problemas y tomar decisiones similares a las que toman los seres humanos al afrontar la vida diaria, realizando programas de computadora que aumenten la capacidad o “inteligencia“ de las mismas; el objetivo de las investigaciones de la IA es, aumentar la utilidad de las máquinas y sus procesos.
 

Así pues, una de las pretensiones de la IA es construir réplicas de la compleja red neuronal del cerebro humano e intentar imitar el comportamiento del cerebro humano con una computadora.

Las áreas de investigación de la IA
 

Son muchas las áreas de la IA que se investigan hoy día. Entre ellas, tenemos las siguientes:

·         La representación del conocimiento, que busca en el descubrimiento de métodos expresivos y eficientes describir información sobre aspectos del mundo real.

·         Los métodos de aprendizaje automático, que extienden las técnicas estadísticas con el fin de posibilitar la identificación de un amplio rango de tendencias generales a partir de un conjunto de datos de entrenamiento.

·         El campo de la planificación, que enfrenta el desarrollo de algoritmos que construyen y ejecutan automáticamente secuencias de comandos primitivos con el fin de alcanzar ciertas metas de alto nivel.

·         Los trabajos en el área de razonamiento posible, que hacen uso de principios estadísticos para desarrollar codificaciones de información incierta.

·         El estudio de las arquitecturas de agentes, que busca la integración de otras áreas de la IA con el objeto de crear agentes inteligentes, entidades robustas capaces de comportamiento autónomo y en tiempo real.

·         La coordinación y colaboración multiagentes, que ha permitido el desarrollo de técnicas para la representación de las capacidades de otros agentes y la especificación del conocimiento necesario para la colaboración entre ellos.

·         El desarrollo de ontologías, que persigue la creación de catálogos de conocimiento explícito, formal y multipropósito, que puedan ser utilizados por sistemas inteligentes.

·         Los campos de procesamiento de voz y lenguaje, que buscan la creación de sistemas que se comunican con la gente en su lenguaje.

·         La síntesis y comprensión de imágenes, que conduce a la producción de algoritmos para el análisis de fotografías, diagramas y videos, así como también de técnicas para el despliegue visual de información cuantitativa y estructurada.

viernes, 15 de abril de 2011

Áreas de aplicación

La IA se aplica en los sistemas reales en una gran variedad de ramas y problemas:

·         Gestión y control: análisis inteligente, fijación de objetivos.
·         Fabricación: diseño, planificación, programación, monitorización, control, gestión de proyectos, robótica simplificada y visión computarizada.
·         Educación: adiestramiento práctico, exámenes y diagnóstico.
·         Ingeniería: diseño, control y análisis.
·         Equipamiento: diseño, diagnóstico, adiestramiento, mantenimiento, configuración, monitorización y ventas.
·         Cartografía: interpretación de fotografías, diseño, resolución de problemas cartográficos.
·         Profesiones: abogacía, medicina, contabilidad, geología, química.
·         Software: enseñanza, especificación, diseño, verificación, mantenimiento.
·         Sistemas de armamento: guerra electrónica, identificación de objetivos, control adaptativo, proceso de imágenes, proceso de señales.
·         Proceso de datos: educación, interface en lenguaje natural, acceso inteligente a datos y gestores de bases de datos, análisis inteligente de datos.
·         Finanzas: planificación, análisis, consultoría.

Mas Informacion: Areas de aplicacion

jueves, 14 de abril de 2011

Metodos Inteligentes

Redes neuronales dentro de la AI

Las redes neuronales son modelos que intentan reproducir el comportamiento del cerebro. Los mismos constan de dispositivos elementales de proceso: las neuronas. A partir de ellas, se pueden generar representaciones específicas, de tal forma que un estado conjunto de ellas puede significar una letra, un número u otro objeto. 

Generalmente se pueden encontrar tres tipos de neuronas:

Aquellas que reciben estímulos externos relacionados con el aparato sensorial, que tomarán la información de entrada.

Dicha información se transmite a ciertos elementos internos que se ocupan de su procesamiento. Es en las sinapsis y neuronas correspondientes a este segundo nivel donde se genera cualquier tipo de representación interna de información. Como no tienen relación directa con la información de entrada ni con la salida, estos elementos se denominan unidades ocultas.
Una vez finalizado el período de procesado, la información llega a las unidades de salida, cuya misión es dar la respuesta al sistema.

miércoles, 13 de abril de 2011

REDES SEMANTICAS

Una red semántica o esquema de representación en Red es una forma de representación de conocimiento lingüístico en la que los conceptos y sus interrelaciones se representan mediante un grafo. En caso de que no existan ciclos, estas redes pueden ser visualizadas como árboles. Las redes semánticas son usadas, entre otras cosas, para representar mapas conceptuales y mentales.


En un grafo o red semántica los elementos semánticos se representan por nodos. Dos elementos semánticos entre los que se admite se da la relación semántica que representa la red, estarán unidos mediante una línea, flecha o enlace o arista. Cierto tipo de relaciones no simétricas requieren grafos dirigidos que usan flechas en lugar de líneas.

Las redes semánticas han sido muy utilizadas en Inteligencia Artificial para representar el conocimiento y por tanto ha existido una gran diversificación de técnicas. Los elementos básicos que encontramos en todos los esquemas de redes son:
  1. Estructuras de datos en nodos, que representan conceptos, unidas por arcos que representan las relaciones entre los conceptos.
  2. Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos.
Mas informacion:

Inteligencia Distribuida

La inteligencia artificial distribuida (IAD) aparece en la década de los 80's como una nueva rama de la inteligencia artificial (IA) que tiene el fin de estudiar sistemas inteligentes formados por un conjunto de varios agentes, estos intenta resolver problemas en donde una conducta colectiva es más eficiente que una conducta individual, como lo estudia la inteligencia artificial que hace el análisis de un único agente que se encuentra en un ambiente no cambiante y que intenta resolver todo el problema con solo esta entidad.

La dimensión y la complejidad de los nuevos sistemas de información son cada vez mayores, los planes para encontrar una solución global ante cierto problema necesitan integrar soluciones de problemas más pequeños. Lo anterior se asemeja a la idea de “divide y vencerás”, en la cual los planes para resolver subproblemas son más simples y precisos. Alonso particulariza las razones que influyeron en el paso de la IA a la IAD en dos, las primeras son razones epistemológicas y las segundas razones son técnicas.

Áreas de trabajo de la IAD  


Los anteriores problemas básicos que intenta atacar la IAD se solucionan mediante diferentes teorías que se ven reflejadas en distintas áreas de trabajo, las cuales se pueden descomponer en cuatro perspectivas (figura 1) [IGLE 1998].

 
  • Perspectiva de grupo 
Estudia las teorías y técnicas que caracterizan a un grupo de agentes, es decir los métodos necesarios para formar una sociedad de agentes para que exista cierto grado de planeación, coordinación, comunicación y coherencia entre sus entidades. 
  •  Perspectiva de agente 
Estudia la entidad agente, arquitecturas para desarrollo de agentes, lenguajes para desarrollo y comunicación de agentes, clasificación de tipo comercial y estructural, además como puede este cooperar en la sociedad de agentes. 
  •  Perspectivas Particulares 
Estudia las relaciones existentes de campos de la informática como la IA, Ingeniería de Software con la IAD. Por ejemplo sistemas de información abiertos que reaccionan a casos imprevistos, por lo que son inconsistentes, asíncronos, concurrentes, con control descentralizado; ecosistemas para evaluar un agente o la sociedad de agentes en base a una analogía ecológica y ver como esta evoluciona con el paso de las iteraciones; ingeniería de software basada en agentes los agentes encapsulan los programas y mediante la definición de unas primitivas, permiten el intercambio de órdenes y datos entre los programas .
  • Perspectivas del diseñador 
Estudia metodologías y herramientas para poder desarrollar software basado en agentes. Las metodologías asisten al desarrollador de sistemas de IAD en el ciclo de vida, y las herramientas le sirven en la implementación de dichos sistemas.


Mas informacion:  Inteligencia Distribuida

Elementos básicos

Aquí se maneja la siguiente simbología.
- variables x, y, z
- funciones f, g, h
- constantes a, b, c
-Símbolo de predicado P, Q, R, S, T
-Símbolos de puntación "(", ")", ","

Aunado a estos símbolos se utilizan los siguientes conceptos.
·         UNIVERSO El cual identifica a la totalidad de los valores que puede tomar una variable.
·         TERMINO Una variable es un termino, así como f(t) donde f es una función y T es una secuencia de uno o mas términos: Ejemplo: f(x), h(y), g( x,y,h(x) ), x, y,z, f( h(x,y), y(z,f(z) )
·         FORMULA ATOMATICA Una formula automática es un predicado p(x), donde P es el nombre del predicado y X es un termino. Ejemplo: Es-verde (limón) mamífero (Pedro) mamífero (ballena, delfín, cobras)
·         LITERAL Los literales son predicados o negaciones de predicados. Ejemplo: mamífero (Pedro) ~ mamífero (vidrio)
·         FORMULAS BIEN FORMADAS (WFF) Una WFF es una secuencias de formulas Atómicas ( o predicados) concatenados por medio de operadores lógicos. Ejemplo: P(x) v Q(y) ^ ~R(S) P(x) ^ Q(z) ==> ~R(s) mamífero(perro)=>tiene_sangre_caliente(perro)
·         SENTECE Las expresiones son wff donde el alcance de las variables esta perfectamente bien definido mediante cuantificadores o bien UNIVERSALES ó bien EXISTENCIALES.
Nota:

Símbolos
Definición

V
Para todo(cuantificador Universal)
E
Existe(Cuantificadores Existencial)
E
equivale a ~V No existe



Ejemplo:

Todo mamífero tiene sangre caliente
V mamífero(x) => tiene_sangre_caliente(x)
Todos los hijos tienen un padre y una Madre
V hijo(x) => E madre(y)^ padre(z)


·         CLAUSULA: Es una disyunción de literales (una cláusula es una disyunción de predicados y/o predicados negados.

Ejemplos.
Conjunción equivale a And ( ^ )
Disyunción equivale o or (v)

Logica Proposicional y de Predicados

La lógica, o al menos la matemática lógica, consiste en deducciones. Vamos a examinar las reglas de deducción haciendo uso de precisión que caracteriza el enfoque matemático Al hacer esto, si queremos que haya tenemos que hacer inequívoco nuestro lenguaje, y la manera matemática estándar de lograr esto consiste en introducir un lenguaje simbólico en el que los símbolos tengan significados y usos enunciados con toda precisión.

El lenguaje, como instrumento de comunicación del conocimiento humano, está constituido por frases de tipo interrogativo, imperativo y declarativo. Estas últimas constituyen el elemento básico de la descripción del conocimiento.

El conocimiento puede producirse bien por constataciones de hechos o ideas, que tienen un reflejo en frases de tipo declarativas, como por deducción, a partir de una serie de declaraciones, de otras nuevas cuya afirmación se sigue necesariamente de las declaraciones previas.

Todas las presentaciones de las formulas matemáticas de la lógica más usual, tienen en común una etapa previa de simbolización de las formas de lenguaje usual que puede hacerse a dos niveles según el grado de complejidad del análisis y son el Cálculo Proposicional y el Cálculo de Predicados.