Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Pteg g-grupo n° 7- 8.9.13,20,-49 i-4visita-cap11-inteligenciaartificial

129 views

Published on

La inteligencia artificial (IA) es un área multidisciplinaria, que a través de ciencias como las ciencias de la computación, la matemática, la lógica y la filosofía, estudia la creación y diseño de sistemas capaces de resolver problemas cotidianos por sí mismos, utilizando como paradigma la inteligencia humana.

Published in: Education
  • Login to see the comments

  • Be the first to like this

Pteg g-grupo n° 7- 8.9.13,20,-49 i-4visita-cap11-inteligenciaartificial

  1. 1. Universidad Pedagógica Nacional Francisco Morazán Informática Básica Lic. Marcio Rodas Sección G Grupo n° 7 Inteligencia Artificial Capitulo 11
  2. 2. Agentes Inteligentes Un agente es un dispositivo que responde a estímulos procedentes de su entorno, disponen de sensores que le permiten recibir datos de su entorno.  Las acciones de los actuadores del agente deben constituir respuestas racionales a los datos recibidos a través de sus sensores
  3. 3. Metodología de Investigación  Línea de avance ingenieril: es la que en los investigadores están tratando de desarrollar sistemas que exigen un comportamiento inteligente.  Línea de avance teórica: es en la que los investigadores tratan de desarrollar una comprensión computacional de la inteligencia animal, y especialmente de la inteligencia humana.  La técnica ingenieril conduce a una metodología orientada al rendimiento, porque el objetivo ultimo es construir un producto que satisfaga ciertos objetivos de rendimiento. El enfoque teórico conduce a una metodología orientada a la simulación, porque el objetivo ultimo es ampliar nuestra compresión de la inteligencia, por lo que el énfasis se pone en el proceso subyacente mas que en el comportamiento exterior.
  4. 4. El test de Turing La propuesta de Turing consistía en permitir que una persona a la que llamaremos Interrogador, se comunicara con un sujeto de prueba por medio de un teclado, sin que el interrogador supiera si el sujeto de prueba era un ser humano o una maquina.
  5. 5. Percepción Áreas de investigación en el campo de la percepción: 1. Compresión de las imágenes: esta técnica de reconocimiento de imágenes es un método utilizado en los lectores ópticos de caracteres. Tiene la desventaja de exigir un cierto grado de uniformidad en cuanto al estilo, el tamaño y la orientación de los símbolos que se están leyendo. La tarea de comprender imágenes genéricas suele abordarse mediante un proceso en dos pasos:  Procesamiento de imágenes: que hace referencia a la tarea de identificar las características de la imagen.  Análisis de imágenes: hace referencia a la tarea de comprender lo que esas características significan.
  6. 6. Temas en el procesamiento de imágenes  Realce de contornos: es el proceso de aplicar técnicas matemáticas para clarificar las fronteras entre distintas regiones de una imagen; es un intento de convertir una fotografía en un dibujo compuesto por líneas.  Localización de regiones: es el proceso de identificar aquellas áreas de la imagen que tienen propiedades comunes, por ejemplo el mismo brillo, color o textura (Es la capacidad de reconocer regiones lo que permite a las computadoras añadir color a las películas antiguas en blanco y negro)  El suavizado: es el proceso de eliminar fallos en la imagen; evita que los errores de la imagen confundan a los otros pasos de procesamiento de imágenes, aunque una cantidad excesiva de suavizado puede hacer que se pierda información importante.
  7. 7. Análisis de imágenes Es el proceso de determinar que es lo que esos componentes representan y, que es lo que la imagen significa. El análisis de imágenes es uno de esos campos que ilustra como muchas tareas que la mente humana realiza de forma rápida y aparentemente fácil continúan desafiando las capacidades de las maquinas. Una técnica de análisis de imágenes consiste en comenzar con una suposición acerca de lo que puede ser la imagen y luego tratar de asociar los componentes de las imagen con los objetos cuya presencia se conjetura
  8. 8. Procesamiento del Lenguaje La compresión del lenguaje es un problema de la percepción. Los lenguajes de programación se construyen a partir de primitivas bien diseñadas, de modo que cada sentencia tiene una única estructura gramatical y un único significado Niveles de análisis para descubrir el significado del lenguaje natural  Análisis Sintáctico: es en este nivel cuando se reconoce a María como sujeto de la frase “María le dio a juan una tarjeta de cumpleaños "Mientras que en la frase: “Juan recibió una tarjeta de cumpleaños de maría” Se reconoce que el sujeto es juan.
  9. 9.  Análisis Semántico: Tiene la tarea de identificar el papel semántico de cada palabra de la frase; trata de identificar cosas tales como la acción descrita, el agente de esa acción (Que puede ser o no el sujeto de la frase) y el objeto de la acción. Es el análisis semántico lo que permite saber que las frases “María le dio a Juan una tarjeta de cumpleaños” y “Juan recibió una tarjeta de cumpleaños de María ” dicen lo mismo  Análisis contextual: Es en este nivel cuando se incluye en el proceso de compresión el contexto de la frase.
  10. 10. Otras áreas en el procesamiento de investigación en el proceso de lenguaje natural  Recuperación de información: hace referencia a la tarea de identificar documentos relacionados con el tema que estemos tratando.  Extracción de información: hace referencia a la tarea de extraer información de los documentos, con el fin de darle una forma que resulte útil para otras aplicaciones. Una de esas maneras que puede almacenarse la información se conoce con el nombre de Marco, que es básicamente una plantilla en la que se guardan detalles específicos. Otra manera se conoce con el nombre de red semántica; se trata, de una gran estructura de datos enlazados, en la que se emplean punteros para indicar las asociaciones entre los distintos elementos de datos.
  11. 11. Razonamiento Sistemas de producción: el desarrollo de las capacidades de razonamiento y el reconocimiento de que existe una gran clase de problemas de razonamiento que representan características comunes las cuales se pueden definir mediante una entidad abstracta es lo que se llama sistema de producción, esta formada por tres componentes principales:  Un conjunto de estados: Cada estado es una situación que puede presentarse dentro del entorno de aplicación concreto en el que nos encontramos. El estado del que se parte se denomina estado inicial; el estado (o estados) deseados se denomina estado objetivo.  Un conjunto de producciones (reglas o movimientos). Una producción es una operación que puede realizarse en el entorno de aplicación con el fin de pasar de un estado a otro. Cada producción puede estar asociada con una serie de precondiciones.
  12. 12.  Un sistema de control: esta compuesto de la lógica que resuelve el problema de pasar del estado inicial al estado objetivo. El sistema de control debe decidir que piensa mover. Un concepto importante en el desarrollo de un sistema de control es el de espacio del problema; que es conjunto de todos los estados, producciones y precondiciones existentes en un sistema de producción
  13. 13. Arboles de Búsqueda El trabajo del sistema de control consiste en explorar el grafo de estados; (consta de un conjunto de nodos que representan los estados del sistema conectados mediante flechas que representan las producciones que hacen pasar al sistema de un lado al otro) para encontrar una ruta que nos lleve desde el nodo inicial al modo objetivo. Un método simple de realizar esta búsqueda cosiste en recoger cada una de las flechas que salen del estado inicial y anotar, en cada caso, el estado de destino. El efecto de esta estrategia es el de construir un árbol, denominado árbol de búsqueda, que esta compuesto por aquella parte del grafo de estados que ha sido explorada por el sistema de control. El nodo raíz del árbol de búsqueda será el estado inicial y los hijos de cada nodo son aquellos estados que resultan alcanzables a partir del padre aplicando una producción
  14. 14. Heurística Heurístico es un valor cuantitativo asociado con cada estado. Un heurístico debe tener dos características.  Debe ser una estimación razonables de la cantidad de trabajo restante en la solución si se llevase a alcanzar el estado asociado.  Debe ser fácil de calcular; es decir que su uso debe darnos la posibilidad de bonificar al proceso de búsqueda en lugar de entorpecerlo
  15. 15. Áreas adicionales de investigación Representación y manipulación del conocimiento. Representar el conocimiento no cosiste simplemente en la representación de hechos, sino que abarca un espectro mucho mas amplio. Aprendizaje Niveles de aprendizaje  Aprendizaje por imitación: es en el que una persona demuestra directamente los pasos que componen una tarea y la computadora se limita a anotar los pasos.  Aprendizaje mediante entrenamiento supervisado: una persona identifica la respuesta correcta para una serie de ejemplos y luego la gente generaliza a partir de esos ejemplos, con el fin de desarrollar un algoritmo que se pueda aplicar a nuevos casos. La serie de ejemplos se denomina conjunto de entrenamiento  Aprendizaje por refuerzo: a la gente se le proporciona una regla general para que juzgue por si mismo si ha tenido éxito o a fallado a la hora de realizar una tarea durante un proceso de prueba y error
  16. 16. Algoritmos genéricos descubren una solución combinando un comportamiento aleatorio con una simulación de la teoría reproductiva y del proceso evolutivo de la selección natural. Comienza generando un conjunto aleatorio de soluciones de prueba. Cada solución de prueba se denomina cromosoma y cada componente del cromosoma se llama gen.  La solución mediante algoritmos genéricos se conoce con el nombre de programación evolutiva
  17. 17. Redes neuronales artificiales Las redes neuronales artificiales proporcionan un modelo de procesamiento por computadora que simula las redes de neuronas de los sistemas biológicos de los seres vivos. Una neurona biológica es una única celda con una serie de tentáculos de entradas denominadas dendritas y un tentáculo de salida denominado axón. Una neurona en una red de neuronas artificial es una unidad software que imita este modelo básico de una neurona. Genera una salida de 1 a 0, dependiendo de si su entrada efectiva excede un cierto valor, que se denomina valor umbral de la neurona. *Las redes neuronales artificiales no se programan sino que se les entrena
  18. 18. Robótica Es el estudio de los agentes físicos autónomos que se comportan de manera inteligente. Las investigaciones en robótica abarcan, todas las áreas de la inteligencia artificial.

×