 | | | |
 La Inteligencia Artificial (o I.A) se puede definir como el estudio de las facultades mentales a través del uso de modelos computacionales. Este término data de los años 50 del siglo XX y se debe a un grupo de científicos que estudiaron el cerebro humano como modelo natural, integrando la cibernética y las computadoras (McCarthy, Minsky, Newell, Simon)
- En palabras de Minsky, la Inteligencia Artificial es "el estudio de cómo programar computadoras que posean la facultad de hacer aquello que la mente humana puede realizar".
- otra definición extendida es la de Hayes que consideró que la Inteligencia Artificial es la implementación de razonamientos inteligentes mediante técnicas propias de la computación. Esta definición establece un lazo de unión entre la máquina, la inteligencia y la actividad del ser humano.
- Caracterizar los sistemas inteligentes incluye las tareas de :
- Reconocerlos y distinguirlos de los sistemas convencionales.
- Clarificar el papel de la inteligencia en estos sistemas.
- Identificar los problemas para los cuales la Inteligencia Artificial es la única o la mejor solución
Una máquina inteligente debe hacer las cosas que nosotros queremos que haga, que nosotros haríamos, pero quizás no como nosotros las hacemos.
 Una aproximación práctica y realista a la I.A es conseguir que estas técnicas realicen de forma eficiente
una serie de tareas que nos faciliten nuestro trabajo, quizás en menos tiempo, con menos datos, aunque no pasaran el test de Turing.
Se trata de que las soluciones de la I.A sean mejores que otras para esas tareas determinadas.
En lugar de confiar en las habilidades del programador, un verdadero programa inteligente aprenderá de su experiencia por generalización y abstracción, emulando la mente humana, especialmente en su habilidad para razonar y aprender en un ambiente de incertidumbre, imprecisión, con información incompleta o errónea etc.. características propias del mundo real, tanto de los sistemas como del lenguaje natural.
De esta forma es capaz de modelar y controlar una amplia variedad de sistemas complejos, constituyéndose en una herramienta efectiva para tratar con problemas hasta ahora no abordados por su complejidad o por la naturaleza de su información.
Así se utiliza en general para la toma de decisiones en ambientes con incertidumbre, razonamiento aproximado, la clasificación y comprensión de señales, el reconocimiento de patrones etc.
Sus aplicaciones están relacionadas, entre otros ámbitos, con el comercio, las finanzas, la medicina, la robótica o la automatización.
- ESTRATEGÍAS DE LA INTELIGENCIA ARTIFICIAL
 Los avances en diferentes campos como la computación, electrónica, procesamiento de señales, sensores etc proporcionan nuevos medios para el desarrollo de la I.A
La I.A es un campo multidisciplinar y en constante evolución, utiliza diferentes técnicas para conseguir sus cometidos.
Concretamente la I.A puede hacer uso de :
- Nuevas técnicas de programación y entornos avanzados de programación
- Técnicas para el tratamiento heurístico
Algunas de las metodologías de la I.A son p.ej, los sistemas expertos, lógica borrosa o fuzzy, sistemas híbridos, algoritmos de búsqueda, autómatas, redes de Petri, redes neuronales, computación evolutiva..
Aunque las técnicas de la I.A tienen un desarrollo y fundamentación independiente, sin embargo; se combinan algunas de ellas componiendo los denominados "sistemas inteligentes híbridos", que combinan dos o más de estas técnicas para aplicaciones a sistemas que debido a su complejidad requieren un tratamiento desde diferentes enfoques.
- De esta manera, se habla de los sistemas 'neuro-borrosos', que utilizan estrategias de las redes neuronales junto con la lógica borrosa o fuzzy, los neuro-genéticos : donde se combinan los algoritmos genéticos (estrategia de la computación evolutiva) y se aplican en combinación con la lógica borrosa etc.
- Cabe destacar la unión de técnicas denominadas clásicas junto con las propias de la I.A, aparte de complementarse y aumentar la potencialidad de métodos aplicados hasta ahora en entornos como la Robótica, control Industrial etc.
- Esta unión de técnicas ve favorecida su inclusión en la industria y economía, porque en muchas ocasiones la apariencia y utilización, mantienen las principales características de los sistemas con los que los operadores de distintos ámbitos están acostumbrados a trabajar.
- Cada metodología se centra en un aspecto de los seres vivos.
- Las Redes neuronales actuan como una metáfora del cerebro (con estructura similar a las conexiones que se establecen en las sinapsis del mismo)
- La lógica fuzzy permite tratar las imprecisiones del lenguaje e implementa el razonamiento aproximando la computación con palabras
- Los sistemas basados en reglas suponen una gran ayuda a los diágnosticos y toma de decisiones
- La Computación Genética como método de busqueda aleatoria y optimización aleatoria sistematizada
- El razonamiento probabilístico: análisis de decisiones
- etc.
http://es.wikipedia.org/wiki/Red_de_Petri
- Formulada en 1962, la primera teoría general para sistemas discretos paralelos, por Carl Adam Petri. Las Redes de Petri son una generalización de la teoría de autómatas.
- Utilizan métodos gráficos para representar sistemas como condiciones y eventos. Los módelos de red de Petri formulan las propiedades de un sistema en el lenguaje de la lógica, y también utilizan la representación algebraica
http://es.wikipedia.org/wiki/Sistemas_Expertos
- Sistemas Expertos : Conjunto de programas informáticos que aplican procesos del razonamiento humano al conocimiento de un experto, para solucionar tipos de problemas específicos.
- La lógica fuzzy o borrosa es una forma matemática de representar la imprecisión inherente al lenguaje natural. Las variables toman valores linguísticos. Implementa la forma de razonar propia del sentido común.
- La estructura de las redes neuronales emulan los procesos biológicos del aprendizaje humano.
- Los elementos de procesamiento (neuronas) operan en paralelo formando múltiples sistemas compuestos.
- La función de cada elemento de procesamiento (o neurona) es determinada por la estructura de la red , las conexiones y el procesamiento local realizado por los elementos computacionales o nodos.
- Estas redes pueden aprender de datos de entrenamiento y en realidad son aproximaciones de funciones matemáticas.
 COMPUTACIÓN EVOLUTIVA
- Desarrolla programas utilizando como patrones, procesos del mundo biológico, tales como la Evolución o la Selección Natural.
- Se aplica a problemas de mejora de rendimiento u optimización, programación automática y aprendizaje de máquinas.
- Dentro de este área se hallan los algoritmos Genéticos y el sistema computacional inmunizado, basado en la operación de un sistema biológico inmune.
- Un algoritmo genético es, a grandes rasgos, un método de busqueda y mejora (u optimización)
- Basa su funcionamiento según los modelos genéticos de la selección natural en los seres vivos
- Su funcionamiento consiste en evolucionar a partir de una población inicial que contiene las soluciones candidatas (o individuos candidatos) para un determinado problema.
- El algoritmo utilizará funciones de ajuste para evaluar las soluciones halladas e intentará producir nuevas generaciones de soluciones mejores que las anteriores.
- Su uso se centra en problemas de optimización complejos por su facultad para producir múltiples soluciones paralelamente.
- Es la aplicación de los principios evolutivos de los algoritmos Genéticos para que programas informáticos evolucionen.
- Como en los *principios actuales de la biología esto conduce al predominio de los programas más aptos para la solución de un problema
- En la población los individuos son programas, cada siguiente generación aparece por la reproducción de los mejores programas, añadiendo un pequeño factor de mutaciones "aleatorias".
**Los citados principios de la biología como la selección natural o la evolución comienzan a ser cuestionados a día de hoy, encontrando la típica oposición por parte de la mayoría, (parece una constante universal), a cambios en teorías tan arraigadas.
De ser cierto deberían replantearse bastantes cosas ¿incluyendo ciertos enfoques en la IA?.
Entrevista a Máximo Sandin en RedCientífica
http://www.redcientifica.com/doc/doc200810221001.html
- Conjunto de técnicas para examinar y determinar relaciones altamente complejas entre datos clasificados inicialmente al azar.
- Una de sus características (de este tipo de datos) es que una pequeña variación en sus condiciones iniciales, puede dar cambios importantes en el resultado muy rapidamente.
- La premisa fundamental que se utiliza parte de la Teoría del Caos, en el que la unidad individual no importa; lo que importa son las simetrías recursivas entre diferentes niveles del sistemas.
|
|
|  |  | |  |
| |
|
