EFECTOS DE LAS COMPUTADORAS SOBRE LA SOCIEDAD “INTELIGENCIA ARTIFICIAL” Área Académica: Ingeniería Profesor(a): M. en S.C. Jaqueline Sánchez Espinoza Periodo: Enero-Mayo 2015

Resumen La inteligencia artificial es aquella que trata de explicar el funcionamiento mental basándose en el desarrollo de algoritmos para controlar diferentes cosas. La inteligencia artificial combina varios campos, como la robótica, los sistemas expertos y otros, los cuales tienen un mismo objetivo, que es tratar de crear máquinas que puedan pensar por sí solas, lo que origina que hasta la fecha existan varios estudios y aplicaciones, dentro de las que se encuentran las redes neuronales, el control de procesos o los algoritmos genéticos.

Abstract Artificial intelligence is one that attempts to explain mental functioning based on the development of algorithms to control different things. Artificial intelligence combines several fields such as robotics, expert systems and others, which have the same goal, which is to try to create machines that can think for themselves, resulting so far there are several studies and applications, within which are neural networks, process control and genetic algorithms. Keywords: Branches, Intelligence, Applications.

Desarrollo del tema UNIDAD II Efectos de las Computadoras sobre la sociedad 2.1 Inteligencia Artificial 2.2 Sistemas Expertos 2.3 Ejemplos 2.4 Referencias

La Inteligencia Artificial es la parte de la Ciencia que se ocupa del diseño de sistemas de computación inteligentes, es decir, sistemas que exhiben las características que asociamos a la inteligencia en el comportamiento humano que se refiere a la comprensión del lenguaje, el aprendizaje, el razonamiento, la resolución de problemas, entre otros. 2.1 INTELIGENCIA ARTIFICIAL (IA) 2.1 INTELIGENCIA ARTIFICIAL (IA)

Estudios centrados en Redes Neuronales. Demostración de Teoremas y Ajedrez. (1937) Matemático Ingles Alan Mathison Turing (Articulo "Números Calculables”), introdujo la Máquina de Turing, una entidad matemática abstracta que formalizo el concepto de algoritmo y resulto ser la precursora de las computadoras digitales ETAPAS DE LA IA ETAPAS DE LA IA :

2.1.2 PRINCIPALES RAMAS Desarrollo de dispositivos mecánicos o de computación que tengan la capacidad de realizar funciones y/o tareas que requieran de un alto grado de precisión, tediosas o impliquen riesgo de peligro para los seres humanos. I.A. Robótica

Equipos y software que les permite a las computadoras capturar, almacenar y manipular imágenes visuales y fotografías. Se pueden usar junto con robots para darles "visión" a estas máquinas y que pueda tomar decisiones con base a lo que ve y reconocer la información visual de acuerdo con patrones generales. I.A. Robótica Sistema de visión

Programas que tienen como entrada lenguajes humanos para traducirlos en un conjunto estándar de instrucciones que una computadora ejecuta. Permiten a los seres humanos usar su propio lenguaje natural cuando interactúan con programas como sistemas de administración de bases de datos (DBMS). I.A. Robótica Sistema de visión Procesamiento de Lenguaje Natural

El objetivo de los procesadores de lenguaje natural es eliminar paulatinamente la necesidad de aprender lenguajes de programación o comandos personalizados para que las computadoras entiendan. Su ventaja radica en que combinados con dispositivos de reconocimiento de voz, el usuario de instrucciones a las computadoras para que realicen tareas, sin usar un teclado o cualquier otro dispositivo de entrada. Procesamiento de Lenguaje Natural

Combinación de software y equipos que le permite a la computadora cambiar su modo de funcionar o reaccionar a situaciones, basado en la retroalimentación que recibe. I.A. Robótica Sistema de visión Procesamiento de Lenguaje Natural Sistemas de Aprendizaje

Es un sistema de computación que puede actuar en la misma forma que funciona el cerebro humano, o simularlo. I.A. Robótica Sistema de visión Sistemas de Aprendizaje Redes Neuronales La redes neuronales pueden procesar muchas piezas de información al mismo tiempo y aprender a reconocer patrones.

Capacidad de recuperar información incluso si falla alguno de sus nodos. Modificación rápida de los datos almacenados a partir de nueva información. Capacidad de descubrir relaciones y tendencias en grandes bases de datos. Capacidad de resolver problemas complejos para los cuales no se cuenta con la información. Características de una Red Neuronal

Se basa en reglas que no tienen límites discretos, sino que se prolongan en un continuum, permitiendo a un sistema manejar mejor la ambigüedad. I.A. Robótica Sistema de visión Sistemas de Aprendizaje Redes Neuronales Lógica Difusa Esto es muy útil para reflejar cómo tienden a pensar las personas, en términos relativos, no absolutos.

Un algoritmo genético es un método de búsqueda dirigida basada en Probabilidad. Al aumentar el número de iteraciones, la probabilidad de tener el óptimo en la población tiende a 1. I.A. Robótica Sistema de visión Sistemas de Aprendizaje Redes Neuronales Lógica Difusa Algoritmos Genéticos Funciones matemáticas que usan los principios de Darwin para mejorar una aplicación. Diseñadas para simular en software.

Programas de computadora que automáticamente revisan enormes cantidades de datos y seleccionan y entregan la información más I.A. Robótica Sistema de visión Sistemas de Aprendizaje Redes Neuronales Lógica Difusa Algoritmos Genéticos Agentes Inteligentes adecuada para el usuario, de acuerdo con requisitos contextuales o específicos. La aplicación más importante de los agentes inteligentes se encuentra en la WEB.

El propósito principal de los agentes inteligentes es realizar sus tareas significativas más rápido, con más frecuencia y de manera más efectiva, que el usuario. Los agentes inteligentes vinculan automáticamente su computadora con sitios favoritos, le avisan cuando éstos se hayan actualizado y adecuan páginas específicas a sus preferencias. Agentes Inteligentes

Programa de computadora, inteligente, que usa el conocimiento y los procedimientos de inferencia para resolver problemas que son suficientemente I.A. Robótica Sistema de visión Sistemas de Aprendizaje Redes Neuronales Lógica Difusa Algoritmos Genéticos Agentes Inteligentes Sistemas Expertos suficientemente difíciles como para requerir significativa experiencia humana para su solución. Hace un amplio uso del conocimiento especializado, como lo hace un experto humano.

Se utilizan los términos: Sistema Experto (SE), Sistemas Basados en Conocimientos o Sistema Experto Basado en Conocimiento. Para construir un SE, un ingeniero del conocimiento se entrevista con un experto humano, y traduce la información en código. 2.2 Sistemas Expertos

Pueden explicar su razonamiento o decisiones sugeridas. Puede mostrar un comportamiento "inteligente“. Puede obtener conclusiones de relaciones complejas. Puede proporcionar conocimientos acumulados. Puede hacer frente a la incertidumbre Características de los Sistemas Expertos (SE)

2.2.2 Capacidades de los SE En comparación con otros tipos de sistemas de información, los SE ofrecen varias capacidades poderosas y beneficios. Los SE se pueden usar para solucionar problemas en todos los campos y disciplinas y ayudar en la totalidad de las etapas del proceso de solución del problemas.

2.2.3 Usos de los SE El desarrollo de un SE complejo puede ser difícil, costoso y requerir de tiempo, por lo tanto, es importante asegurarse de que los posibles beneficios valen el esfuerzo y que las diversas características del S.E. se equilibran, en términos de costo, control y complejidad.

No se han usado o probado en forma extensa. Dificultad de uso. Están limitados a problemas relativamente limitados. No pueden enfrentar con facilidad a conocimientos "mixtos". Posibilidad de error Limitaciones de los SE

2.2.5 Componentes de los SE El usuario interactúa con el SE a través de una interfaz, la cual puede contender menús, procesamiento del lenguaje natural u otro tipo de interacción. Debe ser amigable en la entrada y salida de información. Interfaz de Usuario

Se corresponde con el proceso de crear y actualizar la base de conocimientos Interfaz de Usuario Adquisición de Conocimiento

Almacena toda la información, datos, reglas, casos y relaciones importantes que utiliza el SE. Para cada aplicación única se tiene que desarrollar una base conocimientos. Interfaz de Usuario Adquisición de Conocimiento Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas

Es similar a la suma total de los conocimientos y experiencias de los expertos humanos que se obtienen a través de años de trabajo en un área o disciplina específica. Interfaz de Usuario Adquisición de Conocimiento Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas

El uso de reglas: una regla es una instrucción condicionada que enlaza determinadas condiciones con acciones o resultados. La regla se crea por medio de construcciones de SI – ENTONCES. Interfaz de Usuario Adquisición de Conocimiento Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas

Interfaz de Usuario Adquisicion de Conocimiento Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas El proceso incluye: 1)Encontrar casos almacenados en la base de conocimientos, que sean similares al problema, 2)Modificar las soluciones a los casos para adaptarlas, o ajustarlas, al problema o la situación actual.

Interfaz de Usuario Adquisición de Conocimiento Mecanismo de Inferencia. Conocido como Motor de Inferencia, usado para buscar información y relaciones en la base de conocimientos, y proporcionar respuestas, pronósticos y sugerencias en la misma forma en que lo haría un experto humano. Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas

Interfaz de Usuario Adquisición de Conocimiento Mecanismo de Inferencia. Se asocia con un modelo o paradigma para resolver problemas. Modelo que utiliza métodos de encadenamientos de reglas SI – ENTONCES para formar una línea de razonamiento. Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas

Interfaz de Usuario Adquisición de Conocimiento Mecanismo de Inferencia. Si la conclusión es conocida pero la ruta de la conclusión no es conocida entonces el método que se utiliza es el encadenamiento hacia atrás. Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas

Interfaz de Usuario Adquisición de Conocimiento Mecanismo de Inferencia. Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas Busca a través de la BC, intentando asociar el conocimiento almacenado en forma de hechos el antecedente de una regla (condición).

Permite explicar el proceso de razonamiento seguido para tomar una decisión. Interfaz de Usuario Adquisición de Conocimiento Mecanismo de Inferencia. Medio de Explicacion Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas Responderá a la pregunta: ¿Cómo? O ¿Por qué? Cuando ha efectuado una conclusión.

2.3 Ejemplos Robot QRIO de Sony El primer trabajo práctico de Robótica en la Maestría de Inteligencia Artificial en la UCLA, Venezuela :D...Robot minibot Lego RCX Video de Robótica Video Redes Neuronales Video Lógica difusa

Referencias Claver Cortés, Enrique, Sistemas de información estratégicos, Ed. Trillas, ISBN: Peter Norvig, Inteligencia artificial un enfoque moderno, Ed. Pearson España, ISBN: Roque Luis Marín Morales, Inteligencia Artificial y Sistemas Inteligentes, Ed. McGraw Hill, ISBN: