Inteligencia Artificial y Redes Neuronales

Presentación del tema: "Inteligencia Artificial y Redes Neuronales"— Transcripción de la presentación:

1 Inteligencia Artificial y Redes Neuronales
M.C. Fco. Javier de la Garza S. Jdelagarza.fime.uanl.mx

2 Presentación En esta unidad de aprendizaje se estudia la toma de decisiones mediante el empleo de técnicas de Inteligencia Artificial y Redes Neuronales se divide en 4 Unidades temáticas.

3 Presentación UT1 En la Unidad temática 1, se verán los antecedentes de la Inteligencia Artificial destacando definiciones, teorías, y propuestas, etc., también se analizan las diferentes ramas de la IA, así como sus líneas de investigación enfocándose esta unidad de aprendizaje a la toma de decisiones haciendo uso de las diversos soluciones de problemas.

4 Presentación UT2 En la Unidad temática 2 se induce a la representación de conocimiento mediante la lógica de predicados, haciendo uso de conectivos lógicos, además de hacer un análisis a los diferentes paradigmas de la representación del conocimiento y la determinación de su validez.

5 Presentación UT3 En la Unidad temática 3 se involucra el análisis para la toma de decisiones en la modelación de un problema optimizando la búsqueda de sus soluciones mediante algoritmos exhaustivos y heurísticos, la simulación del proceso de aprendizaje en el software; etc., diseñando así un sistema experto o un sistema informático enfocado a la toma de decisiones.

6 Presentación UT4 En la Unidad temática 4 se representa un panorama general de las Redes Neuronales analizando los principales conceptos básicos y la lógica difusa.

7 Bibliografía Inteligencia Artificial (2da. Edición)
Elaine Rich and Kevin Knight McGraw Hill Inteligencia Artificial con Aplicaciones a la Ingeniería Pedro Ponce Cruz Alfaomega A. Comprehensive Guide to AI and Expert Systems Robert I. Levine, Diane E. Drang and Barry Edelson

8 Bibliografía Neuronal Networks: A Comprehensive Foundation.
Simon Haykin Prentice Hall Redes Neuronales y Sistemas Borrosos Martin del Brío, Bonifacio, SANZ, Alfredo Alfaomega Inteligencia Artificial un enfoque moderno Stuart Russell, Peter Norvig

9 Calendario 7 Sesiones Examen de medio curso Examen final

10 Actividades Actividades en Nexus
Las actividades se realizan en clase, en equipo y las sube uno de los integrantes a Nexus Si no aparece el curso en Nexus no estás inscrito en este grupo

11 Historia Alan Turing es considerado el padre de la inteligencia artificial y la prueba que determina la calidad de la IA lleva su nombre.

12 La prueba de Turing El test de Turing (o prueba de Turing) es una prueba de la habilidad de una máquina para exhibir un comportamiento inteligente similar al de un ser humano o indistinguible de este. (Wikipedia)

13 Historia En 1956 John McCarthy, Marvin Minsky y Claude Shannon acuñan el término durante una conferencia en Dartmounth en donde hacían referencia a “la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cálculo inteligentes”

14 Historia La IA parte de problemas muy simples para tratar de entender problemas complicados Cuando un problema es resuelto deja de ser interesante

15 Definición Artificial Inteligencia

16 Definición Wikipedia

17 Definición Ciencias exactas Ciencias NO exactas Inteligencia
Artificial

18 Definición Hacer que las máquinas actúen como personas
Hacer que las máquinas solucionen problemas de forma similar a una persona

19 Tareas de la IA Tareas comunes Tareas formales Tareas expertas
Percepción: visión, habla Juegos: Ajedrez, backgammon, damas Ingeniería: Diseño, detección de fallas, planeación Lenguaje natural: comprensión, generación, traducción Matemáticas: Geometría, cálculo integral, demostración de teoremas Análisis financiero Sentido común Lógica Diagnóstico médico Control de movimiento

20 ¿Qué necesitamos para tener inteligencia?
Conocimiento Razonamiento Abstracción

21 Algoritmos desarrollados
Aprendizaje autónomo – Machine learning Ingeniería del conocimiento – Knowledge engineering Lógica difusa – Fuzzy logic Redes neuronales artificiales – Artificial Neural Networks Sistemas reactivos – Reactive systems Sistemas multiagente – Multi-agent systems Sistemas basados en reglas – Rule-based systems Razonamiento basado en casos – Case-based reasoning

22 Algoritmos desarrollados
Sistemas expertos – Expert systems Redes Bayesianas – Bayesian networks Vida artificial – Artificial life Técnicas de representación del conocimiento Redes semánticas – Semantic networks Lingüística computacional Procesamiento de lenguaje natural – Natural lenguage processing Minería de datos – Data mining

23 Aplicaciones Watson IBM Deep blue IBM Asimo Honda Curiosity rover
Waymo - Google

24 Características del conocimiento
Voluminoso Difícil de representar Cambia constantemente Se organiza de acuerdo a su uso

25 Representación del conocimiento
General Modificable Comprendido por quien lo proporciona Útil para limitar su propio volumen Útil en diversas situaciones aún cuando no esté completo

26 Actividad 1 Trabajo en equipo
Realizar un mapa conceptual de las áreas de la IA