En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales




descargar 452.16 Kb.
títuloEn está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales
página1/11
fecha de publicación28.01.2016
tamaño452.16 Kb.
tipoDocumentos
b.se-todo.com > Derecho > Documentos
  1   2   3   4   5   6   7   8   9   10   11
En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales conceptos de inteligencia máquina, así como el manejo del conocimiento con lógica difusa y lógica binaria.
1.1 Definición de Sistema Inteligente
Un sistema inteligente es un programa de computación que reúne características y comportamientos asimilables a la inteligencia humana o animal.[1]
Un sistema inteligente es una entidad capaz de decidir por sí misma que acciones llevará a cabo para alcanzar sus metas basándose en sus percepciones, conocimientos y experiencias acumuladas.[2]
Los requisitos generales de un Sistema Inteligente son los siguientes:

  1. El sistema deberá ser capaz de aprender. Esto implica que el sistema DEBE tener un recuerdo para el aprendizaje que se mantenga. También el aprendizaje viene en un número de variedades:

    1. TIENE que ser capaz de aprender de sus propias experiencias. Estas se pueden dividir en nuevas agrupaciones:

      1. El aprendizaje a través de ensayo y error.

      2. El aprendizaje a través de la observación.

      3. El aprendizaje a través del activo razonamiento.




    1. Deberá ser capaz de aprender de la instrucción, pero esto no es necesario. Por lo menos el sistema DEBE tener instintos pre programado.




  1. El sistema deberá ser autónomo. Es decir, que deberá ser capaz de hacer las cosas por sí mismo (sin embargo puede optar por aceptar la ayuda).

  1. El sistema deberá ser capaz de afectar el medio ambiente sobre la base de sus propias conclusiones independientes.

  2. El sistema deberá ser su propio maestro, ante todo, y por lo tanto no requerir de la intervención del operador para funcionar. Esto no necesariamente excluye la adopción de las órdenes de otro sistema, pero la elección de obedecer deberá ser hecha por el propio sistema.

  3. El sistema deberá ser motivado. Debe tener necesidades y requerimientos que pueden ser satisfechos por sus propias acciones.



  1. El sistema deberá ser capaz de razonar. Es decir, se debe utilizar algún tipo de razonamiento, basado en hechos conocidos y capaces de producir las ideas que más tarde se hacen hechos conocidos.




  1. El sistema deberá ser capaz de desarrollar su autoconciencia. Esto no sólo se relaciona con la autonomía, el razonamiento y el aprendizaje, sino también con la consideración de la necesidad de los sentidos internos y externos.


En la figura 1.1 se muestra un sistema inteligente básico.



Fig. 1.1 Sistema Inteligente.

1.2 Definición de Inteligencia Artificial (I.A)
Es una de las áreas de las ciencias computacionales encargadas de la creación de hardware y software que tenga comportamientos inteligentes.[3]
La capacidad de acción de las máquinas para realizar determinados procesos.

La inteligencia artificial se define como aquella inteligencia exhibida por artefactos creados por humanos es decir, artificial. A menudo se aplica hipotéticamente a las computadoras. El nombre I.A se usa para referirse al campo de la investigación científica que intenta acercarse a la creación de los sistemas inteligentes.[4]
Entonces, se puede decir que la I.A incluye características humanas tales como el aprendizaje, la adaptación, el razonamiento, la autocorrección y el mejoramiento implícito.

1.3 Conceptos sobre Inteligencia Máquina
1.3.1 Inteligencia Máquina

Al tratar de duplicar algunas de las funciones inteligentes humanas en las máquinas, se ha dado origen a las llamadas máquinas o sistemas inteligentes.[5]
De estas máquinas, las más notables son las computadoras. Pero hay muchas otras clases de máquinas que se comportan apropiadamente en respuesta a varias señales y que también son llamadas máquinas inteligentes.
Los avances de las tecnologías de Hardware y de Software han mejorado la eficacia de los sistemas inteligentes, resultando en decisiones “casi humanas”, mejoras en la calidad de ejecución y en la robustez en la percepción, a velocidades y tolerancias sobrehumanas.
Las nuevas tecnologías de Hardware incluyen:

  1. Procesadores Masivamente Paralelos.

  2. Implementaciones Especiales de Alta Velocidad de Sistemas Cognoscitivos Difusos.

  3. Conceptos innovativos de procesadores asociativos que accesan datos directamente sin búsqueda.

  4. Aceleradores celulares para computadoras personales.



Las nuevas tecnologías en Software incluyen:

  1. Redes Neurales Holográficas Avanzadas, Invariantes, de Alto Orden.

  2. Sistemas Expertos Difusos.

  3. Memorias Holográficas de Contenido Difuso Direccionable.

  4. Paquetes de Razonamiento Difuso, Toma de Decisiones y Control.

  5. Métodos de Programación para Visión Asociativa y Procesadores Celulares.

  6. Ambientes de Software Orientados a Objetos.

  7. Herramientas de aplicación adaptativas Orientadas a Usuarios.



Los sistemas inteligentes están diseñados para tratar con problemas altamente variantes, complejos, ruidosos, y confusos en:

  1. Administración.

  2. Finanzas.

  3. Manufactura.

  4. Reconocimiento de Formas.

  5. Instrumentación Adaptativa.

  6. Procesos de control.

  7. Robótica.

  8. Diagnostico.

  9. Bases de Datos Inteligentes.

  10. Máquinas Diccionario, etc.


En las décadas pasadas, la inteligencia hecha por el hombre fue canalizada por dos caminos, la inteligencia artificial simbólica (sistemas expertos) y redes neurales (sistemas de aprendizaje adaptativo). Estas dos tendencias en conjunto con el razonamiento difuso han dado paso a grandes avances en las siguientes áreas cruciales.

  1. Procesamiento de información (Soft): Aprendizaje Rápido, Asociaciones Difusas, Razonamiento y Control Difuso, Generalización.

  2. Procesamiento de Información Masivamente en Paralelo: Hardware Concurrente, Paralelo, Asociativo, y Celular.



Las técnicas aplicadas en los sistemas inteligentes conducen en la elección de sistemas de razonamiento cuyo comportamiento emula el de la mente humana. Los sistemas deben de ser capaces de describir, evaluar y aproximar información con algún grado de difusión, incertidumbre o incompletos. La meta última es hacer el procesamiento de información intuitivo que muestran los humanos:

  1. Razonamiento Inconsciente, Análogo, Paralelo y Distribuido.

  2. Reconocimiento de Patrones.

  3. Razonamiento Probabilístico.

  4. Razonamiento Inductivo en situaciones de información difusa o incompleta.


Los desarrollos recientes en el diseño y adaptación de los sistemas inteligentes, han proporcionado avances mayores en las siguientes áreas:

  1. Modelos biológicos; computadoras neuronales y masivamente paralelas.

  2. Computación concurrente; sistemas inteligentes en tiempo real.

  3. Integración de Razonamiento, Información y Servicio.

  4. Aprendizaje Rápido y Reconocimiento Invariante de Objetos.

  5. Programación dinámica, genética y caótica.

1.3.2 Modelando la Inteligencia

La inteligencia natural es abundante en todos los ámbitos de la naturaleza. Las redes neuronales extraen sus principios de las ciencias del cerebro para modelar reconocimiento, aprendizaje y procesos de planeación. La lógica difusa refleja muy cercanamente la manera en que razonamos los humanos con reglas aproximadas. Los algoritmos genéticos aprovechan directamente los conocimientos obtenidos a través de la investigación en genética, modelando los principios de Darwin de selección natural. Los Fractales asemejan vagamente la manera en que los sistemas vivientes repiten patrones mientras crecen. La teoría del caos usa mecanismos derivados de simulaciones matemáticas de procesos que nunca son exactamente los mismos dos veces. Los autómatas celulares modelan un universo de dos dimensiones de células vivientes y un conjunto simple de modos de interacción. Y la lista sigue.[5]
La familia de métodos emergentes de solución de problemas que imitan la inteligencia forma parte de la computación cognoscitiva. La computación cognoscitiva substituye con técnicas de procesamiento más inteligentes, las técnicas de programaciones tradicionales, largas y complejas. Estos modelos inteligentes se pueden aplicar a una gama más amplia de situaciones ya que no tienen limitaciones, por ejemplo, a ser lineales.
Una desventaja de las técnicas de computación cognoscitiva es que, frecuentemente, no se puede probar su estabilidad de otra manera que con pruebas de campo extensivas. Las pruebas analíticas tradicionales son imposibles de obtener para un enfoque donde no se usa metodología analítica o no se sigue un modelo matemático.
Las tres tecnologías principales de la computación cognoscitiva son:

  1. Tecnologías Difusas (fuzzy).

  2. Tecnologías Neuronales.

  3. Tecnologías Genéticas.

Las tres derivan su generalidad de la interpolación de soluciones a problemas desconocidos a partir de las soluciones a problemas que les son familiares.

1.4 Manejo del Conocimiento
1.4.1 Con Lógica Binaria

Con el advenimiento de las computadoras digitales, se creó toda una ciencia para el manejo de información mediante secuencias de ceros y unos. Esta forma de representación utiliza la lógica binaria como base para el almacenamiento y recuperación de información.[5]
Para el manejo del conocimiento se utiliza un lenguaje simbólico. Estos símbolos se combinan mediante reglas y a partir de éstas pueden modelarse sistemas complejos, Por ejemplo, los sistemas expertos en inteligencia artificial. La principal desventaja de esta representación del conocimiento es que se necesitan demasiadas reglas para poder representar fielmente un sistema del mundo real, Básicamente porque hay una relación de uno a uno, Es decir, para un caso particular del sistema del mundo debe existir una regla en el sistema experto.

1.4.2 Con Lógica Difusa

¿Qué es la Lógica Difusa?

Método de razonamiento de maquina similar al pensamiento humano, que puede procesar información incompleta o incierta, característico de muchos sistemas expertos.
La Lógica Difusa, es una lógica matemática basada en la teoría de conjuntos que posibilita imitar el comportamiento de la lógica humana.[6]
La Lógica Difusa (llamada también Lógica Borrosa por otros autores) o Fuzzy Logic es básicamente una lógica con múltiples valores, que permite definir valores en las áreas oscuras entre las evaluaciones convencionales de la lógica precisa: Si/No, Cierto/Falso, Blanco/Negro, etc. Se considera un súper conjunto de la Lógica Booleana. Con la Lógica Difusa, las proposiciones pueden ser representadas con grados de certeza o falsedad. La lógica tradicional de las computadoras opera con ecuaciones muy precisas y dos respuestas: Si o no, uno o cero.
La lógica difusa se utiliza para representar la información imprecisa, ambigua, o vaga. Se utiliza para realizar operaciones en los conceptos que están fuera de las definiciones de la lógica booleana. Un tipo de lógica que reconoce valores verdaderos y falsos más que simples. Con lógica difusa, los subconjuntos se pueden representar con grados de la verdad y de la falsedad. Por ejemplo, la declaración, es hoy soleado, pudo ser el 100% verdad si no hay nubes, 80% verdad si hay algunas nubes, 50% verdad si esta nublado y 0% verdad si llueve todo el día.
CONJUNTOS DIFUSOS

Lotfi Asker Zadeh en 1965 definió el concepto de conjunto difuso, basándose en la idea de que existen conjuntos en los que no está claramente determinado si un elemento pertenece o no al conjunto. A veces, un elemento pertenece al conjunto con cierto grado, llamado grado de pertenencia. Por ejemplo, el conjunto de las personas que son altas es un conjunto difuso, pues no está claro el límite de altura que establece a partir de qué medida una persona es alta o no lo es. Ese límite es difuso y, por tanto, el conjunto que delimita también lo será. Un conjunto difuso A sobre un universo de discurso U (ordenado) es un conjunto de pares dado por:

Donde, µ es la llamada función de pertenencia y µA (u) es el grado de pertenencia del elemento u al conjunto difuso A. Este grado oscila entre los extremos 0 y 1, µA (u) = 0, indica que u no pertenece en absoluto al conjunto difuso A, µA(u)=1, indica que u pertenece totalmente al conjunto difuso A.

Formalmente un conjunto difuso es una función del conjunto A, llamado dominio, al intervalo [0,1]:

µ: A à [0,1]
El conjunto de valores de A para las cuales µ > 0 es llamado el soporte de µ.

Para cualquier elemento a Є A, µ(a) es el grado de membrecía de a en A se representa gráficamente mediante la función de membresía.
OPERACIONES ENTRE CONJUNTOS BORROSOS

Las cuatro operaciones básicas definidas sobre los conjuntos clásicos (complemento, intersección, unión y subconjunto) pueden ser generalizadas a los conjuntos borrosos. Dentro la teoría de los conjuntos borrosos tiene especial relevancia la que hace uso de operaciones conocidas como operaciones estándar, definidas como:


  1. Complemento:




  1. Intersección:




  1. Unión:




  1. Subconjunto:




FUNCIÓN DE MEMBRESÍA

La función de membresía también llamada función de inclusión se da de tal modo que el grado con el que un elemento pertenece al conjunto difuso A. Cuando el elemento no pertenece al conjunto, y si pertenece totalmente.

A continuación se presentan las funciones de membresía más comunes:
Función LAMBDA o triangular

Una función de pertenencia triangular se determina a través de tres parámetros (a, b, c) de la siguiente manera:
Los parámetros a, b, c determinan los tres ángulos de la función de pertenencia triangular.
En la figura 1.2 se muestra la función triangular.
1

X – a para x ≤ a

b – a para a < x ≤ b

µ(x)=

c – x para b< x ≤ c

c – b para c ≤ x

0
Fig. 1.2 Función triangular.
Ejemplo de la función triangular

Se desea saber si una persona es adolecente, joven o adulta de acuerdo a lo siguiente:
a = 15 Adolescentes

b = 25 jóvenes

c = 35 Adultos

Donde: x puede ser cualquier valor a evaluar.

x = 18
Aplicando la función triangular

Triangular (18, 15, 25, 35) = (18-15) / (25-15) = 3/10 = 0.33

El resultado 0.33 indica que la persona es adolescente.
  1   2   3   4   5   6   7   8   9   10   11

similar:

En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales iconEsto es todo lo q encontré de inteligencia y oligofrenia, lo resaltado...
«la inteligencia es la capacidad de adquirir capacidad», de Woodrow, o «la inteligencia es lo que miden los test de inteligencia»,...

En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales iconSea cual sea la comunicación que establecen los seres humanos por...

En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales iconSe define la inteligencia artificial como aquella inteligencia exhibida...

En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales iconConsultar: la definición de cada uno de los componentes de los factores bióticos y los abióticos

En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales iconCuestionario relacionado con cuestiones sociales y éticas asociadas...

En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales iconTener los conocimientos fisiológicos fundamentales, # Diferenciar...

En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales iconPrograma para Desarrollar la Inteligencia Práctica en la Escuela 13
«la inteligencia es la capacidad de adquirir capacidad», de Woodrow, o «la inteligencia es lo que miden los test de inteligencia»,...

En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales iconDefinición de los Clubes de Educación Media (modalidades)

En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales icon1 definicióN: La genética es el estudio de la transmisión de los caracteres hereditarios

En está unidad se estudiara la definición de un sistema inteligente, los requisitos que debe cumplir, la definición de inteligencia artificial, los principales iconDefinición de los desechos electrónicos, problemas que acarrean (ambiental,...




Todos los derechos reservados. Copyright © 2019
contactos
b.se-todo.com