Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Cada vez que haces clic en la pestaña “Archivo”, se abrirá una pantalla con el menú general de acciones en Word 2016. Este menú te ofrece las opciones de configuración y acciones a realizar, una vez hayas finalizado tu documento o al empezar uno nuevo.
Tipo: Exámenes
1 / 8
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!
TRABAJO ENCARGADO PRINCIPALES APLICACIONES DE LA INTELIGENCIA ARTIFICIAL
Curso:
Docente:
Integrantes:
ásicamente, 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.
La idea de construir una máquina que pueda pensar es que realice cosas que nosotros realizamos y hacemos. Pero para que las computadoras se ganen el nombre de inteligentes, primero tienen que ser capaces de mantener, por ejemplo, un diálogo con un ser humano, ya que las computadoras únicamente pueden realizar o hacer lo que se les indique, pero nunca sabrán lo que están realizando pues no están conscientes de lo que hacen.
Es posible representar el conocimiento mediante hechos o instancias y reglas o algún otro mecanismo para inferir nuevos hechos. Pero deberemos plantearnos si a partir de los hechos vamos a ir aplicando reglas (encadenamiento hacia adelante), o si por el contrario nos interesa responder a una cuestión concreta (ej: ¿tengo gripe?) e ir satisfaciendo sub objetivos hasta llegar a hechos que demuestren la veracidad o falsedad de la frase (encadenamiento hacia atrás). También es conveniente plantear: qué reglas ejecutar antes, cuáles están listas para ser ejecutadas, si ejecutar las reglas cuyos antecedentes se actualizaron recientemente, o si ejecutar primero reglas específicas. Todos estos mecanismos de control del razonamiento pueden ser tenidos en cuenta a la hora de construir nuestro sistema experto. Para ilustrar este apartado recomiendo instalar clips que está empaquetado para un buen número de sistemas. En debían basta con hacer apt-get install xclips clips clips-doc. x clips es un interfaz gráfico para utilizar clips, recomiendo su uso, para saciar la curiosidad del cacharreo. Desde línea de comandos podemos ejecutar lo siguiente: Ejemplo de uso de clips [darroyo@turing:/usr/share/doc/clips-doc/examples]$ clips CLIPS> (load "auto.clp") Defining deffunction: ask-question Defining deffunction: yes-or-no-p Defining defrule: normal-engine-state-conclusions +j ... CLIPS> (reset) CLIPS> (run) The Engine Diagnosis Expert System Does the engine start (yes/no)? De este modo, se prueba un ejemplo de sistema experto cuyo objetivo es solucionar averías con el coche. El sistema va haciendo preguntas acerca de los síntomas que presenta el coche y finalmente otorga un diagnóstico. Os recomiendo que echéis un vistazo al fichero auto.clp. Espero que este apartado haya servido para entender qué una máquina puede modelar el conocimiento de un experto en, al menos, un dominio limitado y que esto es útil para recibir asesoría ó consejos para las que en condiciones normales precisaríamos de un experto humano. logo de clips
Cuando aprendemos a programar, enseguida aprendemos ciertos principios básicos que hacen que nuestro software aumente su valor de uso: reutilización, abstracción, que sea usable para el usuario final... Sin embargo, no nos suelen preparar para que el software se adapte de manera automática a los cambios en las necesidades de usuario, en sus objetivos, ó en el entorno. Según Peter Norvig (http://www.norvig.com) director de calidad de búsqueda de Google: [El software adaptativo usa información disponible acerca de cambios en su
entorno para mejorar su comportamiento]. Es decir, el software tiene capacidad de adaptarse al comportamiento del usuario sin que éste lo pida de una manera explícita, entendiendo como usuario a una persona u otro sistema. El software adaptativo ha tenido su caldo de cultivo en la minería de datos (data mining), esto es, la extracción no trivial, implícita, previamente desconocida y potencialmente usable de información de interés en grandes cantidades de datos. El proceso de extraer esa información se basa en aplicar algoritmos de aprendizaje automático. Todo esto que puede estar pareciendo un poco de ciencia ficción está teniendo una fuerte eclosión en aplicaciones populares para el usuario final. Fijémonos, por ejemplo, en el problema del spam, actualmente evolution, mozilla, kmail y otros lectores de correo están introduciendo facilidades para separar el spam del ham, es decir, el correo electrónico "no" deseado, del "sí" deseado. Para ello normalmente se aplica un algoritmo de aprendizaje automático denominado Naive Bayes. Muchos sitios web también están incorporando estos métodos para incrementar ventas ó visitas. Es conocido el caso de Amazon que utiliza filtrado colaborativo para encontrar usuarios con perfiles de compra similares y recomendar productos personalizados.
Para Russell y Norvig un agente es cualquier cosa capaz de percibir su medioambiente mediante sensores y actuar en ese medio mediante actuadores. Todo agente tiene una función u objetivo. Por ejemplo, un agente humano de bolsa tiene el objetivo de comprar y vender acciones respondiendo a los estímulos iniciados por su cliente y captados por sus sentidos. Una aspiradora tiene la función de aspirar cuando capta que ha sido encendida y no aspirar cuando es apagada. Un agente inteligente ó racional trata de maximizar el valor de una medida de rendimiento, dada la secuencia de percepciones que ha observado hasta el momento. Repitamos lo dicho ejemplificándolo. Un agente inteligente tiene un objetivo abstracto (ej: "ofrecer a un usuario información interesante"), tiene una forma de evaluar si esa información es interesante (ej: "el usuario lee la información sugerida"), tiene unos actuadores (ej: "una caja html donde presenta enlaces interesantes") y tiene unos sensores (ej: "un conjunto de sitios web para recoger información y filtrar la que sea interesante y el conjunto de clics que puede hacer o no el usuario de todos esos sitios web"). La pregunta ahora es ¿cómo mejorar ese rendimiento? Para Peter Norvig la programación estructurada tiene asociadas las aplicaciones basadas en entrada/salida, la programación orientada a objetos las aplicaciones basadas en eventos y la programación adaptativa las aplicaciones basadas en agentes inteligentes. Es decir, la respuesta a nuestra pregunta es usamos aprendizaje automático para mejorar el rendimiento. No obstante, el deseo de desarrollar software adaptativo no es la única razón para utilizar una metodología de programación orientada a agentes. Los agentes tienen su campo de cultivo en la Inteligencia Artificial Distribuida (IAD) que, como su nombre
¿Para qué podemos querer que una máquina comprenda lo que pone en un texto? Lo primero que se nos puede ocurrir es que sirva para comunicarnos con ella como si de una persona se tratara, pero para ello no solo requeriría comprender nuestras palabras, sino también las emociones con las que las expresamos, lo cual es algo más complejo. La traducción automática desde un lenguaje natural a otro es algo para lo que solo necesitamos comprender el significado neutral de las palabras. Si conseguimos que un ordenador comprenda, también nos va a ayudar en tareas de recuperación de la información; me refiero a buscadores más eficaces que sepan relacionar mejor unas palabras o frases con otras, e incluso independientemente del idioma. Para realizar estas tareas es necesario comprender un texto; esto es lo que nos proporciona el procesamiento del lenguaje natural. Veamos las fases de las que se compone [Rich y Knight, 1994]:
