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
Investigación acerca de algunos temas de la inteligencia artificial
Tipo: Guías, Proyectos, Investigaciones
1 / 14
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!
1. Técnicas y herramientas de la inteligencia artificial
1.1. Machine learning o aprendizaje automático: Consiste en crear sistemas que aprenden automáticamente. Aprender en este contexto quiere decir identificar patrones complejos en millones de datos. La máquina que realmente aprende es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros. Automáticamente, también en este contexto, implica que estos sistemas se mejoran de forma autónoma con el tiempo, sin intervención humana. 1.2. Fuzzy logic o lógica difusa: Le permite a una computadora analizar información del mundo real en una escala entre lo falso y lo verdadero, manipula conceptos vagos, como "caliente" o "húmedo", y permite a los ingenieros construir dispositivos que juzgan la información difícil de definir. Consiste en la aplicación de la lógica difusa con la intención de imitar el razonamiento humano en la programación de computadoras. Con la lógica convencional, las computadoras pueden manipular valores estrictamente duales, como verdadero/falso, sí/no o ligado/desligado. En la lógica difusa, se usan modelos matemáticos para representar nociones subjetivas, como caliente/tibio/frío, para valores concretos que puedan ser manipuladas por los ordenadores. 1.3. Sistemas expertos: emula el comportamiento de un experto humano en la solución de un problema. Los sistemas expertos funcionan de manera que almacenan conocimientos concretos para un campo determinado y solucionan los problemas, utilizando esos conocimientos, mediante deducción lógica de conclusiones. Con ellos se busca una mejora en calidad y rapidez de respuestas dando así lugar a una mejora de la productividad del experto.
1.9. Sistema basado en reglas: Los sistemas basados en reglas trabajan mediante la aplicación de reglas, comparación de resultados y aplicación de las nuevas reglas basadas en situación modificada. También pueden trabajar por inferencia lógica dirigida, bien empezando con una evidencia inicial en una determinada situación y dirigiéndose hacia la obtención de una solución, o bien con hipótesis sobre las posibles soluciones y volviendo hacia atrás para encontrar una evidencia existente (o una deducción de una evidencia existente) que apoye una hipótesis en particular. 1.10. Razonamiento basado en casos: En lugar de confiar únicamente en el conocimiento general del dominio del problema, o realizar asociaciones a lo largo de relaciones entre descripciones del problema y conclusiones, este paradigma es capaz de utilizar conocimiento específico de experiencias previas, es decir, situaciones de un problema concreto (casos). Un problema nuevo (al decir nuevo nos referimos a nunca antes tratado) es resuelto cuando se encuentra un caso pasado similar y se reutiliza en la situación del problema nuevo. Una segunda diferencia, no por ello menos importante, es un acercamiento al aprendizaje incremental, sostenido, ya que se guarda una experiencia nueva cada vez que se resuelve un problema, pasando a estar disponible para futuros problemas desde ese mismo momento. 1.11. Representación de conocimiento: El proceso de conversión de los conocimientos acerca de un tema en un formato particular es denominado “representación de conocimientos”. Una vez el conocimiento ha sido representado adecuadamente puede utilizarse en un sistema inteligente que con el empleo de herramientas de análisis, tratamiento y manipulación automática tiene la capacidad de inducir o deducir nuevos conocimientos. 1.12. Redes semánticas: Es una forma de representación de conocimiento lingüístico en la que los conceptos y sus interrelaciones se representan mediante un grafo.
Los elementos básicos que encontramos en todos los esquemas de redes son: Estructuras de datos en nodos, que representan conceptos, ligadas por arcos que representan las relaciones entre ellos. Un conjunto de procedimientos de inferencia que operan sobre las estructuras de datos. Básicamente, podemos distinguir tres categorías de redes semánticas: Redes IS-A: en las que los enlaces entre nodos están etiquetados. Grafos conceptuales: en los que existen dos tipos de nodos, de conceptos y de relaciones Redes de marcos: en los que los puntos de unión de los enlaces son parte de la etiqueta del nodo. 1.13. Procesamiento del lenguaje natural: se ocupa de la investigar la manera de comunicar las máquinas con las personas mediante el uso de lenguas naturales, como el español, el inglés o el chino.
2. Agentes inteligentes y sus componentes Un agente inteligente se considera como un sistema de computación que sustituye a una persona o proceso para realizar una actividad o cumplir con un requerimiento. La entidad sustituta ofrece capacidades de toma de decisiones similares a las descritas por las intenciones de un humano. Un agente inteligente puede operar dentro de los límites de una necesidad general o representada con precisión, y entre los límites de un espacio de información dado. Son programas encargados de establecer interfaces y administrar la información, a fin de tratar de satisfacer las necesidades de los clientes o usuarios. En sentido genérico, y considerando el comportamiento, un agente es algo que se puede ver percibiendo su ambiente a través de sensores y actuando sobre el mismo a través de efectores.
Componentes o estructura de un agente inteligente:
En donde esperaríamos que al entrenarlo lo suficiente, podamos indicarle una serie de síntomas esperando que haga la predicción o clasificación de la enfermedad correcta. Teniendo en cuenta que el machine learning a través de algoritmos, dota a los ordenadores de la capacidad de identificar patrones en datos masivos para hacer predicciones. Este aprendizaje permite a los computadores realizar tareas específicas de forma autónoma, es decir, sin necesidad de ser programados. Tipos de machine learning: A partir de un gran número de ejemplos de una situación, puede elaborarse un modelo que puede deducir y generalizar un comportamiento ya observado, y a partir de él realizar predicciones para casos totalmente nuevos. Como ejemplo, se puede considerar la predicción del valor de unas acciones en el futuro según el comportamiento de las mismas en periodos previos.
datos, permite predecir un resultado determinado. Este método se conoce como regresión. Lo que distingue al Aprendizaje Supervisado es que se utilizan distintos ejemplos a partir de los que generalizar para nuevos casos.
Ciberseguridad: los nuevos antivirus y motores de detección de malware ya se sirven del aprendizaje automático para potenciar el escaneado, acelerar la detección y mejorar la habilidad de reconocer anomalías.
Bibliografía González, B. A. (s. f.). ¿Qué es Machine Learning? – Cleverdata. CleverData. https://cleverdata.io/que-es-machine-learning-big-data/ colaboradores de Wikipedia. (2021, 13 enero). Lógica difusa. Wikipedia, la enciclopedia libre. https://es.wikipedia.org/wiki/L%C3%B3gica_difusa#L %C3%B3gica_difusa_en_inteligencia_artificial Los sistemas expertos - Inteligencia Artificial. (s. f.). Proyecto inteligencia artificial. https:// sites.google.com/site/proyectointeligenciaartificial/indice/los-sistemas-expertos colaboradores de Wikipedia. (2021b, enero 24). Minería de datos. Wikipedia, la enciclopedia libre. https://es.wikipedia.org/wiki/Miner%C3%ADa_de_datos ¿Qué son las redes neuronales artificiales y cómo funcionan? - Thinkbig. (2020, 13 abril). Think Big. https://empresas.blogthinkbig.com/redes-neuronales-artificiales/ EcuRed. (s. f.). Sistema reactivo - EcuRed. https://www.ecured.cu/Sistema_reactivo Apd, R. (2021, 8 enero). Técnicas de inteligencia artificial: ¿cuáles son y para qué se usan? APD España. https://www.apd.es/tecnicas-de-la-inteligencia-artificial-cuales-son-y-para- que-se-utilizan/ 2.2. Estructura de un Agente Inteligente - inteligenciaartificialanmel. (s. f.). Inteligencia artificial. https://sites.google.com/site/inteligenciaartificialanmel/tema-2-agentes- inteligentes/estructura-de-un-agente-inteligente I. (2019, 14 febrero). Qué Es El «Machine Learning». Iberdrola. https://www.iberdrola.com/innovacion/machine-learning-aprendizaje-automatico Apd, R. (2020, 18 noviembre). Qué es Machine Learning, cómo funciona y a qué se aplica. APD España. https://www.apd.es/que-es-machine-learning/
