La robótica se ocupa del diseño, construcción y aplicación de robots. Combina disciplinas como la mecánica, electrónica, informática e inteligencia artificial. Un robot es una máquina controlada por computadora que puede realizar tareas automáticamente y sentir su entorno.
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ROBÓTICA, INTELIGENCIA ARTIFICIAL Y SISTEMAS EXPERTOS.pptx
1.
2.
3. La robótica es la rama de la ingeniería mecatrónica,
de la ingeniería eléctrica, de la ingeniería electrónica,
de la ingeniería mecánica, de la ingeniería
biomédica y de las ciencias de la computación que se
ocupa
del diseño, construcción, operación, disposición
estructural, manufactura y aplicación de los robots.
La robótica combina diversas disciplinas como son:
la mecánica, la electrónica, la informática,
la inteligencia artificial, la ingeniería de control y
la física. Otras áreas importantes en robótica son
el álgebra, los autómatas programables,
la animatrónica y las máquinas de estados.
4. Un robot, es un agente artificial mecánico o virtual. Es una
máquina usada para realizar un trabajo automáticamente y que es
controlada por una computadora.
Si bien la palabra robot puede utilizarse para agentes físicos y
agentes virtuales de software, estos últimos son llamados "bots"
para diferencialos de los otros.
No es natural, sino que ha sido creado artificialmente.
Puede sentir su entorno.
Puede manipular cosas de su entorno.
Tiene cierta inteligencia o habilidad para tomar decisiones
basadas en el ambiente o en una secuencia preprogramada
automática.
Es programable.
Puede moverse en uno o más ejes de rotación o traslación.
Puede realizar movimientos coordinados.
5. Las Tres Leyes de la Robótica son:
Un robot no puede hacer daño a un ser humano o, por inacción, permitir que
un ser humano sufra daño.
Un robot debe obedecer las órdenes dadas por los seres humanos, excepto si
estas órdenes entran en conflicto con la 1ª Ley.
Un robot debe proteger su propia existencia en la medida en que esta
protección no entre en conflicto con la 1ª o la 2ª Ley.
6. El caso de los cyborgs es diferente, su
definición parece clara por el acrónimo en
inglés que conforman esta palabra (cyber y
organism) y la explicación dada por quienes
acuñaron el término, dos científicos
Manfred E. Clynes y Nathan S. Kline:
Un cyborg es esencialmente un sistema
hombre-máquina en el cual los mecanismos
de control de la porción humana son
modificados externamente por
medicamentos o dispositivos de regulación
para que el ser pueda vivir en un entorno
diferente al normal.
Neil Harbisson
7. Autómata de figura de hombre
Un androide es un robot u organismo
sintético antropomorfo que, además de imitar la
apariencia humana, emula algunos aspectos de
su conducta de manera autónoma.
Etimológicamente, "androide" se refiere a los robots
humanoides de aspecto masculino. A los robots de
apariencia femenina se los llama ocasionalmente
"ginoides", principalmente en las obras de ciencia
ficción. En el lenguaje coloquial, el término
"androide" suele usarse para ambos casos, aunque
también se emplean las expresiones genéricas
"robot humanoide" y "robot antropoide".
8. Son los que detectan las condiciones exteriores y los que ponen en funcionamiento el sistema.
Pueden serlos sensores (de tacto, de luz o LDR, de temperatura…) o elementos como
interruptores, conmutadores, pulsadores.
los más comunes son: teclado, monitor y caja de comandos (teach pendant). Los dispositivos de
entrada y salida permiten introducir y, a su vez, ver los datos del controlador. Para mandar
instrucciones al controlador y para dar de alta programas de control, comúnmente se utiliza una
computadora adicional. Es necesario aclarar que algunos robots únicamente poseen uno de
estos componentes. En estos casos, uno de los componentes de entrada y salida permite la
realización de todas las funciones.
9.
10. Sensores de luz: Elementos sensibles
(LDRs o Fotorresistores (resistores
variables por la incidencia de la luz),
Cámaras de vídeo); Módulos integrados
(Reflectivo, De ranura)
Sensores de presión y fuerza: Elementos
sensibles (Microinterruptores, Sensores
de presión, Sensores de fuerza); Sensores
(Sensores de contacto, Piel robótica)
Sensores de sonido: Elementos
sensibles (Micrófonos, Captadores
piezoeléctricos), Módulos integrados
(Rangers (medidores de distancia)
ultrasónicos)
Sensores para medición de distancia:
Módulos integrados (Medidores de
distancia ultrasónicos, Medidores de
distancia por haz infrarrojo).
Sensores de gravedad (posición):
Acelerómetros, sensores de vibración,
Sensores pendulares (Inclinómetros),
Contactos de mercurio, Giróscopos.
Sensores de temperatura: Termistores,
Termopares, Termocuplas, Diodos, Circuitos
integrados, Pirosensores (a distancia).
Sensores de humedad: Sensores
capacitivos, Sensores resistivos
Sensores de velocidad: Tacómetros,
Codificadores (encoders)
Sensores de magnetismo: Efecto Hall,
Brújulas electrónicas, Interruptores
magnéticos
Sensores de ubicación geográfica: GPS,
Receptores de radiobalizas
Sensores de proximidad: Sensores
capacitivos, Sensores inductivos
Los sensores son utilizados en el proceso de tratamiento de la información de forma
que habitualmente una cantidad o magnitud física es captada por un transductor
que convierte dicha magnitud física en señal eléctrica. Esta señal se digitaliza con un
conversor A/D con el propósito realizar un procesado de la señal, típicamente por
filtros y/o extracción de ciertas características inherentes en la señal. Finalmente, se
puede llegar a implementar una etapa de interpretación de la señal, que requiere de
un proceso cognitivo que permita alcanzar una toma de decisiones que culmina en
una actuación.
11. El uso de micrófonos en un robot se puede hallar en dos
aplicaciones:
Primero, dentro de un sistema de medición de distancia,
en el que el micrófono recibe sonidos emitidos desde el
mismo robot, luego de que éstos rebotan en los obstáculos
que tiene enfrente, es decir, un sistema de sonar; y
segundo, un micrófono para captar el sonido ambiente y
utilizarlo en algún sentido.
En este segundo caso, hay dos razones básicas para que
un robot esté provisto de un micrófono u otro sensor de
sonido (como los piezoeléctricos): recibir órdenes a través
de sonidos (palabra o tonos) y, un poco más avanzado,
determinar la dirección de estos sonidos. Ambas opciones
le dan al robot la posibilidad de interactuar de una manera
muy interesante con una persona que le hable.
12. Cámara Raspberry Pi v2 - 8 Megapixels
Imágenes de alta calidad
Alta capacidad de datos
Enfoque fijo de 8 megapíxeles
Compatible con 1080p, 720p60 y VGA90
Sensor de imagen CMOS Sony IMX219PQ
Cable plano de 15 contactos
1Sheeld - Shield universal para
Arduino
Características:
Adaptador Bluetooth 2.1 HC-06 integrado
Rango: 10 metros aprox.
Microcontrolador Atmel ATMega162
(@16MHz) preprogramado
Comunicación con Arduino mediante
UART
13. CONTROLADORES
Regula cada uno de los movimientos del manipulador, las acciones,
cálculos y procesado de la información. El controlador recibe y envía
señales a otras máquinas-herramientas (por medio de señales de
entrada/salida) y almacena programas.
POSICIÓN: el controlador interviene únicamente en el control de la
posición del elemento terminal;
CINEMÁTICO: en este caso el control se realiza sobre la posición y la
velocidad;
DINÁMICO: además de regular la velocidad y la posición, controla las
propiedades dinámicas del manipulador y de los elementos asociados a él;
ADAPTATIVO: engloba todas las regulaciones anteriores y, además, se
ocupa de controlar la variación de las características del manipulador al
variar la posición
14. ACTUADORES:
generar el movimiento de los elementos del robot según las ordenes dadas
por la unidad de control.
Neumáticos
Hidráulicos
Eléctricos
15. Neumáticos:
Los actuadores
neumáticos utilizan el
aire comprimido como
fuente de energía y
son muy indicados en
el control de
movimientos rápidos,
pero de precisión
limitada.
Los motores
hidráulicos son
recomendables en los
manipuladores que
tienen una gran
capacidad de carga,
junto a una precisa
regulación de
velocidad.
Los motores eléctricos
son los más utilizados,
por su fácil y preciso
control, así como por
otras propiedades
ventajosas que
establece su
funcionamiento, como
consecuencia del
empleo de la energía
eléctrica
Hidráulicos: Eléctricos:
16.
17. Es la inteligencia exhibida por
máquinas. Coloquialmente el término
"inteligencia artificial" se aplica
cuando una máquina imita las
funciones "cognitivas" que los
humanos asocian con otras mentes
humanas, como por ejemplo:
"aprender" y "resolver problemas".
18. Inteligencia
Computacional (IC) es una
rama de la
inteligencia artificial centrada
en el estudio de mecanismos
adaptativos para permitir el
comportamiento inteligente de
sistemas complejos y
cambiantes . Es un enfoque que
intenta crear sistemas que
piensan y aprenden de la misma
manera que los humanos.
19. El Test de Turing nace como un método para
determinar si una máquina puede pensar. Su
desarrollo se basa en el juego de imitación.
La Prueba de Turing original fue
determinada para decidir si una
máquina podía ser considerada
pensante de manera indistinguible
para las personas, lo cual dependía
del tipo de preguntas que se le
hicieran.
20. En el CAPTCHA, Completely Automated
Public Turing test to tell Computers and
Humans Apart (prueba de Turing pública y
automática para diferenciar máquinas y
humanos), esa conocida sucesión de números y
letras, su ‘juez’ es, paradójicamente, un
ordenador.
21. Las aplicaciones de la Inteligencia Artificial, al
menos por el momento, están orientadas a
su integración en sistemas y dispositivos de
uso habitual, como automóviles automatizados,
dispositivos electrónicos (equipos
informáticos, smartphones...), domótica y/o
sistemas de reconocimiento de voz con múltiples
funciones. Por supuesto, también a su
integración en entornos de inteligencia de
negocios, facilitando enormemente la
automatización de tareas y procesos que
tradicionalmente realizaban equipos humanos, o
que requerían la intervención de los mismos.
Queremos no sólo máquinas inteligentes, sino
máquinas comprensibles. No una Inteligencia
Artificial, sino una Inteligencia Simbiótica. La
tecnología conocerá cosas sobre las personas,
pero la gente debe saber sobre la tecnología. La
gente debería tener un entendimiento de cómo
la tecnología ve y analiza el mundo.
La IA debe contar con responsabilidad
algorítmica para que la gente pueda
deshacer un daño imprevisto. Debemos
diseñar estas tecnologías para lo
esperado y lo inesperado.
La IA debe proteger contra sesgos, para
asegurar una investigación apropiada y
representativa para que las heurísticas
erróneas no puedan ser utilizadas para
discriminar
La IA debe estar diseñada para la
privacidad a través de protecciones
sofisticadas que aseguren al
personal y a la información
organizacional de maneras que se
gane la confianza.
La IA debe maximizar eficiencias
sin destruir la dignidad de la gente:
Deberá preservar compromisos
culturales e impulsar la diversidad.
La industria de tecnología por sí
sola, no debería dictar los valores y
virtudes de este futuro.
.
22.
23. Búsqueda del estado requerido en el conjunto de los estados
producidos por las acciones posibles.
Algoritmos genéticos (análogo al proceso de evolución de las
cadenas de ADN).
Redes neuronales artificiales (análogo al funcionamiento físico del
cerebro de animales y humanos).
Razonamiento mediante una lógica formal análogo al pensamiento
abstracto humano.
25. Es una rama de la IA cuyo objetivo es desarrollar técnicas
que permitan a las computadoras aprender de sus
experiencias pasadas.
El aprendizaje automático tiene una amplia gama de
aplicaciones, incluyendo motores de búsqueda,
diagnósticos médicos, detección de fraude en el uso de
tarjetas de crédito, análisis del mercado de valores,
clasificación de secuencias de ADN, reconocimiento del
habla y del lenguaje escrito juegos y robótica.
26. Para solucionar problemas complejos, los programas que utilizan las
técnicas de IA presentan numerosas ventajas frente a los que no lo hacen.
Los primeros son más robustos; no se equivocarán frente a una pequeña
perturbación en la entrada. El conocimiento del programa es comprendido
fácilmente por la gente. Estos programas pueden trabajar con facilidad en
grandes problemas en donde los métodos directos fallan
27.
28.
29. El reconocimiento de patrones es la ciencia que se encarga de la descripción y clasificación
(reconocimiento) de objetos, personas, señales, representaciones, etc.
El objetivo de estas etapas es ajustar el sistema para que sea capaz de clasificar señales u objetos de
entrada en una de las clases predefinidas. Para ello deberá analizar un cierto número de características
y para poder clasificar satisfactoriamente señales de entrada, es necesario un proceso de aprendizaje
en el cual el sistema crea un modelo de cada una de las clases a partir de una secuencia de
entrenamiento o conjunto de vectores de características de cada una de las clases
30. Podemos definir una heurística como un truco o
estrategia que limita grandiosamente la
búsqueda de soluciones ante grandes espacios
de problemas. Por lo tanto ante un problema,
nos ayuda a seleccionar las bifurcaciones,
dentro de un árbol, con más posibilidades, con
ello se restringe la búsqueda aunque no
siempre se garantiza una solución adecuada.
31. La lógica clásica, o lógica bivaluada, no resulta adecuada
cuando de describir el razonamiento humano se trata,
ya que solo "conoce" dos valores, verdad (1) y falsedad
(0), mientras que en la vida real existen hechos que no
se pueden definir como totalmente verdaderos o
totalmente falsos sino que tienen un grado de verdad o
falsedad, que puede variar de 0 a 1.
32. Se basa en palabras y no en números, las verdades de los valores son expresados
lingüísticamente. Por ejemplo: caliente, muy frío, verdad, lejano, cercano, rápido,
lento, medio, etc.
Ésta genera algunos modificadores del predicado como por ejemplo: mucho, más o
menos, poco, suficientemente, medio, etc.
También procesa un sistema amplio de cuantificadores, como por ejemplo: pocos,
varios, alrededor, generalmente.
Hace uso las probabilidades lingüísticas, como por ejemplo: probable, improbable,
que se interpretan como números borrosos y son manipuladas por su aritmética.
Maneja todos los valores entre 0 y 1, tomando éstos como límite solamente.
Usa una representación de conocimiento explícito.
Realiza verificación y optimización de manera fácil y eficiente.
No se puede entrenar, esto es que sea capaz de obtener nuevos conocimiento.
33. 1. Fusificación (Fuzzification). Las funciones de pertenencia definidas para
las variables de entrada se aplican a sus valores actuales
correspondientes, para poder determinar el grado de verdad para cada
regla de la premisa.
2. Inferencia Lógica. El valor de verdad para la premisa de cada regla se
calcula, y aplica a la parte de conclusiones de cada regla. Este resultado se
asigna a un subconjunto difuso para ser asignado a cada variable de salida
para cada regla.
3. Difusificación (Defuzzification). La cual es usada cuando se desea
convertir la salida difusa en un valor puntual numérico. Existen muchos
métodos de dedifusificación (al menos 30).
34. Teoría matemática usada en
algunas técnicas de inteligencia
artificial.
La teoría de conjuntos es usada en
la lógica difusa con las
operaciones de unión, diferencia,
negación, complemento , dado que
la lógica difusa , donde la clave de
esta adaptación al lenguaje se basa
en comprender
los cuantificadores de cualidad
para nuestras inferencias (en los
ejemplos de arriba, «mucho»,
«muy» y «un poco») que se ubican
en conjuntos.
35. El uso de estas técnicas ha permitido
también a los de Mountain View reducir
del 23% al 8% los errores a la hora de
procesar comandos de voz. «La inteligencia
artificial será una herramienta que los
humanos puedan controlar y dirigir»,
afirmaba recientemente Mustafa
Suleyman, cofundador de DeepMind.
«Cualquier especulación de una máquina
superinteligente que vaya a asimilar todo el
conocimiento del mundo para crear luego
sus propias decisiones es absurda»,
sentencia este ingeniero, llamando a la
calma para frenar las teorías más atrevidas.
36. Técnicas de procesamiento del lenguaje humano que
permiten que una computadora entienda su significado.
El proceso de traducción, es la técnica de traducción
automática de un lenguaje humano a otro.
37. Las Redes Neuronales Artificiales (RNA) tratan de
modelar la estructura y la forma de trabajar de
las células nerviosas o neuronas. Las neuronas
artificiales son interconectadas unas a otras y son
distribuidas en capas de tal forma que emulan en forma
simple la estructura neuronal de un cerebro.
38. Tienen el mismo funcionamiento de comunicación
La estructura es muy similar solo que con sus respectivos nombres
Utilizan una potencia máxima y mínima para la lograr la
comunicación
Establece conexión con otras neuronas vecinas para él envío y
recibo de información
Recibe información de varias entradas para generar una sola salida
La neurona artificial captura señales mediante sensores simulando
al axón en la neurona biológica
Los procesos de neuro-computación que se realizan en la neurona
artificial son similares a los procesos neurológicos del cerebro
39. El reconocimiento de patrones es la ciencia que se ocupa de los procesos sobre ingeniería,
computación y matemáticas relacionados con objetos físicos o abstractos, con el propósito de extraer
información que permita establecer propiedades de entre conjuntos de dichos objetos.
El reconocimiento de patrones es una técnica de la inteligencia artificial y es empleado por tecnologías
como el procesamiento del lenguaje natural y la visión computacional.
El reconocimiento de patrones se apoya de otras técnicas de la IA como:
· Lógica Difusa
· Minería de Datos
· Redes Neuronales
· Agentes
· Robótica
40. Reconocimiento Óptico de Caracteres, o OCR, es una tecnología que le permite convertir
diferentes tipos de documentos, tales como documentos en papel escaneados, archivos
de PDF o imágenes captadas por una cámara digital en los datos editables y con opción
de búsqueda.
41. Los buscadores de imágenes como Google images, se
basan principalmente en el nombre del archivo que
contiene la imagen, en el nombre del enlace o en el
texto que aparece en la página donde se encuentra la
imagen. Es decir que la búsqueda se basa en
información de texto y no en información gráfica.
Google Goggles1 basadas en el reconocimiento de
imágenes utilizando el contenido de las mismas, para
ello se centran en un subconjunto de las imágenes
que Google ha catalogado previamente ya que el
análisis y comparación de imágenes digitales requiere
de un coste computacional muy alto.
42. Reconocimiento de rostros y expresiones faciales.
Reconocimiento de firmas.
Reconocimiento de caracteres.
Reconocimiento de rostros y expresiones faciales Para los
humanos, la forma más sencilla de reconocer personas es a
través de su rostro, ya que tiene características únicas como
distancia entre ojos, anchura de la nariz, forma de la
barbilla, pómulos, forma de la boca, etc.
43. Sistema de computación que puede
procesar lenguaje hablado y
entendimiento de su mensaje, que tiene
como objetivo permitir la comunicación
hablada entre seres humanos y
computadoras.
Dragon Naturally Speaking, que
permite dictar textos al ordenador
en lugar de teclearlos
44. Un sistema text-to-speech (TTS) convierte el
lenguaje de texto normal en habla; otros sistemas
recrean la representación simbólica lingüística
como transcripciones fonéticas en habla.
El habla sintetizada puede ser creada a través de la
concatenación de fragmentos de habla grabados
que son almacenados en una base de datos.
45.
46. Un sistema experto es un conjunto de programas
(aplicaciones) que, sobre una base de conocimientos,
posee información de expertos en un área específica.
Rama de la inteligencia artificial, donde el poder de
resolución de un problema en un programa de
computadora viene del conocimiento de un dominio
específico.
SE imita actividades humanas para resolver problemas
de distinta índole. También se dice que un SE se basa
en el conocimiento declarativo (hechos sobre objetos,
situaciones) y el conocimiento de control (información
sobre el seguimiento de una acción).
47. La base del conocimiento de los sistemas expertos contiene el conocimiento efectivo
y heurístico. El conocimiento efectivo es el conocimiento del dominio de la tarea que
se comparte ampliamente, encontrado típicamente en libros de textos.
La representación del conocimiento formaliza y ordena el conocimiento. Una
representación ampliamente usada es la regla de producción, o simplemente regla.
Una regla consiste en: una parte SI, y otra parte ENTONCES (también llamada como
una condición y una acción). Las listas de partes SI son un conjunto de condiciones en
una cierta combinación lógica. La porción del conocimiento representado por la regla
es relevante a la línea del razonamiento que es convertido si la parte SI de la regla está
satisfecha; por lo tanto, la parte ENTONCES puede ser concluida, o su acción de
solucionar el problema ser tomada. En los sistemas expertos en que el conocimiento
se representa en forma de regla se llaman: sistemas basados en reglas.
La unidad es un enlace del conocimiento simbólico asociado acerca de una entidad
que se representará, consiste en una lista de las características de la entidad y de los
valores asociados para esas características.
48. Es el arte de diseñar y construir los sistemas expertos donde los
ingenieros del conocimiento son sus médicos. Afirmamos
anteriormente que la ingeniería del conocimiento es una parte
aplicada de la ciencia de la inteligencia artificial (IA) que, a su vez,
es parte de la informática. Teóricamente, entonces, un ingeniero
del conocimiento es un informático que sabe diseñar y poner
programas en ejecución que incorporan técnicas de inteligencia
artificial.
La Ingeniería del Conocimiento consiste pues, en generar nuevo
conocimiento , que antes no existía, a partir de la información
contenida en las bases de datos documentales y mediante el
cruce del contenido de los documentos. La ingeniería del
conocimiento parte lógicamente de la Teoría actor-red, ya que
pone de manifiesto redes y genera otras nuevas. Además hace uso
de la Teoría de la Traducción-Traslación, ya que mediante el
acercamiento y puesta en relación de actores, se produce un
“moldeo” o traducción para llevar los enunciados o modalidades a
nuevos estadios de evolución
49. SHELLS DE SISTEMAS
EXPERTOS
La construcción de los sistemas expertos usando
shell ofrece ventajas significativas donde el
sistema de IA se puede construir para realizar
una tarea única entrando todo el conocimiento
necesario acerca del dominio de la tarea en un
shell. El motor de la inferencia que aplica el
conocimiento a la tarea actual se construye en el
shell. Si el programa no es muy complicado y si
un experto ha tenido cierto entrenamiento en el
uso de un shell, el experto puede entrar en el
conocimiento mismo de la tarea
50. UN GESTOR DEL CONOCIMIENTO DEL SISTEMA cuyo componente más importante es el
llamado MOTOR de INFERENCIA , que examina las reglas y hechos de la Base de conocimiento,
interactúa con el modelo situacional, resuelve los conflictos, deduce e infiere soluciones y
como subproducto de ello, almacena estrategias de tratamiento para el futuro. También incluye
un módulo de aprendizaje del sistema, que permite la actualización de la base de conocimiento
en función de las soluciones obtenidas y de los desarrollos posteriores de los hechos, y que
también actualiza los esquemas de interpretación del modelo situacional.
El ingeniero entonces traduce el conocimiento a un lenguaje útil para la computadora y diseña
un motor de inferencia, una estructura del razonamiento que utilice apropiadamente el
conocimiento. Él también determina cómo integrar el uso del conocimiento incierto en el
proceso del razonamiento y qué clase de explicación serían útiles para el usuario final.
51. El área del conocimiento intelectual
humano para ser capturado en un
sistema experto se llama el dominio de
la tarea. La tarea se refiere a una cierta
meta orientada, actividad de solucionar
el problema. El dominio se refiere al
área dentro de la cual se está
realizando la tarea. Las tareas típicas
son el diagnóstico, hojas de operación
(planning), la programación,
configuración y diseño. Un ejemplo de
dominio de una tarea es la
programación del equipo de un avión.
52. En la representación del conocimiento, los asuntos claves son los
conceptos, lenguajes y estándares para la representación del conocimiento.
Hay muchas partes implicadas en el progreso de los sistemas expertos:
definir los problemas encontrados en la búsqueda del conocimiento;
desarrollo de la infraestructura para construir y compartir grandes bases de
conocimiento; y acumulado de un gran cuerpo del conocimiento, por
ejemplo, conocimiento del sentido común o ingeniería y conocimiento
técnico.
Para un Sistema Experto no hay nada obvio. Por ejemplo, un sistema
experto sobre medicina podría admitir que un hombre lleva 40 meses
embarazado, a no ser que se especifique que esto no es posible ya que un
hombre no puede gestar hijos.
Funciones genuinamente humanas: por ejemplo, todo lo relacionado con el
lenguaje natural, la formación de conceptos, el conocimiento de sentido
común y la creación queda fuera de los Sistemas Expertos, al menos en el
estado actual del conocimiento.
53. A pesar de sus características particulares, todos los algoritmos realizan comparaciones
incrementales, es decir, utilizan soporte de estado para reducir la cantidad de coincidencias en
ciclos sucesivos. El algoritmo más popular es el Rete y en menor frecuencia también se emplean
los siguientes algoritmos: Eager Evaluantion y Lazy Evaluation.
Propósito de un algoritmo en un sistema experto: por
ejemplo, detección de fallos, desarrollo de productos
Rete El algoritmo de emparejamiento es un método eficiente para
comparar una larga colección de patrones con una
larga colección de objetos. Encuentra todos los objetos que
coinciden con cada patrón.
Fue desarrollado para el uso en intérpretes de sistemas de producción y
se ha empleado por sistemas que contienen desde algunos cientos hasta
miles de patrones y objetos.
No itera sobre sobre los sets de patrones sino que contiene una red de
ordenamiento con estructura de árbol o índice para los patrones.
Los patrones son compilados en un programa que realiza el proceso de
emparejamiento
54. Permanencia: A diferencia de un experto humano un SE (sistema experto) no envejece, y por tanto no sufre
pérdida de facultades con el paso del tiempo.
Replicación: una vez programado un se lo podemos replicar infinidad de veces.
Rapidez: un se puede obtener información de una base de datos y realizar cálculos numéricos mucho más
rápido que cualquier ser humano.
Bajo costo: a pesar de que el costo inicial pueda ser elevado, gracias a la capacidad de duplicación el coste
finalmente es bajo.
Entornos peligrosos: un se puede trabajar en entornos peligrosos o dañinos para el ser humano.
Fiabilidad: los se no se ven afectados por condiciones externas, un humano sí (cansancio, presión, etc.).
Consolidar varios conocimientos.
Apoyo académico.
55. Sentido común: para un sistema experto no hay nada obvio. Por ejemplo, un sistema experto sobre medicina podría admitir
que un hombre lleva 40 meses embarazado, a no ser que se especifique que esto no es posible ya que un hombre no puede
gestar hijos.
Lenguaje natural: con un experto humano podemos mantener una conversación informal mientras que con un se no
podemos.
Capacidad de aprendizaje: cualquier persona aprende con relativa facilidad de sus errores y de errores ajenos, que un se
haga esto es muy complicado.
Perspectiva global: un experto humano es capaz de distinguir cuales son las cuestiones relevantes de un problema y
separarlas de cuestiones secundarias.
Capacidad sensorial: un se carece de sentidos.
Flexibilidad: un humano es sumamente flexible a la hora de aceptar datos para la resolución de un problema.
Conocimiento no estructurado: un se no es capaz de manejar conocimiento poco estructurado.
56.
57. Los sistemas inteligentes consisten en un conjunto de herramientas y aplicaciones que en conjunto llevan a cabo la
recopilación, extracción y formato de información Obtenida de distintas fuentes con el único fin de crear medios
inteligentes y artificiales para diversos usos. Típicamente son utilizados para el soporte en la toma de decisiones, Sin
embargo esto no significa que sean su única funcionalidad.
Las capacidades requeridas para hablar de sistema inteligente completo son:
Inteligencia
Sistematización
Capacidad sensorial
Conceptualización
Memoria
Reglas de actuación
Aprendizaje
58. Un motor de búsqueda es un sistema informático que
busca Archivos almacenados en servidores web gracias a su
«spider» (o Web crawler). Un ejemplo son los buscadores de
Internet (algunos buscan sólo en la Web pero otros buscan
además en noticias, servicios como Gopher, FTP, etc.) cuando se
pide información sobre algún tema.
Las búsquedas se hacen con palabras clave o con árboles
jerárquicos por temas; el resultado de la búsqueda es un listado
de direcciones Web en los que se mencionan temas relacionados
con las palabras clave buscadas.
Un Directorio Web organiza los sitios web por temas, y
normalmente se mantienen por personas y no mediante software,
por lo que sus bases de datos son menores que las de los motores
de búsqueda. El usuario accede a las páginas web organizadas
por categorías y menús.
59. Mycin es un sistema experto desarrollado a principios de los
años 70 por Edward Shortliffe, en la Universidad de Stanford.
Fue escrito en Lisp, e inicialmente estaba inspirado en Dendral,
otro sistema experto que tuvo cierto éxito a finales de los años
60. Su principal función consistía en el diagnóstico
de enfermedades infecciosas de la sangre; además, Mycin era
capaz de “razonar” el proceso seguido para llegar a estos
diagnósticos, y de recetar medicaciones personalizadas a cada
paciente (según su estatura, peso, etc.).
CADUCEUS fue un sistema experto médico programado para
realizar diagnósticos en medicina interna
60. El Sistema Inteligente de reconocimiento de voz para la traducción del lenguaje verbal a la lengua de
señas colombiana (VLSC), surge a partir de la necesidad de inclusión de estudiantes sordos a la formación
en la educación superior
Google Voice y S Voice
El sistema de reconocimiento de voz de Windows que permite al usuario poder controlar el equipo a
través de comandos preestablecidos
61. Intermountain Healthcare está colaborando
con Zebra Medical Vision, una compañía de analítica
de imágenes para aprendizaje complejo, con sede en
Israel, para integrar un sistema de aprendizaje
automático basado en el análisis de imágenes
médicas. El objetivo es proporcionar una mejor
atención al paciente.
Reglas generales para realizar una tarea, utilizadas para mejorar la realización de algoritmos de búsqueda en aplicaciones de IA. Los eventos que son comunes para nosotros, serán más fáciles de recordar que los que no son comunes
Lógica en la cual las respuestas pueden tener múltiples evaluaciones, usado en IA
Las redes neuronales son las técnicas de IA, que tratan de simular al cerebro humano usando neuronas y sinapsis.
Técnicas de inteligencia computacional donde las computaas son entranadas en ejemplo y aprender a reconocer similitudes entre ellos.