SlideShare una empresa de Scribd logo
1 de 17
Agenda ¿Quees la Inteligencia Artificial (IA) ?  Un poco de historia Susaplicaciones Metodologías 	1. Maquinas de estadofinito 	2. Algoritmosgenéticos 	3. Redesneuronales 	4. Sistemasexpertos 	5. Lógicadifusa DEMO
¿Quees la IA? Ciencia que intenta crear un programa o una máquina que  imite el comportamiento y el pensamiento humano. Según, ganador de un premio Pulitzer, Douglas Hofstadter, una entidad inteligente debe cumplir con los siguientes requisitos: ,[object Object]
Darle sentido a los mensajes ambiguos o contradictorios
Reconocer la importancia de diferentes elementos en una situación
Encontrar similitudes entre situaciones a pesar de las diferencias que las separan
Encontrar diferencias entre situaciones a pesar de las similitudes que las ligan.validación teoría software
Un poco de historia part 1 La idea de inteligencias artificiales siempre ha despertado interés en la raza humana. Hablando de mitos, leyendas y Hollywood podríamos mencionar a: ,[object Object]
Frankestein: necesita explicación ¿?
Pinocho
I robot (themovie),[object Object]
Aplicaciones
Maquinas de estadosfinitos ,[object Object]
Sencillos
Cantidad finita de posibles estados
Cambiará de estado dependiendo de si se cumple o no la condición de transición
La salida entre un estado y otro puede ser o no binaria Do { If (calentador.estado == false) { If (temperatura < 50) { calentador.estado = true }   } Elseif (calentador.estado == true) { If (temperatura > 100) { calentador.estado = false } }            } while (dispositivo.estado ==  true)                                  ON OFF

Más contenido relacionado

Similar a [Code Camp 2009] Inteligencia Artificial con C# (Marcelo A. Quevedo)

Unidad 1, 2 y_3_algoritmos
Unidad 1, 2 y_3_algoritmosUnidad 1, 2 y_3_algoritmos
Unidad 1, 2 y_3_algoritmos
Grisell d?z
 
Programación orientada a objetos (1)
Programación orientada a objetos (1)Programación orientada a objetos (1)
Programación orientada a objetos (1)
LEYKAMUN
 
Capítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultadosCapítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultados
Sergio Valenzuela Mayer
 
Capítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultadosCapítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultados
Sergio Valenzuela Mayer
 

Similar a [Code Camp 2009] Inteligencia Artificial con C# (Marcelo A. Quevedo) (20)

Unidad 1, 2 y_3_algoritmos
Unidad 1, 2 y_3_algoritmosUnidad 1, 2 y_3_algoritmos
Unidad 1, 2 y_3_algoritmos
 
Inteligencia
InteligenciaInteligencia
Inteligencia
 
Algoritmos genéticos
Algoritmos genéticosAlgoritmos genéticos
Algoritmos genéticos
 
Programación orientada a objetos
Programación orientada a objetosProgramación orientada a objetos
Programación orientada a objetos
 
Manual users algoritmos
Manual users   algoritmosManual users   algoritmos
Manual users algoritmos
 
020 algoritmos2
020 algoritmos2020 algoritmos2
020 algoritmos2
 
Monografía leslie
Monografía leslieMonografía leslie
Monografía leslie
 
Inteligencia Artificial From Zero to Hero
Inteligencia Artificial From Zero to HeroInteligencia Artificial From Zero to Hero
Inteligencia Artificial From Zero to Hero
 
Programación orientada a objetos (1)
Programación orientada a objetos (1)Programación orientada a objetos (1)
Programación orientada a objetos (1)
 
Clase 05 (2)
Clase 05 (2)Clase 05 (2)
Clase 05 (2)
 
A Geneticos
A GeneticosA Geneticos
A Geneticos
 
Inteligencia Artificial.pdf
Inteligencia Artificial.pdfInteligencia Artificial.pdf
Inteligencia Artificial.pdf
 
ALGORITMO GENETICO - II.pptx
ALGORITMO GENETICO - II.pptxALGORITMO GENETICO - II.pptx
ALGORITMO GENETICO - II.pptx
 
Capítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultadosCapítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultados
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Capítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultadosCapítulo 07 interpretación de resultados
Capítulo 07 interpretación de resultados
 
Clase redes neuronales 3
Clase redes neuronales 3Clase redes neuronales 3
Clase redes neuronales 3
 
pseint ppt.pptx
pseint ppt.pptxpseint ppt.pptx
pseint ppt.pptx
 
AG (1).pptx
AG (1).pptxAG (1).pptx
AG (1).pptx
 

Más de Microsoft Argentina y Uruguay [Official Space]

Más de Microsoft Argentina y Uruguay [Official Space] (20)

CodeCamp 2010 | Diez formas de escribir código (in)seguro
CodeCamp 2010 | Diez formas de escribir código (in)seguroCodeCamp 2010 | Diez formas de escribir código (in)seguro
CodeCamp 2010 | Diez formas de escribir código (in)seguro
 
CodeCamp 2010 | Efectos especiales con Silverlight
CodeCamp 2010 | Efectos especiales con SilverlightCodeCamp 2010 | Efectos especiales con Silverlight
CodeCamp 2010 | Efectos especiales con Silverlight
 
CodeCamp 2010 | FBI- Fácil Business Intelligence
CodeCamp 2010 | FBI- Fácil Business IntelligenceCodeCamp 2010 | FBI- Fácil Business Intelligence
CodeCamp 2010 | FBI- Fácil Business Intelligence
 
CodeCamp 2010 | Hyper-V en Windows Server 2008 R2 e interoperabilidad con Linux
CodeCamp 2010 | Hyper-V en Windows  Server 2008 R2 e interoperabilidad con LinuxCodeCamp 2010 | Hyper-V en Windows  Server 2008 R2 e interoperabilidad con Linux
CodeCamp 2010 | Hyper-V en Windows Server 2008 R2 e interoperabilidad con Linux
 
CodeCamp 2010 | Productividad mas allá de la velocidad de tus dedos (cazzulin...
CodeCamp 2010 | Productividad mas allá de la velocidad de tus dedos (cazzulin...CodeCamp 2010 | Productividad mas allá de la velocidad de tus dedos (cazzulin...
CodeCamp 2010 | Productividad mas allá de la velocidad de tus dedos (cazzulin...
 
CodeCamp 2010 | Un paseo por WCF 4.0
CodeCamp 2010 | Un paseo por WCF 4.0CodeCamp 2010 | Un paseo por WCF 4.0
CodeCamp 2010 | Un paseo por WCF 4.0
 
CodeCamp 2010 | Desarrollo de videojuegos fuera de control
CodeCamp 2010 | Desarrollo de videojuegos fuera de controlCodeCamp 2010 | Desarrollo de videojuegos fuera de control
CodeCamp 2010 | Desarrollo de videojuegos fuera de control
 
CodeCamp 2010 | Recorriendo ocs 2010
CodeCamp 2010 | Recorriendo ocs 2010CodeCamp 2010 | Recorriendo ocs 2010
CodeCamp 2010 | Recorriendo ocs 2010
 
Novedades de vs 2010 y net 40
Novedades de vs 2010 y net 40Novedades de vs 2010 y net 40
Novedades de vs 2010 y net 40
 
Run 2 0 keynote azure
Run 2 0 keynote azureRun 2 0 keynote azure
Run 2 0 keynote azure
 
Run 20 Track SQL Server
Run 20 Track SQL ServerRun 20 Track SQL Server
Run 20 Track SQL Server
 
Run 20 programando sobre sharepoint 2010
Run 20 programando sobre sharepoint 2010Run 20 programando sobre sharepoint 2010
Run 20 programando sobre sharepoint 2010
 
(25.03) RUN 09 - Sesiones Desarrollo - SI 2.0
(25.03) RUN 09 - Sesiones Desarrollo - SI 2.0(25.03) RUN 09 - Sesiones Desarrollo - SI 2.0
(25.03) RUN 09 - Sesiones Desarrollo - SI 2.0
 
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Visión técnica
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Visión técnica(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Visión técnica
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Visión técnica
 
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Services 3
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Services 3(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Services 3
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Services 3
 
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Moss
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Moss(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Moss
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Moss
 
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Mapa De Ruta
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Mapa De Ruta(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Mapa De Ruta
(28.04) MOSSCA Invita - Bienvenidos a la casa de Sharepoint - Mapa De Ruta
 
(27.05) MOSSCA Invita - Búsqueda empresarial 2
(27.05) MOSSCA Invita - Búsqueda empresarial 2(27.05) MOSSCA Invita - Búsqueda empresarial 2
(27.05) MOSSCA Invita - Búsqueda empresarial 2
 
(27.05) MOSSCA Invita - Búsqueda empresarial 1
(27.05) MOSSCA Invita - Búsqueda empresarial 1(27.05) MOSSCA Invita - Búsqueda empresarial 1
(27.05) MOSSCA Invita - Búsqueda empresarial 1
 
(25.03) RUN 09 - Sesiones Desarrollo - Azure Live
(25.03) RUN 09 - Sesiones Desarrollo - Azure Live(25.03) RUN 09 - Sesiones Desarrollo - Azure Live
(25.03) RUN 09 - Sesiones Desarrollo - Azure Live
 

Último

Chat GPT para la educación Latinoamerica
Chat GPT para la educación LatinoamericaChat GPT para la educación Latinoamerica
Chat GPT para la educación Latinoamerica
EdwinGarca59
 
editorial de informática de los sueños.docx
editorial de informática de los sueños.docxeditorial de informática de los sueños.docx
editorial de informática de los sueños.docx
ssusere34b451
 

Último (20)

Chat GPT para la educación Latinoamerica
Chat GPT para la educación LatinoamericaChat GPT para la educación Latinoamerica
Chat GPT para la educación Latinoamerica
 
Uso de las TIC en la vida cotidiana .
Uso de las TIC en la vida cotidiana       .Uso de las TIC en la vida cotidiana       .
Uso de las TIC en la vida cotidiana .
 
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
 
Navegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
Navegadores de internet - Nuevas Tecnologías de la Información y la ComunicaciónNavegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
Navegadores de internet - Nuevas Tecnologías de la Información y la Comunicación
 
editorial de informática de los sueños.docx
editorial de informática de los sueños.docxeditorial de informática de los sueños.docx
editorial de informática de los sueños.docx
 
el uso de las TIC en la vida cotidiana.pptx
el uso de las TIC en la vida cotidiana.pptxel uso de las TIC en la vida cotidiana.pptx
el uso de las TIC en la vida cotidiana.pptx
 
Inteligencia Artificial para usuarios nivel inicial
Inteligencia Artificial para usuarios nivel inicialInteligencia Artificial para usuarios nivel inicial
Inteligencia Artificial para usuarios nivel inicial
 
innovacion banking & warehouse 2024 blog
innovacion banking & warehouse 2024 bloginnovacion banking & warehouse 2024 blog
innovacion banking & warehouse 2024 blog
 
De Olmos Santiago_Dolores _ M1S3AI6.pptx
De Olmos Santiago_Dolores _ M1S3AI6.pptxDe Olmos Santiago_Dolores _ M1S3AI6.pptx
De Olmos Santiago_Dolores _ M1S3AI6.pptx
 
Ejercicio 1 periodo 2 de Tecnología 2024
Ejercicio 1 periodo 2 de Tecnología 2024Ejercicio 1 periodo 2 de Tecnología 2024
Ejercicio 1 periodo 2 de Tecnología 2024
 
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptx
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptxTipos de Datos de Microsoft Access-JOEL GARCIA.pptx
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptx
 
NIVEL DE MADUREZ TECNOLÓGICA (TRL).pptx
NIVEL DE  MADUREZ TECNOLÓGICA (TRL).pptxNIVEL DE  MADUREZ TECNOLÓGICA (TRL).pptx
NIVEL DE MADUREZ TECNOLÓGICA (TRL).pptx
 
Imágenes digitales: Calidad de la información
Imágenes digitales: Calidad de la informaciónImágenes digitales: Calidad de la información
Imágenes digitales: Calidad de la información
 
VelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiC
VelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiCVelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiC
VelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiC
 
Electricidad Libro compendio de temas estudiados.docx
Electricidad Libro compendio de temas estudiados.docxElectricidad Libro compendio de temas estudiados.docx
Electricidad Libro compendio de temas estudiados.docx
 
Actividad 6/Las TIC en la Vida Cotidiana.
Actividad 6/Las TIC en la Vida Cotidiana.Actividad 6/Las TIC en la Vida Cotidiana.
Actividad 6/Las TIC en la Vida Cotidiana.
 
Desarrollo del Dominio del Internet - Estrada
Desarrollo del Dominio del Internet - EstradaDesarrollo del Dominio del Internet - Estrada
Desarrollo del Dominio del Internet - Estrada
 
BUSCADORES DE INTERNET (Universidad de Sonora).
BUSCADORES DE INTERNET (Universidad de Sonora).BUSCADORES DE INTERNET (Universidad de Sonora).
BUSCADORES DE INTERNET (Universidad de Sonora).
 
Tipos de datos en Microsoft Access de Base de Datos
Tipos de datos en Microsoft Access de Base de DatosTipos de datos en Microsoft Access de Base de Datos
Tipos de datos en Microsoft Access de Base de Datos
 
JORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUAL
JORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUALJORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUAL
JORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUAL
 

[Code Camp 2009] Inteligencia Artificial con C# (Marcelo A. Quevedo)

  • 1.
  • 2. Agenda ¿Quees la Inteligencia Artificial (IA) ? Un poco de historia Susaplicaciones Metodologías 1. Maquinas de estadofinito 2. Algoritmosgenéticos 3. Redesneuronales 4. Sistemasexpertos 5. Lógicadifusa DEMO
  • 3.
  • 4. Darle sentido a los mensajes ambiguos o contradictorios
  • 5. Reconocer la importancia de diferentes elementos en una situación
  • 6. Encontrar similitudes entre situaciones a pesar de las diferencias que las separan
  • 7. Encontrar diferencias entre situaciones a pesar de las similitudes que las ligan.validación teoría software
  • 8.
  • 11.
  • 13.
  • 15. Cantidad finita de posibles estados
  • 16. Cambiará de estado dependiendo de si se cumple o no la condición de transición
  • 17. La salida entre un estado y otro puede ser o no binaria Do { If (calentador.estado == false) { If (temperatura < 50) { calentador.estado = true }   } Elseif (calentador.estado == true) { If (temperatura > 100) { calentador.estado = false } } } while (dispositivo.estado == true) ON OFF
  • 18. Algoritmosgenéticos part 1 Inspirados en la forma en teoría de la evolución. (explicar) Estado estable Ruleta Torneo Punto sencillo Dos puntos Múltiples puntos Mutacion: calculamos la relación de mutación. Este valor nos va a indicar la posibilidad que determinado cromosoma mute. Para la mutación se invierte el valor que debería ir en dicho cromosoma. Cálculo de adaptación Selección de padres Cruce y mutación
  • 19. Algoritmosgenéticos part 2 Funciones elementales CalcularAdaptacion() Primero obtenemos los factores (altura, fuerza, etc) que van a determinar los valores que prevalecen sobre el resto. Segundo evaluamos la aptación de cada individuo de la población respecto a dichos valores. Con dichos valores conformamos un valor general de adaptación. SeleccionarPadres() Recorriendo la población y comparando sus valores de adaptación seleccionamos los padres que tengan los valores mas altos. Es decir, los mas adaptados Cruce() Iniciamos la creación de la segunda generación. Cargamos los padres seleccionados. Y por último mediante la función random determino cuantos cromosomas serán heredados por cada iteración en la creación de la generación. Ya con esto, analizo nuevamente mediante una función aleatoria si el gen que se pasa a dicho cromosoma en particular, es de la madre o del padre. Mutación() para ella damos la probabilidad deseada a un if con un random cargado para indicarle al sistema en que casos plicaría la mutación de mas esta decir, randomizada.
  • 20.
  • 21. Contamos con varias capas. Cada capa esta formada por un conjunto de neuronas. Las diferentes neuronas de las diferentes capas se conectan entre sí.entrada proceso salida Datos necesarios para el procesamiento, se recomienda usar una nuerona para cada tipo de dato representativo. Para cada entrada se usará una escala para graduar los valores Cada neurona tendrá un valor de bias, que nos permitirá manejar los valores de tendencia en la salida comer proteínas NO comer minerales comer poco vitaminas El valor de entrada se calculará como la sumatoria de todas (las neuronas * el peso que les corresponde) + (el bias de la neurona * su peso) Para procesar dicha información usamos funciones de activación.
  • 22. Redesneuronales part 2 Procesamiento de la información: Funcion de paso Donde la funcion es 0 para x < 0 y es 1 para x > 0 Función lineal Donde la funcion es = x Función logística Funcion = 1 / (1 + e(-x)) Aprendizaje supervisado: se analiza un problema ya resuelto, ingreso los valores de entrada y observo sus resultados. En base a los datos obtenido modifico los valores de tendencia hasta obtener el resultado teórico. Calculo de error Actualización de datos
  • 23.
  • 24. Utiliza el tipo de reglas que el experto usaría para solucionar el problema (costos).
  • 25. Existen reglas que nos permiten utilizar esos conocimientos importantes.
  • 26. Conocimiento declarativo (informacion especifica) y procesal (requiere procsamiento).
  • 28. Memoria de reglas y memoria de trabajo.Base de conocimiento SISTEMAEXPERTO Base de conocimiento Motor de inferencia Interfaz de usuario
  • 29. LogicaDifusa part 1 Logica estricta Nos dice si algo es verdadero o falso. Por ejemplo, “estamos en CodeCamp" Pese a El hombre trabaja con una lógica no tan estricta (vehículo) Procesamos información sin valores exactos Logica Difusa Grado de membrecía, para el ejemplo, "que tanto doblo a la derecha”. Por definicion, que grado de pertenencia tiene una proposición sobre un conjunto. Toma valores entre 0 y 1.
  • 30.
  • 31. Triangulares : toma 3 valores siendo los puntos del triangulo y mas los datos de entrada que necesitemos, según entre que puntos este el valor de entrada será el grado devuelto.
  • 32. de Trapezoide Reglas difusas: mediante reglas determinadas obtenemos el grado de membrecía de la entrada con relación a la salida del programa. Desfuzzificacion: a veces es necesario convertir el valor de membrecía en un numero real
  • 33. Demo