SlideShare una empresa de Scribd logo
Inteligencia artificial
   La inteligencia artificial es considerada una rama de la computación y
    relaciona un fenómeno natural con una analogía artificial a través de
    programas de computador. La inteligencia artificial puede ser tomada como
    ciencia si se enfoca hacia la elaboración de programas basados en
    comparaciones con la eficiencia del hombre, contribuyendo a un mayor
    entendimiento del conocimiento humano.
   Si por otro lado es tomada como ingeniería, basada en una relación
    deseable de entrada-salida para sintetizar un programa de computador. "El
    resultado es un programa de alta eficiencia que funciona como una
    poderosa herramienta para quien la utiliza."
   A través de la inteligencia artificial se han desarrollado los sistemas
    expertos que pueden imitar la capacidad mental del hombre y relacionan
    reglas de sintaxis del lenguaje hablado y escrito sobre la base de la
    experiencia, para luego hacer juicios acerca de un problema, cuya solución
    se logra con mejores juicios y más rápidamente que el ser humano. En la
    medicina tiene gran utilidad al acertar el 85 % de los casos de diagnóstico.
http://es.wikipedia.org/wiki/Inteligencia_artificial
   Una característica fundamental que distingue a los métodos de Inteligencia Artificial de los métodos
    numéricos es el uso de símbolos no matemáticos, aunque no es suficiente para distinguirlo
    completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos,también
    procesan símbolos y no se considera que usen técnicas de Inteligencia Artificial.
   El comportamiento de los programas no es descrito explícitamente por el algoritmo. La secuencia de
    pasos seguidos por el programa es influenciado por el problema particular presente. El programa
    especifica cómo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa
    declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo
    definido, que especifica, explícitamente, cómo encontrar las variables de salida para cualquier variable
    dada de entrada (programa de procedimiento).
   Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las
    conclusiones intermedias alcanzadas durante las consideraciones al problema específico. Los lenguajes
    orientados al objeto comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia
    Artificial.
   El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y
    relaciones del mundo real y del ámbito del conocimiento en que ellos operan. Al contrario de los
    programas para propósito específico, como los de contabilidad y cálculos científicos; los programas de
    Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base
    de conocimientos dándole la capacidad de explicar discrepancias entre ellas.
   Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia Artificial los
    programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolución de conflictos en
    tareas orientadas a metas como en planificación, o el diagnóstico de tareas en un sistema del mundo
    real: con poca información, con una solución cercana y no necesariamente exacta.
   1. La lógica difusa: permite tomar decisiones bajo condiciones de incerteza.

    2. Redes neuronales: esta tecnología es poderosa en ciertas tareas como la clasificación y el reconocimiento de patrones.
    Está basada en el concepto de "aprender" por agregación de un gran número de muy simples elementos.

    Este modelo considera que una neurona puede ser representada por una unidad binaria: a cada instante su estado puede
    ser activo o inactivo. La interacción entre las neuronas se lleva a cabo a través de sinapsis. Según el signo, la sinapsis es
    excitadora o inhibidora.
    El perceptrón está constituido por las entradas provenientes de fuentes externas, las conexiones y la salida. En realidad un
    perceptrón es una Red Neuronal lo más simple posible, es aquella donde no existen capas ocultas.

    Para cada configuración de los estados de las neuronas de entrada (estímulo) la respuesta del perceptrón obedece a la
    siguiente dinámica: se suman los potenciales sinápticos y se comparan con un umbral de activación. Esta suma ponderada
    es también llamada campo. Si el campo es mayor que un umbral, la respuesta de la neurona es activa, si no, es inactiva.
    Con una arquitectura tan simple como la del perceptrón no se puede realizar más que una clase de funciones "booleanas"
    muy simples, llamadas linealmente separables. Son las funciones en las cuales los estados de entrada con salida positiva
    pueden ser separados de aquellos a salida negativa por un hiperplano. Un hiperplano es el conjunto de puntos en el espacio
    de estados de entrada, que satisfacen una ecuación lineal. En dos dimensiones, es una recta, en tres dimensiones un plano,
    etc.

    Si se quieren realizar funciones más complejas con Redes Neuronales, es necesario intercalar neuronas entre las capas de
    entradas y de salida, llamadas neuronas ocultas. Una red multicapas puede ser definida como un conjunto de perceptrones,
    ligados entre si por sinapsis y dispuestos en capas siguiendo diversas arquitecturas. Una de las arquitecturas más
    comúnmente usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y de éstas hacia la salida.
    El funcionamiento de una Red Neuronal es gobernado por reglas de propagación de actividades y de actualización de los
    estados.
   Los tipos de experiencia que son de interés en los sistemas basados en conocimiento, pueden ser
    clasificados en tres categorías: asociativa, motora y teórica.
    Los sistemas basados en conocimiento son excelentes para representar conocimiento asociativo. Este
    tipo de experiencia refleja la habilidad heurística o el conocimiento que es adquirido mayoritariamente, a
    través de la observación. Puede ser que no se comprenda exactamente lo que ocurre al interior de un
    sistema (caja negra), pero se pueden asociar entradas o estímulos con salidas o respuestas, para
    resolver problemas que han sido previamente conocidos.
    La experiencia motora es más física que cognitiva. La habilidad se adquiere fundamentalmente a través
    del ejercicio y la práctica física constante. Los sistemas basados en conocimiento no pueden emular
    fácilmente este tipo de experiencia, principalmente por la limitada capacidad de la tecnología robótica.
    La experiencia teórica y el conocimiento profundo permite que los humanos puedan resolver problemas
    que no se han visto antes, es decir, no existe una posibilidad asociativa. El conocimiento teórico y
    profundo se adquiere a través de estudio y entrenamiento formal, así como por medio de la resolución
    directa de problemas.
    Debido a su naturaleza teórica, este conocimiento se puede olvidar fácilmente, a no ser que se use en
    forma continua. Al momento, los sistemas convencionales basados en conocimiento tienen muchas
    dificultades para duplicar este tipo de experiencia. Sin embargo, los Sistemas de Razonamiento Basado
    en Modelos representan un notable intento de encapsular este conocimiento profundo y razonar con él.
   Redes neuronales: Las investigaciones comienzan a concentrarse
      en el cerebro y sus conexiones en lugar de los algoritmos de la
      mente.




http://www.youtube.com/watch?v=d4t0WGjuYTs&feature=player_embedded
   Agentes inteligentes: Se concentran en la inteligencia distribuida en
    diferentes agentes (con conocimientos parciales) que al integrarse
    logran resolver problemas complejos en lugar de grandes bases de
    conocimientos cerradas.
   Maquinas superinteligentes: Se cifra la esperanza en el hardware, maquinas
    cada vez más potentes (ley de Moore), que con el tiempo llegaran a superar
    la potencia del cerebro, en lugar de aspirar a descifrar la mente por medio
    del software.
   Algoritmos genéticos: Se aceptan los avances de otras ciencias tales como
    la biología, en lugar de en lugar de atrincherarse en modelos
    exclusivamente informáticos.
   Robots reactivos, se desarrollan pequeños robots capaces de interactuar con en el
    medio y que vayan aprendiendo de los obstáculos, en lugar de los sistemas basados
    en el conocimiento, que están desligado de la realidad y hay que alimentarlos de
    forma manual, de ahí que recibieran el mote de sistemas autistas.

Más contenido relacionado

La actualidad más candente

Lesson 1 intro to ai
Lesson 1   intro to aiLesson 1   intro to ai
Lesson 1 intro to ai
ankit_ppt
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial Intelligence
falepiz
 
Introduction to artificial intelligence lecture 1
Introduction to artificial intelligence lecture 1Introduction to artificial intelligence lecture 1
Introduction to artificial intelligence lecture 1
REHAN IJAZ
 
Introduction_to_DEEP_LEARNING.ppt
Introduction_to_DEEP_LEARNING.pptIntroduction_to_DEEP_LEARNING.ppt
Introduction_to_DEEP_LEARNING.ppt
SwatiMahale4
 
Inteligencia Artificial
Inteligencia ArtificialInteligencia Artificial
Inteligencia Artificial
agentbased
 
Artificial intelligence(01)
Artificial intelligence(01)Artificial intelligence(01)
Artificial intelligence(01)
Nazir Ahmed
 
1er trabajo int artificial
1er trabajo int artificial1er trabajo int artificial
1er trabajo int artificial
Eugenio Lopez
 
genetic algorithms-artificial intelligence
 genetic algorithms-artificial intelligence genetic algorithms-artificial intelligence
genetic algorithms-artificial intelligence
Karunakar Singh Thakur
 
Artificial intelligence
Artificial intelligenceArtificial intelligence
Artificial intelligence
A.I. Tazib
 
Cognitive Computing and the future of Artificial Intelligence
Cognitive Computing and the future of Artificial IntelligenceCognitive Computing and the future of Artificial Intelligence
Cognitive Computing and the future of Artificial Intelligence
Varun Singh
 
Genetic Algorithms Tutorial
Genetic Algorithms TutorialGenetic Algorithms Tutorial
Genetic Algorithms Tutorial
Sina Radfar
 
vdocument.in_prof-saroj-kaushik1-introduction-to-artificial-intelligence-lect...
vdocument.in_prof-saroj-kaushik1-introduction-to-artificial-intelligence-lect...vdocument.in_prof-saroj-kaushik1-introduction-to-artificial-intelligence-lect...
vdocument.in_prof-saroj-kaushik1-introduction-to-artificial-intelligence-lect...
akshaya870130
 
Presentation quantum computers
Presentation quantum computersPresentation quantum computers
Presentation quantum computers
AzeemAhmed55
 
Neuro-Fuzzy Controller
Neuro-Fuzzy ControllerNeuro-Fuzzy Controller
Neuro-Fuzzy Controller
Ishwar Bhoge
 
AI: AI & Problem Solving
AI: AI & Problem SolvingAI: AI & Problem Solving
AI: AI & Problem Solving
DataminingTools Inc
 
Genetic algorithm raktim
Genetic algorithm raktimGenetic algorithm raktim
Genetic algorithm raktim
Raktim Halder
 
Artificial intelligence
Artificial intelligenceArtificial intelligence
Artificial intelligence
Mohammad Ali
 
Evolucion de las computadoras desde 1938 hasta la actualidad
Evolucion de las computadoras desde 1938 hasta la actualidadEvolucion de las computadoras desde 1938 hasta la actualidad
Evolucion de las computadoras desde 1938 hasta la actualidad
UNEXPO
 
Genetic programming
Genetic programmingGenetic programming
Genetic programming
Dr. C.V. Suresh Babu
 
Complejidad de Algoritmos
Complejidad de AlgoritmosComplejidad de Algoritmos
Complejidad de Algoritmos
Danilo Henríquez
 

La actualidad más candente (20)

Lesson 1 intro to ai
Lesson 1   intro to aiLesson 1   intro to ai
Lesson 1 intro to ai
 
Artificial Intelligence
Artificial IntelligenceArtificial Intelligence
Artificial Intelligence
 
Introduction to artificial intelligence lecture 1
Introduction to artificial intelligence lecture 1Introduction to artificial intelligence lecture 1
Introduction to artificial intelligence lecture 1
 
Introduction_to_DEEP_LEARNING.ppt
Introduction_to_DEEP_LEARNING.pptIntroduction_to_DEEP_LEARNING.ppt
Introduction_to_DEEP_LEARNING.ppt
 
Inteligencia Artificial
Inteligencia ArtificialInteligencia Artificial
Inteligencia Artificial
 
Artificial intelligence(01)
Artificial intelligence(01)Artificial intelligence(01)
Artificial intelligence(01)
 
1er trabajo int artificial
1er trabajo int artificial1er trabajo int artificial
1er trabajo int artificial
 
genetic algorithms-artificial intelligence
 genetic algorithms-artificial intelligence genetic algorithms-artificial intelligence
genetic algorithms-artificial intelligence
 
Artificial intelligence
Artificial intelligenceArtificial intelligence
Artificial intelligence
 
Cognitive Computing and the future of Artificial Intelligence
Cognitive Computing and the future of Artificial IntelligenceCognitive Computing and the future of Artificial Intelligence
Cognitive Computing and the future of Artificial Intelligence
 
Genetic Algorithms Tutorial
Genetic Algorithms TutorialGenetic Algorithms Tutorial
Genetic Algorithms Tutorial
 
vdocument.in_prof-saroj-kaushik1-introduction-to-artificial-intelligence-lect...
vdocument.in_prof-saroj-kaushik1-introduction-to-artificial-intelligence-lect...vdocument.in_prof-saroj-kaushik1-introduction-to-artificial-intelligence-lect...
vdocument.in_prof-saroj-kaushik1-introduction-to-artificial-intelligence-lect...
 
Presentation quantum computers
Presentation quantum computersPresentation quantum computers
Presentation quantum computers
 
Neuro-Fuzzy Controller
Neuro-Fuzzy ControllerNeuro-Fuzzy Controller
Neuro-Fuzzy Controller
 
AI: AI & Problem Solving
AI: AI & Problem SolvingAI: AI & Problem Solving
AI: AI & Problem Solving
 
Genetic algorithm raktim
Genetic algorithm raktimGenetic algorithm raktim
Genetic algorithm raktim
 
Artificial intelligence
Artificial intelligenceArtificial intelligence
Artificial intelligence
 
Evolucion de las computadoras desde 1938 hasta la actualidad
Evolucion de las computadoras desde 1938 hasta la actualidadEvolucion de las computadoras desde 1938 hasta la actualidad
Evolucion de las computadoras desde 1938 hasta la actualidad
 
Genetic programming
Genetic programmingGenetic programming
Genetic programming
 
Complejidad de Algoritmos
Complejidad de AlgoritmosComplejidad de Algoritmos
Complejidad de Algoritmos
 

Destacado

Resumen Inteligencia Artificial
Resumen Inteligencia ArtificialResumen Inteligencia Artificial
Resumen Inteligencia Artificial
juanmiguel431
 
Inteligência Artificial
Inteligência ArtificialInteligência Artificial
Inteligência Artificial
NEO Empresarial
 
Inteligencia Artificial
Inteligencia ArtificialInteligencia Artificial
Inteligencia Artificial
erikasuansalamanca
 
Inteligencia artificial exposición.ppt
Inteligencia artificial exposición.pptInteligencia artificial exposición.ppt
Inteligencia artificial exposición.ppt
JenniferAnayaM
 
Inteligencia artificial presentacion
Inteligencia artificial presentacionInteligencia artificial presentacion
Inteligencia artificial presentacion
Roddy Correa
 
Inteligencia Artificial
Inteligencia ArtificialInteligencia Artificial
Inteligencia Artificial
Jenrry Sánchez
 

Destacado (6)

Resumen Inteligencia Artificial
Resumen Inteligencia ArtificialResumen Inteligencia Artificial
Resumen Inteligencia Artificial
 
Inteligência Artificial
Inteligência ArtificialInteligência Artificial
Inteligência Artificial
 
Inteligencia Artificial
Inteligencia ArtificialInteligencia Artificial
Inteligencia Artificial
 
Inteligencia artificial exposición.ppt
Inteligencia artificial exposición.pptInteligencia artificial exposición.ppt
Inteligencia artificial exposición.ppt
 
Inteligencia artificial presentacion
Inteligencia artificial presentacionInteligencia artificial presentacion
Inteligencia artificial presentacion
 
Inteligencia Artificial
Inteligencia ArtificialInteligencia Artificial
Inteligencia Artificial
 

Similar a Inteligencia artificial

Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
Alejita Linda
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
Alejita Linda
 
TRABAJO FINAL
TRABAJO FINALTRABAJO FINAL
TRABAJO FINAL
zxlmaravillalxz
 
Inteligencia artificial (ia)
Inteligencia  artificial (ia)Inteligencia  artificial (ia)
Inteligencia artificial (ia)
HugoAlfAlb
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
fernando peña
 
Trabajo práctico
Trabajo prácticoTrabajo práctico
Trabajo práctico
facucono
 
inteligencia artificial
inteligencia artificialinteligencia artificial
inteligencia artificial
Txtuzz Lx Pegui
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
Omar Daniel Tafur Castañeda
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
Omar Daniel Tafur Castañeda
 
Issumitloxa
IssumitloxaIssumitloxa
Issumitloxa
mishelle
 
Tareas del Mundo Real
Tareas del Mundo Real  Tareas del Mundo Real
Tareas del Mundo Real
Erick290
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
sandrairua
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
Alejandro Millan Espitia
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
lei_quiza
 
Inteligencia artificial sashy muñoz ♥
Inteligencia artificial sashy muñoz ♥Inteligencia artificial sashy muñoz ♥
Inteligencia artificial sashy muñoz ♥
diane soto
 
La inteligencia artificial
La inteligencia artificialLa inteligencia artificial
La inteligencia artificial
AliissOn EmoOxa
 
Inteligencia Artificial Vannesa Anama
Inteligencia Artificial Vannesa AnamaInteligencia Artificial Vannesa Anama
Inteligencia Artificial Vannesa Anama
Vannesa Tyrone Anama TjGo
 
Sistema experto
Sistema expertoSistema experto
Sistema experto
jerialcenter
 
Trabajo de computación
Trabajo de computaciónTrabajo de computación
Trabajo de computación
Sebas Campa
 
Presentación 1
Presentación 1Presentación 1
Presentación 1
cristinaelkin
 

Similar a Inteligencia artificial (20)

Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
TRABAJO FINAL
TRABAJO FINALTRABAJO FINAL
TRABAJO FINAL
 
Inteligencia artificial (ia)
Inteligencia  artificial (ia)Inteligencia  artificial (ia)
Inteligencia artificial (ia)
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
Trabajo práctico
Trabajo prácticoTrabajo práctico
Trabajo práctico
 
inteligencia artificial
inteligencia artificialinteligencia artificial
inteligencia artificial
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
Issumitloxa
IssumitloxaIssumitloxa
Issumitloxa
 
Tareas del Mundo Real
Tareas del Mundo Real  Tareas del Mundo Real
Tareas del Mundo Real
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
Inteligencia artificial sashy muñoz ♥
Inteligencia artificial sashy muñoz ♥Inteligencia artificial sashy muñoz ♥
Inteligencia artificial sashy muñoz ♥
 
La inteligencia artificial
La inteligencia artificialLa inteligencia artificial
La inteligencia artificial
 
Inteligencia Artificial Vannesa Anama
Inteligencia Artificial Vannesa AnamaInteligencia Artificial Vannesa Anama
Inteligencia Artificial Vannesa Anama
 
Sistema experto
Sistema expertoSistema experto
Sistema experto
 
Trabajo de computación
Trabajo de computaciónTrabajo de computación
Trabajo de computación
 
Presentación 1
Presentación 1Presentación 1
Presentación 1
 

Último

Recursos Educativos en Abierto (1 de julio de 2024)
Recursos Educativos en Abierto (1 de julio de 2024)Recursos Educativos en Abierto (1 de julio de 2024)
Recursos Educativos en Abierto (1 de julio de 2024)
Cátedra Banco Santander
 
Tu, Tu Hijo y la Escuela Ken Robinson Ccesa007.pdf
Tu,  Tu Hijo y la  Escuela  Ken Robinson  Ccesa007.pdfTu,  Tu Hijo y la  Escuela  Ken Robinson  Ccesa007.pdf
Tu, Tu Hijo y la Escuela Ken Robinson Ccesa007.pdf
Demetrio Ccesa Rayme
 
Curación de contenidos (1 de julio de 2024)
Curación de contenidos (1 de julio de 2024)Curación de contenidos (1 de julio de 2024)
Curación de contenidos (1 de julio de 2024)
Cátedra Banco Santander
 
UT 3 LA PLANIFICACIÓN CURRICULAR DESDE LOS ELEMENTOS CURRICULARES.pptx
UT 3 LA PLANIFICACIÓN CURRICULAR DESDE LOS ELEMENTOS CURRICULARES.pptxUT 3 LA PLANIFICACIÓN CURRICULAR DESDE LOS ELEMENTOS CURRICULARES.pptx
UT 3 LA PLANIFICACIÓN CURRICULAR DESDE LOS ELEMENTOS CURRICULARES.pptx
Leonardo Salvatierra
 
Plataformas de vídeo online (2 de julio de 2024)
Plataformas de vídeo online (2 de julio de 2024)Plataformas de vídeo online (2 de julio de 2024)
Plataformas de vídeo online (2 de julio de 2024)
Cátedra Banco Santander
 
ejemplos-del-servicio-cristiano-fiel (1).pptx
ejemplos-del-servicio-cristiano-fiel (1).pptxejemplos-del-servicio-cristiano-fiel (1).pptx
ejemplos-del-servicio-cristiano-fiel (1).pptx
gersonobedgabrielbat1
 
1. QUE ES UNA ESTRUCTURAOCTAVOASANTA TERESA .pptx
1. QUE ES UNA ESTRUCTURAOCTAVOASANTA TERESA .pptx1. QUE ES UNA ESTRUCTURAOCTAVOASANTA TERESA .pptx
1. QUE ES UNA ESTRUCTURAOCTAVOASANTA TERESA .pptx
nelsontobontrujillo
 
Aplicaciones móviles de grabación (2 de julio de 2024)
Aplicaciones móviles de grabación (2 de julio de 2024)Aplicaciones móviles de grabación (2 de julio de 2024)
Aplicaciones móviles de grabación (2 de julio de 2024)
Cátedra Banco Santander
 
04. ESTADÍSTICA (comunicación) (J.C) 3.pptx
04. ESTADÍSTICA (comunicación) (J.C) 3.pptx04. ESTADÍSTICA (comunicación) (J.C) 3.pptx
04. ESTADÍSTICA (comunicación) (J.C) 3.pptx
jvcar1815
 
PPT: Un día en el ministerio de Jesús.pptx
PPT: Un día en el ministerio de Jesús.pptxPPT: Un día en el ministerio de Jesús.pptx
PPT: Un día en el ministerio de Jesús.pptx
https://gramadal.wordpress.com/
 
EXPERIENCIA DE APRENDIZAJE N° 09 01 AL 19 DE JULIO.docx
EXPERIENCIA DE APRENDIZAJE N° 09 01 AL 19 DE JULIO.docxEXPERIENCIA DE APRENDIZAJE N° 09 01 AL 19 DE JULIO.docx
EXPERIENCIA DE APRENDIZAJE N° 09 01 AL 19 DE JULIO.docx
d33673240a
 
Imagenes-en-la-Comunicacion-Didactica.pdf
Imagenes-en-la-Comunicacion-Didactica.pdfImagenes-en-la-Comunicacion-Didactica.pdf
Imagenes-en-la-Comunicacion-Didactica.pdf
ShimmyKoKoBop
 
POSITIVISMO LÓGICO, CONCEPCIÓN HEREDADA Y RACIONALISMO CRITICO (NEOPOSITIVISM...
POSITIVISMO LÓGICO, CONCEPCIÓN HEREDADA Y RACIONALISMO CRITICO(NEOPOSITIVISM...POSITIVISMO LÓGICO, CONCEPCIÓN HEREDADA Y RACIONALISMO CRITICO(NEOPOSITIVISM...
POSITIVISMO LÓGICO, CONCEPCIÓN HEREDADA Y RACIONALISMO CRITICO (NEOPOSITIVISM...
Yulietcharcaapaza
 
DIBUJANDO CON MATEMÁTICA LA GIMNASIA OLÍMPICA. Por JAVIER SOLIS NOYOLA
DIBUJANDO CON MATEMÁTICA LA GIMNASIA OLÍMPICA. Por JAVIER SOLIS NOYOLADIBUJANDO CON MATEMÁTICA LA GIMNASIA OLÍMPICA. Por JAVIER SOLIS NOYOLA
DIBUJANDO CON MATEMÁTICA LA GIMNASIA OLÍMPICA. Por JAVIER SOLIS NOYOLA
JAVIER SOLIS NOYOLA
 
Escuelas Creativas Ken Robinson Ccesa007.pdf
Escuelas Creativas Ken Robinson   Ccesa007.pdfEscuelas Creativas Ken Robinson   Ccesa007.pdf
Escuelas Creativas Ken Robinson Ccesa007.pdf
Demetrio Ccesa Rayme
 
Soluciones Examen de Selectividad. Geografía julio 2024 (Convocatoria Extraor...
Soluciones Examen de Selectividad. Geografía julio 2024 (Convocatoria Extraor...Soluciones Examen de Selectividad. Geografía julio 2024 (Convocatoria Extraor...
Soluciones Examen de Selectividad. Geografía julio 2024 (Convocatoria Extraor...
Juan Martín Martín
 
TOMO I - HISTORIA primer exsamen 2025 de la unsa arequipa
TOMO I - HISTORIA primer exsamen 2025 de la unsa arequipaTOMO I - HISTORIA primer exsamen 2025 de la unsa arequipa
TOMO I - HISTORIA primer exsamen 2025 de la unsa arequipa
alexandrachura18255
 
Matriz de relación mixta Fortalezas - Amenazas
Matriz de relación mixta Fortalezas - AmenazasMatriz de relación mixta Fortalezas - Amenazas
Matriz de relación mixta Fortalezas - Amenazas
JonathanCovena1
 
2. LA ENERGIA Y TIPOSGRADO SEXTO.SANTA TERESApptx
2. LA ENERGIA Y TIPOSGRADO SEXTO.SANTA TERESApptx2. LA ENERGIA Y TIPOSGRADO SEXTO.SANTA TERESApptx
2. LA ENERGIA Y TIPOSGRADO SEXTO.SANTA TERESApptx
nelsontobontrujillo
 
Sesión Un día en el ministerio de Jesús.pdf
Sesión Un día en el ministerio de Jesús.pdfSesión Un día en el ministerio de Jesús.pdf
Sesión Un día en el ministerio de Jesús.pdf
https://gramadal.wordpress.com/
 

Último (20)

Recursos Educativos en Abierto (1 de julio de 2024)
Recursos Educativos en Abierto (1 de julio de 2024)Recursos Educativos en Abierto (1 de julio de 2024)
Recursos Educativos en Abierto (1 de julio de 2024)
 
Tu, Tu Hijo y la Escuela Ken Robinson Ccesa007.pdf
Tu,  Tu Hijo y la  Escuela  Ken Robinson  Ccesa007.pdfTu,  Tu Hijo y la  Escuela  Ken Robinson  Ccesa007.pdf
Tu, Tu Hijo y la Escuela Ken Robinson Ccesa007.pdf
 
Curación de contenidos (1 de julio de 2024)
Curación de contenidos (1 de julio de 2024)Curación de contenidos (1 de julio de 2024)
Curación de contenidos (1 de julio de 2024)
 
UT 3 LA PLANIFICACIÓN CURRICULAR DESDE LOS ELEMENTOS CURRICULARES.pptx
UT 3 LA PLANIFICACIÓN CURRICULAR DESDE LOS ELEMENTOS CURRICULARES.pptxUT 3 LA PLANIFICACIÓN CURRICULAR DESDE LOS ELEMENTOS CURRICULARES.pptx
UT 3 LA PLANIFICACIÓN CURRICULAR DESDE LOS ELEMENTOS CURRICULARES.pptx
 
Plataformas de vídeo online (2 de julio de 2024)
Plataformas de vídeo online (2 de julio de 2024)Plataformas de vídeo online (2 de julio de 2024)
Plataformas de vídeo online (2 de julio de 2024)
 
ejemplos-del-servicio-cristiano-fiel (1).pptx
ejemplos-del-servicio-cristiano-fiel (1).pptxejemplos-del-servicio-cristiano-fiel (1).pptx
ejemplos-del-servicio-cristiano-fiel (1).pptx
 
1. QUE ES UNA ESTRUCTURAOCTAVOASANTA TERESA .pptx
1. QUE ES UNA ESTRUCTURAOCTAVOASANTA TERESA .pptx1. QUE ES UNA ESTRUCTURAOCTAVOASANTA TERESA .pptx
1. QUE ES UNA ESTRUCTURAOCTAVOASANTA TERESA .pptx
 
Aplicaciones móviles de grabación (2 de julio de 2024)
Aplicaciones móviles de grabación (2 de julio de 2024)Aplicaciones móviles de grabación (2 de julio de 2024)
Aplicaciones móviles de grabación (2 de julio de 2024)
 
04. ESTADÍSTICA (comunicación) (J.C) 3.pptx
04. ESTADÍSTICA (comunicación) (J.C) 3.pptx04. ESTADÍSTICA (comunicación) (J.C) 3.pptx
04. ESTADÍSTICA (comunicación) (J.C) 3.pptx
 
PPT: Un día en el ministerio de Jesús.pptx
PPT: Un día en el ministerio de Jesús.pptxPPT: Un día en el ministerio de Jesús.pptx
PPT: Un día en el ministerio de Jesús.pptx
 
EXPERIENCIA DE APRENDIZAJE N° 09 01 AL 19 DE JULIO.docx
EXPERIENCIA DE APRENDIZAJE N° 09 01 AL 19 DE JULIO.docxEXPERIENCIA DE APRENDIZAJE N° 09 01 AL 19 DE JULIO.docx
EXPERIENCIA DE APRENDIZAJE N° 09 01 AL 19 DE JULIO.docx
 
Imagenes-en-la-Comunicacion-Didactica.pdf
Imagenes-en-la-Comunicacion-Didactica.pdfImagenes-en-la-Comunicacion-Didactica.pdf
Imagenes-en-la-Comunicacion-Didactica.pdf
 
POSITIVISMO LÓGICO, CONCEPCIÓN HEREDADA Y RACIONALISMO CRITICO (NEOPOSITIVISM...
POSITIVISMO LÓGICO, CONCEPCIÓN HEREDADA Y RACIONALISMO CRITICO(NEOPOSITIVISM...POSITIVISMO LÓGICO, CONCEPCIÓN HEREDADA Y RACIONALISMO CRITICO(NEOPOSITIVISM...
POSITIVISMO LÓGICO, CONCEPCIÓN HEREDADA Y RACIONALISMO CRITICO (NEOPOSITIVISM...
 
DIBUJANDO CON MATEMÁTICA LA GIMNASIA OLÍMPICA. Por JAVIER SOLIS NOYOLA
DIBUJANDO CON MATEMÁTICA LA GIMNASIA OLÍMPICA. Por JAVIER SOLIS NOYOLADIBUJANDO CON MATEMÁTICA LA GIMNASIA OLÍMPICA. Por JAVIER SOLIS NOYOLA
DIBUJANDO CON MATEMÁTICA LA GIMNASIA OLÍMPICA. Por JAVIER SOLIS NOYOLA
 
Escuelas Creativas Ken Robinson Ccesa007.pdf
Escuelas Creativas Ken Robinson   Ccesa007.pdfEscuelas Creativas Ken Robinson   Ccesa007.pdf
Escuelas Creativas Ken Robinson Ccesa007.pdf
 
Soluciones Examen de Selectividad. Geografía julio 2024 (Convocatoria Extraor...
Soluciones Examen de Selectividad. Geografía julio 2024 (Convocatoria Extraor...Soluciones Examen de Selectividad. Geografía julio 2024 (Convocatoria Extraor...
Soluciones Examen de Selectividad. Geografía julio 2024 (Convocatoria Extraor...
 
TOMO I - HISTORIA primer exsamen 2025 de la unsa arequipa
TOMO I - HISTORIA primer exsamen 2025 de la unsa arequipaTOMO I - HISTORIA primer exsamen 2025 de la unsa arequipa
TOMO I - HISTORIA primer exsamen 2025 de la unsa arequipa
 
Matriz de relación mixta Fortalezas - Amenazas
Matriz de relación mixta Fortalezas - AmenazasMatriz de relación mixta Fortalezas - Amenazas
Matriz de relación mixta Fortalezas - Amenazas
 
2. LA ENERGIA Y TIPOSGRADO SEXTO.SANTA TERESApptx
2. LA ENERGIA Y TIPOSGRADO SEXTO.SANTA TERESApptx2. LA ENERGIA Y TIPOSGRADO SEXTO.SANTA TERESApptx
2. LA ENERGIA Y TIPOSGRADO SEXTO.SANTA TERESApptx
 
Sesión Un día en el ministerio de Jesús.pdf
Sesión Un día en el ministerio de Jesús.pdfSesión Un día en el ministerio de Jesús.pdf
Sesión Un día en el ministerio de Jesús.pdf
 

Inteligencia artificial

  • 2. La inteligencia artificial es considerada una rama de la computación y relaciona un fenómeno natural con una analogía artificial a través de programas de computador. La inteligencia artificial puede ser tomada como ciencia si se enfoca hacia la elaboración de programas basados en comparaciones con la eficiencia del hombre, contribuyendo a un mayor entendimiento del conocimiento humano.  Si por otro lado es tomada como ingeniería, basada en una relación deseable de entrada-salida para sintetizar un programa de computador. "El resultado es un programa de alta eficiencia que funciona como una poderosa herramienta para quien la utiliza."  A través de la inteligencia artificial se han desarrollado los sistemas expertos que pueden imitar la capacidad mental del hombre y relacionan reglas de sintaxis del lenguaje hablado y escrito sobre la base de la experiencia, para luego hacer juicios acerca de un problema, cuya solución se logra con mejores juicios y más rápidamente que el ser humano. En la medicina tiene gran utilidad al acertar el 85 % de los casos de diagnóstico. http://es.wikipedia.org/wiki/Inteligencia_artificial
  • 3. Una característica fundamental que distingue a los métodos de Inteligencia Artificial de los métodos numéricos es el uso de símbolos no matemáticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos,también procesan símbolos y no se considera que usen técnicas de Inteligencia Artificial.  El comportamiento de los programas no es descrito explícitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cómo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explícitamente, cómo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento).  Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las conclusiones intermedias alcanzadas durante las consideraciones al problema específico. Los lenguajes orientados al objeto comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia Artificial.  El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del ámbito del conocimiento en que ellos operan. Al contrario de los programas para propósito específico, como los de contabilidad y cálculos científicos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dándole la capacidad de explicar discrepancias entre ellas.  Aplicabilidad a datos y problemas mal estructurados, sin las técnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolución de conflictos en tareas orientadas a metas como en planificación, o el diagnóstico de tareas en un sistema del mundo real: con poca información, con una solución cercana y no necesariamente exacta.
  • 4. 1. La lógica difusa: permite tomar decisiones bajo condiciones de incerteza. 2. Redes neuronales: esta tecnología es poderosa en ciertas tareas como la clasificación y el reconocimiento de patrones. Está basada en el concepto de "aprender" por agregación de un gran número de muy simples elementos. Este modelo considera que una neurona puede ser representada por una unidad binaria: a cada instante su estado puede ser activo o inactivo. La interacción entre las neuronas se lleva a cabo a través de sinapsis. Según el signo, la sinapsis es excitadora o inhibidora. El perceptrón está constituido por las entradas provenientes de fuentes externas, las conexiones y la salida. En realidad un perceptrón es una Red Neuronal lo más simple posible, es aquella donde no existen capas ocultas. Para cada configuración de los estados de las neuronas de entrada (estímulo) la respuesta del perceptrón obedece a la siguiente dinámica: se suman los potenciales sinápticos y se comparan con un umbral de activación. Esta suma ponderada es también llamada campo. Si el campo es mayor que un umbral, la respuesta de la neurona es activa, si no, es inactiva. Con una arquitectura tan simple como la del perceptrón no se puede realizar más que una clase de funciones "booleanas" muy simples, llamadas linealmente separables. Son las funciones en las cuales los estados de entrada con salida positiva pueden ser separados de aquellos a salida negativa por un hiperplano. Un hiperplano es el conjunto de puntos en el espacio de estados de entrada, que satisfacen una ecuación lineal. En dos dimensiones, es una recta, en tres dimensiones un plano, etc. Si se quieren realizar funciones más complejas con Redes Neuronales, es necesario intercalar neuronas entre las capas de entradas y de salida, llamadas neuronas ocultas. Una red multicapas puede ser definida como un conjunto de perceptrones, ligados entre si por sinapsis y dispuestos en capas siguiendo diversas arquitecturas. Una de las arquitecturas más comúnmente usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y de éstas hacia la salida. El funcionamiento de una Red Neuronal es gobernado por reglas de propagación de actividades y de actualización de los estados.
  • 5. Los tipos de experiencia que son de interés en los sistemas basados en conocimiento, pueden ser clasificados en tres categorías: asociativa, motora y teórica. Los sistemas basados en conocimiento son excelentes para representar conocimiento asociativo. Este tipo de experiencia refleja la habilidad heurística o el conocimiento que es adquirido mayoritariamente, a través de la observación. Puede ser que no se comprenda exactamente lo que ocurre al interior de un sistema (caja negra), pero se pueden asociar entradas o estímulos con salidas o respuestas, para resolver problemas que han sido previamente conocidos. La experiencia motora es más física que cognitiva. La habilidad se adquiere fundamentalmente a través del ejercicio y la práctica física constante. Los sistemas basados en conocimiento no pueden emular fácilmente este tipo de experiencia, principalmente por la limitada capacidad de la tecnología robótica. La experiencia teórica y el conocimiento profundo permite que los humanos puedan resolver problemas que no se han visto antes, es decir, no existe una posibilidad asociativa. El conocimiento teórico y profundo se adquiere a través de estudio y entrenamiento formal, así como por medio de la resolución directa de problemas. Debido a su naturaleza teórica, este conocimiento se puede olvidar fácilmente, a no ser que se use en forma continua. Al momento, los sistemas convencionales basados en conocimiento tienen muchas dificultades para duplicar este tipo de experiencia. Sin embargo, los Sistemas de Razonamiento Basado en Modelos representan un notable intento de encapsular este conocimiento profundo y razonar con él.
  • 6. Redes neuronales: Las investigaciones comienzan a concentrarse en el cerebro y sus conexiones en lugar de los algoritmos de la mente. http://www.youtube.com/watch?v=d4t0WGjuYTs&feature=player_embedded
  • 7. Agentes inteligentes: Se concentran en la inteligencia distribuida en diferentes agentes (con conocimientos parciales) que al integrarse logran resolver problemas complejos en lugar de grandes bases de conocimientos cerradas.
  • 8. Maquinas superinteligentes: Se cifra la esperanza en el hardware, maquinas cada vez más potentes (ley de Moore), que con el tiempo llegaran a superar la potencia del cerebro, en lugar de aspirar a descifrar la mente por medio del software.
  • 9. Algoritmos genéticos: Se aceptan los avances de otras ciencias tales como la biología, en lugar de en lugar de atrincherarse en modelos exclusivamente informáticos.
  • 10. Robots reactivos, se desarrollan pequeños robots capaces de interactuar con en el medio y que vayan aprendiendo de los obstáculos, en lugar de los sistemas basados en el conocimiento, que están desligado de la realidad y hay que alimentarlos de forma manual, de ahí que recibieran el mote de sistemas autistas.