TRABAJO COLABORATIVO

UNIDAD 1: FASE 1 - TÉCNICAS, HERRAMIENTAS DE LA INTELIGENCIA ARTIFICIAL

EDER ALEJANDRO LATORRE

COD: 88265250

TUTOR: FERNANDO ROJAS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

SAN JOSE DE CUCUTA
MARZO 2019
 CONTENIDO

1. INVESTIGAR SOBRE LAS TÉCNICAS Y HERRAMIENTAS QUE UTILIZA LA INTELIGENCIA

ARTIFICIAL.

 Aprendizaje Automático (Machine Learning).

 Aprendizaje automatico.
 Lógica difusa (Fuzzy Logic)
 Redes neuronales.
 Sistemas reactivos (Reactive Systems)
 Sistemas Multiagente (Multi-Agent Systems)
 Sistemas basados en reglas (Rule-Based Systems)
 Razonamiento basado en casos (Case-Based Reasoning)
 Sistemas expertos (Expert Systems)
 Redes Bayesianas (Bayesian Networks)
 Vida artificial (Artificial Life). La VA no es un campo de la IA, sino que la IA es un campo de la
VA.
 Computación evolutiva (Evolutionary Computation)
 Estrategias evolutivas
 Algoritmos genéticos (Genetic Algorithms)
 Técnicas de Representación de Conocimiento
 Redes semánticas (Semantic Networks)
 Sistemas expertos.jpeg
 Frames
 Vision artificial
 Audicion artificial
 Lingüística computacional
 Procesamiento del lenguaje natural (Natural Language Processing)
 Minería de datos (Data Mining)

2. INVESTIGAR QUE ES UN AGENTE INTELIGENTE Y COMO FUNCIONA.

Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales percepciones y
responder o actuar en su entorno de manera racional, es decir, de manera correcta y tendiendo a
maximizar un resultado esperado. Es capaz de percibir su medioambiente con la ayuda de sensores y
actuar en ese medio utilizando actuadores (elementos que reaccionan a un estímulo realizando una
acción).

En este contexto la racionalidad es la característica que posee una elección de ser correcta, más
específicamente, de tender a maximizar un resultado esperado. Este concepto de racionalidad es más
general y por ello más adecuado que inteligencia (la cual sugiere entendimiento) para describir el
comportamiento de los agentes inteligentes. Por este motivo es mayor el consenso en llamarlos agentes
racionales.
Un agente inteligente puede ser una entidad física o virtual. Si bien el término agente racional se refiere
a agentes artificiales en el campo de la Inteligencia Artificial, también puede considerarse agentes
racionales a los animales incluido el hombre.

En Ciencias de la Computación el término agente inteligente puede ser usado para referirse a un agente
de software que tiene algo de inteligencia, independientemente de si no es un agente racional por
definición de Russell y Norvig. Por ejemplo, programas autónomos utilizados para asistencia de un
operador o de minería de datos (a veces denominado robots) son también llamados "agentes
inteligentes".

ESTRUCTURA DE LOS AGENTES INTELIGENTES

Los agentes son aquellas accio-nes que se producen después de una determinada secuencia de
percepciones. Es tiempo ya de ver cómo funcionan las cosas desde adentro. El cometido de la IA es el
diseño de un programa de agen-te: una función que permita implantar el mapeo del agente para pasar de
percepciones a acciones. Se da por sentado que este programa se ejecutará en algún tipo de dispositivo
de cómputo, al que se denominará arquitectura. Desde luego, el programa elegido debe ser aquel que la
arquitectura acepte y pueda ejecutar.

La base de la Inteligencia Artificial es el diseño de un programa de agente: Una función que permita
implantar el mapeo del agente para pasar de percepciones a acciones. Este programa se ejecutará en
algún tipo de dispositivo de cómputo al que se denominará arquitectura. La arquitectura puede ser una
computadora sencilla o un hardware especial.
TIPOS DE AGENTES

• Agentes de reflejo simple: Este tipo de agente no contiene internamente estados y sus procesos o
acciones que realiza son respuestas a la entrada de percepciones, a esta conexión entre percepciones y
acciones se las denomina reglas de condición-acción. Ejemplo: Si el carro de adelante está frenando
entonces empiece a frenar.

• Agentes bien informados de todo lo que pasa: Este tipo de agente guarda estados internos lo que nos
sirve sin consideración para ejecutar una acción. Los sensores no nos pueden informar a la vez de todos
los estados que maneja nuestro ambiente, es por este caso que el agente necesita actualizar algo de
información en el estado interno. Esto le permite discernir que entre estados del ambiente que generan la
misma entrada de percepciones pero, sin embargo; para cada uno de los estados se necesitan acciones
distintas.
• Agentes basados en metas: Además de los estados, los agentes necesitan cierto tipo de información
sobre sus metas Estas metas van a detallar las situaciones a las que se desea llegar de este modo, el
programa de agente puede combinar las metas con la información de los resultados (acciones) que
emprenda y de esta manera poder elegir aquellas acciones que permitan alcanzar la meta.

• Agentes basados en utilidad: Las metas por sí solas me garantizan la obtención de una conducta de alta
calidad. En mi programa de agente se podría tener un conjunto de metas pero la obtención de éstas no
me garantizan distinciones entre estados felices e infelices, mediante una medida de desempeño se
podría establecer una comparación entre los diversos estados del mundo (ambientes) para poder
encontrar el estado de felicidad para el agente. Este estado ofrecerá una mayor utilidad al agente.
 BIBLIOGRAFIA

 Laskari, Yezdi; Metral, Max y Maes, Pattie. Collaborative interface agents.

http://agents.www.media.mit.edu/groups/agents/publications/aaai-ymp/aaai.html

 Maes, Pattie. Agents that reduce work and information overload.

http://pattie.www.media.mit.edu/people/pattie/CACM-94/CACM-94.p1.html

 Maes, Pattie. Long tutorial notes on software agents.

http://pattie.www.media.mit.edu/people/pattie/CHI97

 Mark, C. Software agents, what are they?

http://www.geocities.com/ResearchTriangle/Thinktank/4633/Agents_definition.html

 Microsoft Corporation. Microsoft agents. 1999.

http://microsoftsoft.miningco.com/library/weekly/aa031797.htm