INTELIGENCIA ARTIFICIAL

FASE 1 - TÉCNICAS, HERRAMIENTAS DE LA INTELIGENCIA ARTIFICIAL

CÓDIGO DE GRUPO - 90169_10

PRESENTADO POR:
EDISON FERNEY JIMENEZ
CRISTIAN FERNANDO ALVAREZ
JAQUELINA ARDILA SEDANO
NAZBREY GREGORIO ATALITO
PRESENTADO A:
FERNANDO ROJAS – TUTOR

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

SEPTIEMBRE 2019
 TÉCNICAS QUE UTILIZA LA INTELIGENCIA ARTIFICIAL

Aprendizaje automático.
Rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las
Computadoras aprender. De forma más concreta, se trata de crear programas capaces de
generalizar comportamientos a partir de una información no estructurada suministrada en
forma de ejemplos. Es, por lo tanto, un proceso de inducción del conocimiento.
Ingeniería del conocimiento
Consiste 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 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.

Lógica difusa
O lógica heurística se basa en lo relativo de lo observado como posición diferencial. Este
tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre sí. Así,
por ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente
se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores están
contextualizados a personas y referidos a una medida métrica lineal.
Redes neuronales artificiales
Son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que
funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de
neuronas en una red que colabora para producir un estímulo de salida.

Sistemas reactivos
Son aplicaciones críticas, en las cuales una falla o mal funcionamiento pueden acarrear
consecuencias graves, tales como poner en juego vidas humanas y/o grandes inversiones
económicas. El comportamiento de estos sistemas, llamados sistemas de tiempo real, no
está determinado únicamente por la sucesión de acciones que se ejecutan, sino también por
el momento en que las mismas ocurren y son procesadas. El tiempo de ejecución es el
parámetro fundamental en el comportamiento de esta clase de sistemas y una gran parte,
quizás la más importante, de los requerimientos de los mismos son temporales: tal acción
debe ejecutarse en un lapso de tiempo determinado, el tiempo transcurrido entre dos
eventos o señales debe estar acotado por un valor constante
Sistemas basados en reglas
Modelos de representación del conocimiento ampliamente utilizados. Esto es debido a que
resultan muy apropiados en situaciones en las que el conocimiento que se desea representar
surge de forma natural con estructura de reglas.
Razonamiento basado en casos
Es el proceso de solucionar nuevos problemas basándose en las soluciones de problemas
anteriores. El Razonamiento basado en casos es una manera de razonar haciendo analogías.
Se ha argumentado que el razonamiento basado en casos no sólo es un método poderoso
para el razonamiento de computadoras, sino que es usado por las personas para solucionar
problemas cotidianos. Más radicalmente se ha sostenido que todo razonamiento es basado
en casos porque está basado en la experiencia previa.
Sistemas expertos
(ES, siglas del término Expert System) es un sistema de información basado en el
conocimiento que usa su conocimiento de un área de aplicación compleja y específica a fin
de actuar como un consultor experto para los usuarios finales. Los sistemas expertos
proporcionan respuestas sobre un área problemática muy específica al hacer inferencias
semejantes a las humanas sobre los conocimientos obtenidos en una base de conocimientos
especializados.

Redes bayesianas
(o red de creencia). Es un modelo probabilístico multivariado que relaciona un conjunto de
variables aleatorias mediante un grafo dirigido que indica explícitamente influencia causal.
Gracias a su motor de actualización de probabilidades, el Teorema de Bayes, las redes
bayesianas son una herramienta extremadamente útil en la estimación de probabilidades
ante nuevas evidencias. Una red bayesiana es un tipo de red causal. Un híbrido de red
bayesiana y Teoría de la Utilidad es un diagrama de influencia.
Vida artificial
Técnicas de representación del conocimiento
Analiza cómo pensar formalmente - cómo usar un sistema de símbolos para representar un
dominio del discurso (aquello de lo que se puede hablar), junto con funciones que permitan
inferir (realizar un razonamiento formal) sobre los objetos.
Redes semánticas
Son una forma de representación de conocimiento lingüístico en la que los conceptos y sus
interrelaciones se representan mediante un grafo. Las redes semánticas son usadas, entre
otras cosas, para representar mapas conceptuales y mentales.
Lingüística computacional.
Campo multidisciplinar de la Lingüística y la Informática que utiliza la última para estudiar
y tratar el lenguaje humano. Para lograrlo, intenta modelar de forma lógica el lenguaje
natural desde un punto de vista computacional. Dicho modelado no se centra en ninguna de
las áreas de la lingüística en particular, sino que es un campo interdisciplinar, en el que
participan lingüistas, informáticos especializados en inteligencia artificial, psicólogos
cognoscitivos y expertos en lógica, entre otros. A la Lingüística Computacional se le llama
a veces Procesamiento del Lenguaje Natural (PLN).
Procesamiento del lenguaje natural
(PLN). Es una disciplina dentro de la Inteligencia Artificial y la rama ingenieril de la
lingüística computacional. Se ocupa de la formulación e investigación de mecanismos
eficaces computacionalmente para la comunicación entre personas o entre personas y
máquinas por medio de lenguajes naturales.

Minería de datos.
Consiste en la extracción no trivial de información, que reside de manera implícita en los
datos. Dicha información, previamente desconocida y podrá resultar útil para algún
proceso. La minería de datos prepara, sondea y explora los datos para sacar la información
oculta en ellos. En inglés se le reconoce por las siglas DM, Data Mining.

HERRAMIENTAS QUE UTILIZA LA INTELIGENCIA ARTIFICIAL

COMPONENTES DE UN AGENTE INTELIGENTE

Un agente tiene generalmente una estructura en la que se identifican 4 elementos:

• Capacidad de Percepción.
• Capacidad de Acción.
• Objetivos.
• Entorno.

La Capacidad de Percepción: viene definida por los elementos capaces de reconocer de los
que dispone el agente. Pueden ser sistemas sencillos en los que la percepción puede ser la
detección o no de intrusos en su área de acción (definida fácilmente con un booleano) o
bien mecanismos más complejos como una matriz de NxM que refleje la visión del agente
en una orientación y momento concreto del tiempo y que requerirá un proceso más intenso
e incluso una abstracción para agilizar cálculos.

La Capacidad de Acción: vendría definida por el conjunto de los movimientos, cálculos o

respuestas en general que puede llevar a cabo el agente. Pueden ser tan sencillos como (giro
izquierdo/giro derecha/avanzar/retroceder) o más complejos como
(evadir/emboscar/atacar/confundir).

Los Objetivos: son la esencia del agente. El comportamiento del mismo irá orientado a la
consecución de los mismos.

El Entorno: es una característica externa al agente pero que condiciona su comportamiento.

Puede ser un mundo tridimensional o una abstracción del mismo reducida a eventos. En
otros casos puede ser una matriz la que modele el entorno o incluso un grafo que represente
una topología concreta.

PROYECTO EN DESARROLLO

Técnicas, herramientas de la inteligencia artificial que utilizará en el proyecto en

desarrollo

CONCLUSIONES
BIBLIOGRAFÍA