Sunteți pe pagina 1din 13

TECNICAS Y HERRAMIENTAS DE LA INTELIGENCIA ARTIFICIAL

FASE 1

PRESENTADO POR:

LEONARDO ANDRES DIAZ

Código: 79910530

PRESENTADO A:

FERNADO ROJAS

GRUPO:

90169_29

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

INTELIGENCIA ARTIFICIAL

SEPTIEMBRE

2019
DESARROLLO DE LA ACTIVIDAD
-Mencionar y definir 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 (RNA). 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.

Sistema reactivo. 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.

Red Bayesiana, (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.

La Vida Artificial es el estudio de la vida y de los sistemas artificiales que exhiben


propiedades similares a los seres vivos, a través de modelos de simulación.

Un sistema multiagente (SMA) es un sistema compuesto por múltiples agentes


inteligentes que interactúan entre ellos. Los sistemas multiagente pueden ser
utilizados para resolver problemas que son difíciles o imposibles de resolver para
un agente individual o un sistema monolítico.

Técnicas para la 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.

- Mencionar y definir herramientas que utiliza la inteligencia artificial.

Sistemas basados en el conocimiento


Los sistemas basados en el conocimiento (o sistemas expertos) son programas
informáticos que incorporan conocimientos sobre un dominio para la solución de
problemas relacionados con dicho dominio. Un sistema experto posee,
generalmente, dos elementos principales: una base de conocimientos y un
mecanismo de inferencia. La base de conocimientos contiene conocimientos sobre
el dominio que se pueden expresar como una combinación de las reglas “Si-
Entonces”, declaraciones objetivas, marcos, objetos, procedimientos y casos.

Razonamiento basado en casos


El razonamiento basado en casos se ha formalizado, a efecto del razonamiento
computacional, como un proceso de cuatro pasos:
1) Recuperar: Dado un problema que resolver, se recuperan de la memoria los
casos que son relevantes para hacerlo. Un caso consta de un problema, su solución
y, por lo general, de las anotaciones acerca de cómo se consigue la solución.
2) Reutilizar: Transfiere la solución del caso anterior al problema que hay que
resolver. Esto puede implicar la adaptación de la solución según sea necesario para
adecuarse a la nueva situación.
3) Revisar: Después de haberse transferido la solución anterior a la situación que
hay que resolver, se prueba la nueva solución en el mundo real (o en una
simulación) y, si es necesario, se revisa.
4) Conservar: Después de que la solución haya sido adaptada con éxito al problema,
se almacena la experiencia resultante como un nuevo caso en la memoria.
Los críticos argumentan que se trata de un planteamiento en el que se acepta una
prueba anecdótica como principio básico de funcionamiento.

Adquisición automática de conocimientos


Obtener conocimientos de dominio para incluirlos en una base de conocimientos
puede resultar complicado y exigir mucho tiempo. Puede llegar a ser un cuello de
botella a la hora de construir un sistema experto. Las técnicas de adquisición
automática de conocimientos fueron desarrolladas para solucionar esta dificultad,
por ejemplo, en forma de reglas Si-Entonces (o un árbol de decisión equivalente).
Por lo general, este tipo de programa de aprendizaje requiere de un conjunto de
ejemplos como entrada de aprendizaje. Cada ejemplo está caracterizado por los
valores de una serie de atributos y por la clase a la que pertenecen.

Algoritmos genéticos
Un algoritmo genético es un procedimiento de optimización estocástica inspirado en
la evolución natural. Un algoritmo genético puede dar con la solución óptima global
en un espacio complejo de búsqueda multimodal sin necesidad de conocimientos
específicos sobre el problema a resolver. Sin embargo, para poder aplicar un
algoritmo genético, las posibles soluciones a un problema dado deben poder
representarse como cadenas de números (normalmente binarios) conocidas como
cromosomas, y debe haber un medio para determinar la bondad o la idoneidad de
cada cromosoma. Un algoritmo genético opera en un grupo o población de
cromosomas en un mismo instante, aplicando, de manera iterativa, operadores de
base genética, tales como operadores de cruce y mutación, para producir
poblaciones más adecuadas que contengan cromosomas con una mejor solución.

Inteligencia ambiental
Durante la última década se ha promocionado la inteligencia ambiental con una
imagen de personas que trabajan con facilidad en entornos controlados digitalmente
en los que la electrónica puede anticipar el comportamiento de dichas personas y
responder a su presencia. El concepto de inteligencia ambiental trata de una
interacción fluida entre las personas y los sistemas de sensores para satisfacer las
necesidades actuales y futuras.

Reconocimiento del lenguaje


Desde los años noventa, los modernos algoritmos de reconocimiento de lenguaje -
conocidos también como transcripción de voz a texto- son una de las primeras
aplicaciones de las redes neuronales.
De manera similar al reconocimiento de imágenes, el reconocimiento de voz utiliza
datos de aprendizaje para identificar la transcripción correcta de cualquier grabación
dada, lo que la hace útil para soluciones directas como el dictado. Los avances en
aprendizaje profundo hoy en día convirtieron el reconocimiento del lenguaje en un
portal de interacción para los sistemas de respuesta de voz interactiva.

Generación de lenguaje
A menudo conocido como generación de lenguajes naturales este subcampo de la
inteligencia artificial usa datos computacionales -la entrada -para producir texto -la
salida-.
Si bien este concepto de interpretar ideas a partir de datos no es novedoso, las
computadoras pueden comunicar ideas con mayor exactitud y amplitud. Mediante
la generación de lenguajes naturales, las empresas pueden convertir grandes
conjuntos de datos u otros activos en informes e ideas resumidas de inteligencia
empresarial, lo que crea un nuevo nivel de comprensión en las relaciones entre
empleados y clientes.
Agentes virtuales
Todos conocemos los asistentes personales inteligentes como Siri, Cortana, Alexa
y otros que fueron diseñados para ayudar a que la vida de los consumidores sea
más fácil, pero ahora el mundo empresarial se está poniendo al día. A medida que
los agentes artificiales evolucionan y las expectativas de los clientes de autoservicio
y automatización son más exigentes, los agentes artificiales pueden simplificar una
serie de tareas de soporte al cliente.
Los bots conversacionales, que ahora ofrecen la misma experiencia personalizada
que los agentes en vivo, se consideran de forma amplia como el futuro del servicio
al cliente, y las aplicaciones de mensajería móvil se están convirtiendo rápidamente
en su canal más atractivo.

Aprendizaje automático
El aprendizaje automático a menudo se confunde con la inteligencia artificial como
un todo, pero es solo una de las aplicaciones de la misma.
Esta es la ciencia del "aprendizaje profundo", un término para describir cómo las
computadoras ganan inteligencia experiencial a lo largo del tiempo a partir de datos
disponibles o acumulados. Los profesionales en marketing toman ventaja del
aprendizaje automático como una herramienta analítica para ayudar a encontrar
patrones ocultos en cantidades ilimitadas de datos.

Análisis de texto y procesamiento de lenguaje natural:

En la traducción, el procesamiento de lenguajes naturales (NLP, por sus siglas en


inglés) es un método estadístico que usa el análisis de texto para comprender mejor
la estructura, la intención y el sentimiento de las oraciones.
NLP es otra de las aplicaciones de la inteligencia artificial que se puede usar en
agentes virtuales, como cuando le pedimos direcciones a nuestro teléfono, pero en
el mundo empresarial, la tecnología NLP se puede utilizar para extraer datos no
estructurados.
-Definir e identificar los componentes de un agente inteligente.
Un agente tiene generalmente una estructura en la que se identifican 4 elementos:

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 derecho/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.

Estructura agente inteligente


PAMA (Percepcion, Acciones, Metas y Ambiente).

Softbots (Agentes de software o robots de software).

Programas de Agente.
Function SKELETON-AGENT (percept) returns Action.

Función ESQUELETO-AGENTE (percepción) responde con una acción.

Estática: memoria (la memoria del mundo del agente).

Memoria  ACTUALIZACION-MEMORIA (memoria, percepción).

Acción  ESCOGER-LA-MEJOR-ACCION (memoria).

Memoria  ACTUALIZACION-MEMORIA (memoria, acción).

Responde con una acción.

El esqueleto de un agente. Cada vez que así se solicite, se actualiza la memoria


para que refleje la nueva percepción, se escoge la mejor acción y también se
consigna en la memoria la acción emprendida. La memoria persiste de una solicitud
a otra.

Function TABLE-DRIVEN-AGENT (percept) returns action.

Función AGENTE-CONDUCIDO-MEDIANTE-TABLA (percepción) responde con


una acción.

Estático: percepciones, una secuencia, originalmente está vacía


Tabla: una tabla indizada mediante secuencia de percepciones originalmente
especificada en su totalidad.
Añadir la percepción al final de todas las percepciones.

Acción  CONSULTA (percepciones, tabla).


Devolver acción

Un agente basado en una tabla de consulta previamente especificada. Se mantiene


al tanto de la secuencia de percepciones y se limita a definir cuál es la mejor acción.
Carecen de autonomía, pero son válidos.
Tomado de la pagina web:
https://sites.google.com/site/inteligenciaartificialanmel/tema-2-agentes-
inteligentes/estructura-de-un-agente-inteligente

-Indicar de las técnicas, herramientas de la inteligencia artificial que utilizará en el


proyecto en desarrollo.

Siguiendo con el tema escogido por el grupo quiero aplicar

El proyecto se trata de fidelización de cliente

Lingüística computacional. Campo multidisciplinar de la Lingüística y la Informática


que utiliza la última para estudiar y tratar el lenguaje humano
Ya que los clientes pueden tener factores que indiquen sus gustos o inclinaciones
para mejorar el servicio
BIBLIOGRAFIA
Técnicas y herramientas (2015) tomado el 1 de octubre del 2019 de la pagina web:
www.ecured.cu
Henao, D. (2009). Inteligencia artificial. El Cid editor. Pag.5-22. Recuperado
de+++ de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?docID=3
181914&query=inteligencia+artificial

López de Mántaras Badia, R., & Meseguer gonzález , P. (2017). Inteligencia


Artificial. CSIC Consejo Superior de Investigaciones Científicas. Pag.35-54.
Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=1&d
ocID=5307873&tm=1528814922988

Narciso, F. (2007). Estudio de aplicabilidad de los agentes inteligentes en las


interfaces de Usuario. Red Universidad de los Andes. Pag.20-22.
Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?docID=3
206927&query=agentes+inteligentes

Objeto de información que permite conocer definición, características y campos de


acción de Inteligencia Artificial y su aplicación ingenieril.

Rojas Rojas, F. (2018). Introducción a la inteligencia Artificial. [Archivo de video].


Recuperado de http://hdl.handle.net/10596/19724

Benítez, Raúl, et al. Inteligencia artificial avanzada, Editorial UOC, 2013. ProQuest
Ebook Central, Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/detail.action?docID=32
17957
Técnicas y herramientas de la IA. López de Mántaras Badia, R., & Meseguer
gonzález , P. (2017). Inteligencia Artificial. CSIC Consejo Superior de
Investigaciones Científicas. Pag.35-54. Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?ppg=1&d
ocID=5307873&tm=1528814922988
Agentes inteligentes. Narciso, F. (2007). Estudio de aplicabilidad de los agentes
inteligentes en las interfaces de Usuario. Red Universidad de los Andes.
Pag.20-22. Recuperado de
https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?docID=3
206927&query=agentes+inteligentes
Técnicas de la inteligencia artificial:¿Cuáles son y para que se utilizan? Redacción
APD. (10-04-2019). Recuperado de https://www.apd.es/tecnicas-de-la-
inteligencia-artificial-cuales-son-y-para-que-se-utilizan/

S-ar putea să vă placă și