Documente Academic
Documente Profesional
Documente Cultură
FASE 1
PRESENTADO POR:
Código: 79910530
PRESENTADO A:
FERNADO ROJAS
GRUPO:
90169_29
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.
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
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.
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.
Los Objetivos: son la esencia del agente. El comportamiento del mismo irá orientado
a la consecución de los mismos.
Programas de Agente.
Function SKELETON-AGENT (percept) returns Action.
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/