Sunteți pe pagina 1din 19

Definición:

“Modelling is the is the process of designing


a model of a real system and Simulation
is the activity of conducting
experiments with this model for the
purpose of either understanding the
behavior of the system and/or
evaluating various strategies for the
operation of the system.”

- Introduction to Simulation Using SIMAN


(2nd Edition)
Nos Permite:
• Modelar complejos sistemas en forma detallada
• Describir el comportamiento del sistema
• Construir teorías o hipótesis acerca del
comportamiento observado
• Usar el modelo para predecir el comportamiento
futuro, -> efectos que producirán cambios en el
sistema estudiado
• Analizar problemas propuestos
Ventajas de la Simulación:

La mayor fortaleza de la simulación


es poder responder a preguntas
del tipo “qué pasaría si…”
Ventajas de la Simulación:
• Puede ser usada para estudiar sistemas existentes sin
interrumpir las operaciones en curso

• Los sistemas propuestos pueden ser testeados entes de


comprometer recursos.

• Permiten identificar cuellos de botellas.

• Permiten profundizar el conocimiento de cuáles son las


variables más importantes para el rendimiento del sistema.
Desventajas de la Simulación

• La construcción de modelos es tanto un arte como una


ciencia. La calidad del análisis depende de la calidad del
modelo como de la habilidad del modelador

• Los resultados de la simulación son a veces difíciles de


interpretar.

• El análisis de la simulación puede ser a veces muy


consumidor de tiempo y caro. No debe ser usado cuando hay
métodos analíticos que den resultados más rápidos y más
exactos.
Por lo tanto…
• Entenderemos por "modelamiento y simulación" a
las actividades asociadas con la construcción de
modelos de sistemas del mundo real, y su simulación
en un computador.

• Los modelos son útiles para predecir y/o estudiar el


comportamiento de un sistema real, que puede
servir para corroborar algunas hipótesis.

• Los modelos tienen un rango de validez.


– Ejs. Newton vs. Einstein
¿Qué es la inteligencia artificial?
• Hollywood sigue creando expectaciones no
realísticas para los androides y las máquinas
inteligentes en general.
• Quisiéramos robots como C-3PO que se parecen
a los humanos, y actúan y responden como ellos
(quejándose menos, posiblemente).
• ¿Por qué no los tenemos y solo tenemos
autómatas capaces de construir coches en
cadenas de montaje?
7
¿Qué es la inteligencia artificial?
• A pesar de algoritmos sofisticados y muchos
años de experimentación, aún no somos muy
buenos en modelar la vida.
– Los motores no replican los músculos.
– Las cámaras no son ojos.
– Y los ordenadores definitivamente no son
cerebros.
• Sin embargo, seguimos con la idea de tener
robots humanoides.

8
¿Qué es la inteligencia artificial?
• Estamos perfeccionando continuamente la
bio-imitación, la visión por ordenador y las
técnicas de inteligencia artificial.
• En cada una de estas áreas se ha visto
frustrada la carrera de muchos científicos.
• La disciplina entera parece marchar hacia un
callejón sin salida y las aplicaciones
prometidas son una continua decepción.

9
¿Qué es la inteligencia artificial?
• No se están obteniendo resultados en
máquinas de propósito general, ni en robots
humanoides que pueden andar.
• Los avances reales son en cambio en:
– la comprensión de cómo funcionan cerebro y
conciencia;
– bots especializados en un único propósito.
• El futuro, de momento, es más Roomba que
Asimo.

10
Roomba

11
Bases de la inteligencia artificial
• Filosofía. Debate sobre la posibilidad de una
inteligencia mecánica:
• Descartes, Leibniz: la mente está ligada al mundo físico.
• John Locke: en el principio fue la Mente (1690).
• Hume (1779), Russell: el conocimiento es fruto de la
percepción, se adquiere por la experiencia (inducción)
y está representado por teorías lógicas.
• Darwin (1857): destrucción del ex nihilo nihil fit a través
de la teoría de la evolución por selección natural.

12
Bases de la inteligencia artificial
• Matemáticas. Las bases filosóficas necesitan
reglas formales:
• Boole, Frege: fundamentos de la lógica matemática.
• Gödel, Turing: límites de lo computable (teorema de
incompletitud).
• Fermat, Bernoulli, Bayes: probabilidad, razonamiento
probabilístico.

13
Bases de la inteligencia artificial
• Psicología cognitiva. Teorías sobre la
conducta, bases del comportamiento racional:
• Representación de los estímulos externos
• Manipulación consciente de la representación
• Actuación consecuente

14
Bases de la inteligencia artificial
• Ingeniería computacional:
• Para la existencia de la IA es necesario un mecanismo
para soportarlo (hardware).
• También son necesarias herramientas para desarrollar
programas de IA.

• Lingüística computacional:
• Chomsky: representación del conocimiento, gramática
de la lengua.

15
Definición de IA
• Sistemas que actúan como humanos
El estudio de cómo lograr que los ordenadores realicen tareas que, de momento, la
gente hace mejor (Rich y Knight, 1991)

• Sistemas que piensan como humanos


El esfuerzo de hacer que los ordenadores piensen … máquinas con mentes en el más
amplio sentido literal (Haugeland, 1985)

• Sistemas que piensan racionalmente


El estudio de las facultades mentales a través del estudio de modelos
computacionales (Charniak y McDermott, 1985)

• Sistemas que actúan racionalmente


El estudio que busca explicar y emular el comportamiento inteligente en términos de
procesos computacionales (Shalkoff, 1990)
Sistemas expertos: Definición
•Un sistema experto o sistema basado en el conocimiento es un sistema
informático capaz de emular las prestaciones de un experto humano
en un área concreta de conocimiento especializado. Más
concretamente, el sistema experto debe ser capaz de llevar a cabo las
siguientes tareas:
– Aceptar las consultas que el usuario realice acerca de una
situación dada del mundo real.
– Aceptar los datos proporcionados por el usuario acerca de esta
situación, y solicitar otros datos que el sistema estime relevantes.
– Procesar esta información, en busca de una respuesta a la
consulta planteada.
– Emitir la respuesta hallada, que debe ser análoga en la mayor
parte de los casos a la respuesta que daría un experto humano.
– Justificar la respuesta finalmente emitida, siempre que el usuario
así lo solicite.
Partes de un sistema experto

BASE DE
MEMORIA DE
CONOCIMIENTO
Experto
TRABAJO

MOTOR DE ADQUISICIÓN DE
INFERENCIAS CONOCIMIENTO

INTERFAZ
DE USUARIO

Usuario
Motores de inferencia
• Inicializar(memoria-trabajo);
• Mientras no configuración-final(memoria-trabajo)
• conjunto-reglas  aplicables(memoria-
trabajo);
• R  resolver-conflictos(conjunto-reglas);
• memoria-trabajo  aplicar(R, memoria-
trabajo)
• fin-mientras;
• Algoritmo 1. Funcionamiento de un motor de inferencias

• mem-trabajo  hechos-iniciales;
• Mientras no configuración-final(mem-trabajo)
• conjunto-reglas  match(mem-trabajo,antecedentes);
• R  resolver-conflictos(conjunto-reglas);
• C  consecuente(R);
• mem-trabajo  mezclar(C, mem-trabajo)
• fin-mientras;
• Algoritmo 2. Funcionamiento de un motor de inferencias hacia delante

S-ar putea să vă placă și