inteligencia artificial una nueva forma de hacer las cosas
-
Upload
hector-rivero -
Category
Documents
-
view
218 -
download
2
description
Transcript of inteligencia artificial una nueva forma de hacer las cosas
IINNTTEELLIIGGEENNCCIIAA AARRTTIIFFIICCIIAALL
AAuuttoorreess:: RRiivveerroo HHeeccttoorr SSuuaarreezz YYaanneettssyy GGoonnzzaalleezz YYoorrggeellyyss CCoollmmeennaarreezz AAlliiaannggeell
EEDDIITTOORRIIAALL EEXXCCEELLEENNCCIIAA 22001100
II EEDDIICCIIOONN
UUnnaa NNuueevvaa FFoorrmmaa ddee HHaacceerr LLaass CCoossaass
Inteligencia artificial
Sistemas
expertos Es una aplicación informática capaz de solucionar un
conjunto de problemas que exigen un gran conocimiento sobre
un determinado tema.
Se puede entender como una rama
de la inteligencia artificial, donde
el poder de resolución de un
problema en un programa de
computadora viene del
conocimiento de un dominio
específico.
Para que un sistema experto sea
herramienta efectiva, los usuarios
deben interactuar de una forma fácil,
reuniendo dos capacidades para
poder cumplirlo:
1. Explicar sus razonamientos o
base del conocimiento
2. Adquisición de nuevos
conocimientos o integrador
del sistema
Inteligencia artificial
Estructura básica
de un sistema
experto El sistema experto está conformado por:
Base de conocimientos: es un tipo especial de base de datos para
la gestión de conocimiento. Provee los medios para la recolección,
organización y recuperación computarizada reconocimiento.
Base de hechos (memoria de trabajo): contiene los hechos sobre
un problema que se ha descubierto durante el análisis.
Motor de inferencia: Modela el proceso de razonamiento humano.
Interfaz de usuario: es el medio con que el usuario puede
comunicarse con una máquina, un equipo o una computadora, y
comprende todos los puntos de contacto entre el usuario y el equipo,
normalmente suelen ser fáciles de entender y fáciles de accionar.
Inteligencia artificial
Tipos de
sistemas
Expertos Principalmente existen tres tipos de
sistemas expertos:
Sistemas basados en reglas:
trabajan mediante la aplicación
de reglas, comparación de
resultados y aplicación de las
nuevas reglas basadas en
situación modificada.
Basados en casos: es el proceso
de solucionar nuevos problemas
basándose en las soluciones de
problemas anteriores.
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.
Basados en redes bayesianas:
son los sistemas basados en la
solución de problemas por
medio de las estadísticas. 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.
Inteligencia artificial
Ventajas de los
Sistemas expertos.
1. Permanencia: A diferencia
de un experto humano un
SE (sistema experto) no
envejece, y por tanto no
sufre pérdida de facultades
con el paso del tiempo.
2. Rapidez: Un SE puede
obtener información de
una base de datos y
realizar cálculos numéricos
mucho más rápido que
cualquier ser humano.
3. Entornos peligrosos: Un
SE puede trabajar en
entornos peligrosos o
dañinos para el ser humano.
4. Fiabilidad: Los SE no se
ven afectados por
condiciones externas, un
humano sí (cansancio,
presión, etc.).
Inteligencia artificial
Limitaciones de
los Sistemas
Expertos Como en todos los sistemas existentes en el mundo los SE
también tienen sus limitantes.
a. Sentido común: Para un Sistema Experto no hay nada obvio. Por ejemplo, un
sistema experto sobre medicina podría admitir que un hombre lleva 40 meses
embarazado, a no ser que se especifique que esto no es posible ya que un
hombre no puede procrear hijos.
b. Lenguaje natural: Con un experto humano podemos mantener una conversación
informal mientras que con un SE no podemos.
c. Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de
sus errores y de errores ajenos, que un SE haga esto es muy complicado.
d. Capacidad sensorial: Un SE carece de sentidos
e. Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la
resolución de un problema.
f. Conocimiento no estructurado: Un SE no es capaz de manejar conocimiento poco
estructurado.
Inteligencia artificial
Robótica
Inteligencia artificial
La Robótica es
una ciencia o rama de
la tecnología, que
estudia
el diseño y construcción
de máquinas capaces de
desempeñar tareas real
izadas por el ser
humano o que requieren
del uso de inteligencia.
La historia de la Robótica
ha estado unida a
la construcción de "artefactos",
muchas veces por obra de genios
autodidactas que trataban de
materializar el deseo humano
de crear seres semejantes
a nosotros que nos descargasen
del trabaj0.
¡Robots humanos!
Robots. Un Robot es un dispositivo generalmente mecánico, que desempeña tareas
automáticamente, ya sea de acuerdo a supervisión humana directa, a través de
un programa predefinido o siguiendo un conjunto de reglas generales, utilizando técnicas
de inteligencia artificial.
Inteligencia artificial
Clasificación de
los robots según
su cronología:
Ningún autor se pone de acuerdo en cuántos y cuáles son los tipos de robots y sus
características esenciales. La más común es la que continuación se presenta:
I generación Manipuladores. Son sistemas mecánicos multifuncionales con un
sencillo sistema de control, bien manual, de secuencia fija o de secuencia variable.
II generación Robots de aprendizaje. Repiten una secuencia de movimientos de
movimientos que ha sido ejecutada previamente por un operador humano. El modo de
hacerlo es a través de un dispositivo mecánico. El operador realiza los movimientos
requeridos mientras el robot le sigue y los memoriza.
III generación Robots con control sensorizado. El controlador es una computadora
que ejecuta las órdenes de un programa y las envía al manipulador para que realice los
movimientos necesarios.
IV generación Robots inteligentes. Son similares a los anteriores, pero además
poseen sensores que envían información a la computadora de control sobre el
estado del proceso. Esto permite una toma inteligente de decisiones y el control del
proceso en tiempo real.
La arquitectura, es definida por el tipo de configuración general del Robot,
puede ser metamórfica. El concepto de metamorfismo, de reciente
aparición, se ha introducido para incrementar la flexibilidad funcional de un
Robot a través del cambio de su configuración por el propio Robot.
Poliarticulados
En este grupo están los Robots de muy diversa forma y configuración cuya característica
común es la de ser básicamente sedentarios (aunque excepcionalmente pueden ser guiados
para efectuar desplazamientos limitados) y estar estructurados para mover sus elementos
terminales en un determinado espacio de trabajo según uno o más sistemas de coordenadas
y con un número limitado de grados de libertad". En este grupo se encuentran los
manipuladores, los Robots industriales, los Robots cartesianos y se emplean cuando es
preciso abarcar una zona de trabajo relativamente amplia o alargada, actuar sobre objetos
con un plano de simetría vertical o reducir el espacio ocupado en el suelo.
Móviles
Son Robots con grandes capacidades de desplazamiento, basadas en carros o
plataformas y dotadas de un sistema locomotor de tipo rodante. Siguen su camino por
telemando o guiándose por la información recibida de su entorno a través de sus sensores.
Estos Robots aseguran el transporte de piezas de un punto a otro de una cadena de
fabricación. Están dotados de un nivel relativamente elevado de inteligencia.
Zoomórficos
Clasificación de los
robots según su
arquitectura:
Los Robots zoomórficos, que considerados en sentido no restrictivo podrían incluir también
a los androides, constituyen una clase caracterizada principalmente por sus sistemas de
locomoción que imitan a los diversos seres vivos. Los Robots zoomórficos en dos categorías
principales: caminadores y no caminadores. El grupo de los Robots zoomórficos no
caminadores está muy poco evolucionado. Los
Robots zoomórficos caminadores multípedos son
muy numeroso y están siendo experimentados en
diversos laboratorios con vistas al desarrollo
posterior de verdaderos vehículos terrenos,
piloteando o autónomos, capaces de evolucionar
en superficies muy accidentadas. Las
aplicaciones de estos Robots serán interesantes
en el campo de la exploración espacial y en el
estudio de los volcanes.
Híbridos
Estos Robots corresponden a aquellos
de difícil clasificación cuya
estructura se sitúa en combinación
con alguna de las anteriores ya expuestas, bien sea por conjunción o por yuxtaposición. Por
ejemplo, un dispositivo segmentado articulado y con ruedas, es al mismo tiempo uno de los
atributos de los Robots móviles y de los Robots zoomórficos. De igual forma pueden
considerarse híbridos algunos Robots formados por la yuxtaposición de un cuerpo formado
por un carro móvil y de un brazo semejante al de los Robots industriales.
Lógica
difusa En Inteligencia artificial, la lógica difusa, o lógica
borrosa se utiliza para la resolución de una variedad
de problemas.
Los sistemas de lógica
difusa están también muy
extendidos en la
tecnología cotidiana, por
ejemplo en cámaras
digitales, sistemas de aire
acondicionado,
lavarropas, etc. Los
sistemas basados en
lógica difusa imitan la
forma en que toman
decisiones los humanos,
con la ventaja de ser
mucho más rápidos. Estos
sistemas son
generalmente robustos y
tolerantes a
imprecisiones y ruidos en
los datos de entrada
La aplicación de la lógica
difusa con la intención de
imitar
el razonamiento humano
en la programación de
computadoras.
Inteligencia artificial
Aplicaciones de la lógica
difusa
La lógica difusa se utiliza cuando la complejidad del proceso en cuestión es muy alta y no
existen modelos matemáticos precisos, para procesos altamente no lineales y cuando se
envuelven definiciones y conocimiento no estrictamente definido (impreciso o subjetivo)
Las aplicaciones generales son:
*Sistemas de control de acondicionadores
de aire.
*Sistemas de foco automático en cámaras
fotográficas.
*Electrodomésticos familiares (frigoríficos,
lavadoras...).
*Optimización de sistemas de control
industriales.
*Sistemas de reconocimiento de escritura.
*Sistemas expertos del conocimiento (simular el comportamiento
de un experto humano).
*Tecnología informática.
...y, en general, en la gran mayoría de los sistemas de control que
no dependen de un Sí/No.
Inteligencia artificial
Ventajas e
inconvenientes.
Como principal ventaja, cabe destacar los excelentes
resultados que brinda un sistema de control basado en
lógica difusa: ofrece salidas de una forma veloz y precisa,
disminuyendo así las transiciones de estados
fundamentales en el entorno físico que controle. Por
ejemplo, si el aire acondicionado se encendiese al llegar a
la temperatura de 30º, y la temperatura actual oscilase
entre los 29º-30º, nuestro sistema de aire acondicionado
estaría encendiéndose y apagándose continuamente, con
el gasto energético que ello conllevaría. Si estuviese
regulado por lógica difusa, esos 30º no serían ningún
umbral, y el sistema de control aprendería a mantener una
temperatura estable sin continuos apagados y
encendidos.
También está la indecisión de decantarse bien por los
expertos o bien por la tecnología (principalmente
mediante redes neuronales) para reforzar las reglas
heurísticas iniciales de cualquier sistema de control
basado en este tipo de lógica.
Inteligencia artificial
Minería de datos
Las bases de la minería
de datos se encuentran
en la inteligencia
artificial y en el
análisis estadístico.
La minería de datos prepara, sondea y explora los datos para sacar la información
oculta en ellos.
Proceso. Un proceso típico de minería de datos consta de los siguientes pasos generales:
1-Selección del conjunto de datos, tanto en lo que se refiere a las variables
objetivo (aquellas que se quiere predecir, calcular o inferir), como a las variables
independientes (las que sirven para hacer el cálculo o proceso), como posiblemente
al muestreo de los registros disponibles.
2-Análisis de las propiedades de los datos.
3-Transformación del conjunto de datos de entrada, se realizará de diversas formas en
función del análisis previo, con el objetivo de prepararlo para aplicar la técnica de minería de
datos que mejor se adapte a los datos y al problema, a este paso también se le conoce
como pre procesamiento de los datos.
4-Seleccionar y aplicar la técnica de minería de datos.
5-Extracción de conocimiento.
6-Interpretación y evaluación de datos, una vez obtenido el modelo, se debe proceder a su
validación comprobando que las conclusiones que arroja son válidas y suficientemente
satisfactorias.
Inteligencia artificial
Protocolo de un proyecto de minería de datos
Un proyecto de minería de datos
tiene varias fases
necesarias que son,
esencialmente:
Comprensión del negocio y
del problema que se quiere
resolver.
Determinación, obtención y
limpieza de
los datos necesarios.
Creación
de modelos matemáticos.
Validación, comunicación,
etc. de
los resultados obtenidos.
Integración, si procede, de
los resultados en un sistema
transaccional o similar.
La relación entre todas estas
fases sólo es lineal sobre el
papel. En realidad, es mucho
más compleja y esconde toda
una jerarquía de sub fases. A
través de la experiencia
acumulada en proyectos de
minería de datos se han ido
desarrollando metodologías que
permiten gestionar esta
complejidad de una manera más
o menos uniforme.
Inteligencia artificial
Técnicas de Minería de
Datos Las técnicas de la minería de datos provienen de la Inteligencia artificial y de la estadística,
dichas técnicas, no son más que algoritmos, más o menos sofisticados que se aplican sobre un
conjunto de datos para obtener unos resultados.
Las técnicas más representativas son:
*Redes neuronales.- 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. Algunos ejemplos de red neuronal son:
El Perceptrón.
El Perceptrón multicapa.
*Regresión lineal.- Es la más utilizada para formar relaciones entre datos. Rápida y
eficaz pero insuficiente en espacios multidimensionales donde puedan relacionarse más
de 2 variables.
*Árboles de decisión.- Un árbol de decisión es un modelo de predicción utilizado en
el ámbito de la inteligencia artificial, dada una base de datos se construyen estos
diagramas de construcciones lógicas, muy similares a los sistemas de predicción
basados en reglas, que sirven para representar y categorizar una serie de condiciones
que suceden de forma sucesiva, para la resolución de un problema.
*Modelos estadísticos.- Es una expresión simbólica en forma de igualdad o
ecuación que se emplea en todos los diseños experimentales y en la regresión para
indicar los diferentes factores que modifican la variable de respuesta.
*Agrupamiento o Clustering.- Es un procedimiento de agrupación de una serie de
vectores según criterios habitualmente de distancia; se tratará de disponer los vectores
de entrada de forma que estén más cercanos aquellos que tengan características
comunes.
Minería de datos factor importante en la inteligencia
artificial