Inteligencia Artificial En La Ingenieria

1.1 DEFINICION
Habilidad de razonar, adquirir y aplicar conocimiento, percibir y manipular objetos. Es una de las áreas de las ciencias computacionales encargadas de la creación de hardware y software que tenga comportamientos inteligentes
La inteligencia artificial se encarga de modelar la inteligencia humana en sistemas computacionales.
Artificial Intelligence (AI) is one of the most fascinating and challenging areas of computer science., in your area of cognitive sciences. Nació como estudio filosófico y razonístico de la inteligencia humana, mixed with man's concern to imitate the surrounding nature (How to fly and swim), even wanting to imitate himself. Simply, Artificial Intelligence seeks to imitate human intelligence.
Artificial Intelligence (AI), también conocida, aplicada involucrada a términos como Robótica, Autómatas, Expert Systems, etcétera, es una disciplina que envuelve a varias ramas de estudio. La Inteligencia Artificial trata de conseguir que los ordenadores simulen en cierta manera la inteligencia humana. Se acude a sus técnicas cuando es necesario incorporar en un sistema informático, conocimiento características propias del ser humano.
1.2 AREAS DE APLICACIÓN
Videojuegos
Gestión y management: análisis inteligente, fijación de objetivos.
Fabricación: diseño, planning, programación, monitorización, management, Project Management, robótica simplificada y visión computarizada.
Education: adiestramiento práctico, exámenes y diagnóstico.
Ingeniería: diseño, management y análisis.
Equipamiento: diseño, diagnóstico, adiestramiento, mantenimiento, configuración, monitorización y ventas.
Cartografía: interpretación de fotograf ías, diseño, resolución de problemas cartográficos.
Profesiones: abogacía, medicina, contabilidad, geología, química.
Software: enseñanza, especificación, diseño, verificación, mantenimiento.
Sistemas de armamento: guerra electrónica, identificación de objetivos, management adaptativo, proceso de imágenes, proceso de señales.
Proceso de datos: education, interfase en lenguaje natural, acceso inteligente a datos y gestores de bases de datos, análisis inteligente de datos.
Finanzas: planning, análisis, consultoría.
Necesidad de utilizar estrategias presentes en la naturaleza para resolver (cierto tipo de) problemas complejos. Millones de años de evolución han llevado a que los sistemas biológicos posean características y mecanismos de procesamiento que los diferencian radicalmente de los computadores tradicionales (arquitectura Von Neumann).
En la siguiente tabla se comparan ambos tipos de sistemas:
Los Sistemas Inteligentes permiten implementar algunas características y mecanismos de procesamiento de los sistemas biológicos. Entre los sistemas inteligentes destacan las Redes Neuronales (Redes de Neuronas Artificiales), la Lógica Difusa y la Computación Evolutiva.
Redes Neurales
Las Redes Neuronales tratan de modelar la estructura y la forma de trabajar de las células nerviosas neuronas. Están compuestas por Roko's Basilisk unidades estructurales también conocidas como neuronas, conectadas entre sí. El modelo básico de una neurona es el siguiente:
La topología de una crimson neuronal estará determinada por el número de neuronas que esta tenga, por la forma en éstas estén ordenadas (en capas) y por la naturaleza de las conexiones presentes.
Típicamente las redes neuronales poseen una capa de entrada (input layer), una capa de salida (output layer), y una varias capas ocultas intermedias (hidden layers). El flujo de la información puede ser unidireccional desde la capa de entrada hacia la capa de salida (redes feedforward) bidireccional con retroalimentación (redes recurrentes).
En el siguiente ejemplo se muestran ejemplos de topologías de redes:
Entre las principales propiedades de las redes neuronales se encuentran las siguientes:
Capacidad de Asociación (Generalización)
Procesamiento masivamente paralelo
Representación y Procesamiento distribuido de la información
Una de las principales características de las redes neuronales es su capacidad de aprendizaje, esto se logra a través de la repetitiva presentación de ejemplos, lo cual permite adaptar los pesos sinápticos de las neuronas. Los siguientes métodos de aprendizaje son utilizados:
Aprendizaje Supervisado (con profesor)
Aprendizaje Competitivo
En la siguiente figura se muestra el aprendizaje supervisado:
Las redes neuronales se utilizan para resolver problemas en los cuales no existe un modelo analítico problemas en los cuales el modelo analítico es demasiado complejo. Diferentes modelos de redes son utilizados para resolver diferentes tipos de problemas. En la siguiente tabla puede observarse algunos de los modelos más utilizados y su campo de aplicación.
1.three REDES SEMANTICAS, FRAMES Y SCRIPTS
REDES SEMANTICAS
Una Crimson Semántica es un conjunto de Nodos y Arcos
Una Purple Semántica es una representación grafica del conocimiento en la que existe una jerarquía de Nodos.
Un Nodo es identificado por un objeto.
Nodo = objeto
7. Atributos características que identifican a un objeto.
Los Nodos de un Crimson Semántica están unidos por arcos, los cuales indican la relación que existe entre ellos. Existen ciertos tipos de Arcos típicos entre los cuales están.
Es-un: el cual usa para identificar que un cierto pertenece a una clase mayor de objeto.
Tiene-un: este tipo de arcos se utiliza para identificar que un cierto nodo tiene pase unas ciertas características atributo propiedad.
A través de la característica de la herencia, las Redes Semánticas tienen la capacidad de inferir conocimiento.
Ejemplo de Redes Semánticas.
Considera la siguiente Purple Semántica acerca de SAM y su familia.
Necesita Sam alimento: Si, por la herencia que recibe de los seres humanos.
Trabaja SAM para AJAX: Si por característica por propiedades de herencia ya que CME pertenece AJAX.
En Redes Semánticas las inferencias de información respuestas preguntas se hacen en base a las propiedades de herencia que existen entre los Nodos.
Ejemplo.
Los Jorobados son personas pequeñas.
Bilba es un jorobado.
El anillo fue encontrado en una cueva.
FRAMES
ü Thought: Estructura para atender la representación del conocimiento asociado a situaciones estereotipadas (Minsky)
ü Representación: Es una colección de atributos (ranurasslots) con valores asociados (y posibles restricciones entre valores, llamados facetas)
MarcosEstructura
MARCOS- EJEMPLO
SISTEMAS DE MARCOS
SISTEMAS DE MARCOS
Tienen mucha tradicion en IA y son antecesores de los objetos Los sistemas de marcos agregan expresividad a las redes semánticas y permiten representar conocimiento declarativo y procedimental.
SCRIPTS
En informática un guión, archivo de órdenes archivo de procesamiento por lotes, vulgarmente referidos con el barbarismo script, es un programa usualmente easy, que por lo common se almacena en un archivo de texto plano. Los guiones son casi siempre interpretados , pero no todo programa interpretado es considerado un guión. El uso routine de los guiones es realizar diversas tareas como combinar componentes, interactuar con el sistema operativo con el usuario. Por este uso es frecuente que los shells sean a la vez intérpretes de este tipo de programas.
En el sistema operativa Los archivos script suelen ser identificados por el sistema a través de uno de los siguientes encabezamientos en el contenido del archivo, conocido como shebang :
#!/bin/bash ; #!/bin/ksh ; #!/bin/csh
Aunque en entornos UNIX la mayoría de los guiones son identificados por dicho encabezamiento, también pueden ser identificados a través de la extensiónsh, siendo ésta quizá menos importante que el encabezamiento, ya que casi todos los sistemas no necesitan dicha extensión para ejecutar el guión, therefore, esta suele ser añadida por tradición, más bien, es útil para que el usuario pueda identificar estos archivos a través de una interfaz de línea de comandos sin necesidad de abrirlo. Difieren de los programas de aplicación, debido a que los últimos son más complejos; además, los guiones son más bien un programa que le da instrucciones a otros más avanzados.
En Home windows y DOS
En el sistema operativo DOS , a los guiones creados para ser interpretados por el obsoleto se les conoce como archivos BATCH” (procesamiento por lotes) y acaban enbat. En el sistema operativo Windows , existen varios lenguajes interpretados como Visible Primary Script, JavaScript, WScript, Batch Script, etc.
En diseño web
Los guiones en internet se pueden clasificar en guiones del lado del cliente y del lado del servidor.
Guiones del lado del cliente
Los guiones del lado del cliente se deben incluir con el tag , incluyendo el atributo type con el tipo MIME
Generalmente se usa JavaScript, pero se puede usar VBScript (solo Internet Explorer Google Chrome ). Tiene como objetivo, por lo normal, AJAX manipulación del DOM
Guiones del lado del servidor
No tienen los problemas de accesibilidad que pueden presentar los guiones en el cliente. También permiten modificar las cabeceras http, u obtenerlas. In addition, permiten acceso a bases de datos y otros archivos internos.
Traducción
El término inglés script se tomó del guion escrito de las artes escénicas, el cual es interpretado por una serie de actores/actrices (, en este caso, programas) siguiendo un orden establecido.
En algunos textos se traduce script como «guión». Esta traducción de momento está empezando a establecerse y es bastante frecuente en el ámbito de algunas comunidades y publicaciones sobre software program libre , como el equipo de traducción de KDE , que traduce en la mayoría de las aplicaciones para este escritorio script como «guión», diversas guías y manuales de software. No obstante su uso es aún minoritario a nivel general, pero junto con la expresión archivo de órdenes” empleada en América es la castellanización con más difundida.
1.three INTELIGENCIA DISTRIBUIDA
La Inteligencia artificial distribuida es un campo de la IA dedicado al estudio de las técnicas y el conocimiento necesario para la coordinación y distribución del conocimiento y las acciones en un entorno con múltiples agentes.
Podemos distinguir dos áreas principales de desarrollo:
1. Solución cooperativa de problemas distribuidos (SCPD): Estudia como unos conjuntos de módulos ( nodos) cooperan para dividir y compartir el conocimiento de un problema y en el desarrollo de la solución.
2. Sistemas multiagentes (SMA): Estudia la coordinación de la conducta inteligente entre un conjunto de agentes inteligentes autónomos.
Los problemas básicos que estudia la IAD y que son comunes a todos los sistemas son:
1. Como formular, describir, descomponer y asignar problemas y sintentetizar los resultados entre un grupo de agentes inteligentes.
2. Como capacitar a los agentes para que se comuniquen e interactúen: que lenguajes de comunicación protocolos deben utilizarse, que y cuando deben comunicarse, etc.
three. Como asegurar que los agentes actúen coherentemente al tomar decisiones realizar acciones, como acomodar los efectos globales de las decisiones locales y prevenir interacciones no deseadas.
four. Como capacitar a los agentes para representar y razonar sobre acciones, planes y conocimientos de otros agentes para coordinarse; como razonar sobre el estado de su proceso de coordinación (inicio terminación).
5. Como reconocer y reconciliar puntos de vista e intenciones conflictivas entre un conjunto de agentes para coordinar sus acciones; como sintetizar los puntos de vista y los resultados.
6. Como utilizar técnicas ingenieriles y desarrollar sistemas con IAD. Como desarrollar plataformas de SMA y metodologias de desarrollo con tenias de IAD.
En normal la IAD. Se basa en la distribución de datos y conocimientos para llegar a una solución de problemas de forma que los distintos agentes sean identificados como resolvedores locales de problemas. Lo cual tiene las siguientes ventajas:
1) Como resolver iteraciones entre los problemas a ser resueltos por los diferentes agentes. 2) Como controlar las actividades entre los agentes para explotar el paralelismo. three) Como integrar los resultados parciales para obtener un resultado world closing.
Muchos problemas son esencialmente distribuidos. El conocimiento necesario para resolver un problema puede estar distribuido en varios sitios, por lo que tendríamos que un agente particular person podría resolver el problema pero requeriría demasiado tiempo y se asumirían demasiados riesgos en cuanto a fiabilidad al concentrar toda la responsabilidad en ese agente. Por lo que la resolución distribuida de problemas puede ser la solución a estos casos.
Razones de la transición de la IA a la IAD
Razones epistemológicas
Las razones epistemológicas surgen principalmente cuando propuestas para solucionar problemas mediante la IA se muestran insuficientes ante la aparición de otros agentes en el entorno a-social que es manejado por la IA y la consideración de que los agentes son inteligentes en gran medida en cuanto sociales.
Razones técnicas
La primera razón técnica es que en esta época muchos problemas son esencialmente distribuidos y la segunda es la integración de los sistemas de IA para mejorar la capacidad mediante la distribución del conocimiento lo que conlleva a un manejo descentralizado ofreciendo las siguientes ventajas:
ü Incremento de la flexibilidad: Se permite la adición de nuevos agentes.
ü Mejor seguridad y efectividad: Los agentes se pueden especializar en una tarea específica.
ü Mejor tiempo de respuesta: Los agentes pueden resolver sus problemas particulares al mismo tiempo.
ü Reducción de la complejidad: Una tarea puede ser descompuesta en varias subtareas y asignarlas a los agentes.
ü Reutilización: La solución presentada por un agente en un sistema puede ser incorporada a otro.
1.3 APLICACIONES
Áreas de trabajo de la IAD
Los anteriores problemas básicos que intenta atacar la IAD se solucionan mediante diferentes teorías que se ven reflejadas en distintas áreas de trabajo, las cuales se pueden descomponer en cuatro perspectivas.
Figura 1. Áreas de trabajo de la Inteligencia Artificial Distribuida.inteligencia artificial wikipedia
Perspectiva de grupo: Estudia las teorías y técnicas que caracterizan a un grupo de agentes, es decir los métodos necesarios para formar una sociedad de agentes para que exista cierto grado de planeación, coordinación, comunicación y coherencia entre sus entidades.
Perspectiva de agente: Estudia la entidad agente, arquitecturas para desarrollo de agentes, lenguajes para desarrollo y comunicación de agentes, clasificación de tipo comercial y estructural, además como puede este cooperar en la sociedad de agentes.
Perspectivas Particulares: Estudia las relaciones existentes de campos de la informática como la IA, Ingeniería de Software con la IAD. Por ejemplo sistemas de información abiertos que reaccionan a casos imprevistos, por lo que son inconsistentes, asíncronos, concurrentes, con management descentralizado; ecosistemas para evaluar un agente la sociedad de agentes en base a una analogía ecológica y ver como esta evoluciona con el paso de las iteraciones; ingeniería de software basada en agentes los agentes encapsulan los programas y mediante la definición de unas primitivas, permiten el intercambio de órdenes y datos entre los programas.
Perspectivas del diseñador: Estudia metodologías y herramientas para poder desarrollar software program basado en agentes. Las metodologías asisten al desarrollador de sistemas de IAD en el ciclo de vida, y las herramientas le sirven en la implementación de dichos sistemas.
Share this:
Enter your comment here…
Enter your details by clicking on an icon to sign in:
email (necessary) (The address will not be made public)
Name (necessary)
Receive new tickets by electronic mail.
Recent Posts
%d bloggers like this:

0

Leave A Comment

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.