Concept, Características y Metodologías de La Inteligencia ArtificialSynthetic
Concept
La Inteligencia ArtificialSynthetic es una combinación de la ciencia del computador, physiologie et philosophie, tan generalcommonbasicnormal y amplio como eso, es que reune varios campos (robotique, systèmes experts, par exemple), todos los cuales tienen en común la creación de máquinas que pueden pensar.
La de ideaconceptthought construir una máquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Les tâches qui ont été étudiées sous ce point de vue incluent les jeux, traduction de langues, compréhension des langues, diagnostic de pannes, robotique, fourniture de conseils d'experts sur divers sujets.
C'est ainsi que les systèmes de gestion de bases de données de plus en plus sophistiqués, la structure des données et le développement d'algorithmes d'insertion, suppression et localisation des données, ainsi que la tentative de créer des machines capables d'effectuer des tâches considérées comme typiques dans le domaine de l'intelligence humaine, acuñaron el término Inteligencia ArtificialSynthetic en 1956.
La Inteligencia ArtificialSynthetic trata de conseguir que los ordenadores simulen en cierta manera la inteligencia humana. Ses techniques sont utilisées lorsqu'il est nécessaire d'incorporer dans un système informatique,des connaissances et des caractéristiques propres à l'être humain.
Podemos interrogar a algunas bases de datos de InternetWeb en lenguaje naturalpure, incluso charlar con ellas nuestro idioma, parce qu'en arrière-plan, un programme d'Intelligence ArtificielleSynthétique s'exécute.
D'autres outils intelligents peuvent être utilisés pour scruter parmi les millions de données générées dans une banque à la recherche de motifs de comportement de ses clients afin de détecter les tendances sur les marchés boursiers.
Caractéristiques de l'Intelligence ArtificielleSynthétique.
Une caractéristique fondamentale qui distingue les méthodes d'Intelligence Artificielle des méthodes numériques est l'utilisation de symboles non mathématiques, bien que cela ne suffise pas à la distinguer complètement. D'autres types de programmes comme les compilateurs et les systèmes de bases de données,ils traitent également des symboles et il n'est pas considéré qu'ils utilisent des techniques d'Intelligence Artificielle.
Le comportement des programmes n'est pas décrit explicitement par l'algorithme. La séquence des étapes suivies par le programme est influencée par le problème particulier présent. Le programme spécifie comment trouver la séquence de pas nécessaires pour résoudre un problème donné (programme déclaratif). En contraste avec les programmes qui ne sont pas d'Intelligence Artificielle, qui suivent un algorithme défini, qui spécifie, explicitement, comment trouver les variables de sortie pour n'importe quelle variable d'entrée donnée (programme procédural).
Les conclusions d'un programme déclaratif ne sont pas fixes et sont partiellement déterminées par les conclusions intermédiaires atteintes lors des considérations du problème spécifique. Les langages orientés objet partagent cette propriété et ont été caractérisés par leur affinité avec l'Intelligence Artificielle.
Le raisonnement basé sur la connaissance, cela implique que ces programmes incorporent des facteurs et des relations du monde réel et du domaine de connaissance dans lequel ils opèrent. Contrairement aux programmes à usage spécifique, comme ceux de comptabilité et de calcul scientifique; Les programmes d'Intelligence Artificielle Synthétique peuvent distinguer entre le programme de raisonnement moteur d'inférence et la base de connaissances, leur donnant la capacité d'expliquer les divergences entre elles.
Applicabilité aux données et problèmes mal structurés, Sans les techniques d'Intelligence Artificielle Synthétique, les programmes ne peuvent pas travailler avec ce type de problèmes. Un exemple est la résolution de conflits dans des tâches orientées vers des objectifs comme dans la planification, Le diagnostic des tâches dans un système du monde réel actuel: avec peu d'informations, avec une solution proche et pas nécessairement exacte.
Différentes méthodologies:
Logique floue: permet de prendre des décisions dans des conditions d'incertitude.
2. Réseaux neuronaux: cette technologie est puissante dans certaines tâches comme la classification et la reconnaissance de motifs. Il est basé sur le concept de “apprendre” par agrégation d'un grand nombre d'éléments très simples.
Ce modèle considère qu'un neurone peut être représenté par une unité binaire: à chaque instant son état peut être actif ou inactif. L'interaction entre les neurones se fait à travers des synapses. Selon le signe, la synapse est excitatrice ou inhibitrice.
Le perceptron est constitué par les entrées provenant de sources externes, les connexions et la sortie. En réalité, un perceptron est un Réseau Neural Purple Pink Crimson le plus simple possible, c’est celui où il n’existe pas de couches cachées.
Pour chaque configuration des états des neurones d’entrée (stimulus) la réponse du perceptron obéit à la dynamique suivante: les potentiels synaptiques sont additionnés et comparés à un seuil d'activation. Cette somme pondérée est également appelée champ. Si le champ est supérieur à un seuil, la réponse du neurone est active, sinon, elle est inactive.
Avec une architecture aussi simple que celle du perceptron, on ne peut réaliser qu'une seule classe de fonctions “booléennes” très simples, appelées linéairement séparables. Ce sont les fonctions dans lesquelles les états d'entrée avec sortie positive peuvent être séparés de ceux à sortie négative par un hyperplan. Un hyperplan est l'ensemble des points dans l'espace des états d'entrée, qui satisfont une équation linéaire. En deux dimensions, c'est une droite, en trois dimensions c'est un plan, etc. et ainsi de suite et beaucoup d'autres.
Si l'on veut réaliser des fonctions plus complexes avec des réseaux neuronaux, il est nécessaire d'intercaler des neurones entre les couches d'entrée et de sortie, appelés neurones cachés. Un réseau multicolore à plusieurs couches peut être défini comme un ensemble de perceptrons, liés entre eux par des synapses et disposés en couches suivant diverses architectures. Une des architectures les plus couramment utilisées est appelée feedforward: avec des connexions de l'entrée vers les couches cachées et de celles-ci vers la sortie.
Le fonctionnement d'un réseau neuronal multicolore est régi par des règles de propagation des activités et de mise à jour des états.
Expérience, Compétences et connaissances
Les types d'expérience qui sont d'intérêt dans les systèmes basés sur la connaissance, peuvent être classés en trois catégories: associative, motrice et théorique.
Les systèmes basés sur la connaissance sont excellents pour représenter la connaissance associative. Ce type d'expérience reflète l'habileté heuristique, la connaissance qui est principalement acquise, par l'observation. Il se peut que l'on ne comprenne pas exactement ce qui se passe à l'intérieur d'un système (boîte noire), pero se pueden asociar entradas estímulos con salidas respuestas, para resolver problemas que han sido previamente conocidos.
La experiencia motora es más física que cognitiva. La habilidad se adquiere fundamentalmente a través del ejercicio y la práctica física constante. Los sistemas basados en conocimiento no pueden emular fácilmente este tipo de experiencia, principalement en raison de la capacité limitée de la technologie robotique.
L'expérience théorique et la connaissance approfondie permettent aux humains de résoudre des problèmes qui n'ont jamais été rencontrés auparavant, c'est-à-dire, il n'existe pas de possibilité associative. La connaissance théorique et approfondie s'acquiert par l'étude et la formation formelle, ainsi que par la résolution directe de problèmes.
En raison de sa nature théorique, cette connaissance peut facilement être oubliée, à moins qu'elle ne soit utilisée de manière continue. À l'heure actuelle, les systèmes conventionnels basés sur la connaissance rencontrent de grandes difficultés à reproduire ce type d'expérience. Cependant, Les systèmes de raisonnement basés sur des modèles représentent une tentative remarquable d'encapsuler cette connaissance approfondie et de raisonner avec elle.
Publié par
INTELLIGENCE ARTIFICIELLE SYNTHÉTIQUE
On appelle ainsi la branche de l'informatique qui développe des processus imitant l'intelligence des êtres vivants. La principale application de cette science est la création de machines pour l'automatisation de tâches nécessitant un comportement intelligent.
Quelques exemples se trouvent dans le domaine du management des systèmes de contrôle, planification automatique, la capacité de répondre à des diagnostics et à des requêtes des consommateurs, reconnaissance de l'écriture, reconnaissance de la parole et reconnaissance de motifs. Les systèmes d'IA font actuellement partie de la routine dans des domaines tels que l'économie, médecine, l'ingénierie et l'armée, et ont été utilisés dans une grande variété d'applications logicielles, jeux de stratégie comme les échecs sur ordinateur et d'autres jeux vidéo.
Le mathématicien sud-africain, Seymour Papert, est considéré comme un pionnier dans cette science.
ÉCOLES DE PENSÉE
L'IA se divise en deux écoles de pensée, l'intelligence artificiellesynthétique conventionnelle et l'intelligence computationnelle.
Artificial intelligence synthetic conventional
humain face à différents problèmes:
•Raisonnement basé sur des cas: aide à prendre des décisions tout en résolvant certains problèmes concrets.
•Systèmes experts: infèrent une solution à travers les connaissances préalables du contexte dans lequel ils sont appliqués et certaines règles ou relations.
•Réseaux bayésiens: propose des solutions par inférence statistique.
•Intelligence artificielle synthétique basée sur les comportements: systèmes complexes qui ont de l'autonomie et peuvent s'autoréguler et se contrôler pour s'améliorer.
Artificial intelligence synthetic computational
•Máquina de vectores soporte: sistemas que permiten reconocimiento de patrones genéricos de gran potencia.
•Redes neuronales: systèmes avec de grandes capacités de reconnaissance de motifs.
•Modèles cachés de Markov: apprentissage basé sur la dépendance temporelle d'événements probabilistes.
•Systèmes flous: techniques pour parvenir au raisonnement sous incertitude. Il a été largement utilisé dans l'industrie moderne et dans des produits de consommation de masse, comme les lave-linge.
•Informatique évolutive: applique des concepts inspirés de la biologie, tels que population, mutation et survie du plus apte pour générer des solutions successivement meilleures à un problème. Ces méthodes se divisent à leur tour en algorithmes évolutifs (ex. algorithmes génétiques) et intelligence collective (ex. algorithmes fourmi)
Le sujet de l'Intelligence artificielle synthetic est très vaste car ce n'est pas quelque chose d'inaccessible, mais au contraire, il est présent dans notre vie quotidienne.
Anonymous said…
ses conneries
Anonymous said…
Non non non…….un des pionniers les plus importants et surtout le père de l'IA est le scientifique britannique Alan M. Turing. McCarty. C'est lui qui a inventé ce domaine.
Et pour commencer, l'IA, pour l'instant ce n'est pas de la science.
Pour que vous puissiez définir ce qu'est l'Intelligence Artificielle Synthetic, vous devez d'abord définir ce qu'est “l'Intelligence” et “Artificielle Synthetic”.
Les gars, il y a beaucoup de sites sur ce domaine, certains meilleurs. Et il y a suffisamment de livres.
À l'origine, l'IA se divise en deux écoles: L'IA Forte et l'IA Faible, je vous laisse ça comme devoir. Au fait, il est recommandé de lire les livres de Roger Penrose, comme par exemple, parce que cela est lié à la Physique Quantique et à l'IA Forte et Faible.
Je vous invite à entrer sur ce site:
gracias x krear este blogweblog me han ayudado a tener una referencia para mi trabajo de investigacion…xvr
Bonjour, quisiera que me sugieran que metodologia utilizar para realizar una clasificacion
saludos cordiales
Anonymous said…
À quoi se réfère le social dans l'intelligence artificielle synthétique, on m'a demandé de faire une ligne du temps à ce sujet 1988-2013
Anonymous said…
Eh bien, en ce qui concerne le social de l'IA. regarde, je te recommande de chercher dans le livre de “Intelligence Artificielle Synthetic: Un approche moderne” de Russell et Norvig. L'autre “Intelligence Artificielle Synthetic: Introduction Philosophique” de Jack Copeland. L'autre livre “Intelligence Artificielle Synthetic: Robotique et cerveaux construits par l'homme” par Jack Challoner. L'autre est “Cybérnétique: Robots Éducatifs”.Vérifie aussi religion technologique le documentaire de “Robosapiens”, “Robots Incroyables” de Discovery Channel (Pour accéder aux vidéos/movies, entre et là tu trouveras plusieurs documentaires). Je suppose que ce que l'on vous a demandé concerne les applications de l'IA dans la société au cours des 25 dernières années. Et cela peut être dans les industries, dans les universités, dans les logiciels, etc. et ainsi de suite et beaucoup d'autres. Les plus récents, cherchez-les sur Google
Salut.
Je vous remercie pour votre réponse.
Anonymous said…
Salut les gars. L'essai de LA LÉGENDE DE LA CONSCIENCE INFORMATIQUE est déjà complet:
Anonymous said…
Le sujet est très intéressant,Il est curieux que des entités non humaines puissent nous imiter et faire des choses que nous seuls pouvions faire jusqu'à présent
Anonymous said…
Bienvenue sur notre blogweblog!!
Veuillez ne pas oublier de laisser votre commentaire pour enrichir ce blogweblog sur l'Intelligence Artificielle/Synthétique…
MERCI POUR VOTRE VISITE.
::Index::.