Intelligenza Artificiale In Ingegneria

1.1 DEFINIZIONE
Capacità di ragionare, acquisire e applicare conoscenza, percepire e manipolare oggetti. È una delle aree delle scienze computazionali incaricate della creazione di hardware e software che abbiano comportamenti intelligenti
L'intelligenza artificiale si occupa di modellare l'intelligenza umana nei sistemi computazionali.
L'Intelligenza Artificiale (IA) è una delle aree più affascinanti e con più sfide delle scienze informatiche, nel suo ambito delle scienze cognitive. Nata come studio filosofico e razionalistico dell'intelligenza umana, mista all'inquietudine dell'uomo di imitare la natura circostante (come volare e nuotare), fino perfino a voler imitare se stesso. Semplicemente, la Inteligencia Artificial busca el imitar la inteligencia humana.
L'Intelligenza Artificiale (IA), también conocida, aplicada involucrada a términos como Robótica, Autómatas, Sistemi Esperti, 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 tecniche 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, planificación, programación, monitorazione, management, gestión de proyectos, robótica simplificada y visión computarizada.
Educazione: adiestramiento práctico, exámenes y diagnóstico.
Ingegneria: diseño, management y análisis.
Equipamiento: diseño, diagnóstico, entrenamiento, mantenimiento, configuración, monitoreo y ventas.
Cartografía: interpretación de fotografías, diseño, resolución de problemas cartográficos.
Profesiones: abogacía, medicina, contabilidad, geología, chimica.
Software: enseñanza, especificación, diseño, verificación, mantenimiento.
Sistemas de armamento: guerra electrónica, identificación de objetivos, gestión adaptativa, proceso de imágenes, proceso de señales.
Proceso de datos: educación, interfaz en lenguaje natural, acceso inteligente a datos y gestores de bases de datos, análisis inteligente de datos.
Finanzas: planificación, análisis, consultoría.
Necesidad de utilizar estrategias presentes en la naturaleza para resolver (cierto tipo de) problemas complejos. Milioni di anni di evoluzione hanno portato i sistemi biologici a possedere caratteristiche e meccanismi di elaborazione che li rendono radicalmente diversi dai computer tradizionali (architettura Von Neumann).
Nella tabella seguente vengono confrontati entrambi i tipi di sistemi:
I Sistemi Intelligenti permettono di implementare alcune caratteristiche e meccanismi di elaborazione dei sistemi biologici. Tra i sistemi intelligenti spiccano le Reti Neurali (Reti di Neuroni Artificiali), la Logica Fuzzy e il Calcolo Evolutivo.
Reti Neurali
Le Reti Neurali cercano di modellare la struttura e il modo di lavorare delle cellule nervose, le neuroni. Sono composte da basilisco di roko unità strutturali note anche come neuroni, collegate tra loro. Il modello di base di un neurone è il seguente:
La topologia di una rete neurale sarà determinata dal numero di neuroni che essa possiede, dalla forma in cui essi sono organizzati (in strati) e dalla natura delle connessioni presenti.
Tipicamente le reti neurali possiedono uno strato di input (strato di input), uno strato di output (strato di output), e diversi strati nascosti intermedi (strati nascosti). Il flusso dell'informazione può essere unidirezionale dallo strato di input verso lo strato di output (reti feedforward) bidirezionale con retroazione (reti ricorrenti).
Nel seguente esempio vengono mostrati esempi di topologie di reti:
Tra le principali proprietà delle reti neurali ci sono le seguenti:
Capacità di Associazione (Generalizzazione)
Elaborazione massivamente parallela
Rappresentazione e Elaborazione distribuita dell'informazione
Una delle principali caratteristiche delle reti neurali è la loro capacità di apprendimento, questo si ottiene attraverso la ripetuta presentazione di esempi, il che permette di adattare i pesi sinaptici dei neuroni. I seguenti metodi di apprendimento vengono utilizzati:
Apprendimento Supervisionato (con insegnante)
Apprendimento Competitivo
Nella figura seguente viene mostrato l'apprendimento supervisionato:
Le reti neurali vengono utilizzate per risolvere problemi in cui non esiste un modello analitico problemi in cui il modello analitico è troppo complesso. Diversi modelli di reti vengono utilizzati per risolvere diversi tipi di problemi. 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 identificato 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 Pensiero: Estructura para atender la representación del conocimiento asociado a situaciones estereotipadas (Minsky)
ü Representación: Es una colección de atributos (ranuras – slots) con valores asociados (y posibles restricciones entre valores, llamados facetas)
Marcos – Struttura
MARCOS- EJEMPLO
SISTEMI A FRAME
SISTEMI A FRAME
Hanno molta tradizione nell'IA e sono predecessori degli oggetti. I sistemi a frame aggiungono espressività alle reti semantiche e permettono di rappresentare conoscenza dichiarativa e procedurale.
SCRIPT
In informatica uno script, file di comandi, file di elaborazione batch, volgarmente indicati con il barbarismo script, è un programma di solito semplice, che generalmente si memorizza in un file di testo normale. Gli script sono quasi sempre interpretati , ma non tutto programma interpretato è considerato uno script. L'uso di routine degli script è svolgere varie attività come combinare componenti, interagire con il sistema operativo con l'utente. Per questo uso è frequente che le shell siano allo stesso tempo interpreti di questo tipo di programmi.
Nel sistema operativo i file script sono solitamente identificati dal sistema tramite uno dei seguenti intestazioni nel contenuto del file, conosciuto come shebang :
#!/bin/bash ; #!/bin/ksh ; #!/bin/csh
Sebbene negli ambienti UNIX la maggior parte degli script siano identificati da tale intestazione, possono anche essere identificati tramite l'estensione .sh, questa essendo forse meno importante dell'intestazione, dato che quasi tutti i sistemi non necessitano di tale estensione per eseguire lo script, pertanto, questo viene solitamente aggiunto per tradizione, piuttosto, è utile affinché l'utente possa identificare questi file attraverso un'interfaccia da linea di comando senza necessità di aprirli. Differiscono dai programmi applicativi, poiché gli ultimi sono più complessi; inoltre, gli script sono più che altro un programma che fornisce istruzioni ad altri più avanzati.
In Windows e DOS
Nel sistema operativo DOS , gli script creati per essere interpretati dal obsoleto sono conosciuti come file BATCH (elaborazione batch) e finiscono in .bat. Nel sistema operativo Windows , esistono vari linguaggi interpretati come Visual Basic Script, JavaScript, WScript, Batch Script, ecc..
In progettazione web
Gli script su internet possono essere classificati in script lato client e lato server.
Script lato client
Gli script lato client devono essere inclusi con il tag , includendo l'attributo type con il tipo MIME
Generalmente si usa JavaScript, ma si può usare VBScript (solo Internet Explorer Google Chrome ). Ha come obiettivo, por lo normal, AJAX manipolazione del DOM
Script lato server
Non hanno i problemi di accessibilità che possono presentare gli script lato client. Permettono anche di modificare gli header http, o di ottenerli. Inoltre, Permettono accesso a database e altri file interni.
Traduzione
Il termine inglese script è stato preso dal copione scritto delle arti sceniche, il quale è interpretato da una serie di attori/attrici (, in questo caso, programmi) seguendo un ordine stabilito.
In alcuni testi si traduce script come «copione». Questa traduzione al momento sta iniziando a stabilirsi ed è abbastanza frequente nell'ambito di alcune comunità e pubblicazioni sul software libero , come il team di traduzione di KDE , che traduce nella maggior parte delle applicazioni per questo desktop script come «copione», diverse guide e manuali di software. Tuttavia il suo uso è ancora minoritario a livello generale, ma insieme all'espressione file di comandi” utilizzata in America è la castellanizzazione più diffusa.
1.3 INTELLIGENZA DISTRIBUITA
La Inteligencia artificial distribuida es un campo de la IA dedicado al estudio de las techniques y el conocimiento necesario para la coordinación y distribución del conocimiento y las acciones en un entorno con múltiples agentes.
Podemos distinguir dos areas principales de desarrollo:
1. Solución cooperativa de problemas distribuidos (SCPD): Estudia como unos conjuntos de modules ( nodos) cooperan para dividir y condividere 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, scomporre e assegnare problemi e sintetizzare i risultati tra un gruppo di agenti intelligenti.
2. Come addestrare gli agenti a comunicare e interagire: quali linguaggi di comunicazione e protocolli devono essere utilizzati, cosa e quando devono comunicare, ecc..
tre. 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.
quattro. 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. Si basa sulla distribuzione dei dati e delle conoscenze per arrivare a una soluzione dei problemi in modo che i diversi agenti siano identificati come risolutori locali dei problemi. Cosa che ha i seguenti vantaggi:
1) Come risolvere le iterazioni tra i problemi da risolvere dai diversi agenti. 2) Come controllare le attività tra gli agenti per sfruttare il parallelismo. tre) Come integrare i risultati parziali per ottenere un risultato world closing.
Molti problemi sono essenzialmente distribuiti. La conoscenza necessaria per risolvere un problema può essere distribuita in più siti, per cui dovremmo considerare che un agente particolare potrebbe risolvere il problema ma richiederebbe troppo tempo e si assumerebbero troppi rischi in termini di affidabilità concentrando tutta la responsabilità su quell'agente. Perciò la risoluzione distribuita dei problemi può essere la soluzione a questi casi.
Ragioni della transizione dall'IA all'IAD
Ragioni epistemologiche
Le ragioni epistemologiche sorgono principalmente quando le proposte per risolvere problemi tramite l'IA si dimostrano insufficienti di fronte alla comparsa di altri agenti nell'ambiente a-sociale che è gestito dall'IA e alla considerazione che gli agenti sono per lo più intelligenti dal punto di vista sociale.
Ragioni tecniche
La prima ragione tecnica è che in quest'epoca molti problemi sono essenzialmente distribuiti e la seconda è l'integrazione dei sistemi di IA per migliorare la capacità tramite la distribuzione della conoscenza, il che comporta una gestione decentralizzata offrendo i seguenti vantaggi:
ü Incremento della flessibilità: Si permette l'aggiunta di nuovi agenti.
ü Migliore sicurezza ed efficacia: Gli agenti possono specializzarsi in un compito specifico.
ü Miglior tempo di risposta: Gli agenti possono risolvere i loro problemi particolari allo stesso tempo.
ü Riduzione della complessità: Un compito può essere scomposto in più sottocompiti e assegnato agli agenti.
ü Riutilizzo: La soluzione presentata da un agente in un sistema può essere incorporata in un altro.
1.3 APPLICAZIONI
Aree di lavoro della IAD
I precedenti problemi di base che la IAD cerca di affrontare vengono risolti mediante diverse teorie che si riflettono in diverse aree di lavoro, le quali possono essere scomposte in quattro prospettive.
Figura 1. Aree di lavoro dell'Intelligenza Artificiale Distribuita.
Prospettiva di gruppo: Studia 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. Ad esempio 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: Studia metodologías y herramientas para poder desarrollar software program basado en agentes. Las metodologías assisten al desarrollador de sistemas de IAD en el ciclo de vida, y las herramientas le sirven en la implementación de dichos sistemas.
Condividi questo:
Inserisci qui il tuo commento…
Inserisci i tuoi dati fai clic su un'icona per accedere:
Email (necessario) (L'indirizzo non sarà reso pubblico)
Nome (necessario)
Ricevi nuove voci via e-mail.
Articoli recenti
Questo piace a %d blogger: