Definicion, Clasificacion y Paradigmas de la Inteligencia Artificial.

1. ELABORADO POR:
RUEDA CAVERO JHON FRANCIS
BACHILLER EN INGENIERIA INFORMATICA DE LA UNIVERSIDAD
NACIONAL JOSE FAUSTINO SANCHEZ CARRION

3. I – INTELIGENCIA:
INTELIGENCIAS MULTIPLES
Un psicólogo de Harvard llamado Howard Garden, señalo que
nuestra cultura había definido la inteligencia de manera muy
estrecha y propuso en su libro " estructura de la mente", la
existencia de por lo menos siete inteligencias básicas:
•Inteligencia lingüística
•Inteligencia lógico matemática
•Inteligencia espacial
•Inteligencia corporal – kinética
•Inteligencia musical
•Inteligencia interpersonal
•Inteligencia intrapersonal

4. II – DEFINICION DE I.A.
Se denomina inteligencia artificial (IA) a la rama de las
Ciencias de la Computación dedicada al desarrollo de
agentes racionales no vivos.
Para explicar la definición anterior, entiéndase a un agente
como cualquier cosa capaz de percibir su entorno (recibir
entradas), procesar tales percepciones y actuar en su
entorno (proporcionar salidas), y entiéndase a la
[racionalidad] como la característica que posee una
elección de ser correcta, más específicamente, de tender a
maximizar un resultado esperado (este concepto de
racionalidad es más general y por ello más adecuado que
inteligencia para definir la naturaleza del objetivo de esta
disciplina).

5. III - ESCUELAS DE PENSAMIENTO:
La IA se divide en dos escuelas de pensamiento:
•La inteligencia artificial convencional
•La inteligencia artificial computacional

6. I. A. CONVENCIONAL
Este enfoque se orienta a la creación de un sistema
artificial capaz de realizar procesos cognitivos humanos
haciendo importante ya no la utilidad como el método, los
aspectos fundamentales de este enfoque se refieren al
aprendizaje y adaptabilidad y sus autores son Newell y
Simon de la Carnegie Mellon University.
Se conoce también como IA simbólico-deductiva. Está
basada en el análisis formal y estadístico del
comportamiento humano ante diferentes problemas:
•Razonamiento basado en casos
•Sistemas expertos
•Redes bayesianas
•Inteligencia artificial basada en comportamientos
•Smart process management

7. I. A. COMPUTACIONAL
La Inteligencia Computacional (también conocida como IA
subsimbólica-inductiva) implica desarrollo o aprendizaje
interactivo. El aprendizaje se realiza basándose en datos
empíricos.
Este enfoque se centra en la utilidad y no en el método
algorítmico, los temas claves de este enfoque son la
representación y gestión de conocimiento, sus autores más
representativos son McCarthy y Minsky.

8. V – CRÍTICAS:
Las principales críticas a la inteligencia artificial tienen que
ver con su incapacidad de imitar por completo a un ser
humano.
Uno de los mayores problemas en sistemas de inteligencia
artificial es la comunicación con el usuario. Este obstáculo es
debido a la ambigüedad del lenguaje, y apareció ya en los
inicios de los primeros sistemas operativos informáticos.
Los desarrollos en inteligencia artificial son mayores en los
campos disciplinares en los que existe mayor consenso
entre especialistas. Un sistema experto es más probable de
ser programado en física o en medicina que en sociología o
en psicología.

9. VI - APLICACIONES DE LA I. A.:
•Lingüística computacional
•Minería de datos (Data Mining)
•Industriales.
•Médicas
•Mundos virtuales
•Procesamiento de lenguaje natural (Natural Language Processing)
•Robótica
•Sistemas de apoyo a la decisión
•Videojuegos
•Prototipos informáticos
•Análisis de sistemas dinámicos.
•Smart process management

10. VII - LOGICA DIFUSA:
La lógica difusa o lógica heurística se basa en lo relativo
de lo observado. Este tipo de lógica toma dos valores
aleatorios, pero contextualizados y referidos entre sí.
Así, por ejemplo, una persona que mida 2 metros es
claramente una persona alta, si previamente se ha
tomado el valor de persona baja y se ha establecido en
1 metro. Ambos valores están contextualizados a
personas y referidos a una medida métrica lineal.

11. VIII - ALGORITMOS GENETICOS:
Un algoritmo es una serie de pasos organizados que
describe el proceso que se debe seguir, para dar solución a
un problema específico En los años 1970, de la mano de
John Henry Holland, surgió una de las líneas más
prometedoras de la inteligencia artificial, la de los algoritmos
genéticos. Son llamados así porque se inspiran en la
evolución biológica y su base genético-molecular.
Estos algoritmos hacen evolucionar una población de
individuos sometiéndola a acciones aleatorias semejantes a
las que actúan en la evolución biológica (mutaciones y
recombinaciones genéticas), así como también a una
Selección de acuerdo con algún criterio, en función del cual
se decide cuáles son los individuos más adaptados, que
sobreviven, y cuáles los menos aptos, que son descartados.

12. IX - RED NEURONAL:
Las redes de neuronas artificiales (denominadas
habitualmente como RNA o en inglés como: "ANN") 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. En inteligencia artificial es frecuente
referirse a ellas como redes de neuronas o redes
neuronales.
FUNCIONAMIENTO:
Las redes neuronales consisten en una simulación de las
propiedades observadas en los sistemas neuronales
biológicos a través de modelos matemáticos recreados
mediante mecanismos artificiales (como un circuito
integrado, un ordenador o un conjunto de válvulas). El
objetivo es conseguir que las máquinas den respuestas
similares a las que es capaz de dar el cerebro que se
caracterizan por su generalización y su robustez.

13. X - RED BAYESIANA:
Una red bayesiana, o red de creencia, es un modelo
probabilístico multivariado que relaciona un conjunto de
variables aleatorias mediante un grafo dirigido que indica
explícitamente influencia causal. 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.
APLICACIONES:
Las redes bayesianas son un tipo de modelos de minería de
datos que pueden ser utilizados en cualquiera de las siguientes
actividades de negocio:
•Prevención del fraude
•Prevención del abandono de clientes
•Marketing personalizado
•Mantenimiento preventivo
•Datos historicos de clientes
•Clasificación de datos

14. XI - ROBOTICA EVOLUTIVA:
Cliff, Harvey y Husbands de COGS en la Universidad de Sussex
introdujeron el término robótica evolutiva en el año 1993. En
1992 y 1993 dos equipos, Floreano y Mondada en la EPFL da
Lausanne y el grupo de COGS informaron de los primeros
experimentos de evolución artificial de robots autónomos.
La Robótica Evolutiva tiene varios objetivos, a menudo
simultáneos. El punto de vista de la ingeniería crea
controladores de robots para realizar tareas útiles en el
mundo real. La Biología y otras ciencias de lo vivo obtienen
simulaciones que reproducen fenómenos desde fisiológicos
hasta ecológicos.