Unidad I inteligencia artificial y sistemas expertos



Descargar 94.85 Kb.
Página1/2
Fecha de conversión10.01.2018
Tamaño94.85 Kb.
  1   2

UNIDAD I INTELIGENCIA ARTIFICIAL Y SISTEMAS EXPERTOS

  1. LA INTELIGENCIA ARTIFICIAL es la parte de la Ciencia que se ocupa del diseño de sistemas de computación inteligentes , es decir, sistemas que exhiben las características que asociamos a la inteligencia en el comportamiento humano que se refiere a la comprensión del lenguaje, el aprendizaje, el razonamiento, la resolución de problemas, entre otros. INTELIGENCIA ARTIFICIAL (IA): La Inteligencia Artificial es una ciencia que intenta la creación de programas para máquinas que imiten el comportamiento y la comprensión humana.

  2. Los sistemas de Inteligencia Artificial incluyen a las personas, los procedimientos, el hardware y software, los datos y los conocimientos necesarios para desarrollar sistemas, y máquinas de computación que presenten características de inteligencia. El objetivo del desarrollo de sistemas de IA contemporáneos no es el reemplazo completo de la toma de decisiones de los humanos, pero sí duplicarlas para ciertos tipos de problemas bien definidos. INTELIGENCIA ARTIFICIAL (IA):

  3. Estudios centrados en Redes Neuronales. Demostración de Teoremas y Ajedrez. (1937) Matemático Ingles Alan Mathison Turing (Articulo "Números Calculables”), introdujo la Máquina de Turing, una entidad matemática abstracta que formalizo el concepto de algoritmo y resulto ser la precursora de las computadoras digitales. Considerado padre de la Inteligencia Artificial, por su famosa Prueba de Turing, que permitiría comprobar si un programa de computadora puede ser tan inteligente como un ser humano. ETAPAS DE LA IA: 1943 - 1956

  4. Creación de sistemas que resuelvan cualquier problema. Avances limitados por los recursos computacionales. ETAPAS DE LA IA: 1952 - 1969 1966 - 1974 1969 - 1979 Algoritmos genéticos. Problemas en la representación del conocimiento. DENDRAL, MYCIN. Las empresas se interesan por la IA. Control industrial y robótica. 1980 - 1988 Resolución de problemas del mundo real. Sistemas especializados que cooperan. 1988 ….

  5. PRINCIPALES RAMAS DE LA IA: Desarrollo de dispositivos mecánicos o de computación que tengan la capacidad de realizar funciones y/o tareas que requieran de un alto grado de precisión, tediosas o impliquen riesgo de peligro para los seres humanos. En la actualidad se combinan las capacidades de alta precisión de la máquina con un software controlador sofisticado. Robot QRIO de Sony http:// www.youtube.com/watch?v=rokOtmUhos0 El primer trabajo práctico de Robótica en la Maestría de Inteligencia Artificial en la UCLA, Venezuela :D...Robot minibot Lego RCX http://www.youtube.com/watch?v=Wz0aJmFYeaE http://www.youtube.com/watch?v=yzCadN4_5Ms Los esfuerzos de la IA se clasifican según varias categorías: Robótica I.A

  6. Equipos y software que les permite a las computadoras capturar, almacenar y manipular imágenes visuales y fotografías. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías: Se pueden usar junto con robots para darles "visión" a estas máquinas y que pueda tomar decisiones con base a lo que ve y reconocer la información visual de acuerdo con patrones generales. Ver video: Sistemas de Visión Robótica http://www.youtube.com/watch?v=HdHFTxlYIjc I.A

  7. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías: Programas que tienen como entrada lenguajes humanos para traducirlos en un conjunto estándar de instrucciones que una computadora ejecuta. Permiten a los seres humanos usar su propio lenguaje natural cuando interactúan con programas como sistemas de administración de bases de datos (DBMS) o sistemas de apoyo para la toma de decisiones. Robótica Sistemas de Visión Procesamiento de Lenguaje Natural I.A

  8. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías: El objetivo de los procesadores de lenguaje natural es eliminar paulatinamente la necesidad de aprender lenguajes de programación o comandos personalizados para que las computadoras entiendan. Su ventaja radica en que combinados con dispositivos de reconocimiento de voz, el usuario de instrucciones a las computadoras para que realicen tareas, sin usar un teclado o cualquier otro dispositivo de entrada. Ver video: Robótica http://www.youtube.com/watch?v=ilchnpsROSs Sistemas de Visión Procesamiento de Lenguaje Natural I.A

  9. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías: Combinación de software y equipos que le permite a la computadora cambiar su modo de funcionar o reaccionar a situaciones, basado en la retroalimentación que recibe. Robótica Sistemas de Visión Procesamiento de Lenguaje Natural Sistemas de Aprendizaje I.A

  10. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías: Es un sistema de computación que puede actuar en la misma forma que funciona el cerebro humano, o simularlo. La redes neuronales pueden procesar muchas piezas de información al mismo tiempo y aprender a reconocer patrones. Un sistema de red neuronal aprende por ensayo y error. Ver video: http://www.youtube.com/watch?v=1u18juT89NM Robótica Sistemas de Visión Procesamiento de Lenguaje Natural Sistemas de Aprendizaje Redes Neuronales I.A

  11. PRINCIPALES RAMAS DE LA IA: Red neuronal artificial perceptrón simple con n neuronas de entrada, m neuronas en su capa oculta y una neurona de salida. T Tomado de Wikilearning http://es.wikipedia.org/wiki/Red_neuronal_artificial

  12. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías:

    • Capacidad de recuperar información incluso si falla alguno de sus nodos.

    • Modificación rápida de los datos almacenados a partir de nueva información.

    • Capacidad de descubrir relaciones y tendencias en grandes bases de datos.

    • Capacidad de resolver problemas complejos para los cuales no se cuenta con la información.

    • Ver video:

Robótica http://www.youtube.com/watch?v=DCcjMHt3CoY Redes Neuronales Sistemas de Aprendizaje Procesamiento de Lenguaje Natural Sistemas de Visión I.A

  1. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías: Se basa en reglas que no tienen límites discretos, sino que se prolongan en un continuum, permitiendo a un sistema manejar mejor la ambigüedad. Esto es muy útil para reflejar cómo tienden a pensar las personas, en términos relativos, no absolutos. Robótica Sistemas de Visión Procesamiento de Lenguaje Natural Sistemas de Aprendizaje Redes Neuronales Lógica Difusa I.A

  2. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías: Un algoritmo genético es un método de búsqueda dirigida basada en Probabilidad . Al aumentar el número de iteraciones, la probabilidad de tener el óptimo en la población tiende a 1. Funciones matemáticas que usan los principios de Darwin para mejorar una aplicación. La funciones se diseñan para simular en software, en cuestión de minutos o segundos I.A. Algoritmos Genéticos I.A Robótica Lógica Difusa Redes Neuronales Sistemas de Aprendizaje Procesamiento de Lenguaje Natural Sistemas de Visión

  3. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías : Programas de computadora que automáticamente revisan enormes cantidades de datos y seleccionan y entregan la información más adecuada para el usuario, de acuerdo con requisitos contextuales o específicos. La aplicación más importante de los agentes inteligentes se encuentra en la WEB. www.google.co.ve www.amazon.com I.A Logaritmos Genéticos Robótica Lógica Difusa Redes Neuronales Sistemas de Aprendizaje Procesamiento de Lenguaje Natural Sistemas de Visión Agentes Inteligentes

  4. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías: El propósito principal de los agentes inteligentes es realizar sus tareas significativas más rápido, con más frecuencia y de manera más efectiva, que el usuario. Los agentes inteligentes vinculan automáticamente su computadora con sitios favoritos, le avisan cuando éstos se hayan actualizado y adecuan páginas específicas a sus preferencias. I.A Logaritmos Genéticos Robótica Lógica Difusa Redes Neuronales Sistemas de Aprendizaje Procesamiento de Lenguaje Natural Sistemas de Visión Agentes Inteligentes

  5. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías: Programa de computadora, inteligente, que usa el conocimiento y los procedimientos de inferencia para resolver problemas que son suficientemente difíciles como para requerir significativa experiencia humana para su solución. Hace un amplio uso del conocimiento especializado, como lo hace un experto humano. Trabaja sobre un dominio especifico. I.A Logaritmos Genéticos Sistemas Expertos Robótica Lógica Difusa Redes Neuronales Sistemas de Aprendizaje Procesamiento de Lenguaje Natural Sistemas de Visión Agentes Inteligentes

  6. PRINCIPALES RAMAS DE LA IA: Los esfuerzos de la IA se clasifican según varias categorías: Se utilizan los términos: Sistema Experto (SE), Sistemas Basados en Conocimientos o Sistema Experto Basado en Conocimiento. Para construir un SE, un ingeniero del conocimiento se entrevista con un experto humano, y traduce la información en código. I.A Logaritmos Genéticos Sistemas Expertos Robótica Lógica Difusa Redes Neuronales Sistemas de Aprendizaje Procesamiento de Lenguaje Natural Sistemas de Visión Agentes Inteligentes




    • Pueden explicar su razonamiento o decisiones sugeridas.

    • Puede mostrar un comportamiento "inteligente“.

    • Puede obtener conclusiones de relaciones complejas.

    • Puede proporcionar conocimientos acumulados.

    • Puede hacer frente a la incertidumbre.

CARACTERISTICAS DE LOS SE:

CAPACIDADES DE LOS SE: En comparación con otros tipos de sistemas de información, los SE ofrecen varias capacidades poderosas y beneficios. Los SE se pueden usar para solucionar problemas en todos los campos y disciplinas y ayudar en la totalidad de las etapas del proceso de solución del problemas.

    • Fijación de objetivos estratégicos.

    • Planeación.

    • Diseño.

    • Toma de decisiones.

    • Control y supervisión de calidad.

    • Diagnóstico.

USOS DE LOS SE: El desarrollo de un SE complejo puede ser difícil, costoso y requerir de tiempo, por lo tanto, es importante asegurarse de que los posibles beneficios valen el esfuerzo y que las diversas características del SE se equilibran, en términos de costo, control y complejidad. Visitar: www.sistemasexpertos.ne t


    • No se han usado o probado en forma extensa.

    • Dificultad de uso.

    • Están limitados a problemas relativamente limitados.

    • No pueden enfrentar con facilidad a conocimientos "mixtos".

    • Posibilidad de error.

    • Dificultad de mantenimiento.

    • Pueden tener costo altos de desarrollo.

    • Ocasionan preocupaciones legales y éticas.

LIMITACIONES DE LOS SE:

COMPONENTES DE LOS SE: El usuario interactúa con el SE a través de una interfaz, la cual puede contender menús, procesamiento del lenguaje natural u otro tipo de interacción. Debe ser amigable en la entrada y salida de información. Interfaz de Usuario

COMPONENTES DE LOS SE: Se corresponde con el proceso de crear y actualizar la base de conocimientos Interfaz de Usuario Adquisición de Conocimiento

COMPONENTES DE LOS SE: Almacena toda la información, datos, reglas, casos y relaciones importantes que utiliza el SE. Para cada aplicación única se tiene que desarrollar una base conocimientos. Interfaz de Usuario Adquisición de Conocimiento Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas Puede incluir conocimientos genéricos provenientes de teorías generales que se han establecido con el tiempo y conocimientos específicos que provienen de experiencias más recientes y de reglas prácticas

COMPONENTES DE LOS SE: Es similar a la suma total de los conocimientos y experiencias de los expertos humanos que se obtienen a través de años de trabajo en un área o disciplina específica. Interfaz de Usuario Adquisición de Conocimiento Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas Una BC que contiene información proporcionada por diversos expertos humanos puede ser extremadamente eficiente y exacta desde el punto de vista de sus sugerencia y pronósticos.

COMPONENTES DE LOS SE: El uso de reglas: una regla es una instrucción condicionada que enlaza determinadas condiciones con acciones o resultados. La regla se crea por medio de construcciones de SI – ENTONCES. Un SE puede usar casos al desarrollar la solución a un problema o situación actual. Interfaz de Usuario Adquisición de Conocimiento Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas

COMPONENTES DE LOS SE: Interfaz de Usuario Adquisicion de Conocimiento Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas



    • El proceso incluye:

    • Encontrar casos almacenados en la base de conocimientos, que sean similares al problema,

    • Modificar las soluciones a los casos para adaptarlas, o ajustarlas, al problema o la situación actual.

COMPONENTES DE LOS SE: Interfaz de Usuario Adquisición de Conocimiento Mecanismo de Inferencia. Conocido como Motor de Inferencia, usado para buscar información y relaciones en la base de conocimientos, y proporcionar respuestas, pronósticos y sugerencias en la misma forma en que lo haría un experto humano. En otras palabras es el que proporciona el consejo experto. El conocimiento se representa como un conjunto de reglas y hechos. Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas

COMPONENTES DE LOS SE: Interfaz de Usuario Adquisición de Conocimiento Mecanismo de Inferencia.



    • Se asocia con un modelo o paradigma para resolver problemas.

    • Modelo que utiliza métodos de encadenamientos de reglas SI – ENTONCES para formar una línea de razonamiento.

    • Si el encadenamiento comienza de un conjunto de condiciones y se mueve hacia las conclusiones entonces el método es denominado encadenamiento hacia adelante.

Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas

COMPONENTES DE LOS SE: Interfaz de Usuario Adquisición de Conocimiento Mecanismo de Inferencia.



    • Si la conclusión es conocida pero la ruta de la conclusión no es conocida entonces el método que se utiliza es el encadenamiento hacia atrás.

El motor de inferencia contiene implementado estos métodos de razonamiento y controla la ejecución de las reglas. Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas

COMPONENTES DE LOS SE: Interfaz de Usuario Adquisición de Conocimiento Mecanismo de Inferencia. Si el antecedente de una regla es satisfecho, entonces la regla ejecuta la acción de la conclusión o el consecuente. Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas Busca a través de la BC, intentando asociar el conocimiento almacenado en forma de hechos el antecedente de una regla (condición).

COMPONENTES DE LOS SE: Permite explicar el proceso de razonamiento seguido para tomar una decisión. Interfaz de Usuario Adquisición de Conocimiento Mecanismo de Inferencia. Medio de Explicacion Base de Conocimiento (BC) Memoria Activa (Hechos) y Reglas Responderá a la pregunta: ¿Cómo? O ¿Por qué? Cuando ha efectuado una conclusión.

CONCLUSIONES

APLICACIONES DE LOS SE Y DE LA IA :

Otorgar crédito.

Administración y recuperación de información:

IA y SE incorporados a los productos.

Disposición de plantas.

Instalaciones medicas y de hospitales.

Departamento de ayuda y asistencia

Evaluación del desempeño de empleados.

Análisis de préstamos.

Detección de virus.

APLICACIONES DE LOS SE Y DE LA IA:

Reparación y mantenimiento.

Embarques.

Mercadotecnia: CoverStory es un SE que trae información de una base de datos y elabora, en forma automática, informes de mercadotecnia.

Optimización de almacenes.

Un SE se puede integrar con otros sistemas en una organización mediante una base de datos común



TEMA 1 PERSPECTIVA HISTÓRICA Y CONCEPTUAL
1.1 CONCEPTO DE INTELIGENCIA ARTIFICIAL

El propósito de la inteligencia artificial es hacer computacional el conocimiento humano no anatítico por procedimientos simbólicos, conexionistas o híbridos. Para conseguir una visión razomablemente amplia del contenido de la inteligencia artificial usaremos criterios extensionales (porporcionando una relación lo más completa posible de los temas que estudia la inteligencia artificial), junto a otros criterios intensionales (que establecen las reglas de clasificación), de forma que al enfrentarnos con un problema computacional (o con un método de solución) específico podamos concluir si pertenece o no al campo de la inteligencia artificial en función.


Así, en la inteligencia artificial existen dos perspectivas básicas:

A) LA INTELIGENCIA ARTIFICIAL COMO CIENCIA DE LO NATURAL O ANÁLISIS




El procedimiento teórico busca una explicación de esa correlación en términos de un conjunto de leyes generales de un nivel superior que permiten predecir lo que ocurriría en otros casos no observados. Realmente lo que hace es buscar un modelo del conocimiento humano, generalmente organizado en varios niveles (estático, dinámico y estratégico) para poder usarlo en predicción. Esta técnica se basa en experimentos para conseguir una teoría del conocimiento computable con capacidad predictiva (como una ley física)


B) INTELIGENCIA ARTIFICIAL COMOCIENCIA DE LO ARTIFICIAL O INGENIERÍA DE SÍNTESIS

Aspira a convertirse en una ingeniería en sentido estricto. Ahora se parte de un conjunto de especificaciones funcionales y se busca la síntesis de un sistema (programa más máquina) que las satisfaga.



A su vez en ambas ramas cooperan dos paradigmas, que constituyen dos formas de analizar un proceso y dos metodologías de síntesis de una solución:
- Computación simbólica
- Computación conexionista
En inteligencia artificial trabajamos con información y conocimiento, y ambos son pura forma, totalmente independient del sistema físico que las soporta. Las tareas que aborda la inteligencia artificial de síntesis son tareas de alto nivel, y pueden clasidicarse en tres grandes grupos ordenados en grado de dificultad creciente:
1. DOMINIOS FORMALES
las tareas toman la forma genérica de solucionadores de problemas mediante búsquedas en un espacio de estados de conocimiento y pueden ser juegos o problemas lógico-matemáticos.son tareas precisas en el conocimiento, conpocos elementos y su comportamiento se puede describir de forma completa e inequívoca. Son micromundos formales. Este apartado forma parte de la etapa inicial de la inteligencia artificial y aportó los procedimientos de búsqueda como tarea genérica
2. DOMINIOS TÉCNICOS
tienen que ver con el diagnóstico médico, la detección de fallos, la planificación de trayectorias de robots, etc. Aquí. La tarea a sintetizar admite una representación dentro de una jerarquía de tareas genéricas de análisis, de modificación o de síntesis que son válidas en muchas aplicaciones con sólo modificar la parte del conocimiento que hace referencia a entidades específicas del dominio de la aplicación. Lo característica de estas tareas es el carácter limitado del conocimiento que manejan (dominios estrechos) y la posibilidad de formalizar ese conocimiento con las técnicas disponibles. Ha dado lugar a la Ingeniería del conocimiento y busca procedimientos de síntesis de sistemas con las siguientes facetas:
a) se parte de la descripciónde la tarea a niver de conocimiento
b) se busca una representación de ese conocimiento separándolo de los mecanismos de aplicación del mismo (inferencia) de forma que pueda acumularse por procedimientos incrementales (donde no es deseable una separación total)
c) se seleccionan las técnicas adecuadas para su iplementación y se desarrolla un primer prototipo
d) se hace énfasis en el carácter de ingeniería buscando procedimientos (explícitos, reproducibles y parcialmente independientes del dominio) sistemáticos de implentación, evaluación y refinamiento de esos prototipos
e) se usan lenguajes y entornos de programación que facilitan el desarrollo rápido y eficiente de aplicaciones
3. FUNCIONES BÁSICAS Y GENUINAS DEL COMPORTAMIENTO HUMANO
realmente es lo que hacemos a todas horas sin darnos cuenta; ver, oír, caminar, pensar , hablar, etc. Por su importancia se le va a dedicar el siguiente apartado.

1.2 IDEA INTUITIVA DEL COMPORTAMIENTO ARTIFICIAL

Hablar de la inteligencia artificial en ese sentido supone querer comprender y duplicar las funciones del comportamiento humano. Algunas de sus características son:
a) Su simplicidad en el ser humano
b) Lo complejo que son a la hora de sintetizarlos
c) El uso masivo de conocimientos y el hecho que las técnicas son insuficientes para modelar estas tareas (hace falta un lenguaje de representación con la capacidad y robustez del lenguaje natural)
d) El estilo peculiar de computación que usa el ser vivo

.3 PERSPECTIVA HISTÓRICA DE LA INTELIGENCIA ARTIFICIAL


NEURICIBERNÉTICA

La inteligencia artificial comenzó siemdo computación neuronal cuando en 1943 Warren S. McCulloch y Walter Pitts introducen el primer modelo formal al que en la actualidad llamaríamos circuito secuencial mínimo.
Las ideas básicas de esta época aparecen bajo el nombre de neurocibernética y si basan en considerar que los seres vivos y las máquinas pueden ser comprendidos usando los mismos principios organizacionales y las mismas herramientas formales. Los tres trabajos de 1943, que podemos considerar fundacionales, fueron:
- en Conducta, propósito y teleología (de Rosemblueth, Wiener y Bigelow) se introducen tres conceptos importantes en inteligencia artificial: la realimentación como principio organizacional, la computación por propósitos y la idea de información como pura forma, separable de la señal física que la transporta.
- en Un cálculo lógico de las ideas inmanentes en la actividad nerviosa(de Warren S. McCulloch y Walter Pitts), sobre redes neuronales formales, se inicia la "Teoría Neuronal Del Conocimiento"; se buscan las redes de procesadores capaces de reconocer, recordar cooperar, aprender o autoorganizarse. En esta primera etapa de la inteligencia artificial se busca la solución de los problemas a niver físico (donde estructura y función coinciden). Se inicia la teoría modular de autómatas y se usa la lógica (determinista y probabilística) para representar el conocimiento.
- en la naturaleza de la explicación (de K. Craik) se interpreta la actividad del sistema nervioso en términos de un conjunto de procesos encaminados a construir una representación interna del medio (modelo) y usarla para predecir. Craik contribuyó a la moderna inteligencia artificial con dos aportaciones clave: razonamiento abductivo y espacios de representación.

La inferencia en inteligencia artificial está asociada al uso individual o combinado de tres tipos de razonamiento:


- la deducción lógica: de parte de un conjunto de fórmulas (axiomas o validez general) y sobre ellas se aplican un conjunto de reglas o procedimientos de demostraciónque nos permiten obtener nuevas fórmulas válidas.
- la inferencia inductiva usa pistas (heurísticas) con el conocimiento del dominio para pasar de lo particular a lo general. Nunca podemos garantizar la complitud y certeza de la inferencia en este caso.
- en el razonamiento abjuctivo se parte de una conclusión conocida y se busca un hecho que la explique ( como en los diagnósticos médicos)

El segundo punto de la obra de Craik es la propuesta de un mecanismo de razonamiento por analogía en el modelo del medio donde la implicación formal es el equivalente a la causalidad en el mindo físico. Distinguía Craik tres procesos:


- Traslación de los procesos esternos a símbolos en un espacio de representación.
- Obtención de otros símbolos mediante inferencia en el modelo del medio que paraleliza la causalidad externa.
- Retraslación de esos símbolos transformados al dominio de sus referentes externos (predicción).
COMPUTACIÓN: DE PLATÓN A TURING
Dreyfus dugiere que la inteligencia artificial comenzó alrededor del año 450 a. C. cuando, de acuerdo con Platón, Sócrates pregunta a Euthyphro por un conjunto de reglas de decisión definidas forma tan precisa que en cada momento pudiéramos calcular la respuesta del sistema aplicando esas reglas a la entrada.
Luego Descartes (1596-1650) intenta formalizar el razonamiento usando los procesos enumeración, deducción e intuición (intuitus que es el más difícil de mecanizar). Así mismo Leibniz y Boole (hacia 1850) trabajan sobre la búsqueda de un lenguaje simbólico.
Con von Neumann se avanza en arquitectura de computadores, teoría modular de autómatas y redes neuronales y teoría del cerebro. Su contribución a la teoría de autómatas y a la inteligencia artificial conxionista no fue sólo a nivel formal, sino que planteó cuestiones fundamentales como son:
- Reformulando la máquina de Turing en términos de autómatas celulares
- Autoprogramación (autómatas que diseñan otros autómatas)
- Autorrproducción y evolución (constructores universales que se reproducen)
- Tolerancia a fallos y establildad lógica ante cambios de función local
Finalmente, llegamos a Turing y sus dos contribuciones básicas:
- Un Modelo Computacional Universal (la máquina de Turing)
- Un Procedimiento Experimental de Medir la Inteligencia Artificial de un Programa (test de Turing)

BÚSQUEDA HEURÍSTICA Y DOMINIOS FORMALES


el primer trabajo fue el programa Logic Theorist que da origen a toda la rama del rezonamento automático que persisite en la inteligencia artificial, reforzado por el principio de resolución de Robinson y sus refinamientos posteriores, incluyendo la creación del lenguaje Prolog.
Comienza la preocupación por lenguajes para procesar información iniciándose el camino hacia el Lisp.
Otro trabajo representativo es el programa GPS (Solucionador General de Programas) con un intento de dotarlo de capacidad de aprendizaje y autoorganización; es un programa que incorpora medios heurísticos para resolver problemas.
CARACTERÍSTICAS DE LOS SISTEMAS EXPERTOS

• Un SE no debe demorar mas de 3 horas en resolver un problema.


• Un SE se debe aplicar a cosas practicas.
• Debe contar con la colaboración del experto.
• El conocimiento del experto no esta en los libros de texto.
• El conocimiento esta distribuido pertenece a varias personas.
• Los sistemas expertos tienen pocos niveles de profundidad.
• Para resolver la incompletitud de los conocimientos (información incompleta) se utilizan reglas redundantes. Ejemplo:
Si A y B y C entonces X
Si A y B entonces X
Si A entonces X
• Los expertos no razonan a partir de principios (razona a partir de su experiencia), solo los inexpertos razonan a partir de principios.

Consejos a la hora de diseñar un sistema experto:


• Separar el generador de inferencias de la base de conocimientos.
• Utilizar una representación tan uniforme como sea posible, siendo las reglas de producción la forma preferida.
• Mantener simple el generador de inferencias (estructura de control).
• Proporcionar algún tipo de facilidad para que el sistema pueda explicar sus conclusiones.
• Favorecer los problemas que requieran el uso de sólidos cuerpos de conocimientos asociativos empíricos sobre aquellos que se puedan resolver utilizando conocimiento causal o matemático.
• Es esencial el compromiso sobre la relación de capacidades humanas a transferir a la maquina.

Etapas de desarrollo de un sistema experto:


1. Identificación: Que se quiere que haga el SE.
2. Conceptualización: Expresar los conocimientos de manera semiformal.
3. Formalización: Diseñar las estructuras para organizar los conocimientos.
4. Implementación: Formalizar las reglas que representan conocimientos.
5. Chequeo: Validación de las reglas

Identificación: se determinan las características del problema, se describen los casos.

Conceptualizacion: Encontrar los conceptos que representen los conocimientos. La identificación del problema.

Formalización: Durante la formalización es importante que el ingeniero del conocimiento se familiarice con los siguientes tópicos:


• Las diferentes técnicas de representación del conocimiento y las búsquedas heurísticas usadas en los SE.
• Los shells existentes que puedan agilizar el desarrollo del proceso.
• Otros sistemas expertos que puedan resolver similares problemas y se puedan adaptar al problema.

Implantación: Hacer el prototipo: Llevarlo a la computadora y hacer las interfaces con el usuario.

Ingenieria del conocimiento:
1. Representación del conocimiento.
2. Adquisición de los conocimientos.
3. Procesamiento del conocimiento

Hasta ahora se ha hecho referencia al núcleo del sistema experto (BC,BH y MI) en los cuales se representan los conocimientos del experto en forma de reglas, los hechos o datos globales de partida y la forma de inferir esos conocimientos, pero no se ha dicho como se comunica el sistema con el usuario y con el experto.

Módulo de interacción con el usuario (interfaces con el usuario):
Facilita el diálogo con el usuario, permite hacerle preguntas al sistema e incluso obtener conocimientos análogos a los del experto. Estas interfaces podrían ser programas de entrada/salida de forma dialogada y las explicaciones pueden ser obtenidas de la memoria de trabajo donde se almacenan los pasos para llegar a la solución.

Módulo de ayuda para la adquisición de conocimientos (interfaces con el experto):


Permite al experto consultar los conocimientos almacenados en la base de conocimientos y en muchos casos dar la posibilidad de incluirle nuevos conocimientos. Su objetivo es que el experto pueda introducir directamente sus conocimientos en la m’,uina sin necesidad de ver al ingeniero del conocimiento.

El propósito de este articulo es de mostrarnos una amplia y precisa descripción de lo que son los Sistemas Expertos (SE), los cuales también son conocidos como Sistemas Basados en Conocimiento. Así mismo mostramos brevemente los orígenes, conceptos, aplicaciones, ventajas, limitaciones, y su arquitectura básica de esta área y/o campo de la Inteligencia artificial. Por otra parte en la actualidad el mercado se vuelve más competitivo, donde la administración y buen manejo de la información es fundamental para todas las empresas y/o organizaciones, las cuales si quieren sobrevivir deben de mantenerse a la vanguardia en todas y cada una de las áreas.

INTRODUCCIÓN

Se considera a alguien un experto en un problema cuando este individuo tiene conocimiento especializado sobre dicho problema. En el área de los (SE) a este tipo de conocimiento se le llama conocimiento sobre el dominio. La palabra dominio se usa para enfatizar que el conocimiento pertenece a un problema específico.

Antes de la aparición del ordenador, el hombre ya se preguntaba si se le arrebataría el privilegio de razonar y pensar. En la actualidad existe un campo dentro de la inteligencia artificial al que se le atribuye esa facultad: el de los sistemas expertos (SE). Estos sistemas también son conocidos como Sistemas Basados en Conocimiento, los cuales permiten la creación de máquinas que razonan como el hombre, restringiéndose a un espacio de conocimientos limitado. En teoría pueden razonar siguiendo los pasos que seguiría un experto humano (médico, analista, empresario, etc.) para resolver un problema concreto. Este tipo de modelos de conocimiento por ordenador ofrece un extenso campo de posibilidades en resolución de problemas y en aprendizaje. Su uso se extenderá ampliamente en el futuro, debido a su importante impacto sobre los negocios y la industria.

HISTORIA DE LOS (SE)

Sus inicios datan a mediados de los años sesenta. Durante esta década los investigadores Alan Newell y Herbert Simon desarrollaron un programa llamado GPS (General Problem Solver; solucionador general de problemas). Podía trabajar con criptoaritmética, con las torres de Hanoi y con otros problemas similares. Lo que no podía hacer el GPS era resolver problemas del mundo real, tales como un diagnóstico médico.

Algunos investigadores decidieron entonces cambiar por completo el enfoque del problema restringiendo su ambición a un dominio específico e intentando simular el razonamiento de un experto humano. En vez de dedicarse a computarizar la inteligencia general, se centraron en dominios de conocimiento muy concretos. De esta manera nacieron los SE.

A partir de 1965, un equipo dirigido por Edward Feigenbaum, comenzó a desarrollar SE utilizando bases de conocimiento definidas minuciosamente.     Dos años más tarde se construye DENDRAL, el cual es considerado como el primer SE. La ficción de dicho SE era identificar estructuras químicas moleculares a partir de su análisis espectrográfico.

En la década de los setenta se desarrolló MYCIN para consulta y diagnóstico de infecciones de la sangre. Este sistema introdujo nuevas características: utilización de conocimiento impreciso para razonar y posibilidad de explicar el proceso de razonamiento. Lo más importante es que funcionaba de manera correcta, dando conclusiones análogas a las que un ser humano daría tras largos años de experiencia. En MYCIN aparecen claramente diferenciados motor de inferencia y base de conocimientos. Al separar esas dos partes, se puede considerar el motor de inferencias aisladamente. Esto da como resultado un sistema vacío o shell (concha). Así surgió EMYCIN (MYCIN Esencial) con el que se construyó SACON, utilizado para estructuras de ingeniería, PUFF para estudiar la función pulmonar y GUIDON para elegir tratamientos terapéuticos.

En esa época se desarrollaron también: HERSAY, que intentaba identificar la palabra hablada, y PROSPECTOR, utilizado para hallar yacimientos de minerales. De este último derivó el shell KAS (Knowledge Adquisition System).

En la década de los ochenta se ponen de moda los SE, numerosas empresas de alta tecnología investigan en este área de la inteligencia artificial, desarrollando SE para su comercialización. Se llega a la conclusión de que el éxito de un SE depende casi exclusivamente de la calidad de su base de conocimiento. El inconveniente es que codificar la pericia de un experto humano puede resultar difícil, largo y laborioso.

Un ejemplo de SE moderno es CASHVALUE, que evalúa proyectos de inversión y VATIA, que asesora acerca del impuesto sobre el valor añadido o IVA.

DEFINICIONES DE LOS (SE)

Es un software que imita el comportamiento de un experto humano en la solución de un problema. Pueden almacenar conocimientos de expertos para un campo determinado y solucionar un problema mediante deducción lógica de conclusiones.

Son SE aquellos programas que se realizan haciendo explicito el conocimiento en ellos, que tienen información específica de un dominio concreto y que realizan una tarea relativa a este dominio.

Programas que manipulan conocimiento codificado para resolver problemas en un dominio especializado en un dominio que generalmente requiere de experiencia humana.

Programas que contienen tanto conocimiento declarativo (hechos a cerca de objetos, eventos y/o situaciones) como conocimiento de control (información a cerca de los cursos de una acción), para emular el proceso de razonamiento de los expertos humanos en un dominio en particular y/o área de experiencia.

Software que incorpora conocimiento de experto sobre un dominio de aplicación dado, de manera que es capaz de resolver problemas de relativa dificultad y apoyar la toma de decisiones inteligentes en base a un proceso de razonamiento simbólico.

APLICACIONES
Sus principales aplicaciones se dan en las gestiones empresariales debido a que;
a) Casi todas las empresas disponen de un ordenador que realiza las funciones básicas de tratamiento de la información: contabilidad general, decisiones financieras, gestión de la tesorería, planificación, etc.

b) Este trabajo implica manejar grandes volúmenes de información y realizar operaciones numéricas para después tomar decisiones. Esto crea un terreno ideal para la implantación de los SE.

Además los SE también se aplican en la contabilidad en apartados como: Auditoria(es el campo en el que más aplicaciones de SE se esta realizando) Fiscalidad, planificación, análisis financiero y la contabilidad financiera.

ÁREAS DE APLICACIÓN

Los SE se aplican a una gran diversidad de campos y/o áreas. A continuación se listan algunas de las principales:



Militar

Informática

Telecomunicaciones

Química

Derecho

Aeronáutica

Geología

Arqueología

Agricultura

Electrónica

Transporte

Educación

Medicina

Industria

Finanzas y Gestión

VENTAJAS
Estos programas proporcionan la capacidad de trabajar con grandes cantidades de información, que son uno de los grandes problemas que enfrenta el analista humano que puede afectar negativamente a la toma de decisiones pues el analista humano puede depurar datos que no considere relevantes, mientras un SE debido a su gran velocidad de proceso analiza toda la información incluyendo las no útiles para de esta manera aportar una decisión más sólida.

LIMITACIONES
Es evidente que para actualizar se necesita de reprogramación de estos (tal vez este sea una de sus limitaciones más acentuadas) otra de sus limitaciones puede ser el elevado costo en dinero y tiempo, además que estos programas son poco flexibles a cambios y de difícil acceso a información no estructurada.

Debido a la escasez de expertos humanos en determinadas áreas, los SE pueden almacenar su conocimiento para cuando sea necesario poder aplicarlo. Así mismo los SE pueden ser utilizados por personas no especializadas para resolver problemas. Además si una persona utiliza con frecuencia un SE aprenderá de el.

Por otra parte la inteligencia artificial no ha podido desarrollar sistemas que sean capaces de resolver problemas de manera general, de aplicar el sentido común para resolver situaciones complejas ni de controlar situaciones ambiguas.

El futuro de los SE da vueltas por la cabeza de cada persona, siempre que el campo elegido tenga la necesidad y/o presencia de un experto para la obtención de cualquier tipo de beneficio. [8]

ARQUITECTURA BÁSICA DE LOS SISTEMAS EXPERTOS

Base de conocimientos. Es la parte del sistema experto que contiene el conocimiento sobre el dominio. hay que obtener el conocimiento del experto y codificarlo en la base de conocimientos. Una forma clásica de representar el conocimiento en un sistema experto son lar reglas. Una regla es una estructura condicional que relaciona lógicamente la información contenida en la parte del antecedente con otra información contenida en la parte del consecuente.

Base de hechos (Memoria de trabajo). Contiene los hechos sobre un problema que se han descubierto durante una consulta. Durante una consulta con el sistema experto, el usuario introduce la información del problema actual en la base de hechos. El sistema empareja esta información con el conocimiento disponible en la base de conocimientos para deducir nuevos hechos.

Motor de inferencia. El sistema experto modela el proceso de razonamiento humano con un módulo conocido como el motor de inferencia. Dicho motor de inferencia trabaja con la información contenida en la base de conocimientos y la base de hechos para deducir nuevos hechos. Contrasta los hechos particulares de la base de hechos con el conocimiento contenido en la base de conocimientos para obtener conclusiones acerca del problema.

Subsistema de explicación. Una característica de los sistemas expertos es su habilidad para explicar su razonamiento. Usando el módulo del subsistema de explicación, un sistema experto puede proporcionar una explicación al usuario de por qué está haciendo una pregunta y cómo ha llegado a una conclusión. Este módulo proporciona beneficios tanto al diseñador del sistema como al usuario. El diseñador puede usarlo para detectar errores y el usuario se beneficia de la transparencia del sistema.

Interfaz de usuario. La interacción entre un sistema experto y un usuario se realiza en lenguaje natural. También es altamente interactiva y sigue el patrón de la conversación entre seres humanos. Para conducir este proceso de manera aceptable para el usuario es especialmente importante el diseño del interfaz de usuario. Un requerimiento básico del interfaz es la habilidad de hacer preguntas. Para obtener información fiable del usuario hay que poner especial cuidado en el diseño de las cuestiones. Esto puede requerir diseñar el interfaz usando menús o gráficos.

CONCLUSIONES

Actualmente el duro, difícil y cambiante mercado competitivo se vuelve más complejo por la gran diversidad de información que se ven obligados a almacenar y analizar, razón por la cual las empresas se ven en la necesidad de recurrir a poderosas y/o robustas herramientas o sistemas que les sirvan de soporte a la hora de tomar decisiones. De esta forma estos inteligentes, precisos y eficientes sistemas son adoptados por más organizaciones, en las cuales se convierten y/o transforman en una importante estrategia de negocio.

Por otra parte es importante mencionar que estos seguirán siendo usados en los todos y cada una de las áreas y/o campos donde los expertos humanos sean escasos. Por consecuencia de lo anterior estos sistemas son utilizados por personas no especializadas, por lo cual el uso frecuente de los (SE) les produce y/o genera conocimiento a los usuarios.





Compartir con tus amigos:
  1   2


La base de datos está protegida por derechos de autor ©psicolog.org 2019
enviar mensaje

    Página principal
Universidad nacional
Curriculum vitae
derechos humanos
ciencias sociales
salud mental
buenos aires
datos personales
Datos personales
psicoan lisis
distrito federal
Psicoan lisis
plata facultad
Proyecto educativo
psicol gicos
Corte interamericana
violencia familiar
psicol gicas
letras departamento
caracter sticas
consejo directivo
vitae datos
recursos humanos
general universitario
Programa nacional
diagn stico
educativo institucional
Datos generales
Escuela superior
trabajo social
Diagn stico
poblaciones vulnerables
datos generales
Pontificia universidad
nacional contra
Corte suprema
Universidad autonoma
salvador facultad
culum vitae
Caracter sticas
Amparo directo
Instituto superior
curriculum vitae
Reglamento interno
polit cnica
ciencias humanas
guayaquil facultad
desarrollo humano
desarrollo integral
redes sociales
personales nombre
aires facultad