colab n.1

1. Cada integrante realiza un informe sobre un área de investigación de la
inteligencia artificial (Sistemas expertos, robótica, redes neuronales, realidad
virtual, entre otros), se debe realizar la consulta y profundización del tema,
además de citar diferentes autores, documentales, libros, etc. Se socializa una
aplicación existente del área seleccionada.
Redes Neuronales
Las redes neuronales como su nombre lo indica pretenden imitar a pequeñísima
escala la forma de funcionamiento de las neuronas que forman el cerebro
humano. Todo el desarrollo de las redes neuronales tiene mucho que ver con la
neurofisiología, no en vano se trata de imitar a una neurona humana con la mayor
exactitud posible. Entre los pioneros en el modelado de neuronas se encuentra
Warren McCulloch y Walter Pitts. Estos dos investigadores propusieron un modelo
matemático de neurona. En este modelo cada neurona estaba dotada de un
conjunto de entradas y salidas. Cada entrada está afectada por un peso. La
activación de la neurona se calcula mediante la suma de los productos de cada
entrada y la salida es una función de esta activación. La principal clave de este
sistema se encuentra en los pesos de las diferentes entradas. Como se ha visto,
las entradas son modificadas por el peso y las salidas son función de estas
modificaciones. Esto nos lleva a concluir que los pesos influyen de forma decisiva
en la salida y por lo tanto pueden ser utilizados para controlar la salida que se
desea.
En realidad cuando se tienen interconectadas muchas de estas neuronas
artificiales lo que se hace inicialmente es entrenar el sistema. El entrenamiento
consiste en aplicar unas entradas determinadas a la red y observar la salida que
produce. Si la salida que produce no se adecua a la que se esperaba, se ajustan
los pesos de cada neurona para interactivamente ir obteniendo las respuestas
adecuadas del sistema. A la red se le somete a varios ejemplos representativos ,
de forma que mediante la modificación de los pesos de cada neurona , la red va
"aprendiendo".
Estructura
La mayoría de los científicos coinciden en que una RNA es muy diferente en
términos de estructura de un cerebro animal. Al igual que el cerebro, una RNA se
compone de un conjunto masivamente paralelo de unidades de proceso muy
simples y es en las conexiones entre estas unidades donde reside
la inteligencia de la red.
Sin embargo, en términos de escala, un cerebro es muchísimo mayor que
cualquier RNA creada hasta la actualidad, y las neuronas artificiales también son
más simples que su contrapartida animal.
Biológicamente, un cerebro aprende mediante la reorganización de las conexiones
sinápticas entre las neuronas que lo componen. De la misma manera, las RNA
tienen un gran número de procesadores virtuales interconectados que de forma
simplificada simulan la funcionalidad de las neuronas biológicas. En esta
simulación, la reorganización de las conexiones sinápticas biológicas se modela
mediante un mecanismo de pesos, que son ajustados durante la fase de
aprendizaje. En una RNA entrenada, el conjunto de los pesos determina
elconocimiento de esa RNA y tiene la propiedad de resolver el problema para el
que la RNA ha sido entrenada.
Por otra parte, en una RNA, además de los pesos y las conexiones, cada neurona
tiene asociada una función matemática denominada función de transferencia.
Dicha función genera la señal de salida de la neurona a partir de las señales de
entrada. La entrada de la función es la suma de todas las señales de entrada por
el peso asociado a la conexión de entrada de la señal. Algunos ejemplos de
entradas son la función escalón de Heaviside, la lineal o mixta, la sigmoide y
la función gaussiana, recordando que la función de transferencia es la relación
entre la señal de salida y la entrada.
La Neurona Artificial.
Un circuito eléctrico que realice la suma ponderada de las diferentes señales que
recibe de otras unidades iguales y produzca en la salida un uno o un cero según el
resultado de la suma con relación al umbral o nivel de disparo, conforma una
buena representación de lo que es una neurona artificial. La función de
transferencia para la activación o disparo de la neurona puede ser
de umbral lógico (figura 4ª) o de limitación dura (figura 4b) o de función sigmoidal
(tipo s) (figura 4c). W representa el peso o ponderación de la conexión a través de
una entrada.
En particular, la función sigmoidal se define así:
APLICACIÓN DE LAS REDES NURONALES
Reconocimiento de patrones en imágenes
Clasificación de objetivos:
En este campo se han desarrollado numerosas aplicaciones como la clasificación
de imágenes de sonar y radar, la detección de células cancerosas, lesiones
neurológicas y cardíacas, prospecciones geológicas, etc.. Son muy útiles para
procesar imágenes de las que no se sabe bien cuales son las características
esenciales o diferenciales, ya que las redes no necesitan disponer de reglas
explícitas previas para realizar la clasificación, sino que extraen el conocimiento
necesario.
Reconocimiento De Patrones
En este campo se han desarrollado numerosas aplicaciones como la clasificación
de imágenes de sonar y radar, la detección de células cancerosas, lesiones
neurológicas y cardíacas, prospecciones geológicas, etc.
El termino reconocimiento de patrones originalmente se refería a la detección de
formas simples, como caracteres escritos a mano, mapas del tiempo y espectros
del lenguaje.
Las áreas de aplicación más importantes del reconocimiento de patrones neuronal
serían:
1. Sensación remota.
2. Análisis de imágenes medicas.
3. Visión en computadoras industriales especialmente para robots.
4. Elementos de proceso para las entradas en computadoras.
5. Tareas más concretas para las cuales se han desarrollado ya equipos de
computadores especiales.
6. Segmentación y clasificación de regiones de imágenes.
7. Reconocimiento de caracteres escritos (manuales y texto impreso).
8. Reconocimiento del habla.
9. Procesamiento y restauración de imágenes con ruido.
2. Elaborar un crucigrama teniendo en cuenta el contenido de la introducción de la
inteligencia artificial, sus conceptos, el test de Turing, hechos relevantes de la
historia de la IA, los cuatros enfoques de la “Inteligencia Artificial”, padres de la
inteligencia artificial debe incluir entre otros a: Marvin Minsky, John McCarthy,
Claude Shannon, Nataniel Rochester, Allen Newell y Herbert Simon, entre otros.
3. Existen sistemas y procesos que la computadora no puede realizar, y
evidencias que demuestran que el computador no puede tomar decisiones, pero
también existen evidencias que demuestran lo contrario, que gracias a los
avances tecnológicos la computadora puede hacer mucho más y realizar tareas
como las que realiza el ser humano, como lo muestra el siguiente video:
http://www.youtube.com/watch?v=XpbVxYeuDVg.
Dar 2 ejemplos de sistemas que demuestren esta teoría, puede incluir videos,
publicaciones, artículos, entre otros.
WATSON
Watson es un sistema informático de inteligencia artificial que es capaz de
responder a preguntas formuladas en lenguaje natural, desarrollado por la
corporación estadounidense IBM. Forma parte del proyecto del equipo de
investigación DeepQA, liderado por el investigador principal David Ferrucci. Lleva
su nombre en honor del fundador y primer presidente de IBM, Thomas J. Watson.
Watson responde a las preguntas gracias a una base de datos almacenada
localmente. La información contenida en ese base de datos proviene de multitud
de fuentes, incluyendo enciclopedias, diccionarios, tesauros, artículos de noticias,
y obras literarias, al igual que bases de datos externos, taxonomías, y ontologías
(específicamente DBpedia, WordNet, y Yago).
A lo largo de tres días en febrero de 2011, para probar sus capacidades reales,
participó en un partido especial de dos juegos en el concurso de
televisión estadounidense Jeopardy!, derrotando a sus dos oponentes
humanos: Brad Rutter, el mayor ganador de dinero en toda la historia del
programa, y Ken Jennings, el poseedor del récord por la racha más larga de
campeonatos (después de haber ganado 75 partidos). Watson recibió el primer
premio de $1.000.000, mientras Ken Jennings y Brad Rutter recibieron $300.000 y
$200.000, respectivamente. Tanto Jennings como Rutter prometieron donar la
mitad de sus ganancias respectivas a sus caridades seleccionadas (Jennings
elegió VillageReach, y Rutter elegió Lancaster County Community Foundation),
mientras IBM dividió las ganancias de Watson entre dos caridades (World
Vision y World Community Grid).
Watson consistentemente superó a sus oponentes humanos en el dispositivo de
señalización empleado por el juego, pero tuvo problemas en responder a unas
pocas categorías, notablemente las compuestas de pistas cortas con pocas
palabras. Para cada pista, las respuestas más probables de Watson fueron
mostradas por la pantalla de televisión. Watson tuvo acceso a 200.000.000
páginas de contenido, estructurado y no estructurado, que consumió
cuatro terabytes de almacenamiento en disco, incluyendo el texto completo de
la Wikipedia en inglés. Watson no fue conectado al Internet durante el juego
IBM Watson: Inteligencia Artificial
https://www.youtube.com/watch?v=bE9JlLzZ1JU
El Procesamiento del Lenguaje Natura
El Procesamiento del Lenguaje Natural (PLN) es una de las piedras angulares
tempranas de la inteligencia artificial (IA). La Traducción automática, por ejemplo,
nació a finales de la década de los cuarenta, antes de que se acuñara la propia
expresión «Inteligencia Artificial». No obstante, el PLN ha desempeñado múltiples
papeles en el contexto de la IA, y su importancia dentro de este campo ha crecido
y decrecido a consecuencia de cambios tecnológicos y científicos. Los primeros
intentos de traducir textos por ordenador a finales de los cuarenta y durante los
cincuenta fracasaron debido a la escasa potencia de los ordenadores y a la
escasa sofistificación lingüística. Sin embargo, los esfuerzos realizados en las
décadas de los sesenta y los setenta para producir interfaces en lenguaje natural
para bases de datos y otras aplicaciones informáticas obtuvieron un cierto grado
significativo de éxito. La década de los ochenta y el principio de la de los noventa
han visto resurgir la investigación en el terreno de la Traducción Automática.
Responda la siguiente pregunta: ¿Cuál es su percepción con respecto al tema?
Justifique su respuesta.
Los avances tecnológicos de los últimos años permiten ver una realidad cada vez
más próxima, las computadoras con inteligencia artificial son un hecho, los
algoritmos han mejorado su objetivo, y compañías como GOOGLE y FACEBOOK
están trabajando en proyectos importantes que seguramente darán resultados
sustanciales en la materia, así que se puede decir respondiendo a la pregunta del
encabezado, las computadoras si están tomando decisiones y seguirán en su
avance para el conocimiento y la autonomía.
CIBERGRAFIA
Redes neuronales
http://ingenieria.udea.edu.co/investigacion/mecatronica/mectronics/redes.htm
http://www.ecured.cu/index.php/Redes_neuronales_artificiales
http://www.youtube.com/watch?v=bosvGwJ8bBU
El Procesamiento del Lenguaje Natura
https://www.youtube.com/watch?v=mPIX03hiqiw