“INTELIGENCIA ARTIFICIAL” tecnicas

“INTELIGENCIA ARTIFICIAL”


La inteligencia artificial
trata de conseguir que
los ordenadores simulen
en cierta manera la
inteligencia humana.
Se acude a sus tecnicas
cuando es necesario
incorporar en una
sistema informatico,
conocimiento o
carácteristicas propias
del ser humano.
ORIGEN DE LA I.A.

El nacimiento de la Inteligencia Artificial se sitúa en una
reunión celebrada en el Dartmouth College
(Hanover, EEUU) en 1956, en la que se planteó la
posibilidad de construir máquinas inteligentes. Llama la
atención que en esa fecha la informática apenas se
había desarrollado, y ya se planteaba la posibilidad de
diseñar mecanismos inteligentes. En aquella reunión se
encontraban entre otros, Claude Shannon, padre de la
Teoría de la Información; Marvin Minsky, que más
tarde demostraría las limitaciones de ciertos modelos de
redes neuronales; Herbert Simon, premio Nobel de
Economía quien además desarrolló el primer programa
de Inteligencia Artificial y un largo etcétera de
investigadores.
ORIGEN DE LA I.A.






Warren Mc culloch y Walter Pitts (1943), con la
fisiologia basica, funcionamiento cerebro.
Rusell Whitehead , Análisis formal logica
Turing (1953), Teoria de la computacion que con
Shannon realizan un programa
para Juego de ajedrez.
Marvel Misky y Dean Edmonds (1951) primera
computadora Red neuronal Snarc (ulilizaba 3000
bulbos , mecanismo automatico de un avion
bombardero b –24, simulacion de 40 neuronal.
1980 / 88 Se convierte en una industria.
INFORMATICA CONVENCIONAL

Los programas informáticos como hojas de
cálculo, bases de datos, tratamientos de
estos, etc., suelen estar basados en
programación algorítmica convencional, en la
que se indica al ordenador paso a paso lo que
debe hacer. Estos programas se ejecutan en
ordenadores convencionales con un único
microprocesador o unidad central de proceso
que opera secuencialmente.
INFORMATICA CONVENCIONAL

Sin embargo, a pesar de
la importancia de las
aplicaciones informáticas
convencionales en la
empresa, en la medida
en que necesitamos
incorporar conocimiento
a un sistema informático
se utilizan otro tipo de
herramientas, como
son las procedentes de la
Inteligencia Artificial.
TRONCO COMUN CON VARIAS RAMAS

Desde entonces son muchas las ramas que
surgen del tronco común de la Inteligencia
Artificial. Las Ciencias de la Computación han
asistido continuamente al nacimiento de
nuevas ramas y se habla de sistemas
expertos, vida artificial, algoritmos genéticos,
computación molecular o redes neuronales. En
algunas de estas ramas los resultados teóricos
van muy por encima de las realizaciones
prácticas.
AGENTES INTELIGENTE



Es aquel que comprende la
mejor accion posible en una
situacion dada.
Percibe el ambiente
mediante sensores y
respondeEfectores.
Rendimiento: Grado de
éxito logrado, secuencia de
percepciones, conocimiento
del medio, acciones que
pueda emprender.
SISTEMAS EXPERTOS

Los sistemas expertos son la rama más
conocida. Parten de la premisa de que los
expertos humanos utilizan gran cantidad de
conocimientos específicos de un campo que
deben ser incorporados en el sistema experto.
Para los defensores más radicales de este
paradigma, la inteligencia es un programa
que debe funcionar independientemente del
lugar donde se ejecute: ordenador o cerebro.
SISTEMA EXPERTO


La forma deductiva en
que representan el
conocimiento,
habitualmente
mediante símbolos y
reglas, es apropiada
cuando es posible extraer
un conjunto de reglas y
normas.
Son la rama de I.A mas
empleada
REDES NEURONALES


Las redes neuronales artificiales tratan de representar
el conocimiento replicando la estructura neuronal del
cerebro humano. En ellas lo fundamental es el
aprendizaje mediante patrones o ejemplos.
Las redes neuronales artificiales tratan de resolver
tareas como el reconocimiento de patrones, problemas
de optimización o clasificación que la computación
algorítmica tradicional e Inteligencia Artificial
convencional no han resuelto de un modo
suficientemente satisfactorio. En las redes neuronales
artificiales el conocimiento no se programa de forma
directa en la red sino que se adquiere mediante
ejemplos por medio de una regla de aprendizaje que va
ajustando parámetros. Como vemos es un método
inductivo muy diferente al que siguen los
sistemas expertos.
SISTEMAS EXPERTOS Y REDES
NEURONALES

Los sistemas expertos son la rama más conocida de la
Inteligencia Artificial. La forma en que representan el
conocimiento, habitualmente mediante símbolos, es
apropiada cuando es posible extraer un conjunto de
reglas y normas. En la vasta ciencia empresarial, existen
subdominios en los que es fácil o al menos posible extraer
una serie de reglas y otros en los que es menos factible.
Las redes neuronales artificiales son eficientes en tareas
tales como el reconocimiento de patrones, problemas
de optimización o clasificación. Las redes neuronales se
puede integrar en un sistema de ayuda a la toma de
decisiones, pero no son una panacea capaz de resolver
todos los problemas: todo lo contrario, son modelos muy
especializados que pueden aplicarse en dominios muy
concretos.
REDES NEURONAS


•El modelo de McCulloch y Pitts
Red de neuronas formales. Las
neuronas grises pertenecen a
las capas de entrada y de
salida. Una neurona particular
es indicada en negro. Sus
sinápsis de entrada son
representadas en línea gruesa.
La neurona formal i, con un
estado , con sus sinápsis de
entrada y su salida. wij es el
peso sináptico de una neurona j
sobre i, y wki la interacción de i
sobre k. El umbral de activación
es qi
EJEMPLO



Un sistema experto trata de incorporar la
sabiduría de algún maestro del ajedrez
mediante reglas.
Una red neuronal es entrenada con
ejemplos de partidas célebres, tratando de
extraer de ahí el conocimiento.
Finalmente, mediante algoritmos genéticos
se diseñan programas que compiten entre
sí de forma que por selección natural quedan
los mejores.
PUEDEN SUPERAR AL EXPERTO
HUMANO ?


a) cuando se requiere analizar un gran
volumen de datos en un corto espacio de
tiempo. experto humano se verá obligado a
despreciar parte de la información desechando
la que no considere relevante; sin embargo, el
sistema experto, dada su mayor velocidad de
proceso, puede analizar toda la información,
sin que aparezca fatiga u otros efectos propios
del ser humano que empeoran los resultados.
b) cuando la decisión exige aplicar
conocimientos de varios campos.
COMO ELEGIR LA HERRAMIENTA
ADECUADA ?




Tipo de decisión
Simón (1960) ha clasificado las decisiones en estructuradas y
no estructuradas: las decisiones estructuradas son
repetitivas, rutinarias y existe un procedimiento definido para
abordarlas; por el contrario, en las decisiones no
estructuradas el decisor debe proporcionar juicios y aportar
su propia evaluación.
Nivel al que se toman las decisiones
También el nivel al que se toman las decisiones afecta la
elección del tipo de sistema más apropiado. Gorry y ScottMorton (1971) han propuesto un esquema que relaciona
el tipo de decisión (estructurada, semiestructurada y
no estructurada) y el nivel organizacional (control
operativo, de gestión y estratégico) con la herramienta
a utilizar. Lógicamente en el nivel operativo dominan las
decisiones estructuradas, en el nivel de gestión las
semiestructuradas y en el estratégico las no estructuradas,
formando una diagonal.
HERRAMIENTAS SEGÚN TIPO DE
DECISION Y NIVEL ORGANIZATIVO
HERRAMIENTAS SEGÚN TIPO DE
DECISION Y NIVEL ORGANIZATIVO





El nivel operativo y toma de decisiones
estructuradas dominan los sistemas
informatizados (costos y contabilidad,nómina
)tareas mecánicas, son los TPS basados en
prog.algoritmica convencional.
El nivel operativo, pero con decisiones
semiestructuradas Programas convencionales
(tesoreria, control de existencias)
Sistestemas de gestion de informacion (MIS )
a nivel organizativo decisiones mas complejas
Estructuradas ( presupuestos,analisis
contable).
Niveles de gestion y decisiones no
estructuradas Sistemas expertos (elaboracion
de presupuestos )
Nivel Estratégico ( EIS ) Sistemas expertos
para ejecutivos ( planificacion estratégica )
OTRAS APLICACIONES IA


El programa MYCIN publicado por E. Schortcliffe en 1976 es un sistema
que diagnostica enfermedades infecciosas, en particular infecciones
sanguíneas. MYCIN lo usan médicos en practicas para obtener ayuda
en sus diagnósticos, a su vez el sistema se actualiza con los hechos y
reglas de inferencia que proporsionan los especialistas.
DENDRAL es un programa experto de análisis químico y se ha aplicado
con mucho éxito en muchos lugares del mundo. DENDRAL soluciona un
problema de ingeniería química en tres fases. Este programa basado en
la estrategia de "planificar, generar y comprobar" se usa en las
universidades y en las industrias de Estados Unidos y en Europa y
representa una de las aplicaciones practicas de la IA que mas éxito ha
conseguido de entre las desarrolladas hasta la fecha.