SISTEMAS

INTELIGENTES
 Conceptos
Inteligencia es la capacidad de
alcanzar nuestros objetivos. Un sistema
tiene mayor inteligencia si alcanza sus
objetivos más rapidamente y más
fácilmente. La inteligencia incluye la
capacidad de aprender a lograrlo. La
inteligencia de un sistema es una
propiedad de su mente. El funcionamiento
del cerebro se denomina "mente".
Sistema es parte del universo, con
una extensión limitada en espacio y
tiempo. Existen más correlaciones o
correlaciones más fuertes entre una parte
del sistema y otra, que entre esa parte del
sistema y partes fuera del sistema.
 sistema inteligente
Es un sistema que tiene su propio objetivo
principal, así como sentidos y efectores.
Para alcanzar su objetivo elige una acción
basada en sus experiencias. Puede
aprender generalizando las experiencias
que ha guardado en su memoria. Los
ejemplos de sistemas inteligentes son:
personas, animales superiores, robots,
extra - terrestres, un negocio, una nación.
 1.1 Sistemas Inteligentes
Artificiales

Un sistema inteligente artificial es un

programa de computación que consta de
partes para cada una de las funciones
descriptas en sistemas inteligentes
Los sistemas inteligentes están diseñados
para tratar con problemas en
Administración.
Finanzas.
Manufactura.
Reconocimiento de Formas.
Instrumentación Adaptativa.
Procesos de control.
 el razonamiento difuso han dado paso a
grandes avances en las siguientes áreas
cruciales
1.- Procesamiento de información (Soft):
Aprendizaje Rápido, Asociaciones
Difusas, Razonamiento y Control Difuso,
Generalización.
2.- Procesamiento de Información
Masivamente en Paralelo: Hardware
Concurrente, Paralelo, Asociativo, y
Celular.
 Las tres tecnologías principales de la
computación cognoscitiva son:

1.- Tecnologías Difusas (fuzzy).

2.- Tecnologías Neurales.

3.- Tecnologías Genéticas.

MANEJO DEL CONOCIMIENTO.

1. Con lógica binaria.

Con el advenimiento de las computadoras digitales, se
creó toda una ciencia para el manejo de información
mediante secuencias de ceros y unos. Esta forma de
representación utiliza la lógica binaria como base para el
almacenamiento y recuperación de información.

2. Con lógica difusa

La representación del conocimiento mediante lógica
difusa permite disminuir drásticamente el número de
reglas que se necesitan para modelar un sistema.
Mediante este enfoque, una regla difusa cubre varios
casos dentro del sistema del mundo real.
INTELIGENCIA ARTIFICIAL

Definición de IA
En 1956, en Dartmouth, se organizó un taller de los
meses de duración en el que se reunían diez de los
investigadores más prominentes en el área de teoría de
autómatas, redes neuronales y el estudio de la
inteligencia. Se presentaron proyectos de aplicaciones
articulares, juegos y 25 programas de razonamiento, sin
embargo, no aportaron avances realmente notables,
probablemente lo más importante fue el nombre que
John McCarthy (quien por muchos es considerado el
padre de esta área) quien propuso el concepto de
Inteligencia Artificial (IA) para este campo de
investigación.
Áreas de la inteligencia artificial.

Sistemas Expertos.
Construcción de un Sistema Experto.
Sistemas Basados en reglas.
Lenguaje Natural.
Visión.
 Sistemas Expertos

Los sistemas para computadora diseñados para

ver imágenes, oir sonidos y entender el lenguaje
sólo pueden obtener un éxito limitado. Sin
embargo, en un área de la inteligencia artificial -
aquella que razona con el conocimiento en un
dominio limitado - los programas pueden no sólo
aproximarse a la forma de actual humana, si no
que a veces lo superan.
 Construcción de un Sistema
Experto.
Por el momento, la construcción de sistemas expertos
no es susceptible de ser aplicada a todos los campos
del conocimiento. Para aplicar la ingeniería de
conocimiento a una tarea, se deben cumplir los
siguientes prerrequisitos :

Debe haber al menos una persona experta que esté cualificada
para realizar la tarea perfectamente.

Las principales fuentes de la capacidad de un experto deben ser
conocimiento especializado, la toma de decisiones y la
experiencia.
 El experto debe ser capaz de dejar claros tales conocimientos
especializados, procedimientos de toma de decisión y
experiencia obtenida y también de explicar los métodos
empleados para aplicarlos a una tarea concreta.

La tarea debe tener un dominio de aplicación bien definido.
Sistemas Basados en reglas.

La solución más popular para representar

el conocimiento de un dominio (hechos y
heurísticos) que es necesario para un
sistema experto es mediante las reglas de
producción (también conocidas como
reglas SITUACIÓN-ACCIÓN o reglas IF -
THEN)
 Algunos ejemplos de sistemas
expertos son:
DENDRAL.- Fue ideado a finales de los setenta para
generar una representación estructural de las moléculas
orgánicas a partir de los datos de un espectrógrafo de
masas. Tal solución tiene los siguientes pasos:

Obtener las limitaciones de los datos.
 Generar estructuras candidatas.
 Predecir espectros de masa con los candidatos.

Comparar los resultados con los datos.
Este sistema ilustra la solución común de resolver
problemas en IA de "generación y prueba".
MYCIN.- fue diseñado a mediados de los setenta. Es un
sistema interactivo que diagnostica infecciones
bacterianas y suministra la terapia de antibióticos
 Lenguaje Natural.

El lenguaje es el medio de comunicación con

todo el mundo. Estudiando el lenguaje,
podemos entender más acerca del mundo.
Podemos probar nuestras teorías acerca del
mundo observando qué tan bien éstas soportan
nuestro intento de entender el lenguaje. Y, si
podemos construir un modelo computacional del
lenguaje, tendríamos una herramienta muy
poderosa para comunicarse con el mundo
 Visión.

Al igual que sucede en el ser humano, la

capacidad de visión proporciona un sofisticado
mecanismo de percepción que permite a la
máquina responder a su entorno de una manera
inteligente y flexible. El uso de la visión y otros
esquemas de percepción, están motivados por
la constante necesidad de aumentar la
flexibilidad y los campos de aplicación de los
sistemas de robótica.
 Areas de aplicación

En general, las áreas de aplicación de la IA tienen

características similares, entre las que se pueden
mencionar las siguientes:

1) Aplicación de razonamiento simbólico mediante modelos

computacionales.
2) Aplicación de técnicas de búsqueda a problemas de IA
en lugar de soluciones algorítmicas.
3) Manipulación de información inexacta, incompleta o
definida de una forma insuficiente.
4) Análisis de características cualitativas del problema para
plantear su solución.
 LOS NUEVOS SISTEMAS
INTELIGENTES

Los sistemas difusos y las redes neuronales han

tenido un interés creciente de los investigadores
en varias áreas científicas y de ingeniería. El
número y variedad de aplicaciones de la lógica
difusa y las redes neuronales ha ido en
aumento. Variando desde productos de
consumo popular y control de procesos
industriales hasta instrumentación médica,
sistemas de información y análisis de decisión.
 Sistemas difusos.

En la década pasada, los sistemas

difusos han desplazado a las tecnologías
convencionales en muchas aplicaciones
científicas y sistemas de ingeniería,
especialmente en los sistemas de control
y el reconocimiento de patrones.
 redes neuronales

Las redes neuronales son una nueva

generación de sistemas de procesamiento
de información que son construidos
deliberadamente para hacer uso de
algunos de los principios organizacionales
que caracterizan al cerebro humano.
INVESTIGACIÓN ACTUAL
DE SISTEMAS
INTELIGENTES
Sociedades y Laboratorios Fuzzy
en Japón
 TENDENCIAS FUTURAS.

El futuro estará lleno de artefactos listos.

Tendrán altos coeficientes intelectuales en
las máquinas que se pueden ver
completamente diferentes a las maquinas
inteligentes actuales (vídeo cámaras,
lavadoras, etc).