El termino inteligencia proviene del latin intelligentia, que a su vez deriva de inteligere.

Esta es una palabra compuesta por otros dos trminos: intus (entre) y legere (escoger). Por lo tanto, el origen etimologico del concepto de inteligencia hace referencia a quien sabe elegir: la inteligencia posibilita la seleccin de las alternativas mas convenientes para la resolucin de un problema. De acuerdo en lo descrito en la etimologa, un individuo es inteligente cuando es capaz de escoger la mejor opcin entre las posibilidades que se presenten a su alcance para resolver un problema. El trmino artificial se utiliza como adjetivo para designar a todos aquellos elementos, objetos o situaciones que son creadas por el hombre a semejanza de lo que lo rodea y que forma parte de la naturaleza. La palabra artificial proviene del sustantivo artificio o artefacto, ambos haciendo referencia a elementos que son elaborados a partir de la inteligencia y creatividad del ser humano. Si bien esto no es siempre as, en algunos casos la idea de artificial puede tener ciertas implicaciones negativas, en el sentido de no ser natural o normal. La inteligencia Artificial es una combinacin de la ciencia del computador, fisiologa y filosofa, tan general y amplio como eso, es que rene a varios campos (robotica, sistemas expertos, por ejemplo), todos los cuales tienen en comn la creacin de maquinas que pueden pensar. La idea de construir una maquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde esta punto de vista incluyen juegos, traduccin de idiomas, compresin de idiomas, diagnostico de fallas, robtica, suministro de asesoras expertadiversos temas. Es as como los sistemas de administracin de base de datos cada vez ms sofisticados la estructura de datos y el desarrollo de algoritmos de insercin, borrado y localizacin de datos, as como el intento de crear maquinas capaces de realizar tareas que son pensados como tpicas del mbito de la inteligencia humana, acuaron el termino de Inteligencia artificial en 1956. Desde Los juegos matemticos antiguos, como el de las Torres de Hani (hacia el 3000 a. C.), muestran el inters por la bsqueda de un modo resoluto, capaz de ganar con los mnimos movimientos posibles. Cerca de 300 a. C., Aristteles fue el primero en describir de manera estructurada un conjunto de reglas, silogismos, que describen una parte del funcionamiento de la mente humana y que, al seguirlas paso a paso, producen conclusiones racionales a partir de premisas dadas. En 250 a. C. Ctesibio de Alejandra construy la primera mquina auto controlada, un regulador del flujo de agua que actuaba modificando su comportamiento "racionalmente" (correctamente) pero claramente sin razonamiento.

En 1315, Ramn Llull tuvo la idea de que el razonamiento poda ser efectuado de manera artificial, (1847) George Boole estableci la lgica proposicional (booleana), mucho ms completa que los silogismos de Aristteles, pero an algo poco potente.(1879) GottlobFrege extiende la lgica booleana y obtiene la Lgica de Primer Orden la cual cuenta con un mayor poder de expresin y es utilizada universalmente en la actualidad. (1903) Lee De Forest inventa el triodo, tambin llamado bulbo o vlvula de vaco. En 1937 Alan Turing public un artculo de bastante repercusin sobre los "Nmeros Calculables", un artculo que estableci las bases tericas para todas las ciencias de computacin, y que puede considerarse el origen oficial de la informtica terica. En este artculo introdujo el concepto de Mquina de Turing, una entidad matemtica abstracta que formaliz e l concepto de algoritmo y result ser la precursora de las computadoras digitales. Poda conceptualmente leer instrucciones de una cinta de papel perforada y ejecutar todas las operaciones crticas de un computador. El artculo fij los lmites de las ciencias de la computacin porque demostr que no es posible resolver problemas con ningn tipo de computador. Con ayuda de su mquina, Turing pudo demostrar que existen problemas irresolubles, de los que ningn ordenador ser capaz de obtener su solucin, por lo que se le considera el padre de la teora de la computabilidad. Alan Turing(1940) y su equipo construyeron el primer computador electromecnico y en 1941 Konrad Zuse cre la primera computadora programable y el primer lenguaje de programacin de alto nivel Plankalkl. Las siguiente mquinas ms potentes, aunque con igual concepto, fueron la ABC y ENIAC. Y finalmente en 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales, el cual se considera el primer trabajo del campo de inteligencia artificial, aun cuando todava no exista el trmino. La Inteligencia Artificial se trata de conseguir que los ordenadores de cierta manera simulen en cierta manera la inteligencia humana. Se acuden a sus tcnicas cuando es necesario incorporar en un sistema informtico, conocimiento o caractersticas propias del ser humano. Podemos interrogar a algunas bases de datos de Internet en lenguaje natural, o incluso charlar con ellas con nuestro idioma, porque por detrs se esta ejecutando un programa de IA. Caractersticas de la Inteligencia Artificial. 1. Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos numricos es el uso de smbolos no matemticos, aunque no es suficiente para distinguirlo completamente. Otros tipos de programas como los compiladores y sistemas de bases de datos, tambin procesan smbolos y no se considera que usen tcnicas de Inteligencia Artificial.

2. El comportamiento de los programas no es descrito explcitamente por el algoritmo. La secuencia de pasos seguidos por el programa es influenciado por el problema particular presente. El programa especifica cmo encontrar la secuencia de pasos necesarios para resolver un problema dado (programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que siguen un algoritmo definido, que especifica, explcitamente, cmo encontrar las variables de salida para cualquier variable dada de entrada (programa de procedimiento). Las conclusiones de un programa declarativo no son fijas y son determinadas parcialmente por las conclusiones intermedias alcanzadas durante las consideraciones al problema especfico. Los lenguajes orientados al objeto comparten esta propiedad y se han caracterizado por su afinidad con la Inteligencia Artificial. 3. El razonamiento basado en el conocimiento, implica que estos programas incorporan factores y relaciones del mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los programas para propsito especfico, como los de contabilidad y clculos cientficos; los programas de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y base de conocimientos dndole la capacidad de explicar discrepancias entre ellas. 4. Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos en tareas orientadas a metas como en planificacin, o el diagnstico de tareas en un sistema del mundo real: con poca informacin, con una solucin cercana y no necesariamente exacta. La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en mquinas que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de palabras y aprendizaje de mquinas; sistemas computacionales expertos. Los sistemas expertos, que reproducen el comportamiento humano en un estrecho mbito del conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e indican un tratamiento, los que interpretan datos sismolgicos en exploracin geolgica y los que configuran complejos equipos de alta tecnologa. Tales tareas reducen costos, reducen riesgos en la manipulacin humana en reas peligrosas, mejoran el desempeo del personal inexperto, y mejoran el control de calidad sobre todo en el mbito comercial. Diferentes teoras: 1. Construir rplicas de la compleja red neuronal del cerebro humano (bottom-up).

2. Intentar imitar el comportamiento del cerebro humano con un computador (top-down). Diferentes metodologas: 1. La lgica difusa: permite tomar decisiones bajo condiciones de incerteza. 2. Redes neuronales: esta tecnologa es poderosa en ciertas tareas como la clasificacin y el reconocimiento de patrones. Est basada en el concepto de "aprender" por agregacin de un gran nmero de muy simples elementos. Este modelo considera que una neurona puede ser representada por una unidad binaria: a cada instante su estado puede ser activo o inactivo. La interaccin entre las neuronas se lleva a cabo a travs de sinapsis. Segn el signo, la sinapsis es excitadora o inhibidora. El perceptrn est constituido por las entradas provenientes de fuentes externas, las conexiones y la salida. En realidad un perceptrn es una Red Neuronal lo ms simple posible, es aquella donde no existen capas ocultas. Para cada configuracin de los estados de las neuronas de entrada (estmulo) la respuesta del perceptrn obedece a la siguiente dinmica: se suman los potenciales sinpticos y se comparan con un umbral de activacin. Esta suma ponderada es tambin llamada campo. Si el campo es mayor que un umbral, la respuesta de la neurona es activa, si no, es inactiva. Con una arquitectura tan simple como la del perceptrn no se puede realizar ms que una clase de funciones "booleanas" muy simples, llamadas linealmente separables. Son las funciones en las cuales los estados de entrada con salida positiva pueden ser separados de aquellos a salida negativa por un hiperplano. Un hiperplano es el conjunto de puntos en el espacio de estados de entrada, que satisfacen una ecuacin lineal. En dos dimensiones, es una recta, en tres dimensiones un plano, etc. Si se quieren realizar funciones ms complejas con Redes Neuronales, es necesario intercalar neuronas entre las capas de entradas y de salida, llamadas neuronas ocultas. Una red multicapas puede ser definida como un conjunto de perceptrones, ligados entre si por sinapsis y dispuestos en capas siguiendo diversas arquitecturas. Una de las arquitecturas ms comnmente usada es llamada feedforward: con conexiones de la entrada a las capas ocultas y de stas hacia la salida. El funcionamiento de una Red Neuronal es gobernado por reglas de propagacin de actividades y de actualizacin de los estados.