1. Investigar sobre formas de representación del conocimiento en IA.

La representación del conocimiento en la inteligencia artificial es el paso de esta a un lenguaje que

sea comprensible para un computador o sistema que se utilice para el procesamiento.

Para lo anterior se tienen varias metodologías a tener en cuenta como son:

 Las declarativas, estas nos permiten tener una diferenciación entre conocimiento y
estructura de control lógico.
Lógica: Lenguaje de representación que nos permite expresar y razonar con sentencias
que son verdaderas o falsas, estas están conformadas por una sintaxis, semántica y un
conjunto de reglas de inferencia.
 Las estructurales, estas son las propiedades inferenciales como son las herencias,
transitividad y asociatividad.
Red Semántica:
Algunos elementos básicos de esta metodología son las estructuras por datos en nodos,
en esta se representan los mismos por conceptos y son unidos por arcos los cuales
representan las relaciones entre cada uno de los conceptos.
Dentro de las redes semánticas tenemos las siguientes:
o Redes IS-A: Es una red que presenta una jerarquía taxonómica, para esto cuenta
con un sistema de enlaces de herencia entre los nodos.
o Grafos conceptuales: En esta red los arcos no está etiquetados y cuenta con dos
tipos de nodos que son de concepto y relación.
o Esquema de marcos: Está conformada por una estructura de datos compleja que
representa una situación estereotipada
Frames: En esta se tiene el conocimiento como una colección de características comunes
al concepto, objeto, situación o sujeto. Las características principales del frames son la
precisión, Activación dinámica de procesos, herencia por defecto y modularidad.
Reglas de producción o inferencia: Las reglas con un importante paradigma de
representación del conocimiento y son muy utilizadas por su similitud con el razonamiento
humano.
 Las procedurales, en esta se tiene la unión del conocimiento y la estructura de control.

2. Investigar sobre aprendizaje profundo

El aprendizaje profundo hace parce del campo de la inteligencia artificial y se trata del uso de
redes neuronales para mejorar proceso como el reconocimiento de vos, la visión por ordenador y
el procesamiento del lenguaje natural.

Red Neuronal, en el ambiente de la tecnología de información una red neuronal es un sistema de

programas y estructuras de datos que se aproxima al funcionamiento del cerebro humano. Para
lograr lo anterior se requiere la conexión de un gran número de procesadores trabajando de
manera paralela, donde cada uno de estos cuenta con un conocimiento y acceso de datos en su
memoria local. Para dar origen a esto inicialmente se alimenta la red con una gran cantidad de
datos y las reglas de cómo se relacionan estos, lo anterior permite que un programa le indique a la
red como se debe comportar en respuesta a una acción externa o inicia una actividad por sí
mismo.

El aprendizaje profundo está basado en teorías acerca de cómo funciona el cerebro humano, este
no tiene el sometimiento de la supervisión como ocurre en el aprendizaje de máquina, en este se
crean redes neuronales a gran escale que le permite al ordenador aprender sin la necesidad de la
intervención del ser humano.

En el aprendizaje profundo no se requieren cumplir unos pasos lógicos de manera estricta del
código informático, en este no se cuenta con una serie de instrucciones indicando que se debe
hacer sino que se constituye por capas anidadas de nodos interconectados que después de cada
experiencia aprende al reacomodar las conexiones entre los nodos.

2. Investigar sobre aprendizaje automático

El aprendizaje automático es otro tipo de inteligencia artificial en el cual se le proporciona a la

computadora una capacidad de aprender, todo esto se centra en la capacidad de desarrollar
programas informáticos que pueden cambiar cuando se ve expuesto a nuevos datos.

Este aparte de la inteligencia artificial es similar a la minería de datos, en ambos casos el sistema
trata de identificar patrones entre los datos que son procesados. La diferencia está dada que en la
minería de datos se trata de extraer datos para ser comprensibles por parte del ser humano y en
el aprendizaje autónomo se busca encontrar patrones que le permitan al programa ajustar las
acciones de acuerdo a los hallazgos.

Los algoritmos utilizados en esta técnica pueden ser supervisados o no supervisados, en el primer
caso se aplican datos que se han aprendido en el pasado a nuevos datos, en el segundo se extraen
inferencias de un conjunto de datos.

Bibliografía

http://www.technologyreview.com/news/524026/is-google-cornering-the-market-
on-deep-learning/

http://www.npr.org/blogs/alltechconsidered/2014/02/20/280232074/deep-learning-
teaching-computers-to-tell-things-apart
http://searchnetworking.techtarget.com/definition/neural-network