Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTELIGENCIA
ARTIFICIAL
Que es I.A.
1
02/06/2020
Sistemas que piensan como humanos: automatizan actividades como la toma de decisiones, la
resolución de problemas y el aprendizaje. Un ejemplo son las redes neuronales artificiales.
Sistemas que actúan como humanos: se trata de computadoras que realizan tareas de forma similar
a como lo hacen las personas. Es el caso de los robots.
Sistemas que piensan racionalmente: intentan emular el pensamiento lógico racional de los
humanos, es decir, se investiga cómo lograr que las máquinas puedan percibir, razonar y actuar en
consecuencia. Los sistemas expertos se engloban en este grupo.
Sistemas que actúan racionalmente: idealmente, son aquellos que tratan de imitar de manera
racional el comportamiento humano, como los agentes inteligentes.
2
02/06/2020
REDES NEURONALES
Las Redes Neuronales son un campo muy importante dentro de la Inteligencia Artificial.
Inspirándose en el comportamiento conocido del cerebro humano (principalmente el referido a
las neuronas y sus conexiones), trata de crear modelos artificiales que solucionen problemas
difíciles de resolver mediante técnicas algorítmicas convencionales.
REDES NEURONALES
3
02/06/2020
REDES NEURONALES
ROBOTS
Usos de los Robots en la Actualidad
En la actualidad, los robots comerciales e
industriales son ampliamente utilizados, y
realizan tareas de forma más exacta o más
barata que los humanos. También se les utiliza
en trabajos demasiado sucios, peligrosos o
tediosos para los humanos. Los robots son muy
utilizados en plantas de manufactura, montaje y
embalaje, en transporte, en exploraciones en la
Tierra y en el espacio, cirugía, armamento,
investigación en laboratorios y en la producción
en masa de bienes industriales o de consumo.
4
02/06/2020
SISTEMAS EXPERTOS
Sistemas expertos(ES, siglas del término Expert System) es un sistema de información
basado en el conocimiento que usa su conocimiento de un área de aplicación compleja y
específica a fin de actuar como un consultor experto para los usuarios finales. Los
sistemas expertos proporcionan respuestas sobre un área problemática muy específica
al hacer inferencias semejantes a las humanas sobre los conocimientos obtenidos en una
base de conocimientos especializados.
MYCIN: es uno de los primeros sistemas expertos basados en el encadenamiento hacia atrás.
Este sistema es capaz de identificar varias bacterias que pueden causar infecciones agudas y también puede
recomendar medicamentos según el peso del paciente.
DENDRAL: es un sistema experto basado en inteligencia artificial utilizado para el análisis químico.
El sistema puede predecir la estructura molecular, basado en los datos espectrográficos de una sustancia.
R1 / XCON: es usado en el campo de la informática. Es capaz de seleccionar un software específico para generar
un sistema informático a gusto del usuario.
PXDES: es un gran sistema para la medicina moderna. Puede determinar fácilmente el tipo y el grado de cáncer
de pulmón en un paciente a través de un análisis de datos.
CaDet: también es un sistema de apoyo clínico que podría identificar el cáncer en etapas tempranas.
DXplain: otro sistema de apoyo clínico, pero en este caso, tiene la capacidad de sugerir una variedad de
enfermedades según los hallazgos del médico.
5
02/06/2020
AGENTES INTELIGENTES
Podemos definir al agente inteligente como una entidad software que, basándose en su propio
conocimiento, realiza un conjunto de operaciones destinadas a satisfacer las necesidades de un
usuario o de otro programa, bien por iniciativa propia o porque alguno de éstos se lo requiere.
TRABAJO DE CLASE
BUSCAR 2 APLICACIONES DE LAS I.A. RESPECTO A INGENIERIA MEDICA.
REALIZAR UNA EXPLICACION.
6
02/06/2020
AUTOMATAS
7
02/06/2020
8
02/06/2020
Test de TURING
Test de TURING
Como funciona el TEST DE TURING
9
02/06/2020
Test de TURING
Porque es tan im portante en Test de turing
10
02/06/2020
BUSQUEDA EN GRAFOS
PLANIFICACION
JUEGOS
11
02/06/2020
ENFOQUE DE PROBABILIDAD
INCERTIDUMBRE Y PROBABILIDAD
RAZONAMIENTO PROBABILISTICO – red bayesiana (correos electronicos)
RAZONAMIENTO PROBABILISTICO EN TIEMPO REAL – (reconocimiento del habla)
APRENDIZAJE PROBABILISTICO
◦ PARADIGMAS DE APRENDISAJE - SUPERVISADO, NO SUPERVISADO Y REFORZADO.
ENFOQUE - LOGICA
LOGICA PROPOSICIONAL
LOGICA DE PRIMER ORDEN
LOGICAS MODAL, TEMPORAL Y DIFUSA
12
02/06/2020
ROBOTICA
+ HARDWARE
QUE ES LA FUCION DE TODAS LAS ANTERIORES.
BUSQUEDA EN GRAFOS
BUSQUEDA INFORMADA
BUSQUEDA NO INFORMADA
ALGORITMOS GENERICOS
SATISFACCION DE RESTRICCIONES
13
02/06/2020
BUSQUEDA EN GRAFOS – NO
INFORMADA A CIEGAS
BUSQUEDA POR ANCHURA
BUSQUEDA POR PROFUNDIDAD
BUSQUEDA POR PROFUNDIDAD LIMITADA
BUSQUEDA POR PROFUNDIDAD ITERATIVA
BUSQUEDA BIDIRECCIONAL
BUSQUEDA – NO INFORMADA
BUSQUEDA POR ANCHURA.- SIRVEN PARA CONSTRUIR ARBOLES GENERADORES
DEL GRAFO DE FORMA SISTEMATICA Y EFICIENTE, estos arboles nos ayudan a
entender la estructura del grafo a estudiar sus propiedades y definir aplicaciones
en ellos.
La busqueda en anchura es utilizada para problemas de optimizacion, y tambien
para estudiar las propiedades de conexion.
Caracteristicas
◦ existe un vertice inicial – o raiz del arbol generador
14
02/06/2020
A F
D
K
V B E
H
C G
EJERCICIO
Z
Y
A F
D
K
X V B
H
G
C
W M
15
02/06/2020
BUSQUEDA PRIMERO
EN PROFUNDIDAD
16
02/06/2020
Como trabaja
DFS va formando un árbol al igual que BFS pero
lo hace a profundidad. Existen dos formas de
hacer el recorrido una es usando una Pila y
otra de manera recursiva:
17
02/06/2020
18
02/06/2020
Visitados : 1.
Adyacentes de 1: 2 , 3 , 5
En la llamada recursiva ira el primero
insertado en la lista de adyacencia, en este
caso “2”, marcamos como visitado. Ahora el
inicial es “2”, sus adyacentes son “1” , “4” y
“5”.
19
02/06/2020
Visitados: 1 , 2 , 4
Adyacentes de 4: 2
Tocaria el nodo 2 pero ya fue visitado termina
la recursion por ese lado. El siguiente
adyacente de “2” es “5”. Ahora inicial es “5”,
marcamos como visitado, sus adyacentes son
“1” y “2”.
Visitados: 1 , 2 , 4 , 5
Adyacentes de 5: 1 , 2
terminamos la recursion por el nodo “2”.
El nodo actual es “1”, sus adyacentes eran “2”, “5”
y “3”, estabamos evaluando por “2” pero ya
terminamos el siguiente es “5” el cual ya fue
visitado, continuamos con “3” este no fue
visitado, marcamos como visitado, vemos sus
adyacentes “1”.
20
02/06/2020
Visitados: 1 , 2 , 4 , 5 , 3
Adyacentes de 3: 1
Como nodo “1” ya fue visitado entonces
termina la recursión y termina el recorrido DFS.
Como se puede observar el orden en que
fueron visitados los nodos es el recorrido DFS
del grafo.
21
02/06/2020
APLICACIÓN:
ES MUY ÚTIL EN DIVERSOS CAMPOS DE PROGRAMACIÓN, POR EJEMPLO.
LLEGAR DE UN PUNTO A OTRO CON EL MENOR NUMERO DE PASOS.
EJEMPLO
B
B F
C
S
A K
E J
G
I
H
22
02/06/2020
SOLUCIÓN
23
02/06/2020
Como resolver
El avance de los nodos es de forma horizontal
El orden puede ser a elección siendo orden alfabético o numeral es preferible o normalmente
utilizado.
24
02/06/2020
25
02/06/2020
Ejercicio
26
02/06/2020
27
02/06/2020
MONTÍCULOS
SUS CARACTERÍSTICAS SON
es un árbol binario completo.
Es que es un conjunto ordenado de maxHeap o Minheap, des decir
de máximo a mínimo montículo.
1
MONTÍCULOS 7
2
8 10
18 4
12 52 35
37 8
82 86 24
28 13 54 56
28
02/06/2020
MONTÍCULOS
MONTÍCULOS
29
02/06/2020
MONTÍCULOS
MONTÍCULOS
30
02/06/2020
MONTÍCULOS
MONTÍCULOS
31
02/06/2020
MONTÍCULOS
MONTÍCULOS
32
02/06/2020
MONTÍCULOS
MONTÍCULOS
Ejercico 1
33
02/06/2020
HEURISTICA
HEURISTICA
La heurística es vista como el arte de inventar por parte de los seres humanos, con la
intención de procurar estrategias, métodos, criterios, que permitan resolver problemas a
través de la creatividad, pensamiento divergente o lateral.
Cuando nos referimos a búsqueda heurística a la reducción de la cantidad de búsquedas
requeridas para lograr encontrar una solución.
Es decir que cuando por ejemplo se nos presenta un árbol de búsqueda que representa un
problema, la heurística nos dice que podemos reducir el tamaño del árbol eliminando nodos
menos prometedores.
1
02/06/2020
HEURÍSTICA
Algunos puntos importantes de la HEURÍSTICA.
HEURÍSTICA
TÉCNICAS HEURÍSTICAS
Best-first search
Busqueda HAZ
A*
Hill climbing
Recorrido simulado
ACO
2
02/06/2020
Best-first search
Best-first search - Primero el Mejor
Es una forma de búsqueda en un grafo, donde todas sus ramas representan un tipo de
solución.
Para su operación se requiere 2 listas de nodos, y una función heurística que nos de los
criterios de cada nodo.
Best-first search
Ejemplo.
3
02/06/2020
Best-first search
Ventajas
Llega a una solución sin expandirse completamente
Desventajas
El camino no es necesariamente el mas optimo.
Best-first search
Cada nodo tiene diferente Heuristica
El destino siempre va ha ser una hoja o final de rama
Si no tiene nos devolvemos
Si no es el destino nos devolvemos
Hasta que encontramos el destino
4
02/06/2020
BÚSQUEDA HAZ
Para esta búsqueda definimos una variable K
Esta variable es el factor máximo de ramificación
Donde K obtendrá el valor de la cantidad mayor de hijos.
La condición es, si el padre es un nodo escogido
Marcamos los 3 mejores nodos heurísticamente
Siempre nos devolvemos un nivel y marcamos los no
marcados de padre elegido.
Algoritmo A*
5
02/06/2020
Algoritmo A*
Es un algoritmo eficiente que permite realizar búsquedas en par ir de in punto a otro en el
menor tiempo posible y de la forma mas rápida
Un ejemplo de los usos de este algoritmo es su aplicación en los videojuegos como ser;
Algoritmo A*
Funciona de la siguiente manera
Donde el punto azul es el punto inicial
El punto naranja es el final y los cuadros azules son los
obstáculos. f f
Para ello el algoritmo utiliza una formula para calcular las
distancias f
F=G+H f f
Hallando la f de menor valor
6
02/06/2020
Algoritmo A*
Donde el valor de G es el valor referido a la distancia de
recorrido
Algoritmo A*
Para realizar el algoritmo se requieren 2 listas una lista abierta y una lista cerrada donde:
Lista cerrada: AQUÍ SE ALMACENA EL CAMINO UTILIZADO EMPEZANDO POR EL PUNTO INICIAL
7
02/06/2020
8
02/06/2020
9
02/06/2020
10
02/06/2020
11
02/06/2020
Encadenamiento hacia
Adelante y hacia Atrás
12
02/06/2020
Ejemplo:
Reglas:
R1: si A entonces B. A -> B
R2: si B entonces C. B -> C
R3: si C entonces Z C -> Z
Hechos:
H1: A (dato de partida)
H3: Z (objetivo a alcanzar)
13
02/06/2020
14
02/06/2020
Encadenamiento
hacia Adelante
y Atras
15
02/06/2020
16
02/06/2020
17
02/06/2020
18
02/06/2020
3. ¬ (p → ¬s) → t 9,3 p → -s 10
10,4 -s
4. p
5. ¬q
19
02/06/2020
REDES SEMÁNTICAS
REDES SEMÁNTICAS
1
02/06/2020
REDES SEMÁNTICAS
REDES SEMÁNTICAS
Ejemplo
2
02/06/2020
REDES SEMÁNTICAS
Ejemplo
REDES SEMÁNTICAS
EJERCICIO.
REALIZAR UNA RED SEMÁNTICA RESPECTO A EL ÁREA DE LA MEDICINA.
3
02/06/2020
REDES SEMÁNTICAS
REDES SEMÁNTICAS
4
02/06/2020
REDES SEMÁNTICAS
Componentes de una
red semántica
REDES SEMÁNTICAS
5
02/06/2020
REDES SEMÁNTICAS
6
02/06/2020
REDES SEMÁNTICAS
7
02/06/2020
REDES SEMÁNTICAS
REDES SEMÁNTICAS
CLASES
Grupo de elementos de un
conjunto que tiene características
comunes.
8
02/06/2020
REDES SEMÁNTICAS
• Instancia.-
• Se llama instancia a todo objeto
que derive de algún otro. De esta
forma, todos los objetos son
instancias de algún otro, menos
la clase Object que es la madre
de todas.
REDES SEMÁNTICAS
• HERENCIA
• La herencia permite que se puedan
definir nuevas clases basadas de
unas ya existentes a fin de reutilizar
el código, generando así una
jerarquía de clases dentro de una
aplicación. Si una clase deriva de
otra, esta hereda sus atributos y
métodos y puede añadir nuevos
atributos, métodos o redefinir los
heredados.
9
02/06/2020
REDES SEMÁNTICAS
REDES SEMÁNTICAS
• EJERCICIO.
10
02/06/2020
Vehículos
marca
REDES SEMÁNTICAS modelo
enmarcha
acelera
--------------------------------
arrancar(self)
acelerar():
frenar(self):
estado(self):
Moto
1Caballito Bus
2 Linea
3 Sindicato
4 Rutalocal
------------------------ ---------------------
hacercaballito Cambiosindicato
Cambioderuta
11