I.A. - 1-Fusionado

02/06/2020
INTELIGENCIA
ARTIFICIAL
Que es I.A.
La Inteligencia Artificial (IA) es la combinación de algoritmos

planteados con el propósito de crear máquinas que presenten las
mismas capacidades que el ser humano. Una tecnología que todavía
nos resulta lejana y misteriosa, pero que desde hace unos años está
presente en nuestro día a día a todas horas.
1
02/06/2020
TIPOS DE INTELIGENCIA ARTIFICIAL

Los expertos en ciencias de la computación Stuart Russell y Peter Norvig diferencian
varios tipos de inteligencia artificial:
Stuart Jonathan Russell (Portsmouth, Inglaterra, 1962) es un informático conocido por sus
contribuciones a la inteligencia ar ﬁcial. Es profesor de ciencias de la computación en la
Universidad de California en Berkeley y profesor adjunto de cirugía neurológica en la
Universidad de California en San Francisco.
Norvig es miembro de AAAI y consejero de la Asociación para el Avance de la Inteligencia
Artificial y coautor, junto con Stuart Russell , de Inteligencia Artificial: un enfoque
moderno , ahora el texto universitario líder en el campo. [8] Fue jefe de la División de
Ciencias Computacionales (ahora la División de Sistemas Inteligentes) en el Centro de
Investigación Ames de la NASA, donde supervisó a un equipo de 200 científicos que
realizan la investigación y el desarrollo de la NASA en autonomía y robótica, ingeniería de
software automatizada y análisis de datos, neuroingeniería , investigación de sistemas
colaborativos y toma de decisiones basada en simulación.
TIPOS DE INTELIGENCIA ARTIFICIAL
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
De alguna forma, una neurona es un procesador de

información muy simple:
· Canal de entrada: dendritas.

· Procesador: soma.
· Canal de salida: axón.
3
02/06/2020
REDES NEURONALES
Esta neurona artificial consta de los siguientes

elementos:
Conjunto de entradas o vector de entradas x, de n componentes
Conjunto de pesos sinápticos wij. Representan la interacción entre la neurona

presináptica j y la postsináptica i.
Regla de propagación d(wij,xj(t)): proporciona el potencial postsináptico, hi(t).
Función de activación ai(t)=f(ai(t-1), hi(t)): proporciona el estado de activación

de la neurona en función del estado anterior y del valor postsináptico.
Función de salida Fi(t): proporciona la salida yi(t), en función del estado de

activación.
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.
SISTEMAS EXPERTOS - Ejemplos
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
ORIGEN DE LA INTELIGENCIA ARTIFICIAL

POR QUE SURGIO LA INTELIGENCIA ARTIFICIAL??
EL ORIGEN DE LA A.I. Y LA ROBOTICA VAN DE LA

MANO
AUTOMATAS
7
02/06/2020

Objeto.
Lograr crear una maquina inteligente, la cual aprenda sin nesecidad
de escribir codigo
8
02/06/2020
Test de TURING
Que es el test de Turing

◦ No tieene nada que ver con la robotica
◦ El test de Turing (o prueba de Turing) es una prueba de la capacidad de una
máquina para exhibir un comportamiento inteligente similar al de un ser
humano o indistinguible de este. Alan Turing propuso que un humano
evaluara conversaciones en lenguaje natural entre un humano y una
máquina diseñada para generar respuestas similares a las de un humano. El
evaluador sabría que uno de los participantes de la conversación es una
máquina y los intervinientes serían separados unos de otros.
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
BASES DE LA INTELIGENCIA ARTIFICIAL

FILOSOFIA Y PSICOLOGIA
MATEMATICAS
INFORMATICA
CIBERNETICA
LINGUISTICA
ECONOMIA
NEUROCIENCIA
BIOLOGIA
10
02/06/2020
ENFOQUE DE LOS PROBLENAS DE LA I.A.

BUSQUEDA EN GRAFOS
PROBABILIDAD (INCERTIDUMBRE)
LOGICA
BUSQUEDA EN GRAFOS
PLANIFICACION
JUEGOS
UTILIDAD Y TOMA DE DECISIONES
APRENDIZAJE POR REFUERZO
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.
REDES NEURONALES – Algoritmos

◦ Reconocimiento generalizado.
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
BUSQUEDA – por anchura.
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
BUSQUEDA PRIMERO EN PROFUNDIDAD

ALGORITMO DE BÚSQUEDA: DEPTH FIRST SEARCH
El algoritmo DFS (Depth-First Search) es una forma sistemática de encontrar todos

los vértices alcanzables de un grafo desde un vértice de origen. Su funcionamiento
consiste en ir expandiendo todos y cada uno de los nodos que va localizando, de
forma recurrente, en un camino concreto. Cuando ya no quedan más nodos que
visitar en dicho camino, regresa, de modo que repite el mismo proceso con cada uno
de los hermanos del nodo ya procesado.
16
02/06/2020
ALGORITMO DE BÚSQUEDA: DEPTH

FIRST SEARCH
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:

FIRST SEARCH
El concepto es el mismo que BFS solo que se cambia la Cola por una Pila, el
proceso es como sigue: visitar el nodo inicial y ponerlo en la pila, ahora para ver
los siguientes nodos a visitar sacamos el nodo tope de la pila y vemos sus
adyacentes, los que no han sido visitados los insertamos en la pila. El proceso se
repite hasta que la pila se encuentre vacía ( se han visitado todos los nodos ).
17
02/06/2020

FIRST SEARCH

FIRST SEARCH
Al igual que con la pila requerimos un
nodo inicial, de manera recursiva
llamamos a los adyacentes del nodo
inicial, de esta forma se puede ver si
llamamos inicialmente a “1”:
Inicial “1”: marcamos “1” como
visitado, sus adyacentes son “2”, “3”
y “5”.
18
02/06/2020

FIRST SEARCH
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”.

FIRST SEARCH
Visitados: 1 , 2
Adyacentes de 2: 1, 4 , 5
Evaluamos el 1ero de la lista que es “1” pero
ya fue visitado por lo tanto sigo con el
siguiente, en este caso “4” , marcamos como
visitado. Ahora inicial es “4”, sus adyacentes
son “2”.
19
02/06/2020

FIRST SEARCH
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”.

FIRST SEARCH
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
Método de Búsqueda BFS BREADTH

FIRST SEARCH primero lo Ancho o
Horizontal
SE TRATA DE UN ALGORITMO DE BUSCAR Y RECORRER ELEMENTOS EN UN GRAFO A LO ANCHO O
EN HORIZONTAL, USADO FRECUENTEMENTE EN ARBOLES.
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.
Método de Búsqueda DFS (Depth First

Search) búsqueda primero profundidad
DFS son las siglas que significan Búsqueda en profundidad.
Es un algoritmo que permite recorrer todos los nodos de un grafo o árbol de manera ordenada
por cada una de sus expansiones, regresando al origen y continuando el siguiente nodo.
A diferencia que el método BFS que las búsquedas las hace de forma horizontal a lo ancho el
método DFS las hace de forma VERTICAL O EN PROFUNDIDAD y se unen los nodos ligados al
origen.
24
02/06/2020
25
02/06/2020
Ejercicio
Búsquedas informadas heurísticamente
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.
No garantiza que se tome siempre la dirección de la autística correcta. No es Optimo

Si encuentra una solución no se asegura que sea las mas optima.
En el caso del tiempo no se asegura que el tiempo de búsqueda sea razonable.
La búsqueda heurística esta compuesta de una variedad de métodos de búsqueda.
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
Donde H es el numero de pasos del punto azul al punto final sin

importar los obstáculos
Algoritmo A*
Para realizar el algoritmo se requieren 2 listas una lista abierta y una lista cerrada donde:
Lista abierta: Aquí se guardan los datos a analizar
Lista cerrada: AQUÍ SE ALMACENA EL CAMINO UTILIZADO EMPEZANDO POR EL PUNTO INICIAL
7
02/06/2020
Algoritmo Poda Alfa-Beta

Es una técnica mejorada del algoritmo Minimax en la cual es posible calcular un
estado objetivo sin la necesidad de recorrer todos los nodos del árbol de juegos,
este tipo de algoritmo suele utilizarse para cualquier tipo de árbol de búsqueda
en profundidad y para subárboles enteros. Este algoritmo al igual que el
Minimax hace uso de la búsqueda en profundidad asi que para poder encontrar
un resultado solo tendremos que considerar los nodos a lo largo de un solo
camino.

Entre las principales características que posee este algoritmo.
Omisión de expansión de nodos que por sus valores no pueden ser los
mejores.
No afecta al resultado final.
Permite búsquedas el doble de profundas que el Minimax
Importancia de orden y no de valores exactos
8
02/06/2020

Hay que tener en cuenta que para poder podar en un árbol que
utiliza este algoritmo se debe recorrer el orden ya fijado, los valores
de Max (Alfa) son los del límite inferior y los de Min (Beta) son los
limites superiores. Esto quiere decir que en los niveles maximizantes
solo Beta puede podar y en los niveles minimizantes solo alfa puede
podar.
9
02/06/2020

Se utilizara 2 variables alfa y beta las cuales:
Alfa – será el máximo encontrado hasta ese momento.
Beta – Sera el mínimo encontrado hasta ese momento.
Algoritmo Poda Alfa-

Beta
10
02/06/2020
Búsqueda Min - Max

Es una búsqueda de profundidad limitada. En teoría de juegos el procedimiento minimax es
utilizada para minimizar la perdida máxima esperada en juegos como adversario y con
información perfecta.
11
02/06/2020
Búsqueda Min - Max

Funcionamiento.- consiste en que
EN elegir el mejor movimiento para uno
mismo. Teniendo encuentra que el
contrincante escogerá el peor movimiento
para uno.
Primer paso se debe estructurar el árbol de la
Siguiente manera.
Encadenamiento hacia
Adelante y hacia Atrás
12
02/06/2020
Encadenamiento hacia Adelante y Atras

Identificación de las reglas que de se pueden disparar dado que se cumplen sus premisas. Los
hechos de la Base de datos global (base de hechos), son considerados como disparadores de las
reglas, son hechos establecidos. La exploración de las reglas en estas condiciones corresponde a
un razonamiento, desde los hechos hacia los objetivos.
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)
Encadenamiento hacia Adelante y Atrás

Una de las estrategias de inferencia más utilizadas para obtener conclusiones compuestas es el
llamado encadenamiento de reglas. Esta estrategia puede utilizarse cuando las premisas de
ciertas reglas coinciden con las conclusiones de otras. Cuando se encadenan las reglas, los
hechos pueden utilizarse para dar lugar a nuevos hechos. Esto se repite sucesivamente hasta
que no pueden obtenerse más conclusiones. El tiempo que consume este proceso hasta su
terminación depende, por una parte, de los hechos conocidos, y, por otra, de las reglas que se
activan.
13
02/06/2020

Ejemplo. Se tienen 13 (trece) objetos: A, B, ......, M; relacionados por medio de 6 (seis) reglas,
ver gráfico:

Supóngase que los objetos A, B, D, E, F, H e I son ciertos y los restantes son
de valor desconocido.
En el siguiente Gráfico 8 se representan los objetos mediante círculos (nodos)
y las relaciones son representadas por las aristas que unen las premisas de las
reglas con las conclusiones; nótese que las premisas de algunas reglas coinciden
con las conclusiones de otras.
14
02/06/2020
Encadenamiento
hacia Adelante
y Atras

REGLAS
Una regla en este contexto es una proposición lógica que
relaciona dos o más objetos del dominio e incluye dos
partes, la premisa y la conclusión, que se suele escribir
normalmente como “Si premisa, entonces
conclusión”. Cada una de estas partes es una expresión
lógica con una o más afirmaciones objeto-valor
conectadas mediante operadores lógicos (y, o, o no).
15
02/06/2020

El Motor de Inferencia
Las bases de conocimiento se conforman a partir de dos tipos de elementos
básicos, por una parte los datos (también conocidos como hechos o evidencias),
y por otra el conocimiento (representado por el conjunto de reglas que rigen las
relaciones entre los datos). Pero una vez tenemos esta información almacenada,
necesitamos un mecanismo para manipular automáticamente sus componentes
y extraer conclusiones.

A este mecanismo se le denomina motor de inferencia, que a partir de la base
de conocimiento obtiene nuevas conclusiones, ampliando de esta forma el
conjunto de hechos de la propia base de conocimiento. Por ejemplo, si la
premisa de una regla es cierta, entonces aplicando la regla lógica de Modus
Ponens, la conclusión de la regla debe ser también cierta, y de esta forma los
datos iniciales se incrementan incorporando las nuevas conclusiones. Por ello,
tanto los hechos iniciales o datos de partida como las conclusiones derivadas de
ellos forman parte de los hechos o datos de que se dispone en un instante dado,
obteniendo un proceso dinámico en el que el conocimiento se va generando por
etapas.
16
02/06/2020

Para obtener conclusiones, se pueden utilizar diferentes tipos de reglas y estrategias de
inferencia y control, pero nosotros mostraremos aquí las más básicas y universales: Modus
Ponens y Modus Tollens como sistemas básicos de inferencia, y encadenamiento de reglas
hacia adelante y encadenamiento de reglas hacia atrás (orientado por objetivos), como
estrategias de inferencia.
El Modus Ponens y Modus Tollens se corresponden con los siguientes esquemas básicos de
inferencia. Obsérvese que el Modus Tollens se deduce del Modus Ponens teniendo en cuenta
que la lógica que usamos es bivaluada (una afirmación, o es verdadera o es falsa, no hay una
tercera opción).
17
02/06/2020
18
02/06/2020

- P V -Q = -(P & Q)

4,1 q v –r 6
1. p → (q v ¬r) 6,5 -r 7
2. ¬r ↔ ¬t 2 -r → -t
7,8 -t 9
8
3. ¬ (p → ¬s) → t 9,3 p → -s 10
10,4 -s
4. p
5. ¬q
19
02/06/2020
REDES SEMÁNTICAS
REDES SEMÁNTICAS
• Una red semántica o esquema de representación en Red es una forma de

representación de conocimiento lingüístico en la que los conceptos y sus
interrelaciones se representan mediante un grafo. En caso de que no existan
ciclos, estas redes pueden ser visualizadas como arboles. Las redes
semánticas son usadas, entre otras cosas, para representar mapas
conceptuales y mentales.
1
02/06/2020
REDES SEMÁNTICAS
• En un grafo o red semántica los elementos semánticos se representan

por nodos. Dos elementos semánticos entre los que se admite se da la
relación semántica que representa la red, estarán unidos mediante una línea,
flecha o enlace o arista. Cierto tipo de relaciones no simétricas requieren
grafos dirigidos que usan flechas en lugar de líneas.
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
Objetivo de las redes semánticas

• El objetivo de las redes semánticas es desarrollar una infraestructura
para generar datos que las computadoras puedan entender, de tal
forma que puedan ser compartidos y procesados no sólo por
personas sino también por herramientas automatizadas
4
02/06/2020
REDES SEMÁNTICAS
Componentes de una
red semántica
REDES SEMÁNTICAS
5
02/06/2020
REDES SEMÁNTICAS – 1RA REPRESENTACIÓN
• un grafo: este concepto pertenece a las ciencias de la computación (también

llamadas ciencias comunicacionales, combinan la computación y la teoría de
la información) y las matemáticas, y se trata de un conjunto de elementos
denominados nodos o vértices que se conectan a través de enlaces conocidos
como arcos o aristas, gracias a los cuales es posible entablar relaciones
binarias (se dan entre elementos de dos conjuntos y ofrecen pares ordenados
que cumplen una determinada propiedad) entre dichos objetos.
REDES SEMÁNTICAS
6
02/06/2020
REDES SEMÁNTICAS – 2DA REPRESENTACIÓN
• un árbol: cuando una red semántica no representa un ciclo, entonces es

posible utilizar un árbol, que es un grafo en el que cualquier par de vértices
debe estar conectado por un solo camino. Este sistema de relación también se
conoce como árbol libre y si forma parte de un grupo, entonces se habla
de bosque. El grafo presente en el árbol debe cumplir una serie de requisitos,
como no tener ciclos y ser conexo (que cualesquiera dos vértices estén unidos
por al menos un camino) hasta que se le quite cualquiera de sus aristas.
REDES SEMÁNTICAS
7
02/06/2020
REDES SEMÁNTICAS
• Elementos de la representación de redes semánticas
Las instancias se representan por constantes

Las clases se representan por constantes
Las relaciones clas–superclase se representan por hechos de la forma es
un (<clase>,<super-clase>)
Las relaciones instancia–clases se representan por hechos de la forma
inst(<instancia>,<clase>)
REDES SEMÁNTICAS
CLASES
Grupo de elementos de un
conjunto que tiene características
comunes.
Grupo de personas que dentro de

la sociedad tiene condiciones
comunes de vida o de trabajo, e
intereses y medios económicos
iguales o parecidos.
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.
• CREAR CLASES RELACIONADAS AL ÁREA DE LA MEDICINA.
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

I.A. - 1-Fusionado

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

I.A. - 1-Fusionado

Cargado por

Copyright:

Formatos disponibles

02/06/2020

La Inteligencia Artificial (IA) es la combinación de algoritmos

TIPOS DE INTELIGENCIA ARTIFICIAL

TIPOS DE INTELIGENCIA ARTIFICIAL

De alguna forma, una neurona es un procesador de

· Canal de entrada: dendritas.

Esta neurona artificial consta de los siguientes

Conjunto de pesos sinápticos wij. Representan la interacción entre la neurona

Regla de propagación d(wij,xj(t)): proporciona el potencial postsináptico, hi(t).

Función de activación ai(t)=f(ai(t-1), hi(t)): proporciona el estado de activación

Función de salida Fi(t): proporciona la salida yi(t), en función del estado de

SISTEMAS EXPERTOS - Ejemplos

ORIGEN DE LA INTELIGENCIA ARTIFICIAL

EL ORIGEN DE LA A.I. Y LA ROBOTICA VAN DE LA

ORIGEN DE LA INTELIGENCIA ARTIFICIAL

ORIGEN DE LA INTELIGENCIA ARTIFICIAL

ORIGEN DE LA INTELIGENCIA ARTIFICIAL

Que es el test de Turing

BASES DE LA INTELIGENCIA ARTIFICIAL

ENFOQUE DE LOS PROBLENAS DE LA I.A.

UTILIDAD Y TOMA DE DECISIONES

APRENDIZAJE POR REFUERZO

REDES NEURONALES – Algoritmos

BUSQUEDA – por anchura.

BUSQUEDA PRIMERO EN PROFUNDIDAD

El algoritmo DFS (Depth-First Search) es una forma sistemática de encontrar todos

ALGORITMO DE BÚSQUEDA: DEPTH

ALGORITMO DE BÚSQUEDA: DEPTH

ALGORITMO DE BÚSQUEDA: DEPTH

ALGORITMO DE BÚSQUEDA: DEPTH

ALGORITMO DE BÚSQUEDA: DEPTH

ALGORITMO DE BÚSQUEDA: DEPTH

ALGORITMO DE BÚSQUEDA: DEPTH

ALGORITMO DE BÚSQUEDA: DEPTH

Método de Búsqueda BFS BREADTH

Método de Búsqueda DFS (Depth First

Búsquedas informadas heurísticamente

Búsquedas informadas heurísticamente

Búsquedas informadas heurísticamente

No garantiza que se tome siempre la dirección de la autística correcta. No es Optimo

Donde H es el numero de pasos del punto azul al punto final sin

Lista abierta: Aquí se guardan los datos a analizar

Algoritmo Poda Alfa-Beta

Algoritmo Poda Alfa-Beta

Algoritmo Poda Alfa-Beta

Algoritmo Poda Alfa-Beta

Algoritmo Poda Alfa-Beta

Alfa – será el máximo encontrado hasta ese momento.

Beta – Sera el mínimo encontrado hasta ese momento.

Algoritmo Poda Alfa-

Algoritmo Poda Alfa-Beta

Búsqueda Min - Max

Búsqueda Min - Max

Encadenamiento hacia Adelante y Atras

Encadenamiento hacia Adelante y Atrás

Encadenamiento hacia Adelante y Atras

Encadenamiento hacia Adelante y Atras

Encadenamiento hacia Adelante y Atrás

Encadenamiento hacia Adelante y Atrás

Encadenamiento hacia Adelante y Atras

Encadenamiento hacia Adelante y Atras

Encadenamiento hacia Adelante y Atrás

Encadenamiento hacia Adelante y Atras