Se convierte en una ciencia
introducción
Durante los 70s se sometió a prueba una gran variedad de
arquitecturas.las cuales se enfocaban a un proposito en especifico
volviendolas fragiles.
La IA se encontraba en una especie de aislamiento, que la separó del
resto de las ciencias de la computación, ya que las formas de la
computación simbólica hacian que la mayor parte de la teoría clásica
pasara a ser obsoleta.
La década de los 80 se realizó con la idea de dejar a un lado lo que
se podía hacer y de descubrir en qué se diferenciaban las redes
neuronales de otras técnicas «tradicionales».
Probabilistic Reasoning in Intelligent Systems de Judea Pearl (1988)
hizo que se aceptara de nuevo la probabilidad y la teoría de la
decisión como parte de la IA
El uso de Internet y el compartir repositorios de datos de
prueba y código, ha hecho posible que ahora se puedan
contrastar experimentos.
La tecnología del habla y el campo relacionado del
reconocimiento de caracteres manuscritos están
actualmente en transición hacia una generalizada
utilización en aplicaciones industriales y de
consumo.
Modelos ocultos de markov
Son autómatas abstractos de estados finitos que
permiten modelar procesos estocásticos donde las
transiciones entre los estados están gobernadas por un
conjunto de probabilidades llamadas probabilidades de
transición de estados.
se basan en una rigurosa teoría matemática, lo cual ha
permitido a los investigadores del lenguaje basarse en
los resultados de investigaciones matemáticas hechas
en otros campos a lo largo de varias décadas.
Han generado mediante un proceso de aprendizaje en
grandes corpus de datos de lenguaje reales.
Redes de
bayes
Es un modelo probabilístico que relaciona un conjunto de
variables aleatorias mediante un grafo dirigido, son redes graficas
sin ciclos en el que se representan variables aleatorias y las
relaciones de probabilidad que existan entre ellas que permiten
conseguir soluciones a problemas de decisión en casos de
incertidumbre.
Facilita la representación eficiente y el razonamiento
riguroso en situaciones en las que se disponía de
conocimiento incierto.
Actualmente domina la investigación de la IA en el
razonamiento incierto y los sistemas expertos ya que
facilita el aprendizaje a partir de la experiencia, y combina
lo mejor de la IA clásica y las redes neuronales.
Promovio sistemas que actúan racionalmente de acuerdo
con las leyes de la teoría de la decisión, sin que intenten
imitar las etapas de razonamiento de los expertos
humanos.
Emergencia de los
sistemas inteligentes
Buscando la resolución de subproblemas, los
investigadores trabajan en el problema del agente
total
«movimiento situado»
Intenta entender la forma de actuar de los agentes inmersos en
entornos reales, que disponen de sensores de entradas continuas. Uno
de los medios más importantes para los agentes inteligentes es Internet
Los sistemas de IA han llegado a ser tan comunes en
aplicaciones desarrolladas para la Web.
Bots
motores de búsqueda
sistemas de recomendación
sistemas para la construcción de portales Web.
Se deberían reorganizar los subcampos aislados de la IA
paraque sus resultados se puedan interrelacionar y puedan
generar información totalmente fidedigna del medio en el que
habitan.
Y se lleve la IA a un acercamiento con otras teorías .
Mineria de datos
Utiliza los métodos de la inteligencia artificial,
aprendizaje automático, estadística y sistemas de
Agente inteligente
bases de datos. El objetivo general del proceso de
minería de datos consiste en extraer información de Los agentes son aquellas accio-
un conjunto de datos y transformarla en una nes que se producen después de
estructura comprensible para su uso posterior. una determinada secuencia de
El proceso de hurgar en los datos para descubrir percepciones.
conexiones ocultas y predecir tendencias futuras
El cometido de la IA es el diseño
tiene una larga historia. Conocido algunas veces como
"descubrimiento de conocimientos en bases de de un programa de agente: una
datos", el término "minería de datos" no se acuño sino función que permita implantar el
hasta la década de 1990 mapeo del agente para pasar de
percepciones a acciones.
La minería de datos le permite:
·Filtrar todo el ruido caótico y repetitivo en sus
datos.
·Entender qué es relevante y luego hacer un
buen uso de esa información para evaluar
resultados probables.
·Acelerar el ritmo de la toma de decisiones
informadas.
Dio paso a revoluciones similares y suaves se han
dado en robótica, visión por computador, y
aprendizaje automático. La comprensión mejor de
los problemas y de su complejidad, junto a un
incremento en la sofisticación de las matemáticas ha
facilitado el desarrollo de una agenda de
investigación y de métodos más robustos.
Provocando la fragmentación: áreas como la visión y
la robótica están cada vez más aislados de la rama
central de la IA.