Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Desde sus comienzos, la IA ha tenido que hacer frente a una serie de problemas:
• Los computadores no tienen autoconciencia.
• Un computador sólo puede hacer aquello para lo que está programado.
• Las máquinas no pueden pensar realmente.
Un sistema inteligente debe:
• Estar habilitado para aprender
• Tener cierta autonomía, debe poder hacer cosas por
si mismo.
• Ser capaz de razonar, debe poder extraer nuevos
conocimientos a partir de conocimientos previos y
aplicando algún mecanismo de razonamiento.
• Estar capacitado para desarrollar autoconciencia.
Diferencias entre la programación mediante
técnicas de IA y la tradicional
PROGRAMACION EN IA PROGRAMACION CONVENCIONAL
Las tareas que peor llevan a cabo nuestras computadoras y robot son aquellas que mas faci
resultan a los seres biológicos
La teoría de las RNA ha brindado una alternativa a la computación clásica, para aquellos
problemas, en los cuales los métodos tradicionales no han entregado resultados muy
convincentes, o poco convenientes.
Las aplicaciones más exitosas de las RNA son:
-Procesamiento de imágenes y de voz
-Reconocimiento de patrones
-Planeamiento
-Interfaces adaptivas para sistemas Hombre/máquina
-Predicción
-Control y optimización
-Filtrado de señales
Minería de datos
El datamining (minería de datos), es el
conjunto de técnicas y tecnologías que
permiten explorar grandes bases de datos, de
manera automática o semiautomática, con el
objetivo de encontrar patrones repetitivos,
tendencias o reglas que expliquen el
comportamiento de los datos en un
determinado contexto.
Minería de datos
El proceso de datamining se suele componer de cuatro etapas principales:
• Determinación de los objetivos. Trata de la delimitación de los objetivos que el cliente
desea bajo la orientación del especialista en datamining.
• Preprocesamiento de los datos. Se refiere a la selección, la limpieza, el
enriquecimiento, la reducción y la transformación de las bases de datos. Esta etapa
consume generalmente alrededor del setenta por ciento del tiempo total de un
proyecto de datamining.
• Determinación del modelo. Se comienza realizando unos análisis estadísticos de los
datos, y después se lleva a cabo una visualización gráfica de los mismos para tener una
primera aproximación. Según los objetivos planteados y la tarea que debe llevarse a
cabo, pueden utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia
Artificial.
• Análisis de los resultados. Verifica si los resultados obtenidos son coherentes y los
coteja con los obtenidos por los análisis estadísticos y de visualización gráfica. El cliente
determina si son novedosos y si le aportan un nuevo conocimiento que le permita
considerar sus decisiones.