0 Bewertungen0% fanden dieses Dokument nützlich (0 Abstimmungen)
274 Ansichten6 Seiten
Este documento introduce el aprendizaje automático y cómo contribuye al desarrollo de agentes inteligentes para la inteligencia artificial. Explora varios tipos de aprendizaje automático y cómo cada uno resuelve problemas de manera diferente. También discute aplicaciones del aprendizaje automático en áreas como el procesamiento del lenguaje natural, sistemas de recomendación, diagnóstico médico y juegos.
Este documento introduce el aprendizaje automático y cómo contribuye al desarrollo de agentes inteligentes para la inteligencia artificial. Explora varios tipos de aprendizaje automático y cómo cada uno resuelve problemas de manera diferente. También discute aplicaciones del aprendizaje automático en áreas como el procesamiento del lenguaje natural, sistemas de recomendación, diagnóstico médico y juegos.
Este documento introduce el aprendizaje automático y cómo contribuye al desarrollo de agentes inteligentes para la inteligencia artificial. Explora varios tipos de aprendizaje automático y cómo cada uno resuelve problemas de manera diferente. También discute aplicaciones del aprendizaje automático en áreas como el procesamiento del lenguaje natural, sistemas de recomendación, diagnóstico médico y juegos.
El presente artculo tiene como finalidad, el abordar que es el aprendizaje
automtico,como colabora en el desarrollo de agentes inteligentes, para la inteligencia artificial,cuales son algunas de sus mejores variantes, as como una visin comparativa de cmoson cada uno de los tipos de aprendizaje en cuanto a su forma de resolver problemas y sermodelados.Hemos tomado como referencia algunos libros de texto as como una tesis doctoral, deIsmael Ledesma Espino en conjuntos desarrollo de agentesinteligentes con datos continuos en dominios, estticos. Adems de esta, consultamos ellib de Antonio Moreno, donde se presentan los conceptosbsicos sobre el aprendizaje automtico y una clasificacin de los
Introduccin to Machine
se muestra el concepto bsico del aprendizajeautomtico, sus diversas acepciones segn nuestras fuentes, enseguida se muestran losdiversos tipos de aprendizaje automtico, esta informacin se ve esquematizada encuadros sinpticos y una descripcin medianamente extensa.En la siguiente parte del artculo se tocan algunos tipos de modelado de agentesinteligentes entre los que destacan los de teora de juegos .Finalmente se concluye con una comparativa de donde y cuando se deben de aplicar losdiversos tipos de aprendizaje
APRENDIZAJE AUTOMATICO
Antes de definir aprendizaje automtico debemos tener claro lo que es la inteligencia artificial.
Como nos damos cuenta cada vez mas las definiciones tienden a simplificarse como podemos observar en las siguientes dos definiciones de Bellman en 1978 y de Nilsson en 1998.
[La automatizacin de] actividades que vinculamos con procesos de pensamiento humano, actividades como la toma de decisin, resolucin de problemas, aprendizaje ... Bellman, 1978.
IA... est relacionada con conductas inteligentes en artefactos. Nilsson, 1998.
Aprendizaje automatico
El Aprendizaje Automtico es una disciplina dentro de los Sistemas Inteligentes cuya importancia ha quedado establecida desde hace dos dcadas [Anderson y Kline, 1979]. De las variadas formas que se han explorado, la que mejor modeliza el aprendizaje humano es la que toma en los sistemas con aprendizaje por observacin y descubrimiento.
Tambin podemos definirlo como la rama de la Inteligencia Artificial que se dedica al estudio de los agentes/programas que aprenden o evolucionan basados en su experiencia, para realizar una tarea determinada cada vez mejor. El objetivo principal de todo proceso de aprendizaje es utilizar la evidencia conocida para poder crear una hiptesis y poder dar una respuesta a nuevas situaciones no conocidas. Por ejemplo, un software que juegue al backgammon; no slo que realice movimientos vlidos sino que en cada partida (contra oponentes reales o bien contra sigo mismo) mejora su performance (medida por ejemplo en cant. de partidas ganadas / partidas jugadas en un torneo).
Bock [1985] sostiene que no se puede hablar de Sistemas Inteligentes sino hay Aprendizaje Automtico. En apoyo de la postulacin de Bock sobre aprendizaje, Rauch- Hindin [1985] sostiene que los sistemas que pueden observar y aprender a manejar cambios incesantes en los entornos de funcionamiento son el sueo de las organizaciones e industrias. Sostiene tambin el principio de que los programas de aprendizaje permiten comprobar teoras de aprendizaje [Moravec, 1988] y define los sistemas de produccin adaptativos como sistemas que aprenden nuevas reglas basadas en lo que han observado [Carbonell, 1983; Eiter y Gotlob, 1992; Falkenhaimer, 1990; Christiansen, 1992], agregando estas nuevas reglas al sistema de produccin existente. Un sistema inteligente autnomo ha sido definido [Fritz y otros, 1989; 1990; Garca Martnez y Borrajo, 1996] como aqul que puede descubrir y registrar si una accin hecha en una situacin dada fue favorable. Entra dentro de los sistemas que aprenden por observacin y descubrimiento por experimentacin activa [Wang, 1994; 1995]. Los sistemas inteligentes autnomos formulan operadores que en conjunto constituyen un modelo de como el entorno que los circunda funciona [Garca Martnez, 1992a]. Tal modelo es parcial pero tiene la consistencia suficiente [Garca Martnez, 1993a; 1993b; 1995] como para ser utilizado por su carcter predictivo en procesos de planificacin suficiente [Garca Martnez, 1996; 1997a; Garca Martnez et al., 1998a; 1998b; Garca Martnez et al., 1999a; 1999b]. En este contexto, el propsito de este proyecto es estudiar de que manera la interaccin entre sistemas inteligentes autnomos mejora el modelo de funcionamiento del entorno que cada sistema va formando y cmo se integran en dicha interaccin los modelos de refuerzo [Sutton, 1984].
Aplicaciones Hoy en da existen aplicaciones que utilizan agentes basados en aprendizaje en numerosas ramas de la industria y de la ciencia. Por ejemplo: Procesamiento del Lenguaje Natural Para el anlisis sintctico y morfolgico de los textos. Extraccin de Informacin, Clasificacin Automtica de Documentos, Agrupamiento Semntico, entre otras tareas se cubren utilizando tcnicas de ML. Los modelos de Anlisis de Sentimiento permiter reconocer la orientacin o polaridad subjetiva de un texto, esto es, si estn hablando bien o mal de aqullo que se est opinando. Sistemas de Recuperacin de Informacin Los buscadores de Internet utilizan tcnicas de ML para mejorar la performance de sus bsquedas y confeccionar rankings personalizados segn la experiencia de los usuarios. Diagnsitco Mdico Se utilizan tcnicas de ML para asistir a mdicos en el diagnstico segn la historia clnica y los sntomas que presenta el paciente. Tambin existen modelos que miden el riesgo de vida de un accidentado y decidir en el envo de una ambulancia, un mdico particular o puede tratarse el incidente por telfono Ciencias biolgicas Para la clasificacin de especies, reconocimiento de tumores o arritmias o patrones en cadenas de ADN. Descubrimiento y prediccin de patrones de movilidad. Finanzas e Industria bancaria La industria bancaria utiliza modelos de riesgo crediticio para calificar a los solicitantes segn su nivel de cumplimiento esperado en el pago de las cuotas del crdito. Tambin existen modelos de fraude de consumo de tarjetas de crdito y de prediccin de comportamiento en el mercado de valores. Anlisis de imgenes Para reconocer escritura manuscrita, indentificar direcciones y remitentes de un envo postal, facturas o recibos u otro tipo de documentos legales. Tambin otro tipo de objetos dentro de una imagen, como personas, rostros, monumentos arquitectnicos o accidentes geogrficos, etc. Juegos Ya existen muchos juegos, como el Backgammon y las Damas, donde programas de computadoras que han sido entrenadas con tcnicas de ML superan a los campeones mundiales. Robtica Se utilizan modelos de ML para regular el desplazamiento de robots, planificacin de tareas entre otras tareas. Sistemas de Recomendacin Extraccin de Informacin, Clasificacin Automtica de Documentos, Agrupamiento Semntico, Anlisis de Sentimiento, entre otras tareas se cubren utilizando tcnicas de ML.
http://www.interempresas.net/MetalMecanica/Articulos/104119-Proponen-nuevos-metodos- para-mejorar-el-aprendizaje-automatico-de-las-maquinas.html Proponen nuevos mtodos para mejorar el aprendizaje automtico de las mquinas Mikel Galar 7 de enero de 2013
http://www.fgcsic.es/lychnos/es_ES/articulos/inteligencia_artificial Edicin: Diciembre 2011 VICEN TORRA
La inteligencia artificial
Aplicacin de tcnicas de aprendizaje automtico para la identificacin de patrones de interaccin en una experiencia virtual de aprendizaje. Priscila Valdiviezo Daz Unidad de Virtualizacin, UTPL
Sierra, B. Aprendizaje Automtico: conceptos bsicos y avanzados. Madrid Espaa, Pearson Prentice Hall, (2006).
Santos, O.C, Martin, L., Del Campo, E., Saneiro, M., Mazzone, E., Boticario, J.G., Petrie, H. User-centered design methods for validating a recommendations model to enrich learning management systems with adaptive navigation support. Recuperado el 15 de septiembre de 2009, de: http://www.easy-hub.org/workshops/umap2009/doc/paper7.pdf
Santos, O.C., Boticario, J.G. Supporting a collaborative task in a web-based learning environment with Artificial Intelligence and User Modelling techniques. 6 Simposio Internacional de Informtica Educativa (SIIE04): November 16-18, 2004. Caceres (Spain). (2004).