Qu es la inteligencia artificial?

La inteligencia artificial es considerada una rama de la computacin y relaciona un

fenmeno natural con una analoga artificial a travs de programas de computador. La
inteligencia artificial puede ser tomada como ciencia si se enfoca hacia la elaboracin
de programas basados en comparaciones con la eficiencia del hombre, contribuyendo a
un mayor entendimiento del conocimiento humano.
Si por otro lado es tomada como ingeniera, basada en una relacin deseable de entradasalida para sintetizar un programa de computador. "El resultado es un programa de alta
eficiencia que funciona como una poderosa herramienta para quien la utiliza."
A travs de la inteligencia artificial se han desarrollado los sistemas expertos que
pueden imitar la capacidad mental del hombre y relacionan reglas de sintaxis del
lenguaje hablado y escrito sobre la base de la experiencia, para luego hacer juicios
acerca de un problema, cuya solucin se logra con mejores juicios y ms rpidamente
que el ser humano. En la medicina tiene gran utilidad al acertar el 85 % de los casos de
diagnstico.
La inteligencia est vinculada a saber elegir las mejores opciones para resolver algn
tipo de problema. Existen diversos tipos de inteligencia segn sus atributos y procesos,
como la inteligencia operativa, la inteligencia biolgica o la inteligencia psicolgica.

Inteligencia artificial
Artificial, por otra parte, es un adjetivo que seala aquello hecho por mano, arte o
ingenio del hombre. Lo artificial tambin permite nombrar a lo no natural o falso.
La nocin de inteligencia artificial fue desarrollada en referencia a ciertos sistemas
creados por los seres humanos que constituyen agentes racionales no vivos. La
racionalidad, en este caso, es entendida como la capacidad para maximizar un resultado
esperado.

La inteligencia artificial, por lo tanto, consiste en el diseo de procesos que, al

ejecutarse sobre una arquitectura fsica, producen resultados que maximizan una cierta
medida de rendimiento. Estos procesos se basan en secuencias de entradas que son
percibidas y almacenadas por la mencionada arquitectura.
Los dispositivos que cuentan con inteligencia artificial pueden ejecutar distintos
procesos anlogos al comportamiento humano, como la devolucin de una respuesta por
cada entrada (similar a los actos reflejos de los seres vivos), la bsqueda de un estado
entre todos los posibles segn una accin o la resolucin de problema mediante una
lgica formal.

En la actualidad, la forma de inteligencia artificial ms popular existe en los

videojuegos, dado que su consumo es masivo. En este contexto, se aplica a enemigos y
personajes controlados por el ordenador, para que su actuacin a lo largo de la
experiencia interactiva resulte creble y parezca espontnea. Dems est decir que el
tipo de inteligencia artificial utilizada en cada caso es diferente, y responde a una serie
de necesidades particulares.
Inteligencia artificialAntes de continuar, es importante aclarar que no debera
malinterpretarse el concepto por la presencia del trmino inteligencia, el cual tambin
suele comprenderse y usarse de forma incorrecta: una entidad virtual con una
inteligencia artificial avanzada no necesariamente es rpida y hbil; programar un ser
cuya prominente torpeza y lentitud parezcan crebles tambin requiere de un gran
trabajo en este campo.
Un ejemplo que vuelve ms fcil la explicacin se encuentra en los videojuegos de
carreras; si retrocedemos en el tiempo dos dcadas, a mediados de los aos 90,
analizamos a fondo un ttulo respetado dentro de este gnero y lo comparamos con uno
equivalente de la actualidad, seguramente notaremos que los coches de los contrincantes
cometen muchos ms errores hoy en da. Es que son menos inteligentes? Por el
contrario, su inteligencia artificial es muchas veces mayor, lo cual permite una
emulacin ms precisa de la habilidad y las potenciales equivocaciones de un conductor
real.
Sin lugar a dudas, una de las aplicaciones ms interesantes y significativas de la
inteligencia artificial es la investigacin cientfica. Con la ayuda de un ordenador, y ms
an un conjunto de ellos, se potencian considerablemente las posibilidades del ser
humano de descubrir los misterios que tan apasionadamente viene persiguiendo desde
hace siglos. Cuando se otorga a estos dispositivos la habilidad de aprender y de
discernir, se los convierte en entidades que rozan las capacidades de un superhombre,
dado que alcanzan velocidades de procesamiento imposibles para nosotros y que no
necesitan descansar para funcionar, entre otras ventajas que los ubican por sobre los
seres vivos en este contexto.
Inteligencia artificial tambin es una pelcula dirigida por Steven Spielberg que fue
estrenada en 2001. Su argumento se basa en la historia de un robot creado por un
cientfico para reemplazar a un nio humano; a lo largo de la historia demuestra poco a
poco que lejos est de ser un ordenador, ya que puede sentir. La pelcula est basada en
un relato de Brian Aldiss e incluye elementos tomados de Pinocho.

Lee todo en: Definicin de inteligencia artificial - Qu es, Significado y Concepto

http://definicion.de/inteligencia-artificial/#ixzz44c6qPmkd

Redes Neuronales

Para empezar a hablar acerca de redes neuronales, primero debemos tener

en cuenta dos conceptos, cual es la definicin de una red neuronal y cules
son los tipos de redes neuronales que hasta hoy conocemos.
Comencemos por citar algunas definiciones:
Estudio de Redes Neuronales de DARPA (1988, AFCEAInternational
Press, p. 60):

"Una red neuronal es un sistema compuesto de muchos elementos

procesadores simples operando en paralelo, cuya funcin es determinada
por la estructura de la red, fuerza en las conexiones y el procesamiento
realizado por los elementos computacionales en los nodos."
Dr. Haykin, S. (1994, Neural Networks: A comprehensive foundation, NY,
McMillan, P.2):
"Una red neuronal es un procesamiento distribuido masivamente paralelo
que tiene una tendencia natural para almacenar conocimiento emprico y
hacerlo disponible para el uso.
Recuerda al cerebro en dos aspectos:
1.- El conocimiento se adquiere por la red a travs de un proceso de
aprendizaje.
2.- Las conexiones interneurnicas se conocen como pasos sinpticos y
se usan para almacenar el conocimiento."
Ya teniendo una breve percepcin de lo que es una red neuronal debemos
ahora saber que existen dos tipos de redes neuronales, las redes
neuronales biolgicas y las redes neuronales artificiales ANN (Artificial
Neural Network).

REDES NEURONALES BIOLGICAS.

Son el principal elemento del Sistema Nervioso. Las redes neuronales

biolgicas estn compuestas por un gran nmero de elementos llamados
neuronas. Una neurona es una clula compuesta por cuerpo, un nmero
de extensiones llamadas dendritas, que sirven de entradas, y una larga
extensin llamada axn que acta como salida. La sinapsis conecta el
axn de una neurona a las dendritas de las otras neuronas. Las neuronas
estn dispuestas en capas. En general las neuronas de una capa reciben
entradas desde otra capa y envan sus salidas a neuronas de una tercera.
Dependiendo de la aplicacin tambin es posible que las neuronas de
una capa reciban entradas y provean salidas a neuronas de la misma capa.
Las conexiones entre neuronas tienen pesos asociados que representan la
influencia de una sobre la otra. Si dos neuronas no estn conectadas, el
correspondiente peso de enlace es cero. Esencialmente, cada una enva
su informacin de estado multiplicado por el correspondiente peso a todas
las neuronas conectadas con ella. Luego cada una, a su vez, suma los

valores recibidos desde sus dendritas para actualizar sus estados

respectivos.
Se emplea normalmente un conjunto de ejemplos representativos de la
transformacin deseada para "entrenar" el sistema, que, a su vez, se
adapta para producir las salidas deseadas cuando se lo evala con las
entradas "aprendidas".
Adems se producirn respuestas cuando, en la utilizacin, se presenten
entradas totalmente nuevas para sistema, esto es durante el modo
entrenamiento la informacin sobre el sistema a resolver es almacenada
dentro del ANN y la red utiliza su modo productivo en ejecutar
transformaciones y aprender. De este modo el sistema de red neuronal no
reside necesariamente en la elegancia de la solucin particular sino en su
generalidad de hallar solucin a problemas particulares, habindose
proporcionado ejemplos del comportamiento deseado. Esto permite la
evolucin de los sistemas autmatas sin una reprogramacin explcita.
Las redes neuronales artificiales se basan en el circuito de procesamiento
de entradas en el cual los pesos son sumados. Las funciones de peso
sern llamadas desde ahora como atenuadores. En la implementacin,
las entradas a una neurona son pesadas multiplicando el valor de la entrada
por un factor que es menor o igual a uno. El valor de los factores de peso es
determinado por el algoritmo de aprendizaje.
Las entradas atenuadas son sumadas usando una funcin no lineal
llamada Funcin "Sigmoid". Si la salida de la funcin suma excede el
valor de entrada mximo de la neurona, esta responde generando una
salida.

REDES NEURONALES ARTIFICIALES.

Las redes neuronales artificiales (ANN) imitan su funcionamiento a aquellas

que se encuentran en el mbito biolgico. Son aptas para resolver
problemas que no poseen un algoritmo claramente definido para
transformar una entrada en una salida; aprenden, reconocen y aplican
relaciones entre objetos.
Se emplea normalmente un conjunto de ejemplos representativos de la
transformacin deseada para "entrenar" el sistema, que, a su vez, se
adapta para producir las salidas deseadas cuando se lo evala con las
entradas "aprendidas".
Adems se producirn respuestas cuando, en la utilizacin, se presenten
entradas totalmente nuevas para sistema, esto es durante el modo
entrenamiento la informacin sobre el sistema a resolver es almacenada
dentro del ANN y la red utiliza su modo productivo en ejecutar
transformaciones y aprender. De este modo el sistema de red neuronal no
reside necesariamente en la elegancia de la solucin particular sino en su
generalidad de hallar solucin a problemas particulares, habindose
proporcionado ejemplos del comportamiento deseado. Esto permite la

evolucin de los sistemas autmatas sin una reprogramacin explcita.

Las redes neuronales artificiales se basan en el circuito de procesamiento
de entradas en el cual los pesos son sumados. Las funciones de peso
sern llamadas desde ahora como atenuadores. En la implementacin,
las entradas a una neurona son pesadas multiplicando el valor de la entrada
por un factor que es menor o igual a uno. El valor de los factores de peso es
determinado por el algoritmo de aprendizaje.
Las entradas atenuadas son sumadas usando una funcin no lineal
llamada Funcin "Sigmoid". Si la salida de la funcin suma excede el
valor de entrada mximo de la neurona, esta responde generando una
salida.

En la figura podemos ver un modelo en capas de una red neuronal artificial,

que consiste de un conjunto de neuronas.
Cada neurona tiene varias entradas y su salida esta conectada a un
conjunto de otros procesadores de entradas.
Cuando una ANN funciona en modo normal, a partir de los datos
presentados en la entrada, se genera un patrn especfico de salida. La
relacin Entrada/Salida ser determinada durante el modo entrenamiento,
entonces cuando una entrada conocida es presentada da la salida
esperada.
El algoritmo de entrenamiento ajusta los pesos de las entradas hasta que
se alcanza la salida esperada.
Las neuronas en la figura tienen una leve complejidad computacional,
porque solo se comunican con las neuronas ms cercanas conectndose
de forma simple. Por las caractersticas y capacidades que ofrece la
tecnologa VLSI es posible (en costos) construir una Red Neuronal con
muchos procesadores.

Ing. Jos Rosales Fernandez

Laboratorio de Electrnica

Que es un agente inteligente?

Publicado el mayo 23, 2007 por Alejandro Madruga

Veamos algunas de las definiciones de agente inteligente:

Agente inteligente: entidad capaz de percibir el entorno y de actuar sobre l. / Es una
entidad de software persistente con un propsito especfico. / Un agente autnomo es un
sistema que habita en un entorno dinmico y complejo, en el que percibe y acta de
manera autnoma, alcanzando el conjunto de objetivos para el que fue diseado. / Un
programa autocontenido que es capaz de controlar sus acciones y decisiones para
alcanzar unos objetivos, basndose en su percepcin del entorno. / Es un sistema que
est situado y que forma parte de un determinado entorno, que percibe este entorno y
que acta en l continuamente y con su propia planificacin, persiguiendo el objetivo de
cambiar su propia percepcin
Caractersticas de los agentes inteligentes:
Los agentes tienen un punto de vista incompleto, pero esto no limita que se halle una
solucin (aproximada). Lo que se pretende en que la solucin sea completa y
consistente.
Los agentes se mueven dentro de un entorno virtual operando a travs de un sistema.
Los agentes inteligentes dentro del entorno de software tendrn una funcin anloga a la
que realizan los robots en el mundo real, de ah el nombre de softbots (software robot).
Hoy en da se ha puesto de moda el nombre agente software. Al que se le aplican las
definiciones dadas anteriormente, resaltando la condicin de autonoma: Debe actuar

autnomamente sin la intervencin de seres humanos u otros sistemas y debe tener

control sobre su estado interno y sobre su propio comportamiento.
Control del entorno
En la mayor parte de los dominios el agente slo tendr control parcial del entorno.
Una misma accin realizada por el agente en diferentes ocasiones puede tener efectos
distintos.
Un agente debe estar preparado para fallar.
Un agente dispone de un repertorio de acciones con sus correspondientes
precondiciones.
Un agente debe estar preparado para decidir que accin realizar para alcanzar sus
objetivos de diseo.
Las arquitecturas de agentes son sistemas de toma de decisiones empotradas en un
entorno.
Tipos de entorno:
Accesible / inaccesible.
Determinista / indeterminista.
Episdico / no episdico.
Esttico / dinmico.
Discreto / continuo
De acuerdo con su accionar sobre el entorno una agente inteligente se puede definir
como: un sistema que est situado en un cierto entorno y que tiene capacidad de actuar
autnomamente de forma flexible en ese entorno para satisfacer sus objetivos de diseo.
Flexibilidad:
Reactividad: capacidad de responder oportunamente a los cambios percibidos en el
entorno.
Pro-actividad: comportamiento dirigido por el objetivo.
Habilidad social: capacidad de interaccin con otros agentes para satisfacer sus
propios objetivos (negociacin y cooperacin con agentes que persiguen otros
objetivos).
Otras caractersticas de los agentes es la capacidad de razonamiento, la capacidad de
aprendizaje, la movilidad, la honestidad, etc.
Diferencias entre agentes y sistemas expertos (SE).
Los SE no suelen interactuar directamente con el entorno (de ah que algunos le
llamaran sistema autistas.
Los SE suele disearse para tareas ms complejas donde ellos tienen todo el control de

las decisiones para ese dominio.

Los SE no suelen cooperar entre si.
Ventajas de los agentes inteligentes:
Facilitarle el trabajo a los usuarios
Actuar como consultantes
Servir de operadores en medios complejos
Dificultades:
Cmo conocer la informacin relevante o irrelevante
Cmo agilizar la bsqueda
Cmo evitar repetir una tarea realizada.
Cmo habrselas con diferentes protocolos, formatos y sistemas de acceso a la
informacin.