0%(1)0% fanden dieses Dokument nützlich (1 Abstimmung)
448 Ansichten3 Seiten
El documento proporciona información sobre diferentes paradigmas de inteligencia artificial como la inteligencia artificial simbólica, conexionista, evolutiva, y distribuida. Describe que la inteligencia artificial simbólica se basa en la lógica clásica y ha tenido éxito con sistemas expertos, mientras que la inteligencia artificial conexionista se inspira en redes neuronales. La inteligencia artificial evolutiva usa algoritmos evolutivos basados en la selección natural, y la inteligencia artificial distribuida estudia sistemas formados por
El documento proporciona información sobre diferentes paradigmas de inteligencia artificial como la inteligencia artificial simbólica, conexionista, evolutiva, y distribuida. Describe que la inteligencia artificial simbólica se basa en la lógica clásica y ha tenido éxito con sistemas expertos, mientras que la inteligencia artificial conexionista se inspira en redes neuronales. La inteligencia artificial evolutiva usa algoritmos evolutivos basados en la selección natural, y la inteligencia artificial distribuida estudia sistemas formados por
El documento proporciona información sobre diferentes paradigmas de inteligencia artificial como la inteligencia artificial simbólica, conexionista, evolutiva, y distribuida. Describe que la inteligencia artificial simbólica se basa en la lógica clásica y ha tenido éxito con sistemas expertos, mientras que la inteligencia artificial conexionista se inspira en redes neuronales. La inteligencia artificial evolutiva usa algoritmos evolutivos basados en la selección natural, y la inteligencia artificial distribuida estudia sistemas formados por
Inteligencia Artificial Simblica (IAS) La IA simblica o clsica, fue la primera aproximacin que se utiliz para incorporar conocimientos y raciocinio en los computadores. Este tipo de aproximacin se basa en los preceptos de la Lgica Clsica que fueron enunciados hace ms de 2000 aos por Aristteles. Las aplicaciones de la IAS corresponden a aplicaciones donde el ambiente es conocido y existe precisin en los datos. Esta aproximacin ha tenido muchos xitos, fundamentalmente con los llamados Sistemas Expertos. Es el nombre colectivo para todos los mtodos de investigacin de la inteligencia artificial que se basan en representaciones de alto nivel "simblico" de los problemas, la lgica matemtica y la bsqueda A simblica fue el paradigma dominante de la investigacin en IA desde mediados de los cincuenta hasta finales de los aos ochenta. Despus, se introdujeron enfoques sub-simblicos ms recientes a la IA, basado en redes neuronales, estadstica, optimizacin numrica y otras tcnicas. La IA simblica se sigue aplicando en algunos dominios ms pequeos (como la representacin del conocimiento), pero la mayora de las aplicaciones de IA en el siglo XXI no emplean smbolos legibles como sus objetos primarios. John Haugeland dio el nombre GOFAI (por sus siglas en ingls, Good OldFashioned Artificial Intelligence) a la IA simblica en su libro de 1985 Inteligencia Artificial: La Idea Pura, que explor las implicaciones filosficas de la investigacin de la inteligencia artificial. En robtica el trmino anlogo es GOFAIR (por sus siglas en ingls, "Good Old-Fashioned Robotics"). Este enfoque se basa en la suposicin de que muchos aspectos de la inteligencia se pueden lograr mediante la manipulacin de smbolos, un supuesto definido como la "hiptesis de sistemas de smbolos fsicos" por Allen Newell y Herbert A. Simon a mediados de los aos 60s.
Alumno: Guzmn Solano Elas Edmundo
Materia: Inteligencia Artificial
No. De control: 13320890
Horario: 0800: - 09:00 Hrs.
Inteligencia Artificial Conexionista (IAC)
La IAC se inspira en la estructura neuronal del cerebro para implementar sistemas con capacidad de reconocer patrones, clasificar, aprender, etc. A partir de la interconexin de unidades elementales, llamadas neuronas, se obtienen las llamadas Redes Neuronales Artificiales (RNA), las que presentan un comportamiento emergente. La IAC se aplica en situaciones donde existe imprecisin, principalmente desde el punto de vista del raciocinio (o sea, no se conoce con exactitud cmo se resuelve el problema). El principio central del conexionismo es que los fenmenos mentales pueden ser descritos por redes de unidades sencillas y frecuentemente iguales que se interconectan. La forma de las conexiones y de las unidades vara de un modelo a otro. Por ejemplo, las unidades de la red podran representar neuronas y las conexiones podran representar sinapsis. Otro modelo podra hacer cada unidad de la red una palabra, y cada conexin una indicacin de similitud semntica. Las bases de las ideas conexionistas se pueden remontar a finales del siglo XIX, cuando Santiago Ramn y Cajal estableci las bases para los estudios de redes neuronales, cuando describi la estructura de las neuronas y su forma de interconexin. 2 Ms tarde, en 1949, Donald Hebb propuso su postulado de aprendizaje segn el cual la conexin entre dos neuronas se har ms fuerte si se disparan al mismo tiempo. Pero no fue hasta la dcada de 1980 cuando el conexionismo se convirti en un punto de vista popular entre los cientficos.
Inteligencia Artificial Evolutiva (IAE)
Esta surgi al final de los aos 60, cuando se comenz a estudiar la incorporacin de mecanismos de seleccin natural para la solucin de problemas. Como resultado se crearon una serie de algoritmos que, basados en la Teora de la Evolucin de Charles Darwin, conducen una bsqueda estocstica de la solucin de un problema, haciendo evolucionar a un conjunto de estructuras y seleccionando de modo repetido, las ms adecuadas. La computacin evolutiva (en adelante CE) es una de las ramas de la Inteligencia Artificial que se aplica para la resolucin de problemas de optimizacin combinatoria. La CE est inspirada en los mecanismos de evolucin biolgica propuestos por Darwin, Medel y Lamark. Sin entrar mucho en detalle sobre los estudios que hicieron estos cientficos, solo vamos a mencionar brevemente lo que propusieron. Darwin propuso la Seleccin natural de los ms adaptados , Medel propuso la Teora corpuscular de la herencia y Lamark propuso la Herencia de caracteres adquiridos .
Alumno: Guzmn Solano Elas Edmundo
Materia: Inteligencia Artificial
No. De control: 13320890
Horario: 0800: - 09:00 Hrs.
Entre los principales aspectos a considerar en el diseo de algoritmos evolutivos
se encuentran los siguientes:
La eleccin de una codificacin (representacin de las variables del
problema en el algoritmo evolutivo) tiene un gran efecto en el tamao del Espacio de bsqueda y por ende, en el tiempo y dificultad de resolucin.
La funcin de desempeo (fitness function), la cual considera en la funcin
objetivo o funcin de la cual se desea obtener el valor ptimo.
Los algoritmos evolutivos poseen diversos parmetros los cuales deben ser cuidadosamente elegidos para obtener un buen desempeo y evitar problemas tales como la Convergencia prematura.
Inteligencia Artificial Distribuida (IAD )
La IAD es una subrama de la IA que se centra en la resolucin de problemas mediante aplicacin tanto de tcnicas de la Inteligencia Artificial como de mltiples solucionadores de sistemas. Se involucran adems mnimo dos agentes que funcionaran como solucionadores de problemas, estos agentes seran autnomos o semi-autnomos, tendran un cierto conocimiento del problema y seran razonables. aparece en la dcada de los 80's como una nueva rama de la IA, estudia sistemas inteligentes formados por un conjunto de varios agentes, intenta resolver problemas donde una conducta colectiva es ms eficiente que una conducta individual. Cuando propuestas centralizadas para solucionar problemas mediante la IA se muestran insuficientes ante la aparicin de mltiples agentes en un entorno social, En los problemas esencialmente distribuidos. En la integracin de los sistemas de IA para mejorar la capacidad mediante la distribucin del conocimiento. La principal diferencia entre ambas reas estriba en la flexibilidad de la coordinacin entre los agentes. En la SCPD, las interacciones y tareas que cada agente realiza, estn prefijadas de antemano: hay un plan centralizado de resolucin de problemas. Suele haber un miembro que ejerce un control global que centraliza los resultados parciales y datos entre el resto de los componentes del sistema. En contraposicin en los SMA, los agentes tienen un grado de autonoma mayor y pueden decidir dinmicamente que interacciones son adecuadas, que tareas deben realizar, quien realiza cada tarea y, adems, es posible mantener conocimiento que no es globalmente consistente, incluso los agentes pueden mantener objetivos globales diferentes.