Efectos de las Computadoras sobre la Sociedad

(1)

EFECTOS DE LAS COMPUTADORAS

SOBRE LA SOCIEDAD

“INTELIGENCIA ARTIFICIAL”

Área Académica: Ingeniería

Profesor(a): M. en S.C. Jaqueline Sánchez Espinoza

(2)

Resumen

La inteligencia artificial es aquella que trata de explicar el funcionamiento mental basándose en el desarrollo de algoritmos para controlar diferentes cosas. La inteligencia artificial combina varios campos, como la robótica, los sistemas expertos y otros, los cuales tienen un mismo objetivo, que es tratar de crear máquinas que puedan pensar por sí solas, lo que origina que hasta la fecha existan varios estudios y aplicaciones, dentro de las que se encuentran las redes neuronales, el control de procesos o los algoritmos genéticos.

(3)

Abstract

Artificial intelligence is one that attempts to explain mental functioning based on the development of algorithms to control different things. Artificial intelligence combines several fields such as robotics, expert systems and others, which have the same goal, which is to try to create machines that can think for themselves, resulting so far there are several studies and applications, within which are neural networks, process control and genetic algorithms.

(4)

Desarrollo del tema

UNIDAD II Efectos de las Computadoras

sobre la sociedad

2.1 Inteligencia Artificial

2.2 Sistemas Expertos

2.3 Ejemplos

(5)

La Inteligencia Artificial es la parte de la Ciencia que

se ocupa del diseño de sistemas de computación

inteligentes, es decir, sistemas que exhiben las

características que asociamos a la inteligencia en el comportamiento humano que se refiere a la comprensión

del lenguaje, el aprendizaje, el razonamiento, la

resolución de problemas, entre otros.

(6)

Estudios centrados en Redes Neuronales.

Demostración de Teoremas y Ajedrez.

(1937) Matemático Ingles Alan Mathison Turing (Articulo

"Números Calculables”), introdujo la Máquina de Turing, una

entidad matemática abstracta que formalizo el concepto de

algoritmo y resulto ser la precursora de las computadoras

digitales.

(7)

2.1.2 PRINCIPALES RAMAS

Desarrollo de dispositivos mecánicos o de computación

que tengan la capacidad de realizar funciones y/o tareas

que requieran de un alto grado de precisión, tediosas o

impliquen riesgo de peligro para los seres humanos.

I.A.

Robótica

(8)

Equipos y software que les permite a las

computadoras capturar, almacenar y

manipular imágenes visuales y

fotografías.

Se pueden usar junto con robots para darles "visión" a

estas máquinas y que pueda tomar decisiones con base a

lo que ve y reconocer la información visual de acuerdo con

patrones generales.

I.A.

Robótica

Sistema de visión

(9)

Programas que tienen como entrada

lenguajes humanos para traducirlos en un

conjunto estándar de instrucciones que

una computadora ejecuta.

Permiten a los seres humanos usar su propio lenguaje

natural cuando interactúan con programas como sistemas de administración de bases de datos (DBMS).

I.A.

Robótica Robótica

Sistema de visión Sistema de

visión Procesamiento

de Lenguaje Natural Procesamiento

de Lenguaje Natural

Procesamiento de Lenguaje Natural

(10)

El objetivo de los procesadores de lenguaje natural es eliminar

paulatinamente la necesidad de aprender lenguajes de

programación o comandos personalizados para que las computadoras entiendan.

Su ventaja radica en que combinados con dispositivos de

reconocimiento de voz, el usuario de instrucciones a las

computadoras para que realicen tareas, sin usar un teclado o

cualquier otro dispositivo de entrada.

(11)

Combinación de software y equipos que le permite a la

computadora cambiar su modo de funcionar o reaccionar

a situaciones, basado en la retroalimentación que recibe.

I.A.

Robótica

Sistema de visión

Procesamiento de Lenguaje

Natural

Procesamiento de Lenguaje

Natural

Sistemas de Aprendizaje

(12)

Es un sistema de computación que

puede actuar en la misma forma que funciona el cerebro humano, o

simularlo.

I.A.

Robótica Robótica Sistema de visión Sistema de visión Sistemas de Aprendizaje Sistemas de Aprendizaje Redes Neuronales Redes Neuronales

Redes Neuronales

La redes neuronales pueden procesar muchas piezas de

(13)

•_{Capacidad de recuperar información incluso si falla alguno de}

sus nodos.

•_{Modificación rápida de los datos almacenados a partir de}

nueva información.

•_{Capacidad de descubrir relaciones y tendencias en grandes}

bases de datos.

•_{Capacidad de resolver problemas complejos para los cuales no}

se cuenta con la información.

(14)

Se basa en reglas que no tienen límites

discretos, sino que se prolongan en un continuum, permitiendo a un sistema

manejar mejor la ambigüedad.

I.A.

Robótica Robótica Sistema de visión Sistema de visión Sistemas de Aprendizaje Sistemas de Aprendizaje Redes Neuronales Redes Neuronales Lógica Difusa Lógica Difusa

Lógica Difusa

Esto es muy útil para reflejar cómo tienden a pensar las personas, en términos relativos, no absolutos.

(15)

Un algoritmo genético es un método de

búsqueda dirigida basada en

Probabilidad. Al aumentar el número de

iteraciones, la probabilidad de tener el óptimo en la población tiende a 1.

I.A.

Robótica Robótica Sistema de visión Sistema de visión Sistemas de Aprendizaje Sistemas de Aprendizaje Redes Neuronales Redes Neuronales Lógica Difusa Lógica Difusa Algoritmos Genéticos Algoritmos Genéticos

Algoritmos Genéticos

Funciones matemáticas que usan los principios de Darwin para

(16)

Programas de computadora que

automáticamente revisan enormes

cantidades de datos y seleccionan y

entregan la información más

I.A.

Robótica Robótica Sistema de visión Sistema de visión Sistemas de Aprendizaje Sistemas de Aprendizaje Redes Neuronales Redes Neuronales Lógica Difusa Lógica Difusa Algoritmos Genéticos Algoritmos Genéticos Agentes Inteligentes Agentes Inteligentes

Agentes Inteligentes

adecuada para el usuario, de acuerdo con requisitos

contextuales o específicos. La aplicación más importante de los agentes inteligentes se encuentra en la WEB.

(17)

El propósito principal de los agentes inteligentes es

realizar sus tareas significativas más rápido, con más

frecuencia y de manera más efectiva, que el usuario. Los

agentes inteligentes vinculan automáticamente su computadora con sitios favoritos, le avisan cuando éstos

se hayan actualizado y adecuan páginas específicas a sus

preferencias.

(18)

Programa de computadora, inteligente, que

usa el conocimiento y los procedimientos de inferencia para resolver problemas que son

suficientemente

I.A.

Robótica Robótica Sistema de visión Sistema de visión Sistemas de Aprendizaje Sistemas de Aprendizaje Redes Neuronales Redes Neuronales Lógica Difusa Lógica Difusa Algoritmos Genéticos Algoritmos Genéticos Agentes Inteligentes Agentes Inteligentes Sistemas Expertos Sistemas Expertos

Sistemas Expertos

suficientemente difíciles como para requerir significativa

experiencia humana para su solución. Hace un amplio uso del

(19)

Se utilizan los términos: Sistema Experto (SE),

Sistemas Basados en Conocimientos o Sistema Experto Basado en Conocimiento.

Para construir un SE, un ingeniero del

conocimiento se entrevista con un experto

humano, y traduce la información en código.

(20)

•_{Pueden explicar su razonamiento o decisiones sugeridas.}

•_{Puede mostrar un comportamiento "inteligente“.}

•_{Puede obtener conclusiones de relaciones complejas.}

•_{Puede proporcionar conocimientos acumulados.}

•_{Puede hacer frente a la incertidumbre.}

2.2.1 Características de los Sistemas

Expertos (SE)

(21)

2.2.2 Capacidades de los SE

En comparación con otros tipos de sistemas de información,

los SE ofrecen varias capacidades poderosas y beneficios. Los

SE se pueden usar para solucionar problemas en todos los

campos y disciplinas y ayudar en la totalidad de las etapas del proceso de solución del problemas.

(22)

2.2.3 Usos de los SE

El desarrollo de un SE complejo puede ser difícil,

costoso y requerir de tiempo, por lo tanto, es

importante asegurarse de que los posibles beneficios

valen el esfuerzo y que las diversas características del

S.E. se equilibran, en términos de costo, control y complejidad.

(23)

•_{No se han usado o probado en forma extensa.}

•_{Dificultad de uso.}

•_{Están limitados a problemas relativamente limitados.}

•_{No pueden enfrentar con facilidad a conocimientos "mixtos".}

•_{Posibilidad de error.}

(24)

2.2.5 Componentes de los SE

El usuario interactúa con el SE a través de una interfaz, la cual puede contender menús, procesamiento del lenguaje natural u otro tipo de

interacción. Debe ser amigable en la entrada y salida de información.

I

nt

er

fa

z

de

U

su

ar

(25)

Se corresponde con el proceso de crear y actualizar la base de conocimientos

In

te

rf

az

d

e

U

su

ar

(26)

Almacena toda la información, datos, reglas, casos y relaciones importantes que utiliza el SE. Para cada aplicación única se tiene que desarrollar una base conocimientos.

In

te

rf

az

d

e

U

su

ar

io Adquisición de _Conocimiento Base de Conocimiento _(BC)

Memoria Activa (Hechos)

y

(27)

Es similar a la suma total de los conocimientos y experiencias de los expertos humanos que se obtienen a través de años de trabajo en un área o disciplina específica.

In

te

rf

az

d

e

U

su

ar

y

(28)

El uso de reglas: una regla es una instrucción condicionada que enlaza determinadas condiciones con acciones o resultados. La regla se crea por medio de construcciones de SI – ENTONCES.

In

te

rf

az

d

e

U

su

ar

y

(29)

I nt er fa z de U su ar io Adquisicion de Conocimiento

Base de Conocimiento (BC)

y

Reglas

El proceso incluye:

1) Encontrar casos almacenados en la base de conocimientos, que sean similares al problema,

2) Modificar las soluciones a los casos para adaptarlas, o ajustarlas, al problema o la situación actual.

(30)

In te rf az d e U su ar

io Adquisición de _Conocimiento

Mecanismo de Inferencia.

Conocido como Motor de Inferencia, usado para buscar información y relaciones en la base de conocimientos, y proporcionar respuestas, pronósticos y sugerencias en la misma forma en que lo haría un experto humano.

y

(31)

In

te

rf

az

d

e

U

su

ar

Se asocia con un modelo o paradigma para resolver problemas.

•_{Modelo que utiliza métodos de encadenamientos de reglas SI}

– ENTONCES para formar una línea de razonamiento.

y

(32)

In

te

rf

az

d

e

U

su

ar

•_{Si la conclusión es conocida pero la ruta de la conclusión no es conocida}

entonces el método que se utiliza es el encadenamiento hacia atrás.

y

(33)

In

te

rf

az

d

e

U

su

ar

y

Reglas

Busca a través de la BC, intentando asociar el conocimiento almacenado en forma de hechos el antecedente de una regla (condición).

(34)

Permite explicar el proceso de razonamiento seguido para tomar una decisión. In te rf az d e U su ar

Medio de Explicacion

y

Reglas

Responderá a la pregunta: ¿Cómo? O ¿Por qué? Cuando ha efectuado una conclusión.

(35)

2.3 Ejemplos

• Robot QRIO de Sony http://www.youtube.com/watch?v=rokOtmUhos0 • El primer trabajo práctico de Robótica en la Maestría de Inteligencia

Artificial en la UCLA, Venezuela :D...Robot minibot Lego RCX http://www.youtube.com/watch?v=Wz0aJmFYeaE

• Video de Robótica

http://www.youtube.com/watch?v=yzCadN4_5Ms • Video Redes Neuronales

http://www.youtube.com/watch?v=HdHFTxlYIjc • Video Lógica difusa

(36)

Referencias

Claver Cortés, Enrique, Sistemas de información estratégicos, Ed. Trillas, ISBN:9788479082024.

Peter Norvig, Inteligencia artificial un enfoque moderno, Ed. Pearson España,

ISBN: 9788483227565

Roque Luis Marín Morales, Inteligencia Artificial y Sistemas Inteligentes, Ed. McGraw Hill, ISBN: 9788448174019