FACULTAD DE INGENIERA
AGENTES INTELIGENTES
&
PROCESAMIENTO DE LENGUAJE NATURAL
Autores:
HUACHACA CHVEZ, Edinsn Fredy
Docente:
Ing. INGA GANOZA, Luis Alberto
Asignatura:
Inteligencia artificial
Huaraz 2017
INTRODUCCIN
La inteligencia artificial o IA es una de las disciplinas ms nuevas que existen y mucha gente an no
tiene claro lo que es en si la IA.
Existen muchas definiciones, unas ms inclinadas hacia alguna rama en especial de la IA que otras,
pero en resumen se puede decir que la IA trata de:
En los ltimos aos la IA ha ido evolucionando tal vez ms rpido que otras disciplinas y ha
comenzado a abarcar muy diversas reas que van desde:
Razonamiento
Bsqueda
Sistemas Expertos
Sistemas de diagnsticos
etc.
Si se ve a la IA desde un punto que la presenta como el medio para desarrollar sistemas que piensen
y acten racionalmente, se puede decir que la IA en conjunto trata de construir a estas entidades
autnomas e inteligentes.
Cabe mencionar que conforme la metodologa para desarrollar agentes inteligentes se clasifique y
est disponible para los desarrolladores o en otras palabras, mayormente difundida, la aplicacin de
estas tcnicas de IA a cualquier tipo de problemas ser mucho ms unificada.
Se puede asegurar que se est ante el nacimiento de una nueva tecnologa, los agentes inteligentes,
que nos permiten abordar de una manera ms apropiada la construccin de sistemas inteligentes ms
complejos aplicados a muy diversos campos
AGENTE INTELIGENTE
Pero, qu son?, en qu consisten?, cules son sus caractersticas?, qu nos ofrecen?, este es el
objetivo de esta investigacin.
Siguiendo esta definicin se puede decir que se pueden caracterizar varios tipos de agentes de
acuerdo a sus atributos (que son los que definen su comportamiento) Botti, 1999, para resolver
un determinado problema El origen por el cual la tecnologa de los agentes inteligentes surge
es por la necesidad de aplicarlos a los sistemas complejos, donde la aplicacin de las tcnicas
existentes ha fracasado o es muy difcil de comprender o mantener.
Entre ellos. Las interacciones ms habituales son informar o consular otros agentes y
esto les permite a los agentes hablar entre ellos, saber qu hace cada uno de ellos y razonar
sobre el papel que juega cada uno en el sistema.
La comunicacin entre agentes se realiza por medio del lenguaje ACL Agent Communication
Lenguaje.
Hay dos principales caractersticas que distinguen a los agentes inteligentes del desarrollo de
software tradicional y estas son la inteligencia y la agencia.
Agentes inteligentes:
Comportamiento racional:
Autonoma:
no bajo el control inmediato de una persona un agente es ms autnomo...
Representante virtual:
(http://www.cajamadrid.es/CajaMadrid/Home/puente?pagina=3447)
Es un asistente virtual de un banco de Madrid. Funciona con lenguaje natural con una
sintaxis sencilla y siempre de una en una. Al momento de preguntarle quienes me responde
y me hace alguna pregunta como: como desea que le llame a partir de ahora, o de que ciudad
es usted. Si tecleo algo sin sentido o tecleo una pregunta que no entiende, me dice que no
entendi mi pregunta, que tal vez se deba a un error de tecleo y lo intente de nuevo.
PROCESAMIENTO DE LENGUAJE NATURAL
INTRODUCCIN
El instrumento que los seres humanos utilizamos para comunicar el conocimiento es el lenguaje
natural. Actualmente, buena parte del saber humano se encuentra en forma digital en distintos
tipos de colecciones de datos. Los volmenes de informacin son inmensos, segn la
International Data Corporation, el mundo gener zettabytes de informacin digital en 2011 y sin
el Procesamiento de Lenguaje Natural (PLN) es difcil aprovecharla. El procesamiento del lenguaje
involucra una transformacin a una representacin formal, manipula esta representacin y por ltimo,
si es necesario, lleva los resultados nuevamente a lenguaje natural. Los campos de desarrollo de PLN
incluyen la recuperacin y extraccin de informacin, traduccin automtica, sistemas de bsquedas
de respuestas, generacin de resmenes automticos, minera de datos, anlisis de sentimientos,
entre otras. Este artculo est organizado de la siguiente manera: se presentan conceptos de los
campos de PLN mencionados, con nfasis en recuperacin y extraccin de informacin con el
propsito de conocer mtodos de extraccin de informacin relevante que pueda ser usada en un
gran rango de aplicaciones. Se introducen algoritmos de clasificacin, se analizan herramientas de
cdigo abierto disponibles actualmente para llevar a cabo estas tareas y se comparan diversas
implementaciones utilizando resultados reportados por distintos autores.
El procesamiento del lenguaje natural (PLN) es el campo que combina las tecnologas de la ciencia
computacional (como la inteligencia artificial, el aprendizaje automtico o la inferencia estadstica)
con la lingstica aplicada, con el objetivo de hacer posible la comprensin y el procesamiento
asistidos por ordenador de informacin expresada en lenguaje humano para determinadas tareas, como
la traduccin automtica, los sistemas de dilogo interactivos, el anlisis de opiniones, etc. Vicomtech-
IK4 sabe que esta importante tecnologa es un factor clave para lograr una interaccin y un
entendimiento integrales en un entorno multimedia, ya que son muchas las formas de contenidos y
aplicaciones multimedia estrechamente vinculadas con el lenguaje.
Los datos no estructurados no tienen un esquema claro, no estn listos para procesar y son lo
opuesto a los datos con un esquema estructurados como los que se encuentran en bases de datos.
Los datos semiestructurados estn en documentos esquema estructurados como los que se
encuentran en bases de datos. Los datos semiestructurados estn en documentos con marcas explcitas
como el cdigo HTML. La informacin encontrada debe ser pertinente y relevante. La relevancia es
la medida de cmo una pregunta se ajusta a un documento y la pertinencia es la medida de cmo un
documento se ajusta a una necesidad informativa.
Las estrategias de recuperacin de informacin involucran la transformacin del texto en
representaciones adecuadas de acuerdo a modelos especficos que cumplan con los propsitos de las
bsquedas.
Como se muestra en la Figura1, los modelos pueden ubicarse en categoras de acuerdo a dos posibles
dimensiones: sus bases matemticas y sus propiedades.
En la dimensin de bases matemticas, el texto puede ser representado como: conjuntos de
palabras o frases en donde las coincidencias se logran realizando operaciones de lgebra
booleana; modelos algebraicos que introducen parmetros e ndices para recuperar informacin con
metadatos, calificar y clasificar documentos en respuesta a una consulta, lo que lleva a modelos
en espacios vectoriales, matriciales o agrupamientos irregulares; modelos probabilsticos que
enfocan la solucin de los problemas de bsqueda desde el punto de vista probabilstico, aplicando
teoremas como el de Bayes; modelos basados en caractersticas que se eligen y combinan y
califican la relevancia de las similaridades usando mtodos de aprendizaje automtico.
CONCLUSIONES
La Extraccin de Informacin (EI) es la base de los procesos que se realizan con lenguaje natural. Para
realizar EI se utilizan distintos modelos para el reconocimiento y etiquetado de entidades que sern
comparadas y clasificadas en dos o ms clases. La clasificacin y categorizacin de textos son los
problemas ms investigados en procesamiento de lenguaje natural debido a la creciente cantidad
de documentos electrnicos existentes en libreras digitales. Como una medida de comparacin del
rendimiento global de distintos algoritmos en grupos de datos de entrenamiento ya etiquetados, se
recopilan reportes de distintos autores, que aplican clasificadores con representaciones vectorial,
jerrquica y SVM en recopilaciones disponibles en Internet: Reuters 21578 y 20Newsgroup. Estas
evaluaciones pueden servir como una aproximacin inicial para la eleccin de algoritmos de
clasificacin para distintos escenarios de implementacin de sistemas de EI.
BIBLIOGRAFIA
de Sevilla http://www.cs.us.es/cursos/ia2-2000/temas/tema-01.pdf
Http://www.5campus.org/leccion/introduc