Principios, Metodologa y Paradigmas de la

Inteligencia Artificial

Alumnos:
Becerra Morales Blanca Maribel
Hernndez Godnez Sandra
Negrete Licn Jos Emmanuel
Moreno Martnez Juan Carlos
 NDICE
1. Principios de la Inteligencia Artificial 3

2. Metodologas de la Inteligencia Artificial. 12

Metodologa del Simbolismo
Metodologa del Conductismo
Metodologa del Conexionismo
Redes Neuronales Artificiales RNA
RNA Hopfield
RNA Back-Propagation
 NDICE
3. Paradigmas de la Inteligencia Artificial . 28
Inteligencia Artificial Simblica (IAS)
Inteligencia Artificial Evolutiva (IAE)
Inteligencia Artificial Hibrida (IAH)
Inteligencia Artificial Distribuida (IAD)

4. Conclusin

5. Bibliografa
205 A.C
La primera mquina autocontrolada
Ctesibio de Alejandra, construy un regulador del flujo
de agua que actuaba modificando su comportamiento
correctamente pero claramente sin razonamiento.

1847 D.C
Lgica Proposicional

Geroge Boole, aproxim la lgica en una nueva direccin

reducindola a un lgebra simple, incorporando la lgica
en las matemticas. Su lgebra consiste en un mtodo
para resolver problemas de lgica que recurre a valores
binarios 1 y 0 y a tres operadores: AND (y), OR (o) y NOT
(no).
1940 D.C
Primer computador electromecnico
Alan Turing, el computador empleaba seales
electromagnticas para mover las partes mecnicas.
Era (tomaba de 3 a 5 segundos por clculo) e inflexible
(la secuencia de clculos no se poda cambiar), pero
ejecutaba operaciones matemticas bsicas y clculos
complejos de ecuaciones sobre el movimiento
parablico.

1941 D.C
Primera Computadora Programable
Konrad Zuse, la computadoraZ3 fue la primera mquina
programable completamente automtica, y el primer
lenguaje de programacin que utilizo fue Plankalkul.
1943 D.C
Modelo de Neuronas Artificiales
Warren McCulloch y Walter Pitts, las redes neuronales
pretenden imitar a pequesima escala la forma de
funcionamiento de las neuronas que forman el cerebro
humano.

1950 D.C
Prueba Turing
Turing consolid el campo de la inteligencia artificial con
su artculo Computing Machinary and Intelligence, en el
que propuso una prueba concreta para determinar si
una mquina era inteligente o no.
1959 D.C
Red tipo Perceptrn
Frank RosenBlatt, su intencin era ilustrar algunas
propiedades fundamentales de los sistemas inteligentes
en general, sin entrar en mayores detalles con respecto
a condiciones especficas y desconocidas para
organismos biolgicos concretos.

1969 D.C
El brazo Stanford
Se desarrollaron los brazos Boston y Stanford, este
ltimo dotado de una cmara y controlado por
computador. Sobre el brazo Stanford se desarroll un
experimento en el que el manipulador apilaba bloques
segn determinados criterios.
1970-1980
Sistemas Expertos
Llamados as porque emulaban el razonamiento de un
experto en un dominio concreto, y en ocasiones son
usados por stos. Con los sistemas expertos se busca
una mejor calidad y rapidez en las respuestas, dando
as lugar a una mejora de la productividad del propio
experto al usar este tipo de sistemas informticos.

1987 D.C
Agente Inteligente
Martin Fischels y Oscar Firschein, describieron los
atributos de los agentes inteligentes, es una entidad
capaz de percibir su entorno, procesar tales
percepciones y responder o actuar en su entorno de
manera correcta y tendiendo a maximizar el resultado
esperado.
997 D.C
Computadora Autnoma
Fue una computadora de IBM que jugaba ajedrez, la
primera que venci a un campen del mundo vigente,
Gary Kasparov, el siempre declaro que perdi puesto
que IBM contaba con todos los movimientos de sus
partidas programadas en el computador.

2005 D.C
Prototipo Robot NAO
Es un robot humanoide programable y autnomo,
desarrollado por Aldebaran Robotics, una compaa de
robtica francesa.
2010 D.C
Programa Suzette
Prueba de Turing, el programa Suzette gan el premio
Loebner.

Mayo 2014 D.C

La Inteligencia Artificial podra ser el peor de nuestros errores
Hawking, expres que los robots dominarn nuestros
tiempos y ha afirmado que la inteligencia Artificial podra
ser el peor de nuestro errores y ha advertido sobre los
riesgos de que las mquinas tengan sper inteligencia.
 Junio 2014 D.C
Un ordenador ha logrado superar con xito el test de Turing
Un ordenador logra superar el test de Turing haciendo
creer a un interrogador que es una persona quien
responde a sus preguntas (certamen organizado en
Londres ). El ordenador con el programa Eugene
desarrollado en Rusia, se ha hecho pasar por un chico
de 13 aos.

Agosto 2014 D.C

Futuro de hombres binicos

Marvin Minsky, el cientfico neoyorquino, considerado

como uno de los padres de la Inteligencia Artificial,
asegura que el futuro sern los hombres binicos.
 Metodologa del Simbolismo

Se origina a partir de la cognicin computacional.

El propsito de la Cognicin Computacional es dar como pauta el estudio de la cognicin

humana para entrar en una fase cientfica de investigacin regular (Simon, H. A., (1997)).
 Programacin Lgica
Hechos
Reglas
Restricciones

Ejemplos:

LISP

PROLOG
 Sistemas Expertos

Es un sistema de informacin basado en el conocimiento que usa su

conocimiento de un rea de aplicacin compleja y especfica a fin de actuar
como un consultor experto para los usuarios finales.
 Metodologa del Conductismo

Consiste en el empleo de procedimientos estrictamente experimentales para

estudiar el comportamiento humano observable, es decir, lisa y llanamente la
conducta que despliega una persona y lo har entendiendo al entorno de esta
como un conjunto de estmulos-respuesta.(John B.Watson, Siglo XIX).
 Lgica Difusa

La Lgica Difusa es una lgica multivaluada que permite representar

matemticamente la incertidumbre y la vaguedad, proporcionando herramientas
formales para su tratamiento.
 Lgica Difusa

Control de un robot.

Control Inteligente.
 Metodologa del Conexionismo

El conexionismo es la filosofa que se propone estudiar la mente usando estos

sistemas como modelos de las principales funciones mentales
(La mente humana, Fernando Broncano).
 Metodologa del Conexionismo

Cuando el ordenador es usado para simular el cerebro humano, debera hacerse

nfasis que la simulacin estructural, es decir, simular la estructura de una red de
sistema neuronal humano biolgico. (McCulloch W. S., y Pitts, W).
 Redes Neuronales Artificiales (RNA)

Son un sistema de computacin compuesto por un gran numero de elementos

simples (neuronas), elementos de procesos interconectados los cuales procesan
informacin por medio de sus estado como respuesta de sus entradas externas.
 Elementos de las RNA

Entradas
Pesos
Estado de Activacin
Capa de entrada
Capa oculta
Capa de salida
Salida
 Aprendizaje de una RNA

Las redes neuronales extraen generalizaciones desde un conjunto determinado

de ejemplos anteriores de determinados problemas.
Una red neuronal debe aprender a calcular la salida correcta con respecto a
determinadas entradas que recibe.

Este proceso de aprendizaje se denomina: proceso de entrenamiento o

acondicionamiento.

El conjunto de datos sobre el cual este proceso se basa es

llamado: conjunto de datos de entrenamiento.
 Ventajas de las RNA

Aprendizaje adaptativo
Auto-Organizacin
Tolerancia a fallos
Operacin en tiempo real
Fcil insercin dentro de tecnologa existente
 RNA Hopfield

En el enfoque Conexionista, su
representacin tpica es el Modelo de
Redes Neuronales Hopfield:

Es una conexin completa de una sola capa

y de un sistema de retro alimentacin
completo. Cada neurona de la red esta
interconectada desde su salida a otras
neuronas a travs de conexiones, y al
mismo tiempo, recibe la informacin
enviada de otras neuronas.
 RNA Back-Propagation

Un modelo back-propagation consiste en minimizar el tipo de error en el

aprendizaje, cuyo proceso de aprendizaje es realizado en dos partes:
propagacin feed-forward de entrada y propagacin feed-back de error.
 Inteligencia Artificial Simblica (IAS)
Fue la primera aproximacin utilizada para incorporar conocimientos y raciocinio
en las computadoras.

Las aplicaciones de la IAS corresponden a aplicaciones donde el ambiente es

conocido y existe precisin en los datos.

Ha tenido muchos xitos, fundamentalmente con los llamados:

Sistemas
Expertos
 Sistemas Expertos
Segn Feigenbaum un sistema experto es:

Un programa inteligente de ordenador que utiliza conocimiento y procedimientos

inferenciales para resolver problemas lo suficientemente difciles que exigen la
competencia de un experto humano en su resolucin.

Los sistemas expertos funcionan de manera que almacenan conocimientos

concretos y solucionan los problemas, utilizando esos conocimientos, mediante
deduccin lgica de conclusiones.
 Componentes de los Sistemas Expertos
Base de conocimiento (BC)
Contiene el conocimiento necesario para entender, formular y resolver problemas.
Incluye dos elementos bsicos: hechos, la situacin del problema y reglas, que
dirigen el uso de conocimientos paras resolver problemas especficos.

Motor de Inferencias
Unidad lgica con la que se extraen conclusiones de la BC, imitando el
procedimiento humano para solucionar problemas.
 Tipos de Sistemas Expertos

Sistemas Expertos basados en reglas

En estos sistemas, la base de conocimiento

contiene las variables y el conjunto de reglas
que definen el problema, y el motor de
inferencia es capaz de extraer conclusiones
aplicando mtodos de lgica sobre esta base.
 Tipos de Sistemas Expertos
Sistemas Expertos basados en casos (CBR)

Sistema basado en usar viejas experiencias para comprender y resolver nuevos

problemas. Consta de 3 partes principales:

Base de Casos

Modulo de Recuperacin

Modulo de Adaptacin
 Inteligencia Artificial Evolutiva (IAE)
Emula a la evolucin natural en el diseo e implementacin de herramientas
computacionales para la resolucin de problemas.

Una de las ms conocidas y originales tcnicas de resolucin de problemas

dentro de la IAE son los Algoritmos Genticos o Algoritmos Evolutivos.
 Algoritmos Evolutivos
Constituyen una tcnica general de resolucin de problemas de bsqueda y
optimizacin inspirada en la teora de la evolucin de las especies y la seleccin
natural.
FASES:
Componentes bsicos:
Poblacin
Combinacin Mutacin
Seleccin
 Inteligencia Artificial Hbrida (IAH)
Su objetivo se basa en la creacin de sistemas hbridos los cuales estn
formados por la integracin de varios subsistemas inteligentes, cada uno de los
cuales mantiene su propio lenguaje de representacin y un mecanismo diferente
de inferir soluciones.
 Inteligencia Artificial Hbrida (IAH)
Medsker y Bailey (1992)

Han definido cinco modelos de hibridacin:

Modelos Independientes
Modelos transformacionales
Modelos ligeramente acoplados
Modelos fuertemente acoplados
Modelos totalmente integrados
 Inteligencia Artificial Distribuida (IAD)
La IAD aparece en la dcada de los 80s, estudia sistemas inteligentes formados
por un conjunto de agentes.

Se basa en la modularidad, su funcionamiento depende de un conjunto de partes

(o mdulos) que trabajan de modo cooperativo para resolver un determinado
problema. Estos mdulos suelen ser agentes inteligentes que buscan darle una
funcionalidad global al sistema.

Agente Inteligente Agente Inteligente Agente Inteligente

 Bibliografa
Algoritmos Evolutivos. Un enfoque prctico
Araujo Lourdes, Cervign Carlos

Sistemas Expertos Basados en reglas

Jos Manuel Gutirrez
Dpto. de Matemtica Aplicada. Universidad de Cantabria

Metodologas de Inteligencia Artificial para la Toma de Decisiones

Nicolay Mena OMeara, Eduardo Vicens Salort, Francisco Cruz Lario
Centro de Investigacin Gestin e Ingeniera de la Produccin

Paradigmas y otros programas desarrollados con inteligencia artificial

Universidad Nacional de Loja
 Bibliografa

La mente Humana
Fernando Broncano
Enciclopedia Iberoamericana de la filosofa

Investigacin Aplicada a la Ingeniera Qumica (GIAIQ)

Universidad Tecnolgica Nacional
Facultad Regional Rosario Departamento de Ingeniera Qumica