Sistemas inteligentes

SISTEMAS
Grupo de componentes interrelacionados que
trabajan juntos hacia un fin común, aceptando inputs
y produciendo outputs en un proceso de
transformación organizado.
 INTELIGENCIA

Cualidad mental que consiste en la capacidad para

aprender de la experiencia, resolver problemas y
utilizar el conocimiento para adaptarse a las
situaciones nuevas.
 SISTEMA INTELIGENTE: DEFINICION

Sistema que aprende durante su existencia(para cada

situación que se presenta) y que actúa continuamente
de forma interna o externa de manera que alcanza su
objetivo cada vez mejor.
 SISTEMA INTELIGENTE: EJEMPLOS

• Robots.
• Sistemas de reconocimiento de voz.
• Sistemas de visión artificial.
• Sistemas de reconocimiento de texto manuscrito.
• Sistemas de detección de fraude telefónico.
Para que un sistema inteligente pueda ser considerado completo, debe incluir diversas
funcionalidades que incluyan:

1. Inteligencia: Hay muchas definiciones de "inteligencia". Para usos prácticos

usamos esta: La inteligencia es el nivel del sistema en lograr sus objetivos.

2. Sistematización: Un sistema es parte del universo, con una extensión limitada

en espacio y tiempo. Las partes del sistema tienen más, o más fuertes,
correlaciones con otras partes del mismo sistema; que con partes fuera del
sistema.

3. Objetivo: Un objetivo es una cierta situación que el sistema inteligente quiere

lograr. Normalmente hay muchos niveles de objetivos, puede haber un objetivo principal
y muchos sub-objetivos.
4. Capacidad sensorial: Un sentido es la parte del sistema
que puede recibir comunicaciones del entorno. Se
necesitan los sentidos para que el sistema inteligente
puede conocer su entorno y actuar interactivamente.

5. Conceptualización: Un concepto es el elemento básico

del pensamiento. Es el almacenamiento físico, material de
información (en neuronas o electrones). Todos los
conceptos de la memoria están interrelacionados en red.
La capacidad de conceptualizar implica el desarrollo de
niveles de abstracción.
6. Reglas de actuación: Una regla de actuación es el resultado de una
experiencia o el resultado de interpretar la propia memoria. Relaciona
situación y consecuencias de la acción.

7. Memoria: La memoria es un almacenaje físico de conceptos y

reglas de actuación. Esto incluye la experiencia del sistema.

8. Aprendizaje: El aprendizaje es probablemente la capacidad más

importante de un sistema inteligente. El sistema aprende conceptos a
partir de la información recibida de los sentidos. Aprende reglas de
actuación a base de su experiencia. La actuación, a veces hecha
al azar, se almacena con su valor. Una regla de actuación aumenta en
valor si permitió el logro de un objetivo. El aprendizaje incluye la
fijación de conceptos abstractos, a base de ejemplos concretos y la
creación de conceptos compuestos que contienen los conceptos de
partes de un objeto. El aprendizaje también es la capacidad de
detectar relaciones (patrones) entre la parte "situación" y la parte
"situación futura" de una regla de actuación.
 SISTEMAS OPERACIONALES VS SISTEMAS
INTELIGENTES
• Base de conocimiento
separada del mecanismo de
procesamiento.
• Puede contener Errores.
• Consisten en la explicación.
• Los cambios en las reglas
son fáciles.
• La ejecución usa heurísticas
y lógica.
• Puede operar con
información incompleta.
• Representa y usa
conocimiento
• Conocimiento y procesamiento
combinados en un programa.
• No contiene errores.
• No da explicaciones, los datos sólo
se usan o escriben.
• Los cambios son tediosos.
• El sistema sólo opera completo.
• Se ejecuta paso a paso.
• Necesita información completa para
operar.
• Representa y usa datos.
 TECNICAS DE SI
Los más destacables son:

Redes
Lógica difusa.
neuronales.

Computación
Evolutiva.
 Técnicas de SI: Lógica Difusa
Modelación de la forma en que los seres humanos
representamos y procesamos la información sensorial
a un “alto nivel”, y la forma “difusa” con que
manejamos lingüísticamente muchos conceptos.
 Técnicas de SI: Redes Neuronales
• Capacidad de aprendizaje, esto se logra a través
de la repetitiva presentación de ejemplos, lo cuál
permite adaptar los pesos sinápticos de las
neuronas.
• Se utilizan para resolver problemas en los cuales
no existe un modelo analítico o es demasiado
complejo.
 Técnicas de SI: Computación Evolutiva
• Utilizada principalmente en problemas con espacios de
búsqueda extensos y no lineales, en donde otros métodos
no son capaces de encontrar soluciones en un tiempo
razonable.
• Toma su inspiración en los procesos naturales de la
evolución(reproducción, mutación, competición y
selección).
• Ayuda a la resolución de problemas en los que su espacio
de búsqueda es tan amplio que es imposible poder
abarcarlo todo para entregar la solución óptima.