-
1
LINEA DEL TIEMPO SOBRE IA Y DISEO DE UN AGENTE INTELIGENTE
MOMENTO 1
INTELIGENCIA ARTIFICIAL GRUPO: 90169A_223
ACTIVIDAD COLABORATIVA
Presentado por:
GUSTAVO ADOLFO MARN SUAREZ COD: 13541402
CRISTIAN GMEZ RAVELO COD. 1088255385
MIGUEL FERNANDO BUELVAS SARABIA COD: 91.478.138
LUIS CARLOS RINCN COD: 1.098.740.752
NESTOR YESID CONTRERAS SUREZ. COD: 1098680718
Tutor:
ING. DIEGO FERNANDO MEDINA
ESCUELA DE CIENCIAS BASICAS, TECNOLOGA E INGENIERA ECBTI
UNAD
JULIO 8 DE 2015
-
2
INTRODUCCIN
Durante nuestro desempeo como Ingenieros, es importante que
conozcamos los desarrollos
tecnolgicos, su funcionamiento y aplicacin, puesto que dentro de
nuestro campo de aplicacin, es
fundamental que estemos enterados y a la vanguardia del
funcionamiento y avance de los sistemas
computacionales en la solucin de problemas.
Por lo tanto, la Universidad Nacional Abierta y a Distancia ha
incluido dentro de su plan de estudios el
curso Inteligencia Artificial como una forma de ayudar a los
estudiantes a entender la manera en que la
evolucin tecnolgica ha llegado a avanzar al punto en que el
software y hardware se mezclan para
asemejarse al pensamiento humano definido como inteligencia en
el que los datos y los conceptos se
unen para formar conocimientos.
El presente trabajo colaborativo consiste en elaborar una lnea
de tiempo teniendo en cuenta la
historia y evolucin de la inteligencia artificial. Se realiza el
diseo de un agente inteligente que
permitir gestionar todo el proceso sobre las pruebas ciclistas
por etapas.
-
3
OBJETIVOS
GENERAL
Establecer los principios que rigen la inteligencia artificial
sus aplicaciones y evolucin, en la
historia.
ESPECIFICOS
Reconocer las diferentes definiciones de inteligencia artificial
y la evolucin histrica de la
inteligencia artificial.
Reconocer el uso de los agentes inteligentes y su aplicacin.
Estudiar la complejidad de los problemas y representar su
estructura y las posibles soluciones.
-
4
DESARROLLO
A. ELABORAR UNA LNEA DEL TIEMPO TENIENDO EN CUENTA LA HISTORIA Y
EVOLUCIN DE LA
INTELIGENCIA ARTIFICIAL.
LINEA DEL TIEMPO HISTORIA Y EVOLUCIN DE LA IA - INTELIGENCIA
ARTIFICIAL
-
5
AGENTES INTELIGENTES
QUE ES UN AGENTE INTELIGENTE?
Los agentes inteligentes se caracterizan por desenvolverse en un
entorno, ejecutar acciones
sobre l, basndose en percepciones para lograr metas deseadas por
el usuario. Segn Franklin
and Grasser. Un agente inteligente es un sistema situado en y
parte de un entorno que siente ese
entorno y acta sobre l, a travs del tiempo, persiguiendo sus
propios objetivos de forma que
afecte la que siente en el futuro.
Ejemplos:
Un agente inteligente situado en internet, la percepcin se puede
ver cuando acta sobre el
entorno a medida que va recibiendo e instruyndose de las
peticiones que hace el usuario sobre l
y las acciones se clarifican cuando el agente nos muestra
informacin que el mismo ha buscado
en internet.
- Como ejemplos de entidades fsicas pueden nombrarse:
1. Un robot de comportamiento variable autorregulado (ya sea que
su comportamiento sea
determinado por software o incorporado directamente en la
electrnica)
2. Una computadora que ejecuta un software de diagnstico mdico y
muestra resultados en una
pantalla para ayudar a decidir a un mdico.
3. una computadora especializada que controla un helicptero en
maniobras peligrosas para un
hombre.
EJEMPLO DE PAMA
PAMA: Percepciones, acciones, metas, y ambiente.
-
6
Estructura de los agentes:
Programa = algoritmo + datos
Objeto = atributos + mtodos
Agente = arquitectura + programa
Donde la arquitectura puede ser una computadora sencilla, o
hardware especial para la
ejecucin de ciertas tareas, como el procesamiento de imgenes de
una cmara, o el filtrado de
seales de entrada de audio. Puede incluirse tambin un software
que ofrezca cierto grado de
aislamiento entre la computadora y el programa agente, lo que
permitira la programacin aun
nivel superior. Pone al alcance del programa las percepciones
obtenidas mediante los sensores, lo
ejecuta y alimenta al efector con las acciones elegidas por el
programa conformes stas se van
generando.
En cuanto al programa, se refiere a la funcin que permita
implantar el mapeo del agente
para pasar de percepciones a acciones y que se ejecutar en algn
tipo de dispositivo de
cmputo.
Antes de disear un agente hay que centrarse en el entorno de
trabajo, que son
esencialmente los problemas para los que los agentes son las
soluciones, debe de especificarse de
la forma ms completa posible.
El entorno de trabajo est conformado por cuatro elementos:
Medida de rendimiento (METAS). Cualidades deseables del agente.
medidas de
rendimiento, objetivos, metas - Incluyen criterios que
determinan el xito en el comportamiento
del agente. Como regla general, es mejor disear medidas de
utilidad de acuerdo con lo que se
quiere para el entorno, ms que de acuerdo con cmo se cree que el
agente debe comportarse, por
ejemplo en el agente aspiradora, su meta principal o medida de
rendimiento es:
- Mantener siempre el Suelo limpio. (R)
- Entorno sobre el cual actuar o se mover el agente (E)
-
7
- Actuadores Herramientas o elementos para efectuar el trabajo,
acciones a realizar
- Sensores Como percibe el ambiente el agente, con qu lo percibe
(S)
B. DISEO DE UN AGENTE INTELIGENTE.
Con la prxima edicin de la Vuelta Ciclista a Espaa, se quiere
crear un agente que permita
gestionar todo el proceso sobre las pruebas ciclistas por
etapas. Debe contener informacin sobre los
ciclistas incluyendo datos personales, datos de la condicin
fsica, debe incluir n de etapas, kilmetros
totales recorridos y puesto que ocup en la clasificacin final,
los equipos a los que ha pertenecido y
cada una de las pruebas en las que ha participado en cada
equipo, la fecha de inicio y fin de contrato con
el equipo. De cada equipo tambin se desea conocer toda su
informacin como su nombre, su
nacionalidad, el nombre del director y las pruebas en las que ha
participado, Un dato adicional para las
pruebas es saber el nombre del ciclista que qued ganador.
El agente debe poseer la capacidad de analizar la informacin del
sistema y tener en cuenta datos
de otros sistemas, con el fin de obtener pronsticos o servir de
apoyo para la toma de decisiones en
cualquier momento que sea necesario adems de brindar varias
posibilidades de solucin.
1. Definir qu tipo de agente inteligente crean para solucionar
el problema, describa las
propiedades de los agentes que hace uso el agente
seleccionado.
-
8
La solucin al caso de estudio es una combinacin de los
siguientes agentes:
Agentes De Recomendacin: Este agente posee una base de datos con
informacin acerca de un
tpico de inters para un grupo, al hacer las recomendaciones se
basan en analogas con otros usuarios
de perfil similar.
Agentes Informados De Lo Que Pasa: Es un agente capaz de
ejecutar acciones basndose en
percepciones y acciones ejecutadas anteriormente analizando el
entorno no solo en el momento actual,
tambin en momentos anteriores.
Agentes De Interfaz: Se caracteriza por su capacidad de hacer
comprensible las interfaces.
Tambin denominados asistentes personales, tiene como objetivo
simplificar las tareas rutinarias que
realiza un usuario, por ejemplo, detectar que una noticia pueda
ser importante para un usuario y
comunicrselo.
Agentes Mviles: Esto quiere decir que el agente puede transitar
entre varias mquinas para
utilizar recursos de los cuales no dispone en su propia maquina
o simplemente para evitar una sobre
carga de comunicacin. En este tipo es principal problema es la
seguridad.
Agentes De Informacin: Su objetivo es recolectar informacin a
travs de la red, indexarla y
ofrecrsela al usuario cuando realiza una consulta. Estos agentes
han tenido gran acogida debido a las
grandes cantidades de informacin que circulan hoy por hoy en la
red.
Agentes De Navegacin: Estos agentes son utilizados para navegar
en la red, su funcin principal
es recordar sitios y direcciones de inters para el usuario.
-
9
2. Definir el problema del agente:
Identificacin del problema:
El objetivo del agente inteligente es proporcionar y procesar la
informacin detallada de la vuelta a
Espaa y sus participantes.
Se desea conocer informacin detallada para poder gestionar todo
el proceso sobre las pruebas
ciclistas por etapas de la vuelta a Espaa.
Anlisis del problema:
Para poder conocer la informacin solicitada en el caso de
estudio es necesario crear un agente
inteligente que recolecte datos para poder responder cada uno de
los interrogantes de caso de estudio.
Construccin del modelo conceptual de la situacin:
Creamos las reglas que regirn el agente inteligente:
Continuidad temporal
Personalidad
Autonoma(para adaptarse y tomar decisiones)
Sociabilidad ( para interactuar con otros agentes y
usuarios)
Racionalidad
Adaptabilidad
movilidad
-
10
3. Disear el agente. Crear el PAMA (Percepciones, Acciones,
Metas y desempeo y
Ambiente), con su respectiva explicacin.
Adquisicin del conocimiento:
Recolectar en una base de datos que ser el ncleo la informacin
sobre la realizacin del evento y
la informacin detallada de cada equipo y ciclista
participante.
Definicin de las Percepciones:
Los sensores de movimiento logran capturar informacin de los km
recorridos en las bicicletas de
cada uno de los deportistas, los sensores vitales datos de la
condicin fsica, tales como peso,
pulsaciones cardiacas, tensin, azcar y dems, el GPS, captura la
informacin de su ubicacin del tal
forma que se pueda saber la posicin del deportista en cada una
de las etapas incluida la final.
Adems a cada uno de los deportistas se les suministrara un reloj
inteligente, el cual aparte de
suministrar la hora se podr personalizar con los datos
personales tales como nombre, nacionalidad,
nombre del director y las pruebas en las que ha participado, y
el nombre del ciclista que quedo ganador
en la carrera, los equipos a los que ha pertenecido y cada una
de las pruebas en las que ha participado en
cada equipo, la fecha de inicio y fin de contrato con el equipo,
este reloj estar conectado a internet con
un plan de datos y enviara esta informacin una vez se completen
cada uno de los atributos de las tablas
mencionadas.
Definicin de la Acciones:
La accin primordial del agente es enviar va internet para ir
almacenado los datos en las tablas de
la base de datos y en la unidad de almacenamiento masivo SD.
-
11
Definicin de Objetivos y Metas:
Los objetivos y metas del agente inteligente es recolectar
informacin del ambiente como la ruta
de las etapas de la carrera, y de los datos personales y del
equipo para el cual corre el deportista as
como de los pulsos vitales del cuerpo del ciclista para
posteriormente poder ser consultados en una base
de datos va web.
Definicin del ambiente:
Ambiente procede del latn ambens (que rodea). El concepto puede
utilizarse para nombrar
al aire o la atmsfera. Por eso el medio ambiente es el entorno
que afecta a los seres vivos y que
condiciona sus circunstancias vitales.
Este caso el ambiente son las rutas por la cuales se va a
desarrollar la vuelta a Espaa y van a
transitar los ciclistas de donde se van a tomar los datos por
parte de los sensores y los GPS.
4. De manera general describir que se debe tener en cuenta para
implantar el agente
construido.
Por medio la instalacin de sensores y GPS, en las bicicletas que
logren transferir la informacin
va internet y almacenada en un dispositivo de almacenamiento
masivo como una SD o micro SD a una
base de datos.
-
12
5. Describa que tipo de pruebas le realizara el agente para
probar su correcto
funcionamiento.
Pruebas de Unidad: Las pruebas unitarias se usan para verificar
la funcionalidad y estructura de
cada componente individualmente una vez se ha codificado. Se
usan mucho ya que es mejor
probar los bloques desarrollados individualmente que probar el
software en su totalidad.
Prueba de integracin: Esta prueba nos permite verificar el
correcto ensamblaje entre los
distintos componentes una vez que han sido probados
unitariamente con el fin de comprobar que
interactuan correctamente a travs de sus interfaces, cubren la
funcionalidad establecida y se
ajustan a los requisitos no funcionales.
Prueba de aceptacin: El objetivo de las pruebas de aceptacin es
validar que el sistema cumple
con su funcionamiento esperado y permitir al usuario que
determine su aceptacin, desde el punto
de vista de su funcionalidad y rendimiento.
La validacin del sistema se consigue mediante la realizacin de
pruebas de caja negra el cual
define lasverificaciones a realizar y los casos de prueba
asociados.
Las pruebas de validacin: en la ingeniera de software son el
proceso de revisin que verifica
que el sistema de software producido cumple con las
especificaciones y que logra su cometido. Es
normalmente una parte del proceso de pruebas de software de un
proyecto, que tambin utiliza
tcnicas tales como evaluaciones, inspecciones y tutoriales. La
validacin es el proceso de
comprobar que lo que se ha especificado es lo que el usuario
realmente quera.
-
13
Se trata de evaluar el sistema o parte de este durante o al
final del desarrollo para determinar si
satisface los requisitos iniciales. La pregunta a realizarse es:
Es esto lo que el cliente quiere?.
(wikipedia, s.f.)
Las preguntas elegidas para las pruebas se denominan
preguntas-tipo. Las pruebas se basan en la
utilizacin de estas preguntas estndar como consultas de usuario.
La primera meta de estas pruebas es
comprobar que el sistema hace una identificacin correcta de
estas preguntas-tipo con un ndice de
certeza mayor que 0.7. El hecho de utilizar la lgica borrosa
posibilita la identificacin, no solo de la
pregunta-tipo correspondiente, sino de otras. Este concepto est
relacionado con el de memoria recall
-, aunque no corresponde a su definicin exacta. El segundo
objetivo es comprobar si la respuesta a la
pregunta-tipo requerida est entre las tres respuestas con mayor
grado de certeza. Estas tres respuestas
son las que deben ser presentadas al usuario, debiendo estar la
respuesta correcta entre estas tres
posibilidades. Este aspecto est relacionado con el concepto de
precisin, aunque de nuevo no
corresponde a su definicin exacta. (Rodriguez, Diseo)
Para realizar estas pruebas, se construye una herramienta con la
posibilidad de realizar consultas de
usuario y utilizar el motor borroso para obtener las respuestas
deseadas.
El proceso realizado por esta herramienta es descrito en el
apartado siguiente:
Funcionamiento de la herramienta para las pruebas:
Se debe desarrollar una herramienta para las pruebas, Para ello
se introducirn las denominadas
preguntas-tipo en lenguaje natural. Para construir la
herramienta se propone utilizar Borland C++
Builder, debido a la facilidad de construccin de la interfaz
visual, la robustez de la aplicacin generada
y la posibilidad de compilar el cdigo para Sistemas Operativos
Windows o UNIX, posibilidad que
permite integrar la aplicacin en el Sistema Operativo deseado.
Por otra parte, para el motor de lgica
-
14
borrosa se puede usar en principio el programa Matlab, con su
toolbox de lgica borrosa, debido a su
facilidad de uso, la posibilidad de integrar otros toolboxes y
la potencia de la herramienta. El problema
principal de esta aplicacin es que no exporta cdigo C de la
totalidad de lo implementado, cuestin
necesaria para integrar el desarrollo en una aplicacin
independiente, como es nuestra intencin con el
Agente Inteligente. Este problema de exportacin de cdigo es
resuelto con la herramienta Un-Fuzzy,
que es un software para diseo de sistemas de lgica difusa de la
Universidad de Colombia, de libre
distribucin y que exporta cdigo C. Diseo de un Agente
Inteligente Web basado en tcnicas de
Inteligencia Artificial Jorge Ropero Rodrguez 47 Por tanto, el
programa Un-Fuzzy fue el elegido
finalmente para el desarrollo del motor borroso para la
herramienta de pruebas. Los pasos que deber
realizar la herramienta para llevar a cabo las pruebas son los
siguientes:
1. Recibir por teclado las preguntas-tipo como consulta de
usuario. La consulta deber estar hecha en
lenguaje natural y ser descompuesta en palabras.
2. Comparar estas palabras con un catlogo (base de datos), en el
que cada palabra lleva aparejado un
ndice indicativo del grado de pertenencia a ciertos conjuntos
borrosos definidos. 3. Seleccionar de un
nmero de palabras con el ms alto grado de referencia a
contenidos.
4. Aplicar la lgica difusa para obtener una estimacin (grado de
certeza) del grupo de contenidos
(tema) al que se refiere la pregunta mediante el motor de
inferencia de lgica borrosa.
5. Repetir este proceso para todos los niveles de la jerarqua de
manera que las palabras con un mayor
grado de pertenencia a un nivel se vuelven a enviar al motor de
inferencia, es decir, al sistema de lgica
difusa.
6. El motor de inferencia determina en ltima instancia cual o
cules son las preguntas tipo a las que se
refiere la consulta de usuario mostrando las respuestas
correspondientes ordenadas en base a la
-
15
probabilidad de acierto inferida y que superen un umbral
previamente fijado. (Rodriguez, Diseo de un
agente inteligente basado en tcnicas de inteligencia
artificial)
C. COMPLEJIDAD DE LOS PROBLEMAS.
Cada integrante selecciona un tipo de problema, lo hace saber
por el foro y profundiza en la
informacin del rea seleccionada. Se solicita la definicin y dar
ejemplos del grupo.
Exolicacion - definicin formal de un problema
El primer pasa para disear un programa que resuelva un problema
es crear una descripcin
formal y manejable del propio problema. Sera adecuado contar con
programas que produzcan
descripciones formales a partir de descripciones informales,
procesos denominado
operacionalizacin. Dado que por ahora no se conoce la forma de
construir estos programas este
proceso debe hacerse manualmente.
Hay problemas que por ser artificiales y estructurados son
fciles de especificar como por
ejemplo el ajedrez. Otros problemas naturales como por ejemplo
la comprensin del lenguaje, no son
tan sencillos de especificar.
Para producir una especificacin formal de un problema se deben
definir:
- Espacio de estados vlidos
- Estado inicial del problema
- Estado objetivo o final
- Reglas que se pueden aplicar para pasar de un estado a
otro
-
16
Un estado es la representacin de un problema de un problema en
un instante dado. Para definir
el espacio de estados no es necesario hacer una enumeracin
exhaustiva de todos los estados vlidos,
sino que es posible definirlo de manera ms general.
El estado inicial consiste en uno o varios estados finales que
se consideran solucin aceptable.
Las reglas describen las acciones u operadores que posibilitan
un pasaje de estados. Una regla
tiene una parte izquierda y una parte derecha. La parte
izquierda determina la aplicabilidad de la regla,
es decir, describe los estados a los que puede aplicarse la
regla. La parte derecha describe la operacin
que se lleva a cabo si se aplica la regla, es decir, como
obtener el estado sucesor.
La representacin como espacio de estados forma parte de la
mayora de los mtodos de IA su
estructura se corresponde con la resolucin de problemas
porque:
Permite definir formalmente el problema, mediante la necesidad
de convertir una situacin
dada en una situacin deseada mediante un conjunto de operaciones
permitidas.
Permite definir el proceso de resolucin de un problema como una
combinacin de tcnicas
conocidas y bsqueda (la tcnica general de exploracin del espacio
intenta encontrar alguna ruta
desde el estado actual hasta un estado objetivo)
2. Presentacin - p np np completo
Hablar de algoritmos, se refiere a enfrentarnos a un problema
concreto. Habr una serie de
algoritmos aplicables. Se dice que el orden de complejidad de un
problema es el del mejor algoritmo
que se conozca para resolverlo. As se clasifican los problemas y
los estudios sobre algoritmos que se
aplican a la realidad.
-
17
Estos estudios han llevado a la constatacin de que existen
problemas muy difciles,
problemas que desafan la utilizacin de los ordenadores para
resolverlos. En lo que sigue
esbozaremos las clases de problemas que hoy por hoy se escapan a
un tratamiento informtico.
Clase:
Los algoritmos de complejidad polinnica se dice que son
tratables en el sentido de que suelen
ser abordables en la prctica. Los problemas para los que se
conocen algoritmos con esta complejidad
se dice que forman clase P. Aquellos problemas para los que la
mejor solucin que se conoce es de
complejidad superior a la polinnica, se dice que son problemas
intratables. Sera muy interesante
encontrar alguna solucin polinomica a mejor que permitiera
abordarlos.
ClaseNP
Algunos de estos problemas intratables pueden caracterizarse por
el curioso hecho de que puede
aplicarse en algoritmo polinomico para comprar si una posible
solucin es vlido o no. Esta
caracterstica lleva a un mtodo de resolucin no determinista
consistente en aplicar heursticos para
obtener soluciones hipotticas que se van desestimando co
nsistente en aplicar heursticos para obtener
soluciones hipotticas que se van desestimando o aceptando a
ritmo polinmico. Los problemas de
esta clase de denominan NP la N no- deterministas y la P de
polinmicos.
Clase NP
Complementos
Se conoce una amplia variedad de problemas de tipo NP, de los
cuales destacan algunos de ellos
de extrema complejidad. Grficamente podemos decir que algunos
problemas se hay en la frontera
extrema de clase NP. Son problemas NP, y son los peores
problemas posibles de clase NP. Estos
problemas se caracterizan por ser todos iguales en el sentido de
que si se descubriera una solucin P
para alguno de ellos, esta solucin sera fcilmente aplicables a
todos ellos. Actualmente hay un premio
de prestigio equivalente al Novel reservado para el que descubra
semejante solucin.
-
18
Si se descubriera una solucin para los problemas NP-Completos,
esta sera aplicable a todos los
problemas NP y por tanto, la clase NP desaparecera del mundo
cientfico al carecerse de problemas de
ese tipo. Realmente, tras aos de bsqueda exhaustiva de dicha
solucin, es hecho ampliamente
aceptado que no debe existir, aunque nadie ha demostrado,
todava, la imposibilidad de su existencia.
PROBLEMAS NP
Mientras que la pertenencia del problema SAT o de
satisfacibilidad booleana a la clase de los
NP-completos fue demostrada utilizando mecanismos particulares,
las pertenencias de los 21
problemas siguientes fueron demostradas mediante reducciones
polinomiales. As, el problema SAT se
redujo polinomialmente a los problemas 0-1 INTEGER PROGRAMMING,
CLIQUE y 3-SAT, y estos
a su vez se redujeron a otros varios. La lista completa es la
que se muestra a continuacin. Las sangras
denotan el hecho que la NP- completitud del problema fue
demostrada por reduccin polinomio del
problema en el nivel directamente superior. Note que los nombres
de los problemas estn escritos con
letras maysculas y corresponden a abreviaciones del nombre en
ingls, como es lo usual; junto a
ellos, entre parntesis, se escribe la traduccin del nombre en
espaol.
- SAT (Problema de satisfacibilidad booleana, para frmulas en
forma normal
conjuntiva) o 0-1 INTEGER PROGRAMMING (Problema de la
programacin lineal
entera) o CLIQUE (Problema del clique, Problema del conjunto
independiente)
SET PACKING (Problema del empaquetamiento de conjuntos)
VERTEX COVER (Problema de la cobertura de vrtices)
SET COVERING (Problema del conjunto de cobertura)
o FEEDBACK NODE SET
o FEEDBACK ARC SET
-
19
DIRECTED HAMILTONIAN CIRCUIT (Problema del circuito hamiltoniano
dirigido)
o UNDIRECTED HAMILTONIAN CIRCUIT (Problema del circuito
hamiltoniano no dirigido)
- 3-SAT (Problema de satisfacibilidad booleana de 3 variables
por clusula)
o CHROMATIC NUMBER (Problema de la coloracin de grafos)
CLIQUE COVER (Problema de la cobertura de cliques)
EXACT COVER (Problema de la cobertura exacta)
o HITTING SET
o STEINER TREE
3-DIMENSIONAL MATCHING (Problema del matching
tridimensional)
- KNAPSACK (Problema de la mochila) o JOB SEQUENCING (Problema
de las secuencias de
trabajo) o PARTITION (Problema de la particin)
- MAX-CUT (Problema del corte mximo)
Tras un tiempo se descubri que muchos de estos problemas podan
ser resueltos si su enunciado
se particularizaba a unas ciertas clases, o podan ser resueltos
aproximadamente con un error mximo
de un cierto porcentaje. Sin embargo David Zuckerman demostr en
1996 que cada uno de estos 21
problemas tiene una versin restringida de optimizacin que es no
aproximable a menos que P = NP,
demostrando que la versin de la reduccin, dada por Karp,
generaliza un tipo especfico de reduccin
por aproximacin.
-
20
CONCLUSIONES
El estudio de la inteligencia artificial es sumamente
interesante ya que envuelve el
estudio de la inteligencia y el comportamiento del ser
humano.
En la actualidad la inteligencia artificial es un recurso que
nos facilita la gran mayora de
las actividades que realizamos en el diario vivir, como las
comunicaciones, el transporte, el
estudio y mucho ms.
Uno de los grandes avances que ha tenido la Inteligencia
Artificial son los algoritmos ya
que se han podido procesar preguntas muy complejas que el
cerebro humano no puede
lograr responder por manejar mucha informacin, logrando que la
tecnologa avance de forma
rpida.
-
21
BIBLIOGRAFA
Channel, D. (1998). Vida Artificial- BEAM. Obtenido de
https://www.youtube.com/watch?v=Nf1AoZfiNI0
Marrero., A. G. (s.f.). Razn Artificial-Inteligencia Artificial.
Obtenido de
http://razonartificial.com/inteligencia-artificial/
Mndez, R. (20 de marzo de 2014). Universidad de Murcia. Obtenido
de Aplicaciones pr{acticas de
inteligencia Artificial.:
http://www.um.es/docencia/barzana/IATS/IATS3-Inteligencia-
artificial.html
Menndez, D. A. (20 de marzo de 2014). Aplicaciones prcticas de
Inteligencia Artificial. Obtenido de
http://www.davidam.com/docu/aplica-ia/index.html
Rodriguez, J. R. (s.f.). Diseo de un agente inteligente basado
en tcnicas de inteligencia artificial.
Rodriguez, J. R. (s.f.).; Diseo de un agente inteligente basado
en tcnicas de inteligencia
artificial,.Obtenido de
http://www.dte.us.es/personal/jropero/Trabajo%20Investigacion2.pdf
-
22
UNAD. (s.f.). Guia de Aprendizaje unidad 1. En E. d. b{asicas,
Inteligencia Artificial.
wikipedia, c. d. (s.f.). Prueba de validacin. Obtenido de
Wikipedia, la enciclopedia libre.
Youtube. (s.f.). Obtenido de Inteligencia artificial:
https://www.youtube.com/watch?v=umFzK50kF0&list=PLUPqkcjexRmfKE7mRtjloIzPIlN9Rid
oZ.