Tema 1: Intelixencia artificial.
Nesta ligazón atoparás un documento elaborada pola Universidade de Valencia. A información que necesitas está nas 6 primeiras páxinas do documento.Cos contidos que se enumeran a continuación crea unha entrada nova no teu blog co nome deTema 1 Sociedade do Coñecemento: INTELIXENCIA ARTIFICIAL
- Definición de Intelixencia Artificialexplicando para qué serven as súas técnicas e metodoloxías.
1. Desde a perspectiva de Intelixencia (Brown, 1997: 1): intelixencia artificial trata de construir máquinas intelixentes que actúen como nos esperamos que a xente actúe.
2. Desde a perspectiva da investigación (Brown, 1997:2): a intelixencia artificial estudia como lograr que as máquinas realicen tareas que, polo momento, son realizadas mellor polos seres humanos.
En resumen poderiamos decir que a Intelixencia Artificial está formada por unha serie de técnicas e metodoloxías encamiñadas a resolver problemas non estruturados que necesitan do coñecemento para a sua resolución xa que carecen de unha resposta inmediata e incluso presentan máis de unha solución como consecuencia da existencia de incertidumbre ou ambigüedade nos resultados finais ou parciais. Para a resolución de ditos problemas, a Intelixencia Artificial recurre aos algoritmos ou ás regras heurísticas.
- Obxectivos básicos.
1.- Estudiar o comportamento intelixente dos seres humanos, incluindo tanto o aspecto cognoscitivo como o perceptual, có fin de simulalo en un ordenador.
2.- Facer máquinas intelixentes e programas capaces de imitar o comportamiento humano intelixente, es dicir que poidan realizar as operacions humanas de ver, oir, falar, razoar, juzgar, comprender, aprender da experiencia e comunicarse como o fan as persoas humanas.
- Definición de Sistemas de Procesamento de linguaxe natural.
- Definición de Recoñecemento de Visión.
- Definición de Sistemas Baseados no Coñecemento e Sistemas Expertos.
- Definición de Redes Neuronais.
En consecuencia como os problemas susceptibles de ser resoltos mediante a metodología das redes neuronales son: problemas de optimización, problemas de recoñecemento e problemas de xeralización.
- Definición de Sistemas Inductivos.
Os sistemas inductivos xeran un árbol de decisión a partir de un conxunto de exemplos que constituen o conxunto de entrenamento. E dicir, tratase de sistemas que parten de un conxunto de exemplos según un atributo, e van seleccionando ata que todos os exemplos do subconxunto elixido pertenezan a unha mesma clase conduzan a un mesmo resultado. Estos sistemas son útiles en aplicacions simples donde o conxunto de entrenamento e relativamente completo e exacto, conocense todos os datos e as suas solucions.
Dentro do conxunto de sistemas inductivos cabe destacar os sistemas de razonamento basado en casos (RBC) que recuperan a experiencia relevante (feitos e solucions históricas) anterior, da que se dispon, para solucionar novos problemas que presentan características similares. O proceso que siguen e o seguinte: en primeiro lugar indicanse as características do problema a resolver; a partir de elas o sistema realiza unha búsqueda na base de casos que posee ata encontrar casos similares ao presentado; posteriormente, a solución dos casos encontrados adaptanse ao problema planteado e na medida en que dita solución sexa aceptada polo usuario, añadirase a base de casos, para poder ser examinado cando se plantee un novo problema ao sistema.
Os sistemas RBC son adecuados para aqueles problemas que se caracterizan por: existir moita experiencia, a experiencia no dominio e valiosa e difícil de adquirir, o coñecemento pode ser capturado a través de casos, a creatividade e sentido común son partes do proceso de resolución do problema e o coñecemento e difícil de representar mediante reglas.
No hay comentarios:
Publicar un comentario