******************INTELIGENCIA ARTIFICIAL********************

Existen varias definiciones y para esta existen varios enfoques:

1. Sistemas que piensan como humanos

2. Sistemas que actan como humanos

3. Sistemas que piensan racionalmente

4. Sistemas que actan racionalmente

COMPORTAMIENTO HUMANO

1.- *Enfoque de la prueba de Turing*

Se dise para proporcionar una definicin operacional y satisfactoria de inteligencia

el computador para poder realizar estas pruebas debera poseer las siguientes
capacidades:

-> Procesamiento de un lenguaje natural que le permita comunicarse satisfactoriamente.

-> Representacin del conocimiento para almacenar lo que se conoce y siente.

-> Razonamiento automtico para utilizar la informacin almacenada para responder a

preguntas y extraer nuevas conclusiones.

-> Aprendizaje automtico para adaptarse a nuevas circunstancias y para detectar y

concluir patrones.

Turing tambin determino que para superar esta prueba de forma global la computadora
debe estar dotada de:

-> Visin computacional

-> Robtica para manipular y mover objetos

PENSAR COMO HUMANO

1.- *El Enfoque Cognitivo*

Para poder determinar que un programa dado piensa como un humano es necesario
contar con un mecanismo para determinar cmo piensan los humanos, es necesario
penetrar en el funcionamiento de las mentes humanas. Hay dos formas de hacerlo:

-> Mediante Introspeccin: es la forma mediante el ser humano puede crear cierto
tipo de palabras.

-> Mediante experimentos psicolgicos: Una vez se cuente con una teora lo
suficientemente precisa sobre cmo trabaja la mente, se podr expresar esa teora
en la forma de un programa de computadora.

PENSAMIENTO RACIONAL

1.- * El Enfoque de las leyes del Pensamiento*

Este enfoque trata de construir sistemas inteligentes a partir de programas que puedan
hacer uso de la lgica.
ACTUAR DE FORMA RACIONAL

1.- *El enfoque del agente racional*

Un agente es algo que razona. Un agente racional es aquel que acta con la intencin de
alcanzar el mejor resultado. Por tanto, este enfoque se centra en los principios generales
que rigen a los agentes racionales y en los elementos necesarios para construirlos.

****----AGENTES Y SU ENTORNO-----****

Un agente es capaz de cualquier cosa capaz de percibir su medio ambiente con la ayuda de
sensores y actuar en ese medio usando actuadores.

Un agente humano posee ojos, odos, y otros rganos sensoriales adems posee manos, boca y
otras partes del cuerpo para actuar. Un agente ROBOT recibe pulsaciones de un teclado, archivos
de informacin y paquetes va red a modo de entradas sensoriales y acta sobre el medio
escribiendo ficheros y enviando paquetes por la red. El termino percepcin se utiliza en este
medio para indicar que el agente puede recibir entradas en cualquier instante. La secuencia de
percepciones, refleja el historial completo de lo que el agente ha recibido. En general, un agente
tomara una decisin en un momento dado dependiendo de la secuencia completa de
percepciones hasta ese momento.

****----MEDIDAS DE RENDIMIENTO----****

Las medidas de rendimiento incluyen los criterios que determinan el xito en el comportamiento
del agente. Cuando se sita un agente en un medio, este genera una secuencia de acciones de
acuerdo con las percepciones que recibe. Esta secuencia de acciones hace que hbitat pase por
una secuencia de estados, si la secuencia es la deseada entonces el agente habr actuado
correctamente.

La racionalidad de un agente en un momento determinado depende de 4 factores:

La medida de rendimiento que define el criterio de xito.

El conocimiento del medio en el que habita acumulado por el agente.

Las acciones que el agente puede llevar a cabo.

La secuencia de percepciones del agente hasta este momento.

****---OMNISCIENCIA, APRENDIZAJE Y AUTONOMIA----*****

Un agente omnisciente conoce el resultado de su accin y acta de acuerdo con l. La definicin

propuesta implica que el agente racional no solo recopila informacin, sino que aprende lo
mximo posible de lo que est percibiendo. La Configuracin inicial del agente puede reflejar un
conocimiento preliminar del entorno, pero a medida que el agente adquiere experiencia este
puede modificarse y aumentar. Se dice que agente carece de autonoma cuando se apoya ms en
el conocimiento inicial que le proporciona su diseador que en sus propias percepciones.

***--- LA NATURALEZA DEL ENTORNO ---****

REAS-----> Rendimiento, Entorno, Actuadores, Sensores

***REAS**
 Agente "Medico"

Rendimiento Entorno Actuadores Sensores

-Pacientes atendidos -Hospital -Estetoscopio

-Horas turno -Clnica

-Brigada

***--PROPIEDADES DE LOS ENTORNOS DE TRABAJO---***

//Dimensiones

-> TOTALMENTE OBSERVABLE VS PARCIALMENTE OBSERVABLE: si los sensores del agente

le proporcionan acceso al estado complejo del medio en cada momento, entonces se dice que el
entorno de trabajo es totalmente observable. Cuando los sensores detectan todos los aspectos
que son relevantes en la toma de decisiones entonces el entorno de trabajo es totalmente
observable.

-> DETERMINISTA VS ESTOCASTICO: Si el siguiente estado del medio est

totalmente determinado por el estado actual y la accin ejecutada por el agente, entonces se dice
que el entorno es determinista.

-> EPISODICO VS SECUENCIAL: en un entorno de trabajo episdico, la experiencia del

agente se divide en episodios atmicos, cada episodio consiste en la percepcin del agente y la
realizacin de una nica accin posterior. Es importante tener en cuenta que los episodios no
dependen de la accin que se realizaron en episodios previos. A diferencia de los entornos
secuenciales donde las decisiones presentes pueden afectar o repercutir en decisiones futuras

-> ESTATICO VS DINAMICO: si el entorno puede cambiar cuando el agente est

deliberando entonces se dice que el entorno es dinmico para el agente, de otra forma se dice que
es esttico. Los medios o entornos estticos son fciles de tratar para el agente porque no
necesita estar pendiente del mundo exterior mientras se est tomando una decisin ni tampoco
necesita preocuparse por el paso del tiempo. Por lo contrario, los medios o entornos dinmicos
estn continuamente preguntando al agente sobre sus decisiones. Si el entorno no cambia con el
paso del tiempo, pero el rendimiento del agente si entonces se dice que el medio es semi-
dinamico.

-> DISCRETO VS CONTINUO: La distincin entre discreto y continuo se puede aplicar al

estado del medio, a la forma que se maneja el tiempo y a las percepciones y acciones del agente.

*-> Discreto = Factores Exactos

*-> Continuo = Factores Infinitos

-> AGENTE INDIVIDUAL VS MULTIAGENTE: Son los que funcionan de forma mltiple. El
trabajo de la inteligencia artificial es disear el programa del agente que implementa la funcin
que proyectan las percepciones en las acciones. Esta es la composicin esencial de un agente:

Agente= Arquitectura + Programa

/\

/ \
 Sensores Actuadores

Fsicos

INTELIGENCIA ARTIFICIAL

El trabajo de la inteligencia artificial es disear el trabajo de la gente que implemente la funcin que
proyecta las percepciones en las acciones.

Agente Arquitectura Programa

Sensores Fsicos Actuadores

Programas de Agente

Reciben las percepciones actuales o en tiempo real como entrada de los sensores y devuelven una
accin a los actuadores

Existen 4 tipos bsicos de programas para Agentes que encarna los principios que subyacen en casi
todos los sistemas inteligentes:

Agentes reactivos simples: es el tipo ms sencillo de los agentes, esto seleccionan las
acciones sobre la base de percepciones actuales o en tiempo real, ignorando el resto de las
percepciones histricas.

Agentes reactivos basados en modelos: la forma ms efectiva que tienen los agentes de
manejar la visibilidad parcial es almacenar la informacin de las partes del mundo que no
puede ver o lo que es lo mismo debe de mantener algn tipo de estado interno que dependa
de la historia percibida y que de ese modo refleje por lo menos alguno de los aspectos no
observables del estado actual.
 Agentes basados en objetivos: el programa del agente se puede combinar con informacin
sobre los resultados de las acciones posibles, para elegir las opciones que permitan alcanzar
el objetivo

Agentes basados en Utilidad: este agente utiliza un modelo del mundo junto con una
funcin de utilidad que calcula sus preferencias entre los estados del mundo,
posteriormente selecciona la accin que le lleve a alcanzar la mayor utilidad posible y se
calcula haciendo la media de todos los estados resultantes posibles.

Agentes que aprenden: