UNIVERSIDAD NACIONAL DE LOJA

“CARRERA DE INGENIERÍA EN SISTEMAS”

Inteligencia Artificial
Deber 1

Conceptos: Algoritmo genéticos, Redes Bayesianas, Redes Neuronales, Lógica

Difusa, Machine Learning y Agentes Inteligentes

NOMBRE:

Angel Quizhpe

CURSO:

9NO “B”

TUTOR:

Ing. Roberto Jácome

FECHA:

14/5/2018

LOJA – ECUADOR
2018
 Algoritmo Genético
Los Algoritmos Genéticos (AGs) son métodos adaptativos que pueden usarse para resolver
problemas de búsqueda y optimización. Están basados en el proceso genético de los organismos
vivos. A lo largo de las generaciones, las poblaciones evolucionan en la naturaleza de acorde con
los principios de la selección natural y la supervivencia de los más fuertes, postulados por Darwin.
Por imitación de este proceso, los Algoritmos Genéticos son capaces de ir creando soluciones
para problemas del mundo real. La evolución de dichas soluciones hacia valores óptimos del
problema depende en buena medida de una adecuada codificación de las mismas.

Un algoritmo genético consiste en una función matemática o una rutina de software que toma
como entradas a los ejemplares y retorna como salidas cuáles de ellos deben generar descendencia
para la nueva generación.

Versiones más complejas de algoritmos genéticos generan un ciclo iterativo que directamente
toma a la especie (el total de los ejemplares) y crea una nueva generación que reemplaza a la
antigua una cantidad de veces determinada por su propio diseño. Una de sus características
principales es la de ir perfeccionando su propia heurística en el proceso de ejecución, por lo que
no requiere largos períodos de entrenamiento especializado por parte del ser humano, principal
defecto de otros métodos para solucionar problemas, como los Sistemas Expertos.

Redes Bayesianas
Las redes bayesianas son herramientas estadísticas surgidas en el campo de la Inteligencia
Artificial que permiten afrontar situaciones de investigación con estas características. Una
red bayesiana es un modelo gráfico que permite representar las relaciones de dependencia
entre un conjunto de variables, mediante el cual se puede dar información interesante en
cuanto a cómo se relacionan las variables del dominio, las cuales pueden ser interpretadas
en ocasiones como relaciones de causa-efecto.
Redes Neuronales
Representación abstraída del modelo neuronal del cerebro humano. Las redes están formadas por
un gran número de elementos simples y por sus interconexiones. Las redes neuronales no son
más que otra forma de emular ciertas características propias de los humanos.
La particularidad de las redes neuronales es que, mientras otras áreas de inteligencia
artificial sólo se basan en algoritmos y conexiones electrónicas, ésta estudia directamente
el cerebro humano y trata de crear un modelo artificial y simplificado de este.
Las redes neuronales, por tanto, pretenden resolver problemas que otras áreas no son
capaces. Esto lo consiguen gracias a que, el estudio de las neuronas humanas permite
crear unidades de procesamiento que pueden intercambiar datos, sirven para reconocer
patrones (tales como imágenes) y tienen capacidad de aprendizaje.
 Lógica Difusa
La lógica difusa es prácticamente una lógica que permite valores imprecisos
(intermedios) para poder definir evaluaciones convencionales entre sí/no,
verdadero/falso, negro/blanco, etc.
La lógica difusa no es una tecnología de futura aplicación, existen ya en el mercado
muchos productos en esta tecnología. Muchas de estas aplicaciones están siendo
desarrolladas y aplicadas en países como Japón y Alemania. Entre los productos más
comunes desarrollados con la lógica difusa están:
 Lavadoras inteligentes que regulan el uso del agua y el detergente en función del
nivel de sociedad de la ropa.
 El metro Senday en Japón.
 Medidores de presión sanguínea.
 Aspiradoras, Ascensores, neveras, microondas y múltiples electrodomésticos etc.

Machine Learning
Machine Learning es una disciplina científica del ámbito de la Inteligencia Artificial que
crea sistemas que aprenden automáticamente. Aprender en este contexto quiere decir
identificar patrones complejos en millones de datos. La máquina que realmente aprende
es un algoritmo que revisa los datos y es capaz de predecir comportamientos futuros.
Automáticamente, también en este contexto, implica que estos sistemas se mejoran de
forma autónoma con el tiempo, sin intervención humana. Veamos cómo funciona.

Agentes Inteligentes
Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales
percepciones y responder o actuar en su entorno de manera racional, es decir, de manera
correcta y tendiendo a maximizar un resultado esperado. Es capaz de percibir su
medioambiente con la ayuda de sensores y actuar en ese medio utilizando actuadores
(elementos que reaccionan a un estímulo realizando una acción).
Un agente inteligente puede ser una entidad física o virtual. Si bien el término agente
racional se refiere a agentes artificiales en el campo de la Inteligencia Artificial, también
puede considerarse agentes racionales a los animales incluido el hombre.

Bibliografía:
http://eddyalfaro.galeon.com/geneticos.html
http://vinculando.org/articulos/redes-bayesianas.html
http://cleverdata.io/que-es-machine-learning-big-data/