TAREA SEMANA 1

NOMBRE: FELIPE TORRES CHUMPISUCA

 ¿CUÁL ES EL PROPÓSITO DE LA INTELIGENCIA ARTIFICIAL?

El propósito de la inteligencia artificial es hacer computacional el

conocimiento humano no analítico por procedimientos simbólicos,
conexionistas o híbridos. Para el conocimiento analítico existen otras
ramas de la computación que estudian los métodos y técnicas
adecuadas para su representación formal y posterior desarrollo de
los programas de ordenador correspondientes.
 ¿CUÁLES SON LAS PERSPECTIVAS BÁSICAS DE LA
INTELIGENCIA ARTIFICIAL?

a) La inteligencia artificial como ciencia de lo natural o

análisis
El procedimiento teórico busca una explicación de esa
correlación en términos de un conjunto de leyes generales de
un nivel superior que permiten predecir lo que ocurriría en
otros casos no observados.
Realmente lo que hace es buscar un modelo del conocimiento
humano, generalmente organizado en varios niveles (estático,
dinámico y estratégico) para poder usarlo en predicción. Esta
técnica se basa en experimentos para conseguir una teoría
del conocimiento computable con capacidad predictiva (como
una ley física).

b) Inteligencia artificial como ciencia de lo artificial o

ingeniería de síntesis
Aspira a convertirse en una ingeniería en sentido estricto.
Ahora se parte de un conjunto de especificaciones funcionales
y se busca la síntesis de un sistema (programa más máquina)
que las satisfaga.
A su vez en ambas ramas cooperan dos paradigmas, que
constituyen dos formas de analizar un proceso y dos
metodologías de síntesis de una solución:
  Computación simbólica, de grano grueso y
programable.
 Computación conexionista, de grano pequeño y
autoprogramable por aprendizaje.

 ¿CUÁL ES LA IDEA DEL COMPORTAMIENTO ARTIFICIAL?

El concepto de inteligencia está sacado de la psicología cognoscitiva

y pertenece a una familia más amplia de construcciones teóricas
para ayudar en la descripción del comportamiento observable de
sistemas complejos en interacción con su medio. Hablar de la
inteligencia artificial en ese sentido supone querer comprender y
duplicar las funciones del comportamiento humano.
 NOMBRE 5 CARACTERÍSTICAS DE LA INTELIGENCIA
ARTIFICIAL

a) Su aparente simplicidad en el ser humano.

b) Lo complejo que son los procesos cognoscitivos elementales a la
hora de sintetizarlos.
c) El uso masivo de conocimientos, suponiendo que los mecanismos
de inferencia por encadenamiento de reglas son insuficientes para
modelar tareas cognoscitivas (hace falta un lenguaje de
representación con la capacidad y robustez del lenguaje natural).
d) El reconocimiento (según Maturana y Varela) de que todo conocer
depende de la estructura que conoce (lo cognoscitivo es propio de
lo vivo).
e) La hipótesis fuerte de la IA es hacer computacional este
conocimiento propio de lo vivo (reducir los procesos cognoscitivos
a un nivel simbólico).

 ¿CUÁNDO ESTAMOS FRENTE A UN PROBLEMA DE

INTELIGENCIA ARTIFICIAL?

o No exista una solución analítica o algorítmica conocida.

 o Cuando existiendo esa solución, la explosión combinatoria la
haga ineficiente.

o Cuando el conocimiento necesario es masivo, incompleto,

complejo y difícil de representar.

o Cuando es necesario el aprendizaje y la inyección de

conocimiento del dominio.

o Siempre que abordemos tareas cognoscitivas que usen

conocimiento de sentido común.

 ¿CUÁNDO TENDREMOS UNA SOLUCIÓN DE PROBLEMAS

PROPIA DE LA INTELIGENCIA ARTIFICIAL?

 Utiliza una estructura de tareas genéricas que permite

capturar los aspectos generales del problema y de sus
procedimientos de solución de forma que las situaciones
individuales se tratan por los métodos asociados a las clases a
las que pertenecen.

 Usa heurísticas que intentan capturar el conocimiento

accesible (incompleto e impreciso) del dominio.

 Separa el conocimiento de su uso en inferencia y hace énfasis

en el primero.
 Permite manejar el razonamiento impreciso y temporal.

 ¿CUAL ES LA ETAPA NEUROCIBERNÉTICA?

La Inteligencia Artificial comenzó a ser computacional cuando

Warren S. McCulloch y Walter Pitts introducen el primer modelo
formal, formado por una función lógica seguida de un retardo y
donde se sustituye la programación por el aprendizaje. Una red de
neuronas formales es equivalente a una máquina de Turing de
cinta finita. Si la red es programable, entonces es equivalente a una
máquina universal.
 Nombre los trabajos fundacionales del movimiento.
 1. En conducta, propósito y teleología (de Rosemblueth, Wiener y
Bigelow) se introducen tres conceptos importantes en inteligencia
artificial: la realimentación como principio organizacional, la
computación por propósitos y la idea de información como pura
forma, separable de la señal física que la transporta. }

2. En un cálculo lógico de las ideas inmanentes en la actividad

nerviosa (de Warren S. McCulloch y Walter Pitts), sobre redes
neuronales formales, se inicia la “Teoría Neuronal Del
Conocimiento”; se buscan las redes de procesadores capaces de
reconocer, recordar, cooperar, aprender o autoorganizarse.

3. En la naturaleza de la explicación (de K. Craik) se interpreta la

actividad del sistema nervioso en términos de un conjunto de
procesos encaminados a construir una representación interna del
medio (modelo) y usarla para predecir. Craik contribuyó a la
moderna inteligencia artificial con dos aportaciones clave:
razonamiento abductivo y espacios de representación.
 Nombre los tipos de razonamiento.

1. La deducción lógica: Se parte de un conjunto de fórmulas

(axiomas o validez general) y sobre ellas se aplican un conjunto
de reglas o procedimientos de demostración que nos permiten
obtener nuevas fórmulas válidas. Permite pasar de lo general a lo
particular con certeza del resultado obtenido. Su punto débil es la
necesidad de conocer con precisión el conjunto de axiomas que
define el dominio.

2. La inferencia inductiva: Usa pistas (heurísticas) con el

conocimiento del dominio para pasar de lo particular a lo general.
Nunca podemos garantizar la completitud y certeza de la
inferencia en este caso.

3. En el razonamiento abductivo: Trata situaciones en las que se

conoce una relación causa efecto y un suceso, y, se debe lanzar
una hipótesis sobre su causa más probable. (como en los
diagnósticos médicos).