COMUNICACIO E INTERACCION

COMUNICACION E INTERACCION

Por un lado cabe cuestionarse, como es lógico, la necesidad real de comunicación emocional entre sistema y usuario. Y por otro, la ética respecto al control emocional del usuario y posterior manipulación de este estado afectivo según qué fines.
Sin entrar en la segunda cuestión, respecto a la primera podemos concluir que no en todos los contextos de interacción es necesaria la utilización de técnicas de reconocimiento y modelado de estados afectivos. En cambio, en otros puede llegar a ser imprescindible para la consecución de una experiencia de usuario satisfactoria.
Como ejemplo final podemos analizar el caso de un entorno virtual de aprendizaje, donde la comunicación emocional entre sistema y usuario puede llegar a mejorar sensiblemente la asimilación de contenidos por parte del alumno, y por tanto, la experiencia de aprendizaje. De hecho, estos entornos, aunque proveen de multitud de herramientas para la comunicación entre actores (alumnos, tutores...), siempre resultarán más fríos y distantes que los entornos de aprendizaje tradicionales, donde la comunicación e interacción social es mayor y más cercana. Además, en ciertos periodos de la formación, como aquellos cercanos a fechas de exámenes, puede ser muy útil el modelado de estados emocionales del alumno, ya que el contexto es muy propenso a la generación de estrés.

YUSEF HASSAN MONTERO / NO SOLO USABILIDAD

MULTIPLES AGENTES

Los Sistemas MultiAgente se preocupan por coordinar la conducta inteligente de agentes autónomos. Estos agentes hacen parte de una colección y pueden coordinar su conocimiento, objetivos, habilidades y planes juntamente para tomar una acción o resolver una meta global, al igual que los DPS estos pueden tener conocimiento parcial sobre el problema y las soluciones. En estos sistemas debe haber un proceso de racionalización para la coordinación del conjunto de agentes [BOND 1988].
Por lo general en estos sistemas MA los agentes con sus creencias, deseos e intenciones construyen el problema y el plan o secuencia de acciones para solucionarlo.

Un AGENTE COGNITIVO es aquel que es capaz de efectuar operaciones complejas, es individualmente inteligente (es un sistema más o menos experto, con capacidad de razonamiento sobre su base de conocimiento), puede comunicarse con los demás agentes y llegar a un acuerdo con todos o algunos de ellos, sobre alguna decisión. Un sistema cognitivo está compuesto por un pequeño número de agentes cognitivos.
Un AGENTE REACTIVO es un agente de bajo nivel, que no dispone de un protocolo ni de un lenguaje de comunicación y cuya única capacidad es responder a estímulos. Los agentes reactivos no son individualmente inteligentes, sino globalmente inteligentes. Los sistemas reactivos por lo general están compuestos por un gran número de agentes reactivos que realizan acciones entre todos, para esto es necesario tener en cuenta nuevas teorías de cooperación y comunicación que permitan el desempeño de estas acciones (Figura 3).
Es posible concebir sistemas heterogéneos cuyo comportamiento se derive de los dos tipos de agentes y tenga características de ambos. Es decir, es posible dotar a los agentes cognitivos de capacidades de reacción a los eventos, a tales agentes se les puede llamar AGENTES HÍBRIDOS

Articulo realizado por: Lina Marcela Cepeda Diaz, linamce[arroba]terra.com, Grace Lennis Benavides y Maria Cristina Lopez.

COMUNICACION ENTRE AGENTES

En resumen, los agentes no pueden ser forzados por otros agentes para realizar una determinada acción, ni escribir datos en el estado interno de otros agentes. Sin embargo esto no significa que no puedan comunicarse. Ellos pueden efectuar acciones para intentar influenciar a otro agente. Por ejemplo, supongamos que digo “Está lloviendo en Cádiz”, siendo cierto. Bajo circustancias normales, una acción comunicativa intenta modificar las creencias de otro. Lógicamente pronunciando “Está lloviendo en Cádiz” no voy a convencer a todo el mundo de que es cierto. Tu tienes el control de tus propias creencias (deseos, intenciones, …). Puedes pensar que lo que estoy diciendo es verdad o es mentira, solo tu. Aún así, cuando digo “Está lloviendo en Cádiz” estoy intentando cambiar tu estado interno. Además, desde el momento que pronuncio esa oración es una acción que estoy realizando, lo estoy haciendo para un propósito: intentar hacer que creas que realmente está lloviendo en Cádiz.

More articles about: Computers
Tags: agentes inteligentes, inteligencia artificial, comunicaciones

ARQUITECTURA DE AGENTE

En los últimos años se ha incrementado el diseño e implementación de sistemas multiagentes (MAS), para abordar el desarrollo de sistemas distribuidos complejos. Para dar un sustento formal a estos sistemas, se han propuesto distintas teorías y arquitecturas, entre ellas se ha destacado el modelo BDI presentado por Rao y George_. Para que la aplicación de los agentes en dominios reales se acreciente, es importante que los modelos formales incorporen el tratamiento de la incertidumbre. Este modelo permite representar y razonar con actitudes mentales graduadas, en particular se consideran las creencias (B), deseos (D) e intenciones (I). La arquitectura planteada establece un marco para diseñar distintos tipos de agentes particulares.

Autores: Carles Sierra, Lluís Godo Lacasa, Ana Casali

COMENTARIO

La inteligencia artificial vista de diferentes puntos de vista, siempre conlleva a la interaccion del hombre con la máquina siempre en busca de la perfección, pero que de igual forma nunca podra alcanzarla al máximo debido a que como seres humanos estamos llenos de sentimiento y la maquina siplemente se limita a seguir unas instrucciones dadas a partir de la programacion que se le pueda dar de acuerdo a unas necesidades.

De igual forma en la inteligencia artificial se ve reflejada la gran capacidad del hombre que tiene para crear y hacer que una maquina actue y razone a partir de la progración que se le de, pero nunca va a dejar de ser una máquina, siempre el hombre va a ser quien la oriente a que haga lo que él quiere que haga.

METODOS DE PLANIFICACION

BASADOS EN LOGICA

El Cálculo de Situaciones




El Cálculo de Situaciones es un formalismo temporal que ha sido muy usado (data de 1981). Se basa en los siguientes conceptos:


Situación: una instantánea del mundo en un momento dado.
Acción: medio para transformar una situación en otra.


En una situación dada, hay afirmaciones que son verdaderas y otras que son falsas:



(T S P) es un predicado que significa que p es cierto en la situación S.



Así, la acción (COGE A) en una situación en la que (T S1 (ENCIMA A B) y (T S1 (LIBRE A))
son ambas ciertas, lleva a una nueva situación S2 en la que se verifica (T S2 (LIBRE B))



La función RESULT acepta formalmente una situación y una acción como argumentos y devuelve una nueva situación.

Así, (RESULT S1 (COGE A)) Æ S2, o también (RESULT (RESULT S1 (COGE A)) (DEJA A)) Æ S3.



El Cálculo de situaciones se basa en ciertas suposiciones que dan lugar a varias limitaciones en sus aplicaciones:



1) El tiempo es discreto: el método no sirve para procesos continuos como el movimiento, por ejemplo.
2) Causa y efecto son contiguos: los efectos de una acción se manifiestan en la situación siguiente.
3) No permite que varias acciones sean simultaneas.
4) No permite representar intervalos de tiempo que se superpongan, se basa en puntos temporales.



El Calculo de Situaciones sirvió para introducir el problema del marco de representación en nteligencia Artificial.

Angel Pasqual del Pobil y Ferré

Planificación



De Wikipedia, la enciclopedia libre

La Planificación (Automated planning) es una disciplina de la inteligencia artificial que tiene por objeto la producción de planes (es decir, un planificación), típicamente para la ejecución de un robot u otro agente. Los programas de planificación que incorporan estos algoritmos se denominan planificadores.

Un planificador típico considera 3 entradas:

• una descripción del estado inicial del mundo
• una descripción del objetivo a alcanzar
• un conjunto de acciones posibles
  

Generalmente, cada acción especifica preconiciones que se deben cumplir como requisito a tal acción, así como postcondiciones, que constituyen el efecto sobre el estado actual del mundo.
Ejemplos de problemas de planificación pueden ser determinar la trayectoria de un robot en un espacion con obstáculos, o el problema de las torres de hanoi
Obtenido de "http://es.wikipedia.org/wiki/Planificaci%C3%B3n_(Inteligencia_artificial)"

REPRESENTACIONES DEL CONOCIMEINTO Y RAZONAMIENTO

EL PROCESO DE RAZONAMIENTO
El proceso de razonamiento en un sistema basado en reglas es una progresión desde un conjunto inicial de afirmaciones y reglas hacia una solución, respuesta o conclusión.
Como se llega a obtener el resultado, sin embargo, puede variar significativamente:
· Se puede partir considerando todos los datos conocidos y luego ir progresivamente avanzando hacia la solución. Este proceso se lo denomina guiado por los datos o de encadenamiento progresivo (forward chainning).
· Se puede seleccionar una posible solución y tratar de probar su validez buscando evidencia que la apoye. Este proceso se denomina guiado por el objetivo o de encadenamiento regresivo (backward chainning).
Razonamiento Progresivo
En el caso del razonamiento progresivo, se empieza a partir de un conjunto de datos colectados a través de observación y se evoluciona hacia una conclusión. Se chequea cada una de las reglas para ver si los datos observados satisfacen las premisas de alguna de las reglas. Si una regla es satisfecha, es ejecutada derivando nuevos hechos que pueden ser utilizados por otras reglas para derivar hechos adicionales. Este proceso de chequear reglas para ver si pueden ser satisfechas se denomina interpretación de reglas.
La interpretación de reglas es realizada por una máquina de inferencia en un sistema basado en conocimiento. La interpretación de reglas, o inferencia, en el razonamiento progresivo involucra la repetición de los pasos que se indican en la siguiente figura.

Cálculo de predicados
El cálculo de predicados añade al cálculo proposicional la capacidad de especificar las relaciones y establecer generalizaciones. El conjunto de proposiciones contenidas en la base pueden establecer generalizaciones y relaciones. Supóngase que se posee las siguientes proposiciones:
Garfield es un Gato.
Todos los Gatos son más grandes que los Ratones.
Si estas dos proposiciones son verdaderas el cálculo de predicados nos permite obtener la siguiente conclusión:
Garfield es más grande que todos los Ratones.



Cálculo de Predicados de Primer Orden
El cálculo de predicados de primer orden surge al añadir funciones y otras características analíticas al cálculo de predicados. Una función es una construcción lógica que devuelve un valor. Para generar una función hay que establecer una relación, por ejemplo, sabemos que "el dueño de Garfield es John". Esto se representa de la siguiente forma:
Dueño de(Garfield, John).
Utilizando el cálculo de predicados de primer orden, se puede generar un programa en IA, al cual se puede hacer preguntas en base al conocimiento representado a través de estas funciones.
http://www.comenius.usach.cl/gvillarr/cursoia/prolog/introia.htm
Base de Conocimiento. Sistemas Basados en Conocimiento.
Los procedimientos generales desarrollados para la resolución de dificultades y técnicas de búsqueda al inicio de la era de la Inteligencia Artificial demostraron no ser bastantes para resolver los problemas encaminados a las aplicaciones, ni fueron capaces de satisfacer los difíciles exigencias de la investigación.
A este conjunto de métodos, procedimientos y técnicas, se lo presenta como Inteligencia Artificial Débil. La principal conclusión que se procedió de este trabajo inicial fue que los problemas difíciles sólo lograrían ser resueltos con el auxilio del conocimiento específico acerca del dominio del problema.
leandroto@hotmail.com


Representación del Sentido común

ResumenEn el diseño de sistemas de computación que simulen un comportamiento inteligente o en el estudio de la inteligencia empleando principios y métodos de la computación (Estudio computacional de la inteligencia) ambos objetivos fundamentales de la inteligencia artificial; un tema central es el de la representación del conocimiento de la vida diaria, del sentido común, así como el de la estrategia heurística para su manejo; de tal manera que con estos, pueda programarse un computador o dirigir un robot para que resuelvan problemas del quehacer cotidiano. A tal tipo de programas se les llama resolvedores generales del problemas y , también, programas con Sentido Común. Como instrumento de representación el Cálculo de predicados ha tenido un extensivo uso en el diseño de sistemas para Programa con Sentido Común; y, el Principio de Resolución, basado en teoremas de Herbrand por refutación, así como algoritmos de reducción de diferencias entre situaciones iniciales de un problema con las situaciones objetos en un espacio muy amplio de estas, han sido utilizados como heurística para los programas de este tipo. Uno de ellos, ampliamente tratado en la literatura técnica y que ha formado la “inteligencia” de un robot construido en el Instituto de Investigaciones de la Universidad de Stanford, llamado STRIP por “Stanford Research Institute Problem Solver”, ha sido pionero de la investigación en este campo y prototipo para nuevos y mejores sistemas, fundamentados en los principios arriba mencionados. Como tesis para la Maestría en Ciencias de la Computación (1978) sometimos al Jurado examinador de la Universidad Simón Bolívar de Venezuela, un sistema que denominamos TRESPO, por Transformaciones Relaciones para Expresar un Sistema de Producciones Tipo Q, o más corto por 3PQ, con el cual esperábamos superar algunas de las principales críticas hechas al STRIPS, en particular; más general, al Cálculo de Predicados como medio de representación y al Principio de Resolución como heurística. Eran estas, básicamente, el que el Cálculo de Predicados es monotonito, siempre hay que agregar nuevos teoremas al sistema formalizado. No pueden eliminarse una vez probados, a menos que el sistema resulte incompleto o sustituir teoremas por sus opuestos. Pero la vida cotidiana debemos rechazar información considerada antes como cierta y que dejó de serlo, como consecuencias de nuestras acciones, las de otros o de las leyes de la naturaleza. Por otra parte, que en el Principio de Resolución no puede evitarse una explosión combinatoria por la comparación de cláusulas y a pesar de que numerosas técnicas para suprimirla han sido ensayadas, el sistema sólo es aplicable a casos simplísimos, a pequeños micromundos de la vida cotidiana, y finalmente, que en el Cálculo de Predicados solo es posible manejar dos tipos de valores, cierto o falso, mientras que en la vida diaria, en el mundo real, los valores son difusos, vagos, probabilísticos, a veces plausibles, de creencias, de tal manera que los conjuntos usuales a los que hacen referencias corresponden a dominios vagos de muchos valores. Para resolver estas fallas observadas en el STRIPS propusimos el sistema 3PQ que integraba tres técnicas: Una formalización en lógicas no-monotónicas, lógicas en que se pueden agregar o eliminar teoremas de manera formal sin que por ello resulte inconsistente la formalización empleada; en particular seleccionamos un Sistema desarrollado por Veré (77) como medio de representación; el cual se asemeja a una Gramática Transformacional Tipo Cero. Con ella representamos veinticinco primitivos con los Reiger (76,77) esperaba formar cualquier algoritmo de sentido común, a fin de suprimir la explosión combinatoria de los sistemas de inteligencia artificial; y, modificamos a la formalización para que se refiriera a conjuntos vagos en lugar de literales de predicados. Completado este diseño, el segundo paso hacia la instrumentación de 3PQ (prueba de programación a la que se debe someter cualquier tesis en inteligencia artificial), consiste en desarrollar una heurística para que dentro de la representación empleada, el sistema consiga la selección de producciones que generan las transformaciones entre una situación inicial y un objeto, lo cual constituye una solución a un problema en esta clase de sistemas. Como trabajo de ascenso, aquí presentamos tal heurística para 3PQ, fundamentada en la formalización en que este se presenta. Consiste esta en una búsqueda dentro de un espacio de situaciones, construido por la aplicación de producciones a una situación inicial y las generadas por los primitivos de Rieger formalizados en 3PQ, seleccionados estos por su capacidad de reducir la diferencia entre estas situaciones y las que generaría la composición de producciones; hasta que por este doble proceso “hacia adelante” (Reasoning forward”, “Bottonup”) “hacia atrás” (Reasoning backward”, “TOP-Down”) se reduzca en algún punto a cero la diferencia entre la secuencia de situaciones generadas, si hay una solución, o deba aumentarse el espacio de situaciones si se quiere orientar el sistema a que continúe buscándola. La solución es la composición de una lista de producciones de las seleccionadas hacia delante y una lista invertida de las seleccionadas hacia atrás. El algoritmo prevé participación externa como una especie de “Toma Consejo” en la búsqueda de la solución, en algunos puntos de la heurística por interrelación hombre-máquina. El trabajo comienza con una introducción al tema y una actualización bibliográfica a la tesis que acumula 52 nuevos títulos y justifica de nuevo el “status quaestionis” de la tesis misma. Luego se presenta TRESPO en el Capítulo II. En el III se diseña la heurística y se discute sus fundamentos matemáticos y algorítmicos, y, finalmente, en el Capítulo IV, se señalan conclusiones sobre lo alcanzado en el presente trabajo y lo propuesto como investigación futura.
Alberto Castillo Vicci

Razonamiento con incertidumbre
El método más antiguo para el tratamiento de la incertidumbre es la probabilidad. Dentro del campo de la inteligencia artificial, surgieron críticas contra el uso de métodos probabilistas en sistemas expertos, especialmente porque las hipótesis necesarias para hacer tratable el método bayesiano clásico eran incorrectas en la mayor parte de los problemas del mundo real. Esto motivó el desarrollo de otros métodos, como los factores de certeza o la lógica difusa, en que se introducen implícitamente hipótesis y aproximaciones aún más exigentes. Afortunadamente, el desarrollo de las redes bayesianas en la década de los 80 permitió refutar las objeciones anteriores contra el uso de la probabilidad, construyendo un modelo de razonamiento causal con un sólido fundamento teórico. Por otro lado, los diagramas de influencia, que aparecen también en la década de los 80, pueden considerarse como una extensión de las redes bayesianas, que por tener nodos de decisión y nodos de utilidad, permiten resolver problemas de toma de decisiones. En la década de los 90 ha crecido exponencialmente el número de investigadores, universidades y empresas dedicados a este tema; actualmente existen sistemas expertos bayesianos en las especialidades más diversas. Dado que nuestra investigación aplicada se ha centrado sobre todo en la medicina, la mayor parte de los ejemplos que ofrecemos en este curso corresponden a sistemas expertos médicos, aunque mencionaremos también las aplicaciones en ingeniería, visión artificial, comercio electrónico, informática educativa, interfaces inteligentes, etc.
UNED
members.fortunecity.es/rednovohcop/ayuda1111.html

INTELIGENCIA ARTIFICAL 03

BUSQUEDA EN ESPACIOS DE ESTADO

En el AI, los problemas se modelan a menudo como a espacio del estado, a sistema de estados que un problema puede ser pulg. El sistema de estados forma a gráfico donde dos estados están conectados si hay operación eso se puede realizar transforma el primer estado en el segundo.
La búsqueda del espacio del estado según lo utilizado en el AI diferencia de tradicional informática búsqueda métodos porque es el espacio del estado implícito: el gráfico típico del espacio del estado es mucho demasiado grande generar y almacenar adentro memoria. En lugar, se generan como se exploran, y se desechan típicamente los nodos después de eso. Una solución a a búsqueda combinatoria el caso puede consistir en el estado sí mismo de la meta, o de una trayectoria de alguno estado inicial al estado de la meta.

Estuardo J. Russell y Peter Norvig (2003). Inteligencia artificial: Un acercamiento moderno. Prentice Pasillo.

Resumen: Las técnicas de Inteligencia Artificial permiten la representación del conocimiento junto a un mecanismo de inferencia mediante el cual se obtienen conclusiones después de un proceso de razonamiento o deducción, este mecanismo es aprovechado en la elaboración de Sistemas Inteligentes, que pueden utilizarse para el proceso de Enseñanza-Aprendizaje. En estos programas educativos la información que se necesita del alumno es almacenada en estructuras que posibilitan extraer conclusiones útiles, por lo que estudiantes con diferentes características y
necesidades cognitivas, afectivas y motivacionales tendrán asociados diferentes materiales de estudio.
Al incorporarle inteligencia a los software, estos son capaces de guiar al alumno de una forma
personalizada en una enseñanza semipresencial que requiere de la independencia del estudiante. En este artículo se exponen algunas ideas desarrolladas por los autores acerca de las aplicaciones de técnicas de Inteligencia Artificial en el desarrollo de software adaptativos con fines educacionales.

Santa Clara, Villa Clara, Cuba, mle, zgarcia@uclv.edu.cu

La heurística se podría definir como el conjunto de criterios, métodos o principios que se utilizan para encontrar, entre varios caminos posibles, cuál o cuáles son los más efectivos para obtener un objetivo determinado.

Evidentemente, la heurística también tiene mucho que ver con los mecanismos experimentales y empíricos, cuya síntesis acaba elaborando estas reglas de la experiencia que se utilizan para seleccionar un camino de acción ante la explosión combinatoria de muchos casos posibles.

Ejemplo
Investigaciones de IA han demostrado que un jugador de ajedrez experto no analiza todas las jugadas posibles en un momento determinado del juego, sino sólo aquellas que, heurísticamente,
reconoce gracias a su experiencia como más prometedoras o interesantes.

Miquel Barceló García

Se muestra, sobre la base de investigaciones realizadas por el autor y colaboradores, como las tendencias en el campo de las Ciencias de la Información en los últimos veinte años, pero sobre todo en los últimos casos, requieren, para su aplicación consecuente, un estudio permanente de las necesidades y expectativas de formación e información de los usuarios o clientes para diseñar y desarrollar sobre esta base las nuevas ofertas (productos/servicios) de información. Se demuestra, también sobre la base de otras investigaciones desde 1992, que, contradictoriamente, el tratamiento conceptual, metodológico y práctico sobre este tipo de estudio ha sido pobre y caracterzado por la baja calidad y la ambigüedad terminológica, y que su introducción, como un proceso más, en las entidades de información ha sido hasta el momento soslayado por la mayoría de ellas.NUÑEZ PAULA, Revista general de información y documentación.

NUÑEZ PAULA, Inteligencia Artificial.

INTELIGENCIA ARTIFICIAL 03

SISTEMAS REACTIVOS

SISTEMAS REACTIVOS
Sistemas Inteligentes en el ambito de la Educacion
M. Urretavizcaya

Resumen

En este artículo se quiere dar una visión general de algunas de las actividades que realizan los sistemas inteligentes educativos. Para favorecer los procesos de aprendizaje en el estudiante existen dos planteamientos distintos. Uno, el de realizar una tutorización guiada mediante un proceso de transmisión de conocimientos a través de estrategias de enseñanza establecidas. Y otro, el de ofrecer una presentación de material docente que permita al estudiante adquirir conocimientos a través de sus propias estrategias de aprendizaje,según un planteamiento ?constructivista?. En particular, mostramos los Sistemas Tutores Inteligentes (STI) y los entornos que permiten la construcción de STIcon planteamientos didácticos y pedagógicos conducidas por la idea de una tutorización guiada. También veremos los sistemas que incluyen tecnología hipermedia cuya propuesta se amolda fácilmente con los planteamientosconstructivista. Por otro lado y desde una visión no individualizada de la enseñanza, presentamos sistemas que incluyen capacidades para un aprendizaje colaborativo. Finalmente, nos centraremos en ciertos modelos de formación, necesarios en ámbitos de la formación reglada, continua y ocupacional, y lasposibilidades de abordarlos desde nuestra perspectiva tecnológica de la IA.Palabras clave. Sistemas inteligentes educativos, nuevas tecnologías, sistemas tutores inteligentes, aprendizaje colaborativo, entornos hipermedia, herramientas de autor.

REDES NEURONALES

Una red neuronal artificial es un entramado o estructura formada por nodos o neuronas, que se conectan entre sí y tienen la capacidad de recibir datos de entrada y producir una salida.

Las redes neuronales (RN) representan una técnica de modelación matemática, que intenta imitar el proceso de aprendizaje que ocurre en el sistema nervioso. Su primer antecedente data de mediados del siglo XX y las primeras que se conocieron fueron las redes Perceptrón y Adaline (Freeman y Skapura, 1991).
Las RN se basan en una estructura de neuronas unidas por enlaces que transmiten información a otras neuronas, las cuales entregan un resultado mediante funciones matemáticas. Las RN aprenden de la información histórica a través de un entrenamiento, proceso mediante el cual se ajustan los parámetros de la red, a fin de entregar la respuesta deseada, adquiriendo entonces la capacidad de predecir respuestas del mismo fenómeno. El comportamiento de las redes depende entonces de los pesos para los enlaces, de las funciones de activación que se especifican para las neuronas, las que pueden ser de tres categorías: lineal, de umbral (o escalón) y sigmoidea, y de la forma en que propagan el error (Freeman y Skapura, 1991).

Gustavo Ovando[1], Mónica Bocco1 y Silvina Sayago1
[1] Universidad Nacional de Córdoba, Facultad de Ciencias Agropecuarias, CC 509, 5000 Córdoba, Argentina. E-mail: gugovan@agro.uncor.edu

VISION ARTIFICIAL

La visión artificial es una subrama de la inteligencia artificial orientada a permitir al computador a que pueda entender una imagen o conjunto de ella.

Todo esto se consigue median múltiples técnica:

• La detección, segmentación, localización y reconocimiento de ciertos objetos en imágenes (por ejemplo, caras humanas).
• La evaluación de los resultados (ej.: segmentación, registro).
• Registro de diferentes imágenes de una misma escena u objeto, i.e., hacer concordar un mismo objeto en diversas imágenes.
• Seguimiento de un objeto en una secuencia de imágenes.
• Mapeo de una escena para generar un modelo tridimensional de la escena; tal modelo podría ser usado por un robot para navegar por la escena.
• Estimación de las posturas tridimensionales de humanos.
• Búsqueda de imágenes digitales por su contenido.

Jesús Cáceres Tello, Servicios Informáticos, Profesor Asociado del Dpto. Ciencias de la computación, Escuela Técnica Superior de Informática, Universidad de Alcalá .
jesus.caceres@uah.es

COMENTARIO:

Desde mi punto de vista veo la importancia que tiene para el hombre la informática desde sus diferentes campos de acción, desde la inteligencia artificial se ve reflejado como la capacidad del ser humano no tiente limites y es ahí donde nosotros como docentes debemos motivar a nuestros estudiantes para que sean autónomos en la búsqueda de nuevos conocimientos, explorando sus capacidades mas aya de lo que como docentes les podemos brindar, somos orientadores y ellos los dueños de sus propios conocimientos.

En la actualidad hay que estar muy involucrados con lo que tiene que ver con los medios informáticos y sus avances, pues el hombre va descubriendo cosas nuevas e inimaginables día tras días y sin un fin.

Estos artículos citados son de gran importancia, unos mas que otros, de igual forma, cada uno esta enfocado en temas específicos, que de igual forma en ocasiones deberían integrar un poco mas los conceptos que puedan tener relación y de esta forma permitirían que fueran mas acertadas las consultas de acuerdo a los temas de interés solicitados.

INTELIGENCIA ARTIFICIAL 03

LECTRURAS RELACIONADAS CON INTELIGENCIA ARTIFICIAL

El ser humano depende en gran medida de su inteligencia para vivir. Es la facultad de conocer y comprender; es el conjunto de conocimientos que sirven para resolver una situación y tomar decisiones. La inteligencia se comienza a desarrollar cuando el ser humano inicia su proceso de aprendizaje, permitiendo al individuo responder ante las diferentes situaciones que se le presentan en la vida y nos da la capacidad de adaptación al medio ambiente... Esto y mucho más es y puede ser la inteligencia, sin embargo, la propia lucidez depende mucho de cómo estamos; también de lo arraigados que estamos en nuestras costumbres, formas de pensar, incluso, cuando en silencio hemos decidido "no ser más inteligentes", porque nuestra agudeza queda relegada a todo aquello que damos por verdad, por hecho irremisible; porque no vemos más allá debido a que hemos perdido en parte la capacidad objetiva de observar, y cambiamos esto por la multitud de conceptos que nos embargan la verdad, siendo entonces inteligencia artificial...
Cierto es que la inteligencia es un proceso de la mente humana que nos avala ante la vida, pero, si dejamos que nuestra mente sea quien dirige la inteligencia, quizás limitamos su poder de captación, pues nos movemos desde la concepción que tenemos del mundo y actuamos en esa misma consecuencia, con lo cual, podemos ser, un poco, fruto de la inteligencia artificial porque condicionamos esta increíble herramienta. Entiendo que la inteligencia debe ser libre, como el verdadero observar. Un puente entre lo que sabemos y lo que hay que aún no sabemos, que por no haberlo procesado nunca no deja de poder ser cierto.
La inteligencia necesita espacio vacío para que las ideas nazcan desde esa aparente nada. A veces los pensamientos son quienes entorpecen esta luz, porque se interponen tumultuosos y desde un orden nada preclaro, mientras que el mundo de las ideas incita lo que es el ser humano por naturaleza: creador.

(wikipedia.org)

El empleo de la IA esta orientado a aquellas profesiones que, ya sea por lo incomodo, peligroso o complicado de su trabajo necesitan apoyo de un experto en la materia. Las ventajas que trae el disponer de un asistente artificial no son mas que las de solucionar los errores y defectos propios del ser humano; es decir, el desarrollo de sistemas expertos que hoy en día se están utilizando con éxito en los campos de la medicina, geología y aeronáutica aunque todavía están poco avanzados en relación con el ideal del producto IA completo.
Tomado de: http://www.monografias.com/Computacion/index.shtml

Comentario:

En cada uno de los artículos citados de Inteligencia Artificial, se muestra como el hombre quiere mejorar su condición de vida a partir de los avances tecnológicos y que cada vez sean mejores, para que faciliten su quehacer de acuerdo a su entorno.

De igual forma se evidencia como la inteligencia del hombre no tiene límites…

INTELIGENCIA ARTIFICIAL 03

BREVE HISTORIA DE LA INTELIGENCIA ARTIFICIAL

Los desarrollos de la ciencia y de la tecnología han invadido todos los campos humanos en el siglo XX, pero muy en particular el desarrollo de las computadoras, pues pueden ser consideradas como el invento tecnológico mas importante del siglo XX.

El acelerado desarrollo de la computadora, ha hecho posible la implementación de procesos informáticos anteriormente inimaginables. La correlación Programa-Máquina, ha hecho posible la demostración de teoremas, jugar partidas de ajedrez, dar diagnósticos médicos y jurídicos a partir de sistemas expertos, entre otras cosas.

Estos logros de la computación y de la informática se asocian al concepto de Inteligencia Artificial, que ha generado una gran cantidad de controversias, pues algunos sostendrán que la Inteligencia solo puede ser Natural.

Según Margaret Boden el surgimiento de la Inteligencia Artificial puede señalarse a partir de 1950 con la publicación de A.M. Turing en Mind: Computing Machinery and Intelligence (Turing 1950).

Turing inicia su articulo planteando la pregunta: ¿Puede pensar las máquinas?, por lo que intenta clarificar que se entiende por los términos pensar y máquina. Pero el planteamiento de Turing va más allá de un simple problema de definiciones y plantea el famoso “juego de la imitación”, tal que se da la posibilidad que una máquina pueda expresarse las características humana, tal que a través de una Terminal sea imposible diferenciar una maquina de un Ser Humano. A su vez, Turing presenta una serie de argumentos en contra de los perjuicios usuales desde diversas perspectivas que se tiene contra la posibilidad que las maquinas piensen.

En segundo gran paso en los desarrollo de la Inteligencia Artificial, fue la Conferencia de 1956, cuando un grupo de diez especialistas en matemática y lógica se reunieron en Darmouth Collage, en Hanover, Estado de New Hampshire. El propósito de esta conferencia era debatir sobre la posibilidad de producir programas de computadora que fueran capaces de “comportarse” o “pensar inteligentemente.


Comentario:

El artículo muestra como la aparición de la computadora ha generado un gran impacto en la historia de la humanidad y como el hombre día tras día explora desde su capacidad intelectual, mejorando los modelos tecnológicos, por otros con capacidades superiores y siempre buscando crear cada vez mas cosas novedosas demostrando que su capacidad de creación es inimaginable.