GLOSARIO DE TÉRMINOS, REPRESENTACIÓN DEL CONOCIMIENTO Y RAZONAMIENTO
INSTITUTO TECNOLÓGICO SUPERIOR DE CENTLA
DOCENTE: DR ALFREDO DE
JESÚS GUTIÉRREZ GÓMEZ
ALUMNO: JULIO
CESAR REYES HERNANDEZ
CARRERA: INGENIERÍA EN SISTEMAS COMPUTACIONALES
MATRICULA: 17E50179
MATERIA: INTELIGENCIA
ARTIFICIAL
GLOSARIO DE TÉRMINOS
4 DE JULIO DEL 2021
GLOSARIO DE TÉRMINOS
INTRODUCCIÓN
En este glosario
encontraras las definiciones, conceptos y ejemplo sobre el tema de la
inteligencia artificial, donde cincuenta glosarios hablaran de la unidad 1 y el
otro cincuenta hablara de la unidad. En este glosario vamos a descubrir cada
definición que nos ayuda que significa cada tema.
UNIDAD I
1. Inteligencia: la capacidad de lógica, comprensión, autoconciencia, aprendizaje, conocimiento emocional, razonamiento, planificación, creatividad, pensamiento crítico y resolución de problemas.
2. Artificial: es cualquier cosa hecha con intención y propósito, teniendo la capacidad de modificar su entorno para ello.
3.
Inteligencia
artificial: la inteligencia expresada por máquinas,
sus procesadores y sus softwares, que serían los análogos al cuerpo, el cerebro
y la mente, respectivamente, a diferencia de la inteligencia natural
demostrada por humanos
y ciertos animales
con cerebros complejos.
Habilidad: capacidad o aptitud para realizar una actividad, tarea o trabajo en particular, ya sea física, mental o social.
Cognoscitivo: procesos a través de los cuales los individuos son capaces de generar y asimilar conocimiento.
Habilidades cognitivas: son un conjunto de operaciones mentales cuyo objetivo es que la persona integre la información adquirida básicamente a través de los sentidos, en una estructura de conocimiento que tenga sentido para él.”
Percepción: proceso que permite organizar e interpretar los datos que se perciben por medio de los sentidos y así desarrollar una conciencia de las cosas que nos rodean.
Procesos del pensamiento: Los procesos del pensamiento se refieren a la última fase del proceso de percepción. En este momento se deciden qué datos se atenderán de manera inmediata con el fin de comparar situaciones pasadas y presentes y de esa manera, realizar interpretaciones y evaluaciones de la información.
Interpretar: Es atribuir significado personal a los datos contenidos en la información recibida. Interpretar implica su habilidades como razonar, argumentar, deducir, explicar, anticipar.
GARDNER: Dr. Howard Gardner, profesor de ciencias de la educación en la Universidad de Harvard, ha llevado a cabo investigaciones acerca del desarrollo de la capacidad cognitiva humana durante muchos años.
Lógica: Ciencia formal y una rama de la filosofía que estudia los principios de la demostración e inferencia válida.
Teorema: Es una afirmación que puede ser demostrada como verdadera dentro de un marco lógico. Demostrar teoremas es el asunto central en la matemática.
Axioma: Es una “verdad evidente” que no requiere demostración.
Teoría de la Demostración: Es una rama de la lógica matemática que trata a las demostraciones como objetos matemáticos, facilitando su análisis mediante técnicas matemáticas.
Teoría Del Conocimiento: Es el intento intelectual de explicar la forma en la que adquirimos el conocimiento del mundo y los procedimientos por los que es generado ese conocimiento, de tal forma que pueda ser valorado ya como verdadero o como falso.
Conocer: consiste en obtener una información acerca de un objeto. Conocer es conseguir un dato o una noticia sobre algo.
Conocimiento sensible: Es aquel que se adquiere a través de la captación de un objeto por medio de los sentidos, que en el caso de los seres humanos los más desarrollados son el oído y la vista, de este modo, somos capaces de almacenar en nuestra memoria las imágenes de todos los objetos que observamos a diario, con sus características particulares.
Conocimiento conceptual: se trata de aquel que se forma a partir de un conjunto de representaciones definidas como invisibles, inmateriales, universales y esenciales.
Racionalismo: Se denomina racionalismo a la doctrina epistemológica que sostiene que la causa principal del conocimiento reside en el pensamiento, en la razón. Afirma que un conocimiento solo es realmente tal, cuando posee necesidad lógica y validez universal.
Conceptualización: se refiere a la manera como se define un concepto en relación con una experiencia asociada o con otro concepto en una proposición o estructura conceptual.
El Modelo Cognoscitivo: la facultad de los seres de procesar información a partir de la percepción, el conocimiento adquirido (experiencia) y características subjetivas que permiten valorar y considerar ciertos aspectos en comparación de otros.
La interpretación: se refiere a la manera como un concepto o conjunto de conceptos o proposiciones toma significados en relación con un contexto lingüístico o discursivo o en relación con un fenómeno. Dentro de la interpretación se juegan procesos cognoscitivos como la deducción, la inferencia, el análisis, la síntesis y diferentes modalidades de categorización.
La transferencia: se refiere a la manera como se aplica un conocimiento a la solución de problemas surgidos en contextos diferentes a aquellos en donde se dio la situación de aprendizaje.
La creatividad se refiere a la manera como se reestructura o se proponen estructuras diferentes a las aprendidas.
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.
Autonomía: Actuar sin ningún tipo de intervención humana directa, y tener control sobre sus propios actos.
Reactividad: Actúa en función de los sucesos producidos en el entorno.
Proactivo: Toma la decisión de actuar antes de que se den los sucesos.
Sociabilidad: Comunicarse por medio de un lenguaje común con otros agentes, e incluso con los humanos.
Cooperación: Con otros agentes para realizar tareas de mayor complejidad.
Racionalidad: el agente siempre realiza «lo correcto» a partir de los datos que percibe del entorno.
Adaptabilidad: está relacionado con el aprendizaje que un agente es capaz de realizar y si puede cambiar su comportamiento basándose en ese aprendizaje.
Movilidad: Capacidad de un agente de trasladarse a través de una red telemática.
Veracidad: Un agente no comunica información falsa a propósito.
Agentes de interfaz: Cuando un usuario hace una consulta, la interfaz recoge los términos de ésta como algo representativo de la materia en la que se está interesado. Posteriormente, y a partir de su base de conocimiento, realiza una consulta expandida.
Agentes móviles: Son programas que pueden migrar de una a otra máquina. Por ejemplo, un agente móvil puede suspender el proceso que esté realizando, transportarse a sí mismo por medio de la red y reanudar la ejecución del proceso que estaba llevando a cabo donde estime oportuno.
Agente móvil monosalto: Se mueven a un único y específico lugar
Agente móvil multisalto: Transitan por la red de uno a otro lugar.
Agentes colaborativos: Este tipo de agentes se enfatiza en la autonomía y las habilidades sociales con otros agentes para ejecutar las tareas de sus usuarios. La coordinación de los agentes se logra mediante la negociación para alcanzar acuerdos que sean aceptables para los agentes negociantes.
Agentes de información: Están diseñados específicamente para procesar consultas, y poseen al menos uno de los siguientes elementos: capacidad de proceso, conocimiento del entorno donde se mueven e información de un dominio.
Agente racional ideal: un agente racional deberá emprender todas aquellas acciones que favorezcan obtener el máximo de su medida de rendimiento, basándose en las evidencias aportadas por la secuencia de precepciones y en todo conocimiento incorporado en tal agente.
Mapeo: El comportamiento de un agente depende exclusivamente de la secuencia de sus percepciones en un momento dado, es posible caracterizar cualquier agente en particular elaborando una tabla de las acciones que éste emprende como respuesta a cualquier secuencia de percepciones posible.
Agentes reactivos simple: El tipo de agente más sencillo es el agente reactivo simple. Estos agentes seleccionan las acciones sobre la base de las percepciones actuales, ignorando el resto de las percepciones históricas.
Agentes reactivos basados en modelos: Este tipo de agente guarda estados internos sobre la historia percibida lo cual le sirve para ejecutar una acción. Los sensores no pueden informar a la vez de todos los estados que maneja el ambiente, por ello el agente necesita actualizar algo de información en el estado interno.
Agentes basados en metas u objetivos: El programa del agente se puede combinar con información sobre los resultados de las acciones posibles para elegir las acciones que permitan alcanzar el objetivo.
Agentes basados en utilidad: Son aquellos que utilizan un modelo del mundo, junto con una función de utilidad que calcula sus preferencias entre los estados del mundo. Después selecciona la acción que le lleve a alcanzar la mayor utilidad esperada, entre todos los resultados posibles.
Heurística: La palabra heurística procede del término griego εὑρίσκειν, que significa hallar o inventar.
Principios heurísticos: Constituyen sugerencias para encontrar (directamente) la idea de solución; posibilita determinar, por tanto, a la vez, los medios y la vía de solución. Dentro de estos principios se destacan la analogía y la reducción.
Reglas heurísticas: Actúan como impulsos generales dentro del proceso de búsqueda y ayudan a encontrar, especialmente, los medios para resolver los problemas.
Estrategias heurísticas: Se comportan como recursos organizativos del proceso de resolución, que contribuyen especialmente a determinar la vía de solución del problema abordado.
UNIDAD II
Algoritmo
El núcleo de donde parte la inteligencia artificial. Son las fórmulas matemáticas y/o comandos de programación que indican a una computadora cómo resolver problemas. Son las reglas para enseñar a las computadoras cómo resolver situaciones o problemas.
Aprendizaje automático
Se define como la capacidad de las computadoras de aprender y actuar como los humanos. Esto incluye el desarrollo de su aprendizaje en forma autónoma a lo largo del tiempo, proporcionándoles datos como interacciones del mundo real y otro tipo de observaciones.
Aprendizaje profundo
Es el resultado del trabajo de una red neuronal. A medida que las capas procesan los datos, más allá de entender qué es algo, la IA comienza a aprender el por qué. Hay diferentes ejemplos de aprendizaje profundo:
• la visión artificial es una aplicación de aprendizaje profundo que puede "entender" imágenes digitales.
• el caso de Amazon, que utiliza este aprendizaje para analizar la actividad de compra de sus clientes y ofrecer así recomendaciones de productos.
Aprendizaje reforzado
Implica dar a la IA un objetivo que no está definido con una métrica específica, sino que se requiere encontrar una solución o mejorar la eficiencia. En lugar de encontrar una respuesta específica, la IA ejecutará varias hipótesis e informará los resultados para evaluar y ajustar las siguientes suposiciones.
Aprendizaje supervisado
En el modelo de IA se proporciona la respuesta correcta con anticipación: la IA conoce tanto la pregunta como la respuesta. Este método de preparación es el más común, porque define los modelos de pregunta y respuesta ofreciendo la mayor cantidad de datos.
Aprendizaje sin supervisión
Los modelos de IA pueden aprender por sí mismos, sin tener que alimentarles estructuras predefinidas. Utilizan capas y capas de información no estructurada, procesan los datos, establecen las relaciones existentes entre ellos y encuentran un patrón en los mismos.
Autonomía
Los dispositivos con IA aplican el término "autónomo" cuando no necesitan ayuda de las personas; esa autonomía se clasifica en diferentes niveles. Los coches autónomos, por ejemplo, alcanzan un nivel 4 de autonomía cuando no necesitan una persona para funcionar a plena capacidad y por tanto no tienen volante ni pedales.
Caja negra
La IA, mediante las reglas que aplica, realiza matemática compleja que genera información útil para tomar sus decisiones. Aunque ni siquiera podemos entender a veces el proceso por el que llega a esos datos, sí conocemos las reglas por las cuales llega a ese resultado. Este proceso se conoce como un aprendizaje de caja negra (black box).
Procesamiento natural del lenguaje
Solamente una red neuronal avanzada es capaz de analizar y comprender la estructura del lenguaje humano; esta interpretación y su procesamiento resultan indispensable para servicios de traducción, chatbots o asistentes de IA como Alexa o Siri.
Red neuronal
Con un diseño similar al sistema nervioso y al cerebro humano, una red neuronal organiza las etapas de aprendizaje para dar a la IA la capacidad de resolver problemas complejos dividiéndolos en niveles de datos. Las redes neuronales aplican la táctica de la división en conjuntos de datos más pequeños para ir superando cada capa de su aprendizaje.
Test de Turing
Muchos de los expertos en IA tienen reservas sobre el desarrollo de la inteligencia artificial. Alan Turing, el padre de la computación moderna, también las tenía, y desarrolló una prueba para evaluar si las máquinas podían comportarse de una manera similar al ser humano. En el test un humano evalúa las conversaciones entre humano y máquina, y trata de distinguir cuál es cuál. En 2014, un chatbot logró superar el test.
Transferencia de aprendizaje
Este término se refiere a cómo la IA puede almacenar el conocimiento adquirido al resolver un problema y utilizarlo luego para solucionar otra situación, distinta pero relacionada con el primer caso. Por ejemplo, si un modelo de IA aprende a reconocer automóviles, ese conocimiento le facilitará posteriormente el reconocimiento de otro tipo de vehículos, como pueden ser los camiones.
La IA y su avance sin límites
En resumen, la IA no es un término acuñado en la era digital. Hoy en día representa un cambio fundamental en nuestra trayectoria como especie gracias a los avances tecnológicos. Su posicionamiento en los próximos años afectará notablemente a los modelos de negocio y a la productividad personal.
Sintaxis: Es el conjunto de reglas que definen la manera de escribir instrucciones de código.
Chatbot / Bot
Un chatbot, también conocido como agente de conversación o asistente virtual , es un sistema capaz de mantener un diálogo con los usuarios basado en conversaciones que han sido creadas en secuencia de comandos.
Administrador de chatbot
Un Administrador de Chatbot es la persona encargada de administrar el asistente virtual. Esta persona, que también podría ser mencionada como la entrenadora del asistente virtual , es la encargada de implementar el chatbot y supervisar sus operaciones cotidianas.
Data Crunching (Crujido de datos)
El crujido de datos es el análisis automatizado de grandes cantidades de datos procedentes de Big Data. Una vez importados en un sistema, los datos se ordenan, estructuran, procesan y luego se analizan de manera consistente para ayudar a una máquina a tomar decisiones informadas.
Aprendizaje profundo
Una subcategoría del aprendizaje automático, el aprendizaje profundo permite el aprendizaje jerárquico de una gran cantidad de información.
Aprendizaje automático
El aprendizaje automático es uno de los componentes básicos de la inteligencia artificial. El término se refiere a un proceso en el que una máquina, por ejemplo, un chatbot, está dotada de la capacidad de aprender automáticamente.
Procesamiento de lenguaje natural (NLP)
El procesamiento del lenguaje natural es la piedra angular de la inteligencia artificial, el aprendizaje automático y la lingüística.
Comprensión del lenguaje natural (NLU)
Un subconjunto de Natural Language Processing , Natural Language Understanding es la cadena de procesamiento que dará sentido a la frase.
Redes neuronales
El poder de una red neuronal se deriva del poder individual de cada neurona. Así es como funciona el cerebro humano: cada neurona realiza su propio cálculo simple, y la red formada por todas las neuronas multiplica el potencial de estos cálculos.
Escenarios de aprendizaje
Los escenarios de aprendizaje son los parámetros que una persona ingresa en una máquina que le permite tomar una decisión racional.
Aprendizaje supervisado / aprendizaje no supervisado
El aprendizaje automático se puede dividir en dos modelos diferentes, los cuales implican entrenar una máquina en una base de datos que está integrada, estructurada y luego analizada (crujido de datos).
Prueba de Turing
Concebida por el matemático Alan Turing en los años cincuenta, la prueba de Turing consiste en evaluar la capacidad de una máquina para imitar a un ser humano en la medida en que es indistinguible de una persona de carne y hueso.
Embodied I.A
Una forma elegante de decir "robots con capacidad de inteligencia artificial".
Few-shot learning
La mayoría de las veces, los sistemas de visión artificial necesitan ver cientos o miles (o incluso millones) de ejemplos para descubrir cómo hacer algo. El aprendizaje de una sola vez y de pocas veces trata de crear un sistema que puede ser enseñado a hacer algo con mucho menos entrenamiento.
Redes generativas adversarias
También llamadas GANs, son dos redes neuronales que se entrenan con el mismo conjunto de datos de fotos, videos o sonidos.
Aprendizaje automático (Machine Learning)
Sistemas que aprenden de los conjuntos de datos para realizar y mejorar una tarea específica. Es el área actual de I.A. que está experimentando el mayor auge de la investigación.
Procesamiento del lenguaje natural
La disciplina dentro de la I.A. que trata con el lenguaje escrito y hablado.
Aprendizaje de refuerzo
Un proceso en el que las máquinas aprenden a realizar una nueva tarea como lo hacen los humanos - a través de un sistema de recompensas y castigos - comenzando como un novato y mejorando con la práctica y la retroalimentación.
Aprendizaje supervisado
Una técnica que enseña un algoritmo de aprendizaje de máquina para resolver una tarea específica utilizando datos que han sido cuidadosamente etiquetados por un humano. Los ejemplos cotidianos incluyen la mayoría de las predicciones meteorológicas y la detección de spam.
Aprendizaje de transferencia
Este método intenta tomar los datos de entrenamiento utilizados para una cosa y reutilizarlos para un nuevo conjunto de tareas, sin tener que volver a entrenar el sistema desde cero.
Aprendizaje sin supervisión
Un enfoque que proporciona datos de I.A. sin etiquetar y tiene que darle sentido sin ninguna instrucción. En esencia, es cuando las máquinas "se enseñan a sí mismas".
I.A. explicable (X.A.I.)
A.I. que puede decir o mostrar a sus operadores humanos cómo llegó a sus conclusiones.
I.A. débil.
Nuestro nivel actual de I.A., que puede hacer sólo una cosa a la vez, como jugar al ajedrez o reconocer razas de gatos. Lo contrario sería una I.A. fuerte, también conocida como inteligencia general artificial (I.G.A.), que tendría la capacidad de hacer cualquier cosa que la mayoría de los humanos puedan hacer.
Captar información del entorno
Percepción. Los humanos, nos comunicamos con nuestro entorno por medio de nuestros sentidos. Hoy día existen multitud de sensores de todo tipo que pueden realizar esta función, recogiendo información del entorno y enviándola para su procesamiento en la computadora.
Representar el conocimiento
Esta IA capaz de percibir personas, objetos, conceptos, palabras, símbolos matemáticos etc., necesita ser capaz de representar ese conocimiento en su “cerebro artificial”.
Anuncios personalizados
Sistemas de IA principalmente impulsados por buscadores y redes sociales, son aquellos que analizan toda la información que disponen del usuario, para mostrarle anuncios con los que probablemente interactuará.
Agentes expertos
Suelen ser sistemas muy entrenados en una actividad intelectual específica, partiendo de los conocimientos de los expertos en la materia. Un ejemplo clásico es el de los sistemas que juegan al ajedrez.
Asistentes virtuales
Es lo más cercano a una IA de película con la que podemos interactuar hoy en día. Reconoce nuestra voz, se adapta a la forma en que pedimos las cosas, y es capaz de recomendarnos entretenimiento acorde a nuestros gustos.
Filtros de SPAM
No es una de las IA más llamativas, pero empresas como Google o Microsoft aplican multitud de algoritmos en constante evolución con el objetivo de detectar correos fraudulentos y de tipo SPAM
Minería de Datos (Data Mining)Minería de datos
La Minería de Datos consiste en buscar patrones en un conjunto de datos. Identifica correlaciones y tendencias que de otro modo pasarán desapercibidas.
Prueba de Turing
La prueba de Turing se nombra para su inventor, Alan Turing, científico temprano de la computadora que teorizó extensivamente sobre inteligencia artificial. Propuso una prueba simple para determinar si una computadora había alcanzado o no inteligencia artificial verdadera.
Análogo(a)
Se refiere a las magnitudes o valores que varían continuamente en el tiempo, tales como distancia, temperatura y velocidad. Estas magnitudes pueden variar de forma muy lenta o muy rápida, como en un sistema de audio.
Androide
Tipo de robot que se parece y actúa como seres humanos. Actualmente los androides reales solo existen en la imaginación y en las películas de ciencia ficción.
API: Interfaz de Programación de Aplicaciones
Son una biblioteca con clases y métodos para realizar programación orientada a objeto.
Autómata
Aparato que contiene los mecanismos necesarios para ejecutar ciertos movimientos o tareas similares a las que realiza una persona
Automática
Ciencia que trata de la eventual sustitución, en la operación de un proceso, del operador humano por un dispositivo, por lo general, electromecánico.
Automatización
Se le denomina así a cualquier tarea realizada por máquinas en lugar de personas. Es la sustitución de procedimientos manuales por sistemas de cómputo.
CONCLUSION
[1].- Peraza J. (6 de
marzo de 2017). El papel de la heurística.. 26 de julio 2021, de Prezi Sitio
web: https://prezi.com/owcztvfobgmv/18-el-papel-de-la-heuristica/
[2].- Graph. (Mazo 2018).
Algoritmo A. 26 de junio 2020, de grapheverywhere Sitio web: https://www.grapheverywhere.com/algoritmo-a/
[3].- Luigi Ceccaroni.
(2007). Inteligencia Artificial Búsqueda local. junio 26, 2021, de Upc.Edu
Sitio web:
https://www.cs.upc.edu/~luigi/II/IA-2007-fall/2c-Busqueda-local-(es).pdf
REPRESENTACIÓN DEL CONOCIMIENTO Y
RAZONAMIENTO
INTRODUCCIÓN
En este tema vamos a presentación el tema del conocimiento y el razonamiento donde plasmaremos una tabla comparativa donde encontrara cuales son sus características y ventajas del conocimiento y el razonamiento en el campo de la inteligencia artificial.
CONOCIMIENTO
RAZONAMIENTO
CONCLUSION
Es muy
importante aprender de una forma diferente, sobre acerca del tema de representación del conocimiento y
razonamiento, lograron observamos la importancia de esos dos tema que nos ayudó
a comparar cada tema.
BIBLIOGRAFIA
[1].- E, L. (16 de junio de 2012). slideshare.net. Obtenido de https://es.slideshare.net/equipoUFTsis2/formas-de-representacion-del-conocimiento
[2].- lara, E. (23 de junio de 2016). Sites Google. Obtenido de https://sites.google.com/site/clasedeinteligenciaartificial/home/unidad-ii-
representacion-del-conocimiento-razonamiento-y-los-aspecto-metodologicos-en-
inteligencias-artificial
Comentarios
Publicar un comentario