INGENIERÍA EN SISTEMAS …moodle.upq.edu.mx/file.php/1/manual/octavo/MA_Inteligencia... ·...

I

INGENIERÍA EN SISTEMAS INGENIERÍA EN SISTEMAS INGENIERÍA EN SISTEMAS INGENIERÍA EN SISTEMAS COMPUTACIONALESCOMPUTACIONALESCOMPUTACIONALESCOMPUTACIONALES

INTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIAL

INAINAINAINA----ESESESES REV00REV00REV00REV00

II

DIRECTORIODIRECTORIODIRECTORIODIRECTORIO

Secretario de Educación PúblicaSecretario de Educación PúblicaSecretario de Educación PúblicaSecretario de Educación Pública

Dr. José Ángel Córdova Villalobos

Subsecretario de Educación Superior Subsecretario de Educación Superior Subsecretario de Educación Superior Subsecretario de Educación Superior

Dr. Rodolfo Tuirán Gutiérrez

Coordinadora de Universidades PolitécnicasCoordinadora de Universidades PolitécnicasCoordinadora de Universidades PolitécnicasCoordinadora de Universidades Politécnicas

Mtra. Sayonara Vargas Rodríguez

III

PÁGINA LPÁGINA LPÁGINA LPÁGINA LEGALEGALEGALEGAL

ParticipantesParticipantesParticipantesParticipantes

M.C.C. Donají Lorena Sedano Flores - Universidad Politécnica de Zacatecas (UPZ)

M.C.C. Juan Jaime Fuentes Uriarte – Universidad Politécnica del Valle del Évora (UPVE)

M.T.I. Roberto Arturo Sánchez Herrera – Universidad Politécnica de Tulancingo (UPT)

M.I.S. José Alberto Vela Dávila. - Universidad Politécnica de Zacatecas (UPZ)

Dra. Karina Anaya Rivera- Universidad Politécnica de Querétaro (UPQ)

M.T.I. Adrian Benjamín Carmona Manilla- Universidad Politécnica de Francisco I Madero (UPFIM)

Primera Edición: 2012

DR 2012 Coordinación de Universidades Politécnicas.

Número de registro:

México, D.F

ISBN-----------------

IV

ÍNDICEÍNDICEÍNDICEÍNDICE

INTRODUCCIÓN ............................................................................................................................................ 1

PROGRAMA DE ESTUDIOS .......................................................................................................................... 2

FICHA TÉCNICA ............................................................................................................................................. 3

DESARROLLO DE LA PRÁCTICA O PROYECTO........................................................................................... 5

INSTRUMENTOS DE EVALUACION ............................................................................................................... 9

GLOSARIO ................................................................................................................................................... 19

BIBLIOGRAFÍA ............................................................................................................................................ 31

1

INTRODUCCIÓNINTRODUCCIÓNINTRODUCCIÓNINTRODUCCIÓN

En la actualidad los sistemas computacionales han mejorado las actividades de los seres

humanos en diferentes aspectos de la vida, lo que exige en su desarrollo una mayor

capacidad de autonomía, precisión, coherencia para la obtención de resultados de manera

rápida y eficaz.

La Inteligencia Artificial se apoya de los sistemas computacionales para el procesamiento de

la información que ayuda a la toma de decisiones.

El presente manual presenta una serie de actividades de enseñanza aprendizaje que

permite alcanzar el objetivo de la asignatura de Inteligencia Artificial para que el alumno

tenga una visión global de los fundamentos, métodos y técnicas de la informática.

El manual de asignatura esta compuesto por cinco unidades, en la numero uno se presenta

la historia de la Inteligencia Artificial, teniendo como producto una línea de tiempo con la

historia de la Inteligencia artificial. En la unidad dos se proponen técnicas de búsqueda que

incluyen problemas que ayudan al alumno en su compresión. En la unidad número tres se

propone el estudio de sistemas basados en conocimientos incluyendo la resolución de

problemas. En la unidad número cuatro se plantea el análisis de la sintaxis, semántica y

arquitectura de un sistema de producción y por último se hace un recorrido de las ramas

que conforman la Inteligencia artificial.

2

PROGRAMA DE ESTUDIOSPROGRAMA DE ESTUDIOSPROGRAMA DE ESTUDIOSPROGRAMA DE ESTUDIOS

PresencialPresencialPresencialPresencial NO PresencialNO PresencialNO PresencialNO Presencial PresencialPresencialPresencialPresencial NO PresencialNO PresencialNO PresencialNO Presencial

EP1EP1EP1EP1 Desarrolla una solución para resolver un

problema de un juego clásico (gato,

ajedrez, puzzle, misioneros y caníbales, etc),

empleando un método de búsqueda

óptima.

Estrategia de Apertura, Actividad focal

introductoria, Estrategia de desarrollo,

Elaboración y guía de soluciones a juegos clásicos

con métodos de búsqueda. Ejercicios

expuestos en clase , Estrategia de cierre,

Resolución de ejercicios

Lluvia de ideas

Estudio de casos

Desarrollar la solución al ejercicios

propuesto

N/A X N/A N/A N/A

Apuntes, Bibliografia,

manual de lenguaje de

inteligencia artificial

Computadoras, Pizarrón,

Videoproyector Documental

Lista de Cotejo para problema de un

juego clásico (gato,

ajedrez, puzzle, misioneros y caníbales,

etc), empleando un método de

búsqueda

óptima.

EP1 EP1 EP1 EP1 Resuelve ejercicio con la representación de

frases del lenguaje natural en términos de

predicados



Elaboración y guía de implementación de lógica

de predicados

Ejercicios expuestos en clase , Estrategia de

cierre, Resolución de ejercicios

Lectura comentada

Lluvia de ideas

Estudio de casos

Solucionar la práctica sugerida

N/A X N/A N/A N/A Apuntes,

Bibliografía


Videoproyector Documental

Lista de Cotejo para ejercicio con la

representación de frases del lenguaje

natural en términos de predicados.

ED1: ED1: ED1: ED1: Expone sobre la sintaxis, semántica y

arquitectura de un sistema de producción

*Exposición introductoria *Sugerir

referencias electrónicas y bibliográficas

*Preparar características de la exposición

*Retroalimentación

Lectura comentada

Lluvia de ideas

Diseñar la presentación electrónica

Resumenes

X N/A N/A N/A N/APizarrón, manuales y

bibliografía


Videoproyector Campo

Guía de observación para exposición

sobre sintaxis, semántica y

arquitectura de un sistema de

producción

EP1 EP1 EP1 EP1 Propone un mapa conceptual con la

clasificación de las diferentes ramas que

conforman la inteligencia artificial



*Preparar características a solicitar en el mapa

conceptual *Retroalimentación

Lectura comentada

Lluvia de ideas

Diseñar el mapa conceptual

Resumenes

X N/A N/A N/A N/APizarrón, manuales y

bibliografíaN/A Documental

Lista de Cotejo para mapa conceptual

sobre clasificación de las diferentes

ramas que conforman la inteligencia

artificial

Campo

Guía de observación para exposición

sobre la situación actual de cada una

de las ramas que comprenden la

inteligencia artificial así como las

herramientas y lenguajes utilizados en

cada una de ellas

3

ED1 ED1 ED1 ED1 Expone sobre la situación actual de cada

una de las ramas que comprenden la inteligencia

artificial así como las herramientas y lenguajes

utilizados en cada una de ellas



Señalización y elaboración, Estrategia de cierre,

práctica de cierre

Lectura comentada

Lluvia de ideas

Estudio de casos

Diseñar la presentación electrónica

Resumenes

X X N/A N/A N/A Apuntes,

Bibliografía


Videoproyector

5. Ap licaciones con5. Ap licaciones con5. Ap licaciones con5. Ap licaciones con

técnicas de IA.técnicas de IA.técnicas de IA.técnicas de IA.

A l completar l a unidad de aprend izaje, el alumno será A l completar l a unidad de aprend izaje, el alumno será A l completar l a unidad de aprend izaje, el alumno será A l completar l a unidad de aprend izaje, el alumno será

capaz de: capaz de: capaz de: capaz de:

- Identificar las diferentes áreas de la inteligencia artificial y

sus aplicaciones actuales, así como las oportunidades de

desarrollo de soluciones en los distintos entornos donde es

aplicable la IA.

- Determinar herramientas y lenguajes específicos de

Inteligencia Artificial en el desarrollo de soluciones a

problemas propuestos

6

1. Fundamentos de la1. Fundamentos de la1. Fundamentos de la1. Fundamentos de la

Inteligencia Art ificial.Inteligencia Art ificial.Inteligencia Art ificial.Inteligencia Art ificial.


capaz de:capaz de:capaz de:capaz de:

- Definir los conceptos fundamentales de la IA.

- Describir el estado del arte de las áreas de la inteligencia

artificial.

N/A Apuntes,

BibliografíaN/A

6


VideoproyectorCampo

Guía de observación para práctica:

Solución a un problema propuesto

utilizando el ciclo de vida de un

sistema de producción con una

herramienta de programación

simbólica

Apuntes, Bibliografia,

manual de lenguaje de


X X N/A N/A

Práctica " Solución a un

problema propuesto

utilizando el ciclo de vida

de un sistema de

producción con una

herramienta de

programación simbólica"

0 9

N/A N/A

"Técnicas de búsqueda

(primero en anchura,

primero

en profundidad, grafos O

y grafos A)

Bibliografia, lenguaje de

programación de


2. Técnicas de Búsqueda.2. Técnicas de Búsqueda.2. Técnicas de Búsqueda.2. Técnicas de Búsqueda.


capaz de:capaz de:capaz de:capaz de:

- Resolver problemas en base a técnicas de búsqueda en

espacio de estado.

- Describir gráficamente problemas en términos de espacios de

estados.

4. Sistemas de4. Sistemas de4. Sistemas de4. Sistemas de

razonamiento.razonamiento.razonamiento.razonamiento.

conocimiento yconocimiento yconocimiento yconocimiento y

razonamientorazonamientorazonamientorazonamiento



- Implementar la representación basada en reglas de

producción, en la solución de problemas basados en

conocimiento.

8 0 12 4

ED2 ED2 ED2 ED2 Realiza práctica para dar solución a un

problema propuesto utilizando el ciclo de vida de

un sistema de producción con una herramienta

de programación simbólica.



Elaboración y guía de sistemas de producción y

programación simbólica Ejercicios

expuestos en clase , Estrategia de cierre,

Resolución de ejercicios

Lectura comentada

Lluvia de ideas

Estudio de casos


0 9 3

Documental

Cuestionario "Definiciones y elementos

de los sistemas

basados en conocimientos".

N/A N/A

ED1 ED1 ED1 ED1 Realiza práctica sobre técnicas de

búsqueda (primero en anchura, primero

en profundidad, grafos O y grafos A)



Elaboración y Guía de técnicas de búsqueda.

Ejercicios expuestos en clase , Estrategia de

cierre, Resolución de ejercicios

Lectura comentada

Lluvia de ideas

Estudio de casos


N/A

Apuntes

marcador

Pizarrón

dispositivos de

videoproyección,

bibliografía

N/A 4 0 6

Guía de Observación para práctica

"Técnicas de búsqueda (primero en

anchura, primero

en profundidad, grafos O y grafos A)".

0 9 3

Campo

EP1. EP1. EP1. EP1. Propone una línea de tiempo con la historia

de la inteligencia artificial

*Exposición introductoria

*Sugerir referencias electrónicas y bibliográficas

*Preparar puntos a valorar en línea de tiempo

*Retroalimentación

Lectura comentada

Lluvia de ideas

Diseñar la línea de tiempo


Videoproyector

6

N/A

OBSERVACIÓNOBSERVACIÓNOBSERVACIÓNOBSERVACIÓN

UNIDADES DE APRENDIZAJEUNIDADES DE APRENDIZAJEUNIDADES DE APRENDIZAJEUNIDADES DE APRENDIZAJE RESULTADOS DE APRENDIZAJE RESULTADOS DE APRENDIZAJE RESULTADOS DE APRENDIZAJE RESULTADOS DE APRENDIZAJE EVIDENCIASEVIDENCIASEVIDENCIASEVIDENCIAS

TECNICAS SUGERIDASTECNICAS SUGERIDASTECNICAS SUGERIDASTECNICAS SUGERIDAS ESPACIO EDUCATIVOESPACIO EDUCATIVOESPACIO EDUCATIVOESPACIO EDUCATIVO MOVILIDAD FORMATIVAMOVILIDAD FORMATIVAMOVILIDAD FORMATIVAMOVILIDAD FORMATIVA

MATERIALES MATERIALES MATERIALES MATERIALES

REQUERIDOSREQUERIDOSREQUERIDOSREQUERIDOSEQUIPOS REQUERIDOSEQUIPOS REQUERIDOSEQUIPOS REQUERIDOSEQUIPOS REQUERIDOS

TOTAL DE HORASTOTAL DE HORASTOTAL DE HORASTOTAL DE HORAS

PARA LA ENSEÑANZA (PROFESOR)PARA LA ENSEÑANZA (PROFESOR)PARA LA ENSEÑANZA (PROFESOR)PARA LA ENSEÑANZA (PROFESOR)PARA EL APRENDIZAJE PARA EL APRENDIZAJE PARA EL APRENDIZAJE PARA EL APRENDIZAJE

(ALUMNO)(ALUMNO)(ALUMNO)(ALUMNO)AULAAULAAULAAULA LABORATORIOLABORATORIOLABORATORIOLABORATORIO OTROOTROOTROOTRO

TEÓRICA TEÓRICA TEÓRICA TEÓRICA

EVALUACIÓN EVALUACIÓN EVALUACIÓN EVALUACIÓN

UNIVERSIDADES PARTICIPANTES:UNIVERSIDADES PARTICIPANTES:UNIVERSIDADES PARTICIPANTES:UNIVERSIDADES PARTICIPANTES: UNIVERSIDAD POLITECNICA DE ZACATECASUNIVERSIDAD POLITECNICA DE ZACATECASUNIVERSIDAD POLITECNICA DE ZACATECASUNIVERSIDAD POLITECNICA DE ZACATECAS

NOMBRE DE LA ASIGNATURA:NOMBRE DE LA ASIGNATURA:NOMBRE DE LA ASIGNATURA:NOMBRE DE LA ASIGNATURA: INTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIAL

CLAVE DE LA ASIGNATURA:CLAVE DE LA ASIGNATURA:CLAVE DE LA ASIGNATURA:CLAVE DE LA ASIGNATURA: INA-ESINA-ESINA-ESINA-ES

OBJETIVO DE LA ASIGNATURA:OBJETIVO DE LA ASIGNATURA:OBJETIVO DE LA ASIGNATURA:OBJETIVO DE LA ASIGNATURA: E l alumno será capaz de obtener una visión global de los fundamentos, métodos y técnicas de la in formática más avanzada en los dominios de aplicación más prometedores con las nuevas tecnologías de la información.E l alumno será capaz de obtener una visión global de los fundamentos, métodos y técnicas de la in formática más avanzada en los dominios de aplicación más prometedores con las nuevas tecnologías de la información.E l alumno será capaz de obtener una visión global de los fundamentos, métodos y técnicas de la in formática más avanzada en los dominios de aplicación más prometedores con las nuevas tecnologías de la información.E l alumno será capaz de obtener una visión global de los fundamentos, métodos y técnicas de la in formática más avanzada en los dominios de aplicación más prometedores con las nuevas tecnologías de la información.

PROGRAMA DE ESTUDIOPROGRAMA DE ESTUDIOPROGRAMA DE ESTUDIOPROGRAMA DE ESTUDIO

DATOS GENERALESDATOS GENERALESDATOS GENERALESDATOS GENERALES

NOMBRE DEL PROGRAMA EDUCATIVO:NOMBRE DEL PROGRAMA EDUCATIVO:NOMBRE DEL PROGRAMA EDUCATIVO:NOMBRE DEL PROGRAMA EDUCATIVO: INGENIERÍA EN SISTEMAS COMPUTACIONALESINGENIERÍA EN SISTEMAS COMPUTACIONALESINGENIERÍA EN SISTEMAS COMPUTACIONALESINGENIERÍA EN SISTEMAS COMPUTACIONALES

OBJETIVO DEL PROGRAMA EDUCATIVO:OBJETIVO DEL PROGRAMA EDUCATIVO:OBJETIVO DEL PROGRAMA EDUCATIVO:OBJETIVO DEL PROGRAMA EDUCATIVO: Formar profesion istas competentes para: especif icar, di señar, construir, implantar, verif icar, auditar, evaluar y mantener sistemas de tecnologías de la in formación que respondan a las necesidades de sus usuarios, mejorando los n iveles de ef iciencia, ef icacia y productividad de las organizaciones en el en torno globalizado, tomando en cuenta el factor humano. Formar profesion istas competentes para: especif icar, di señar, construir, implantar, verif icar, auditar, evaluar y mantener sistemas de tecnologías de la in formación que respondan a las necesidades de sus usuarios, mejorando los n iveles de ef iciencia, ef icacia y productividad de las organizaciones en el en torno globalizado, tomando en cuenta el factor humano. Formar profesion istas competentes para: especif icar, di señar, construir, implantar, verif icar, auditar, evaluar y mantener sistemas de tecnologías de la in formación que respondan a las necesidades de sus usuarios, mejorando los n iveles de ef iciencia, ef icacia y productividad de las organizaciones en el en torno globalizado, tomando en cuenta el factor humano. Formar profesion istas competentes para: especif icar, di señar, construir, implantar, verif icar, auditar, evaluar y mantener sistemas de tecnologías de la in formación que respondan a las necesidades de sus usuarios, mejorando los n iveles de ef iciencia, ef icacia y productividad de las organizaciones en el en torno globalizado, tomando en cuenta el factor humano.

TOTAL HRS. DEL CUATRIMESTRE:TOTAL HRS. DEL CUATRIMESTRE:TOTAL HRS. DEL CUATRIMESTRE:TOTAL HRS. DEL CUATRIMESTRE: 90909090

FECHA DE EMISIÓN:FECHA DE EMISIÓN:FECHA DE EMISIÓN:FECHA DE EMISIÓN: Ju lio, 2012Ju lio, 2012Ju lio, 2012Ju lio, 2012

PRÁCTICA PRÁCTICA PRÁCTICA PRÁCTICA

TÉCNICATÉCNICATÉCNICATÉCNICA INSTRUMENTOINSTRUMENTOINSTRUMENTOINSTRUMENTO

CONTENIDOS PARA LA FORMACIÓNCONTENIDOS PARA LA FORMACIÓNCONTENIDOS PARA LA FORMACIÓNCONTENIDOS PARA LA FORMACIÓN ESTRATEGIA DE APRENDIZAJEESTRATEGIA DE APRENDIZAJEESTRATEGIA DE APRENDIZAJEESTRATEGIA DE APRENDIZAJE

X N/A N/A N/A

PROYECTOPROYECTOPROYECTOPROYECTO PRÁCTICA PRÁCTICA PRÁCTICA PRÁCTICA

2 Documental

Lista de Cotejo para línea de tiempo

con la historia de la inteligencia

artificial

3. Representación del3. Representación del3. Representación del3. Representación del

conocimiento yconocimiento yconocimiento yconocimiento y

razonamientorazonamientorazonamientorazonamiento



- Interpretar la información sobre métodos y técnicas de

ingeniería del conocimiento.

- Especificar formalmente el conocimiento base de sistemas

basados en el conocimiento y representar frases del lenguaje

natural en términos de lógica de predicados.

EC1.EC1.EC1.EC1. Resuelve cuestionario sobre definiciones y

elementos de los sistemas

basados en conocimientos



*Preparar cuestionario *Retroalimentación

Lectura comentada

Lluvia de ideas

Resolver cuestionario

Resumenes

X N/A

X

3

FICHA TÉCNICAFICHA TÉCNICAFICHA TÉCNICAFICHA TÉCNICA

INTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIAL

Nombre: INTELIGENCIA ARTIFICIAL

Clave: INA-ES

Justificación: Para hacer uso o desarrollar soluciones que hagan uso de la inteligencia artificial.

Objetivo: El alumno será capaz de obtener una visión global de los fundamentos, métodos y técnicas de la informática más avanzada en los dominios de aplicación más prometedores con las nuevas tecnologías de la información.

Habilidades:

Lectura, escritura, interlocución, síntesis de la información, aplicación de principios tecnológicos, relaciones en y con el entorno organizacional, relaciones interpersonales, toma de decisiones, lectura en segunda lengua, interlocución en segunda lengua.

Competencias genéricas a desarrollar:

Análisis y síntesis, resolver problemas, aplicar los conocimientos en la práctica, adaptarse a nuevas situaciones, cuidar la calidad, gestionar la información, trabajar en forma autónoma y en equipo.

Capacidades a desarrollar en la asignatura Competencias a las que contribuye la

asignatura

• Diagnosticar hardware/software para proponer mejoras y/o soluciones informáticas en la organización mediante análisis de tecnologías de mercado.

• Plantear componentes tecnológicos para cubrir las necesidades de la organización mediante el establecimiento de soluciones estratégicas de TIC’s.

• Modelar funciones integrales para el logro de las necesidades de la organización, a través del desarrollo de la tecnología propuesta.

• Proponer infraestructura tecnológica para establecer las bases que fundamenten una solución informática mediante estrategias de TIC’s.

• Validar soluciones integrales de TIC’s para satisfacer las necesidades de la organización conforme a los estándares del mercado.

4

• Probar procesos integrales para corroborar la fiabilidad de la solución de TIC’s desarrollada, mediante los lineamientos y estándares establecidos en el mercado.

Estimación de tiempo (horas) necesario para transmitir el aprendizaje al alumno, por Unidad de Aprendizaje:

Unidades de aprendizaje HORAS TEORÍA HORAS PRÁCTICA

Presencial No

presencial

Presencial No

presencial

1. Fundamentos de inteligencia artificial.

4 0 6 2

2. Técnicas de búsqueda 6 0 9 3

3. Representación del conocimiento y razonamiento

6 0 9 3

4. Sistemas de razonamiento, conocimiento y razonamiento.

8 0 12 4

5. Aplicaciones con técnicas de IA

6 0 9 3

Total de horas por cuatrimestre:

90

Total de horas por semana:

6

Créditos: 6

5

Nombre de la asignatura: Inteligencia Artificial

Nombre de la Unidad de Aprendizaje:

Técnicas de Búsqueda

Nombre de la práctica o proyecto:

Técnicas de búsqueda (primero en anchura, primero en profundidad, grafos O y grafos A)

Número: 1 Duración (horas) : 2 hrs.

Resultado de aprendizaje:

Resolver problemas en base a técnicas de búsqueda en espacio de estado.

Requerimientos (Material o equipo):

Equipo de cómputo, lenguaje de programación

Actividades a desarrollar en la práctica: 1.- El profesor recuerda al alumno la importancia de las técnicas de búsqueda 2-. El profesor muestra algunos problemas relacionados con técnicas de búsqueda 3.- El profesor organiza equipos de 2 personas para la realización de la práctica. 4.- El alumno desarrollará los ejercicios asignados en la práctica. 5.- El profesor supervisa el trabajo del alumno una vez que está terminado. 6.- El alumno documenta la salida de los ejercicios para verificar que se cumplen las especificaciones de los mismos asignados en la práctica. 7.- El profesor supervisa el correcto funcionamiento de cada uno de los ejercicios....

Instrucciones para el alumno: Instrucciones para el alumno: Instrucciones para el alumno: Instrucciones para el alumno: Elabore los algoritmos de solución necesarios que den solución a los problemas mencionados en las situaciones que a continuación se describen. Una vez diseñados, codificarlos y ejecutarlos en un lenguaje de programación.

1.1.1.1. Encontrar un plan para reordenar la pila de bloques que se muestra en la siguiente figura:Encontrar un plan para reordenar la pila de bloques que se muestra en la siguiente figura:Encontrar un plan para reordenar la pila de bloques que se muestra en la siguiente figura:Encontrar un plan para reordenar la pila de bloques que se muestra en la siguiente figura:

DESARROLLO DE LA PRÁCTICA DESARROLLO DE LA PRÁCTICA DESARROLLO DE LA PRÁCTICA DESARROLLO DE LA PRÁCTICA O PRO PRO PRO PROYECTOOYECTOOYECTOOYECTO

6

Restricciones:

a) Solamente podemos mover un bloque cada vez.

b) Un bloque puede levantarse únicamente cuando no tiene nada encima.

c) El bloque levantado puede colocarse sobre el piso o sobre otro bloque.

2.2.2.2. Problema del rompecabezas de 8Problema del rompecabezas de 8Problema del rompecabezas de 8Problema del rompecabezas de 8

Se tiene una tabla de 3 X 3 celdas que contiene 8 números del 1 al 8 y una celda vacía. Ordenar los números del

1 al 8 en forma circular dejando la celda central vacía tal y como se muestra en la siguiente figura:

Restricciones:

a) Un número puede moverse a una celda adyacente si esta vacía, dejando vacía la celda donde se

encontraba.

Evidencias a las que contribuye el desarrollo de la práctica:

ED1.ED1.ED1.ED1.---- Realiza práctica sobre técnicas de búsqueda (primero en anchura, primero en profundidad, grafos O y grafos A).

7

Nombre de la asignatura: Inteligencia Artificial

Nombre de la Unidad de Aprendizaje:

Sistemas de razonamiento, conocimiento y razonamiento

Nombre de la práctica o proyecto:

Solución a un problema propuesto utilizando el ciclo de vida de un sistema de producción con una herramienta de programación simbólica.

Número: 2 Duración (horas) : 2 hrs.

Resultado de aprendizaje:

Implementar la representación basada en reglas de producción, en la solución de problemas basados en conocimiento.

Requerimientos (Material o equipo):

Equipo de cómputo, lenguaje de programación simbólica

Actividades a desarrollar en la práctica: 1.- El profesor recuerda al alumno la importancia de los conceptos de los sistemas de conocimiento y razonamiento 2-. El profesor muestra a los alumnos la forma correcta de solucionar problemas utilizando el ciclo de vida de un sistema de producción 3.- El profesor organiza equipos de 2 personas para la realización de la práctica. 4.- El alumno desarrollará los ejercicios asignados en la práctica. 5.- El profesor supervisa el trabajo del alumno una vez que está terminado. 6.- El alumno documenta la salida de los ejercicios para verificar que se cumplen las especificaciones de los mismos asignados en la práctica. 7.- El profesor supervisa el correcto funcionamiento de cada uno de los ejercicios.

Instrucciones para el alumno: Elabore los algoritmos de solución necesarios que den solución a los problemas mencionados en las situaciones que a continuación se describen. Una vez diseñados, codificarlos y ejecutarlos en el lenguaje de programación de programación simbólica seleccionado.

1.1.1.1. El problema de los baldes.El problema de los baldes.El problema de los baldes.El problema de los baldes. Tenemos dos baldes inicialmente vacíos de 6 y 8 litros respectivamente. Disponemos de una toma de agua, pero los baldes no disponen de ninguna marca. El objetivo es llenar el balde de 8 litros exactamente por la mitad. Define los siguientes puntos para el problema:

a) Espacio de estados: b) Estado inicial c) Estado final: d) Conjunto de reglas de producción:

DESARROLLO DE LA PRÁCTICA DESARROLLO DE LA PRÁCTICA DESARROLLO DE LA PRÁCTICA DESARROLLO DE LA PRÁCTICA O PROYECTOO PROYECTOO PROYECTOO PROYECTO

8

2.2.2.2. Problema 8Problema 8Problema 8Problema 8----Puzzle.Puzzle.Puzzle.Puzzle. Se tienen 8 fichas y un hueco distribuido en 9 posiciones,(Cuadrado 3x3) de forma que solo pueden moverse aquellas fichas (un máximo de 4) que están alrededor del espacio libre. El objetivo es de a partir de una posición dada llegar a otra final. Define los siguientes puntos para el problema:

a) Espacio de estados: b) Estado inicial: c) Estado final: d) Conjunto de reglas de producción:

Evidencias a las que contribuye el desarrollo de la práctica:

ED2ED2ED2ED2....---- Realiza práctica para dar solución a un problema propuesto utilizando el ciclo de vida de un sistema de producción con una herramienta de programación simbólica.

9

INSTRUMENTOS DE EVALUACION

10

INSTRUMENTOS DE EVALUACIÓN

LISTA DE COTEJO

DATOS GENERALES DEL PROCESO DE EVALUACIÓN

NOMBRE DEL ALUMNO: FIRMA DEL ALUMNO:

MATRICULA:: FECHA:

MATERIA: Inteligencia Artificial

NOMBRE DEL PROFESOR: FIRMA DEL PROFESOR:

INSTRUCCIONES

Revisar las actividades que se solicitan y marque en los apartados “SI” cuando la evidencia se cumple; en caso contrario marque “NO”. En la columna “OBSERVACIONES” ” mencione indicaciones que puedan ayudar al alumno a saber cuáles son las condiciones no cumplidas, si fuese necesario.

Valor

Característica a cumplir (Reactivo)

Cumple Observaciones Si No

10% Se enumeran cada uno de las etapas de la inteligencia artificial hasta hoy conocidas

15%

En la línea de tiempo diseñada, en cada etapa se identifican claramente los avances más significativos así como los inventos destacados de ese tiempo

15%

En la línea de tiempo diseñada, en cada etapa se identifican claramente a los desarrolladores del área

15%

En la línea de tiempo diseñada, en cada etapa se identifican claramente a retos

10]%

En la línea de tiempo diseñada, en cada etapa se identifican claramente el desarrollo logrado en las áreas de la inteligencia artificial.

10% La línea de tiempo está diseñada de manera clara y entendible

10% Se entregó en tiempo y forma la línea de tiempo

15%

Se explicó la línea de tiempo de manera satisfactoria

100% Calificación

LISTA DE COTEJO LISTA DE COTEJO LISTA DE COTEJO LISTA DE COTEJO PARA LÍNEA DE TIEMPOPARA LÍNEA DE TIEMPOPARA LÍNEA DE TIEMPOPARA LÍNEA DE TIEMPO CON LA HISTORIA DE LCON LA HISTORIA DE LCON LA HISTORIA DE LCON LA HISTORIA DE LA A A A INTELIGENCIA ARTIFICINTELIGENCIA ARTIFICINTELIGENCIA ARTIFICINTELIGENCIA ARTIFICIALIALIALIAL

UUUU1111, EP1, EP1, EP1, EP1

11

UNIVERSIDAUNIVERSIDAUNIVERSIDAUNIVERSIDAD POLITÉCNICA DE ____________________D POLITÉCNICA DE ____________________D POLITÉCNICA DE ____________________D POLITÉCNICA DE ____________________

NOMBRE DE LA ASIGNATURA : NOMBRE DE LA ASIGNATURA : NOMBRE DE LA ASIGNATURA : NOMBRE DE LA ASIGNATURA : INTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIAL

INSTRUCCIONESINSTRUCCIONESINSTRUCCIONESINSTRUCCIONES

Revisar los documentos o actividades que se solicitan y marque en los apartados “SI” cuando la evidencia a evaluar se cumple; en caso contrario marque “NO”. En la columna “OBSERVACIONES” ocúpela cuando tenga que hacer comentarios referentes a lo observado. Valor del reactivo

Característica a cumplir (reactivo)

CUMPLECUMPLECUMPLECUMPLE OBSERVACIONESOBSERVACIONESOBSERVACIONESOBSERVACIONES

SISISISI NONONONO

20% La aplicación incluye utilización de las técnicas de búsqueda solicitadas

10% La aplicación fue entregada a tiempo y sin errores

20% La aplicación contiene diversos componentes de grafos O y/o grafos A

20% Utiliza en la solución la técnica de búsqueda primero en profundidad

20% Implementa la técnica de primero en anchura

10% La interface está totalmente concluida y funcional

100% CALIFICACIÓN:CALIFICACIÓN:CALIFICACIÓN:CALIFICACIÓN:

GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN PARA PARA PARA PARA PRÁCTICA "TÉCNICAS DPRÁCTICA "TÉCNICAS DPRÁCTICA "TÉCNICAS DPRÁCTICA "TÉCNICAS DE BÚSQUEDA (PRIMERO E BÚSQUEDA (PRIMERO E BÚSQUEDA (PRIMERO E BÚSQUEDA (PRIMERO EN EN EN EN ANCHURA, PRIMERO EN ANCHURA, PRIMERO EN ANCHURA, PRIMERO EN ANCHURA, PRIMERO EN PROPROPROPROFUNDIDAD, GRAFOS O YFUNDIDAD, GRAFOS O YFUNDIDAD, GRAFOS O YFUNDIDAD, GRAFOS O Y GRAFOS A)"GRAFOS A)"GRAFOS A)"GRAFOS A)"

UUUU2222, ED1, ED1, ED1, ED1

12


LISTA DE COTEJO



MATRICULA:: FECHA:



INSTRUCCIONES


Valor



10% Se determinó una solución al problema propuesto mediante algoritmo

10% Se determino un método de búsqueda óptimo de acuerdo a la naturaleza del problema del juego a resolver

10%

Se implementa el algoritmo diseñado haciendo uso de un método de búsqueda óptimo

10%

Se corrigieron los errores encontrados en el diseño de la solución

20% Se realizaron las pruebas de la solución siendo exitosas todas ellas

10% Se documentó la solución al ejercicio propuesto

15% Se entrega el diseño del algoritmo con el método de búsqueda óptima seleccionado

15%

Se entrega la codificación de la solución encontrada

100% Calificación

LISTA DE COTEJO PARALISTA DE COTEJO PARALISTA DE COTEJO PARALISTA DE COTEJO PARA PROBLEMA DE UN JUEGOPROBLEMA DE UN JUEGOPROBLEMA DE UN JUEGOPROBLEMA DE UN JUEGO CLÁSICO (GATO,CLÁSICO (GATO,CLÁSICO (GATO,CLÁSICO (GATO, AJEDREZ, PUZZLEAJEDREZ, PUZZLEAJEDREZ, PUZZLEAJEDREZ, PUZZLE, MISIONEROS Y CANÍB, MISIONEROS Y CANÍB, MISIONEROS Y CANÍB, MISIONEROS Y CANÍBALES, ETC) ALES, ETC) ALES, ETC) ALES, ETC) EMPLEANDO UN EMPLEANDO UN EMPLEANDO UN EMPLEANDO UN

MÉTODO DE BMÉTODO DE BMÉTODO DE BMÉTODO DE BÚSQUEDAÚSQUEDAÚSQUEDAÚSQUEDA ÓPTIMAÓPTIMAÓPTIMAÓPTIMA U2U2U2U2, EP1, EP1, EP1, EP1

13

Universidad Politécnica de __________________________________________________Universidad Politécnica de __________________________________________________Universidad Politécnica de __________________________________________________Universidad Politécnica de __________________________________________________

Nombre: Nombre: Nombre: Nombre: ____________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

Asignatura: Inteligencia ArtificialAsignatura: Inteligencia ArtificialAsignatura: Inteligencia ArtificialAsignatura: Inteligencia Artificial

Instrucciones: Contesta el siguiente cuestionario.Instrucciones: Contesta el siguiente cuestionario.Instrucciones: Contesta el siguiente cuestionario.Instrucciones: Contesta el siguiente cuestionario.

1. ¿Qué es una base de conocimientos?

2. ¿Qué es un sistema basado en conocimientos?

3. ¿Cuáles son las propiedades de los sistemas Basados en conocimiento?

4. ¿En que tipo de aplicaciones son utilizados los sistemas basados en conocimiento?

5. ¿Cuáles son los tipos de sistemas basados en conocimiento?

6. ¿Qué es un sistema Experto?

7. ¿Cuáles son los tipos de software apropiados para la creación de sistemas expertos?

8. ¿Qué es una herramienta para la adquisición de datos?

9. ¿Qué es un mecanismo de aprendizaje?

10. ¿Qué es una maquina inteligente?

11. ¿Cuáles son los componentes de un lenguaje de aprendizaje?

12. Describe las etapas del ciclo de adquisición del conocimiento.

13. ¿Qué es un motor de inferencia?

14. ¿Cuáles son los elementos de un motor de inferencia?

15. Define lo que es una interfaz Hombre-Máquina.

CUESTIONARIO SOBRECUESTIONARIO SOBRECUESTIONARIO SOBRECUESTIONARIO SOBRE DEFINICIONES Y ELEMENTOS DE LOS SISTEMAS DEFINICIONES Y ELEMENTOS DE LOS SISTEMAS DEFINICIONES Y ELEMENTOS DE LOS SISTEMAS DEFINICIONES Y ELEMENTOS DE LOS SISTEMAS BASADOS EN CONOCIMIENTOSBASADOS EN CONOCIMIENTOSBASADOS EN CONOCIMIENTOSBASADOS EN CONOCIMIENTOS

U3, EC1U3, EC1U3, EC1U3, EC1

14


LISTA DE COTEJO



MATRICULA:: FECHA:



INSTRUCCIONES


Valor



10% Se determinó la formalización de las frases de lenguaje natural 10% Se determinaron los dominios de las frases formalizadas

10%

Se determinaron las constantes, variables, funciones de aridad, predicados monádicos y predicados de aridad

10% Se determinaron los correctivos y los cuantificadores

10% Se determinaron los predicados

10% Se determinó la formalización con predicados

25% Se definieron los ejercicios de frases en lenguaje natural en lógica de primer orden

15%

Se entregan los ejercicios solucionados en tiempo, forma y correctos.

100% Calificación

LISTA DE COTEJO LISTA DE COTEJO LISTA DE COTEJO LISTA DE COTEJO PARA EJERCICIO CON LPARA EJERCICIO CON LPARA EJERCICIO CON LPARA EJERCICIO CON LA REPRESENTACIÓN DE A REPRESENTACIÓN DE A REPRESENTACIÓN DE A REPRESENTACIÓN DE FRASES FRASES FRASES FRASES DEL LENGUAJE NADEL LENGUAJE NADEL LENGUAJE NADEL LENGUAJE NATURAL EN TÉRMINOS DETURAL EN TÉRMINOS DETURAL EN TÉRMINOS DETURAL EN TÉRMINOS DE PREDICADOSPREDICADOSPREDICADOSPREDICADOS


15

UNIVERSIDAD POLITÉCNICA DE ____________________UNIVERSIDAD POLITÉCNICA DE ____________________UNIVERSIDAD POLITÉCNICA DE ____________________UNIVERSIDAD POLITÉCNICA DE ____________________






SISISISI NONONONO

20% La aplicación incluye la sintaxis solicitada para la ejecución del sistema de producción.

20% La aplicación describe la arquitectura de información requerido

20% Se presenta la utilización de una semántica clara acorde al lenguaje solicitado.

20% Presenta estudio de casos, sobre un problema a resolver a través de un sistema de información.

20%

Expone sistema de producción con seguridad y resuelve las preguntas sobre el mismo de manera clara. los conceptos sobre sintaxis, semántica y arquitectura de un sistema de producción.


}}}}

GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN PARA PARA PARA PARA EXPOSICIÓN SOBRE SINEXPOSICIÓN SOBRE SINEXPOSICIÓN SOBRE SINEXPOSICIÓN SOBRE SINTAXIS, SEMÁNTICA Y TAXIS, SEMÁNTICA Y TAXIS, SEMÁNTICA Y TAXIS, SEMÁNTICA Y ARQUITECTURA DE UN SARQUITECTURA DE UN SARQUITECTURA DE UN SARQUITECTURA DE UN SISTEMA DE PRODUCCIÓNISTEMA DE PRODUCCIÓNISTEMA DE PRODUCCIÓNISTEMA DE PRODUCCIÓN

UUUU4444, ED1, ED1, ED1, ED1

16

UNIUNIUNIUNIVERSIDAD POLITÉCNICA DE ____________________VERSIDAD POLITÉCNICA DE ____________________VERSIDAD POLITÉCNICA DE ____________________VERSIDAD POLITÉCNICA DE ____________________



Revisar los documentos o actividades que se solicitan y marque en los apartados “SI” cuando la evidencia a evaluar se cumple; en caso contrario marque “NO”. En la columna “OBSERVACIONES” ocúpela cuando tenga que hacer comentarios referentes a lo observado.

Valor del reactivo



SISISISI NONONONO

20% En la aplicación esta bien definida la base de conocimientos

10% La aplicación fue entregada a tiempo y sin errores

20% La aplicación contiene reglas de producción adecuadas para implementar el sistema experto

20% Utiliza en la solución heurísticas

20% Implementa correctamente el procesamiento simbólico

10% La interface está totalmente concluida y funcional en un lenguaje de programación simbólica

100% CALIFICACIÓN:

GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN PARA PRÁCTICA QUE DAPARA PRÁCTICA QUE DAPARA PRÁCTICA QUE DAPARA PRÁCTICA QUE DA SOLUCIÓN A UN PROBLESOLUCIÓN A UN PROBLESOLUCIÓN A UN PROBLESOLUCIÓN A UN PROBLEMA MA MA MA PROPUESTO UTILIZANDOPROPUESTO UTILIZANDOPROPUESTO UTILIZANDOPROPUESTO UTILIZANDO EL CICLO DE VIDA DE EL CICLO DE VIDA DE EL CICLO DE VIDA DE EL CICLO DE VIDA DE UN SISTEMA DE PRODUCUN SISTEMA DE PRODUCUN SISTEMA DE PRODUCUN SISTEMA DE PRODUCCIÓN CON CIÓN CON CIÓN CON CIÓN CON

UNA HERRAMUNA HERRAMUNA HERRAMUNA HERRAMIENTA DE PROGRAMACIÓIENTA DE PROGRAMACIÓIENTA DE PROGRAMACIÓIENTA DE PROGRAMACIÓN SIMBÓLICAN SIMBÓLICAN SIMBÓLICAN SIMBÓLICA U4, ED2U4, ED2U4, ED2U4, ED2

17


LISTA DE COTEJO



MATRICULA:: FECHA:



INSTRUCCIONES


Valor



10% En el mapa conceptual se identifican claramente las ramas que conforman la inteligencia artificial

10% En el mapa conceptual se identifican las subáreas de las ramas de desarrollo actual de la inteligencia artificial

10%

En el mapa conceptual se identifican los desarrolladores y logros de cada una de las ramas de la inteligencia artificial

10%

En el mapa conceptual se identifican los avances y retos que tiene cada una de las ramas de la inteligencia artificial

20% En el mapa conceptual se identifican los desarrollos logrados en las ramas de la inteligencia artificial

10% El mapa conceptual es entregado en una herramienta de diseño

10% El diseño del mapa conceptual es claro y fácil de entender

20%

Se explicó el mapa conceptual desarrollado de forma clara

100% Calificación

LISTA DE COTEJO PARALISTA DE COTEJO PARALISTA DE COTEJO PARALISTA DE COTEJO PARA MAPA CONCEPTUAL SOBRMAPA CONCEPTUAL SOBRMAPA CONCEPTUAL SOBRMAPA CONCEPTUAL SOBRE CLASIFICACIÓN DE LE CLASIFICACIÓN DE LE CLASIFICACIÓN DE LE CLASIFICACIÓN DE LAS AS AS AS DIFERENTES RAMAS QUEDIFERENTES RAMAS QUEDIFERENTES RAMAS QUEDIFERENTES RAMAS QUE CONFORMAN LACONFORMAN LACONFORMAN LACONFORMAN LA INTELIGENCIA ARTIFICINTELIGENCIA ARTIFICINTELIGENCIA ARTIFICINTELIGENCIA ARTIFICIALIALIALIAL


18

UNIVERSIDAD POLITÉCNICA DE ____________________UNIVERSIDAD POLITÉCNICA DE ____________________UNIVERSIDAD POLITÉCNICA DE ____________________UNIVERSIDAD POLITÉCNICA DE ____________________


INSTRINSTRINSTRINSTRUCCIONESUCCIONESUCCIONESUCCIONES




SISISISI NONONONO 10% Presenta conceptos básicos de la inteligencia artificial

10% Plantea como mínimo cinco ramas de la inteligencia artificial

30% Presenta cada rama de inteligencia artificial: concepto y casos aplicados

20% Expone de manera clara y con seguridad mostrando el dominio de los temas descritos.

15% Presenta medios visuales con impacto tecnológico

15% Entrega informe impreso del estudio realizado sobre inteligencia artificial.


GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN GUÍA DE OBSERVACIÓN PARA PARA PARA PARA EXPOSICIÓN SOBRE LA SITUACIÓN ACTUALEXPOSICIÓN SOBRE LA SITUACIÓN ACTUALEXPOSICIÓN SOBRE LA SITUACIÓN ACTUALEXPOSICIÓN SOBRE LA SITUACIÓN ACTUAL DE DE DE DE CADA UNA DE LAS RAMAS QUE COMPRENDEN LA INTELIGENCIA ARTIFICIAL CADA UNA DE LAS RAMAS QUE COMPRENDEN LA INTELIGENCIA ARTIFICIAL CADA UNA DE LAS RAMAS QUE COMPRENDEN LA INTELIGENCIA ARTIFICIAL CADA UNA DE LAS RAMAS QUE COMPRENDEN LA INTELIGENCIA ARTIFICIAL ASÍ COMO LAS HERRAMIENTAS Y LENGUAJES UTILIZADOS EN CADA UNA DE ASÍ COMO LAS HERRAMIENTAS Y LENGUAJES UTILIZADOS EN CADA UNA DE ASÍ COMO LAS HERRAMIENTAS Y LENGUAJES UTILIZADOS EN CADA UNA DE ASÍ COMO LAS HERRAMIENTAS Y LENGUAJES UTILIZADOS EN CADA UNA DE

ELLASELLASELLASELLAS UUUU5555, ED1, ED1, ED1, ED1

19

GLOSARIOGLOSARIOGLOSARIOGLOSARIO ACUMULACIÓN CONCEPTUAL (Conceptual Clustering)ACUMULACIÓN CONCEPTUAL (Conceptual Clustering)ACUMULACIÓN CONCEPTUAL (Conceptual Clustering)ACUMULACIÓN CONCEPTUAL (Conceptual Clustering) Una forma de APRENDIZAJE POR OBSERVACIÓN basada en disponer (situaciones, hechos, etc.) en clases caracterizadas por conceptos descriptivos simples (y no en clases definidas por una medida de similitud preestablecida entre sus miembros, como seria en otras clases de acumulación). ADQUISICIÓN DE CONOCIMIENTOSADQUISICIÓN DE CONOCIMIENTOSADQUISICIÓN DE CONOCIMIENTOSADQUISICIÓN DE CONOCIMIENTOS Proceso por el cual se introducen informaciones dentro de la base de conocimientos de un sistema. Puede ser manual o automática, en este último caso hablamos de APRENDIZAJE. ADQUISICIADQUISICIADQUISICIADQUISICIÓÓÓÓN DE FORMACIÓN DE CONCEPTON DE FORMACIÓN DE CONCEPTON DE FORMACIÓN DE CONCEPTON DE FORMACIÓN DE CONCEPTO Forma de aprendizaje en la cual el diagrama genera conceptos útiles para caracterizar una colección dada de objetos o hechos. ANALISIS ANALÓGICO DE MEDIOS Y FINESANALISIS ANALÓGICO DE MEDIOS Y FINESANALISIS ANALÓGICO DE MEDIOS Y FINESANALISIS ANALÓGICO DE MEDIOS Y FINES Proceso de solución de problemas que opera en el ESPACIO DE PROBLEMA ANALOGICO, obteniendo una solución a un problema nuevo gracias a la transformación de la solución de un problema similar, usando operadores que reducen las diferencias entre descripciones de soluciones homólogas. ANÁLISIS DE MEDIOS Y FINESANÁLISIS DE MEDIOS Y FINESANÁLISIS DE MEDIOS Y FINESANÁLISIS DE MEDIOS Y FINES Método de solución de problemas que en cada paso busca los operadores que más reduzcan la diferencia entre el estado actual y un estado-objetivo conocido. ANÁLISIS CASUALANÁLISIS CASUALANÁLISIS CASUALANÁLISIS CASUAL Seguimiento de las probables causas de eventos observados, ocasionalmente utilizado en la ASIGNACIÓN DE CREDITOS Y CULPAS. ANALOGÍA DERIVACIONALANALOGÍA DERIVACIONALANALOGÍA DERIVACIONALANALOGÍA DERIVACIONAL Método de solución de problemas basado en casos, en el cual se reconsideran y adecúan a un nuevo problema las soluciones que se dieron a problemas similares. ANTIEJEMPLO ANTIEJEMPLO ANTIEJEMPLO ANTIEJEMPLO Ente que no pertenece a la clase de que se está tratando. Puede servir para limitar la amplitud de una GENERALIZACIÓN. ANZAANZAANZAANZA Coprocesador neurocomputador para computadores tipo IBM (PC, AT). APRENDER “DE MEMORIA” (ingl: Rote learning)APRENDER “DE MEMORIA” (ingl: Rote learning)APRENDER “DE MEMORIA” (ingl: Rote learning)APRENDER “DE MEMORIA” (ingl: Rote learning) Aprender por memorización directa de hechos, sin generalización. (Vease:Caching).

20

APRENDIZAJE DE LA MÁQUINAAPRENDIZAJE DE LA MÁQUINAAPRENDIZAJE DE LA MÁQUINAAPRENDIZAJE DE LA MÁQUINA Subdominio de la inteligencia Artificial que trata del desarrollo de teorías computacionales del aprendizaje y la construcción de sistemas con capacidad discente. En términos prácticos decimos que ha ocurrido un proceso de aprendizaje cuando el sistema mejora su desempeño al realzar determinada tarea, como resultado de: introducción dada por otro sistema, o de la repetición de la misma tarea o de tareas similares. APRENDIZAJE INDUCTIVOAPRENDIZAJE INDUCTIVOAPRENDIZAJE INDUCTIVOAPRENDIZAJE INDUCTIVO Aprendizaje hecho por medio de INFERENCIAS INDUCTIVAS APRENDIZAJE NO SUPERVISADOAPRENDIZAJE NO SUPERVISADOAPRENDIZAJE NO SUPERVISADOAPRENDIZAJE NO SUPERVISADO Aprendizaje a partir de observación: Construcción de descripciones, hipótesis o teorías acerca de una colección dada de hechos u observaciones en subconjuntos que ejemplificarían los conceptos deseados. APRENDIZAJE SUPERVISADOAPRENDIZAJE SUPERVISADOAPRENDIZAJE SUPERVISADOAPRENDIZAJE SUPERVISADO Aquel en el cual las señales de entrada se acompañan de una clasificación proporcionada por un sistema docente. ÁRBOL DE DECISIÓNÁRBOL DE DECISIÓNÁRBOL DE DECISIÓNÁRBOL DE DECISIÓN Una RED DISCRIMINANTE con estructura absorbente. ARQUITECTURA PARALELAARQUITECTURA PARALELAARQUITECTURA PARALELAARQUITECTURA PARALELA Arquitectura de hardware que contiene varios procesadores interconectados que procesan datos simultáneamente. Las diferentes arquitecturas paralelas se pueden clasificar por la topología de su estructura, y por la “granularidad”, o sea si contienen unos pocos procesadores de buena potencia (grano grueso), o muchísimos (cientos o miles) procesadores simples (grano fino); en este ultimo caso también se habla de arquitecturas “masivamente paralelas”. Ejemplos de arquitecturas paralelas son: Matriz Sistólica, Flujo de Datos y algunas Memorias Asociativas. ASIGNACIÓN DE CREDITOS Y CULPASASIGNACIÓN DE CREDITOS Y CULPASASIGNACIÓN DE CREDITOS Y CULPASASIGNACIÓN DE CREDITOS Y CULPAS Identificación de los pasos (decisiones, operaciones, etc.) más responsables del éxito o fracaso en el proceso completo de la búsqueda de un objetivo. ATRIBUTO ATRIBUTO ATRIBUTO ATRIBUTO Variable o descriptor usado para caracterizar un objeto o proceso, por ejemplo el color o la duración. AXON AXON AXON AXON Vía de salida de una neurona. También es el nombre propio de un lenguaje descriptor de Redes Neurales comercializado por la forma Hecht-Nielsen neurocomputing Corporation.

21

BASE DE CONOCIMIENTOSBASE DE CONOCIMIENTOSBASE DE CONOCIMIENTOSBASE DE CONOCIMIENTOS Subsistema que representa los CONOCIMIENTOS de un dominio dado, de manera accesible y manipulable por un “MECANISMO DE INFERENCIA”. BLOQUES MUNDO DE LOSBLOQUES MUNDO DE LOSBLOQUES MUNDO DE LOSBLOQUES MUNDO DE LOS Pequeño “mundo” artificial en donde existen solamente ciertos poliedros sobre una superficie, Ha sido utilizado para desarrollar ideas sobre visión de máquina, planeamiento de actividades y manipulación de objetos, robótica y comprensión de órdenes dadas en lenguaje natural. CACHING (Ingles)CACHING (Ingles)CACHING (Ingles)CACHING (Ingles) Almacenaje de una respuesta a un problema frecuente para evitar la repetición de esfuerzos anteriores. (Caso de “Saber de memoria”). Véase PRENDER DE MEMORIA. CAPACIDAD SENSORIACAPACIDAD SENSORIACAPACIDAD SENSORIACAPACIDAD SENSORIAL EXTEROCEPTIVAL EXTEROCEPTIVAL EXTEROCEPTIVAL EXTEROCEPTIVA Aquella que proporciona a un robot conocimiento de su entorno. Esta puede incluir la medición de parámetros y la precepción de formas. CAPACIDAD SENSORIAL PROPIOCEPTIVACAPACIDAD SENSORIAL PROPIOCEPTIVACAPACIDAD SENSORIAL PROPIOCEPTIVACAPACIDAD SENSORIAL PROPIOCEPTIVA Aquella que proporciona al robot información sobre si mismo tal como posición, velocidad y esfuerzos de sus elementos. CASICASICASICASI----EJEMPLO (ingl: “near miss”)EJEMPLO (ingl: “near miss”)EJEMPLO (ingl: “near miss”)EJEMPLO (ingl: “near miss”) Un ANTIEJEMPLO que es muy similar a un EJEMPLO. Los cao-ejemplos son muy útiles para aislar rasgos importantes en el aprendizaje a partir de ejemplos. COEFICIENTE ADAPTATIVCOEFICIENTE ADAPTATIVCOEFICIENTE ADAPTATIVCOEFICIENTE ADAPTATIVOOOO Valor ponderador asociado con cada entrada de un Elemento Procesador. Normalmente los coeficientes son ajustables en respuestas a entradas exógenas, ese proceso de ajuste se denomina “Aprendizaje”. COMPLICACIÓN DE CONOCIMIENTOS COMPLICACIÓN DE CONOCIMIENTOS COMPLICACIÓN DE CONOCIMIENTOS COMPLICACIÓN DE CONOCIMIENTOS Traducción de unos conocimientos desde una forma declarativa que no puede ser directamente utilizada hacia una forma procedimental. Por ejemplo, convertir una recomendación de “que hacer” en instrucciones precisas de cómo hacerlo. COMPOSICIÓN COMPOSICIÓN COMPOSICIÓN COMPOSICIÓN Agrupación de una secuencia de REGLAS DE PRODUCCIÓN u operadores en una sola regla u operador. COMPUTADOR NEURAL=Véase NECOMPUTADOR NEURAL=Véase NECOMPUTADOR NEURAL=Véase NECOMPUTADOR NEURAL=Véase NEUUUUROCOMPUTADORROCOMPUTADORROCOMPUTADORROCOMPUTADOR

22

COMPUTADOR OPTICONCEURALCOMPUTADOR OPTICONCEURALCOMPUTADOR OPTICONCEURALCOMPUTADOR OPTICONCEURAL Neurocomputador implementado con base en fenómenos ópticos como la bolografía y los materiales con índice de refacción variable según la luz. Aún están en etapa experimental. CONEXIONISMOCONEXIONISMOCONEXIONISMOCONEXIONISMO Tendencia o “escuela” en arquitectura de computadoras que da preponderancia a un gran número de procesadores, así sean simples, muy interconectados para lograr un paralelismo masivo en el procesamiento y para explotar propiedades que surgen en estructuras de este tipo. CONOCIMIENTOS CONOCIMIENTOS CONOCIMIENTOS CONOCIMIENTOS Representación simbólica de ideas, conceptos, nociones, hechos, seres, acciones, y de las relaciones entre ese tipo de elementos que reflejan un dominio del universo físico del mundo de las ideas. CONTROL, ESTRATEGIA DE (o Estructura de Control)CONTROL, ESTRATEGIA DE (o Estructura de Control)CONTROL, ESTRATEGIA DE (o Estructura de Control)CONTROL, ESTRATEGIA DE (o Estructura de Control) En los sistemas con base de conocimientos, estrategia de razonamiento con la cual se manipulan los conocimientos para resolver un problema. CHUNKING (Ingles)CHUNKING (Ingles)CHUNKING (Ingles)CHUNKING (Ingles) Agrupación de descripciones de bajo nivel (patrones, operadores, fines) en descripciones de más alto nivel. DENDRITA DENDRITA DENDRITA DENDRITA Cada una de las vías de entrada de una neurona. DEPENDENCIA CONDEPENDENCIA CONDEPENDENCIA CONDEPENDENCIA CONCCCCEPTUALEPTUALEPTUALEPTUAL Técnica para la comprensión de un lenguaje natural, en el cual las frases se traducen a unos conceptos primitivos básicos. DESCRIPCIÓN CARACTERIZANTEDESCRIPCIÓN CARACTERIZANTEDESCRIPCIÓN CARACTERIZANTEDESCRIPCIÓN CARACTERIZANTE Descripción de un concepto que establece las propiedades que caracteriza a todas las ocurrencias o ejemplares de un concepto o clase (Véase también: DESCRIPCIÓN DISCRIMINANTE). DESDESDESDESCRIPCIÓN DE CONCEPTOCRIPCIÓN DE CONCEPTOCRIPCIÓN DE CONCEPTOCRIPCIÓN DE CONCEPTO Estructura de datos que define un concepto describiendo la clase de todos los ejemplares conocidos del concepto. DESCRIPCIÓN DISCRIMINANTEDESCRIPCIÓN DISCRIMINANTEDESCRIPCIÓN DISCRIMINANTEDESCRIPCIÓN DISCRIMINANTE Descripción de un concepto que establece propiedades que distinguen el concepto en cuestión de otros conceptos (Véase también DESCRIPCIÓN CARACTERIZANTE).

23

DESCRIPTORDESCRIPTORDESCRIPTORDESCRIPTOR Atributo, función o predicado usado como concepto elemental para describir objetos o situaciones. DOMINIO DE UN DESCRIPTORDOMINIO DE UN DESCRIPTORDOMINIO DE UN DESCRIPTORDOMINIO DE UN DESCRIPTOR Conjunto de valores admisibles que un DESCRIPTOR puede tomar como componente de una DESCRIPCIÓN DE CONCEPTO. ENCADENAMIENTO HACIA ADELANTE (Ingl.: Forward chaining)ENCADENAMIENTO HACIA ADELANTE (Ingl.: Forward chaining)ENCADENAMIENTO HACIA ADELANTE (Ingl.: Forward chaining)ENCADENAMIENTO HACIA ADELANTE (Ingl.: Forward chaining) Deducción de las consecuencias a partir de unas causas que se suponen verificadas. ENCADENAMIENTO HACIA ATRÁS (Ingl.:Backward chaining)ENCADENAMIENTO HACIA ATRÁS (Ingl.:Backward chaining)ENCADENAMIENTO HACIA ATRÁS (Ingl.:Backward chaining)ENCADENAMIENTO HACIA ATRÁS (Ingl.:Backward chaining) Inducción de la carrera a partir de unas consecuencias que se suponen verificadas. ESPACIO DE PROBLEMA ANALÓGICOESPACIO DE PROBLEMA ANALÓGICOESPACIO DE PROBLEMA ANALÓGICOESPACIO DE PROBLEMA ANALÓGICO Un espacio de representación de problemas cuyos estados son descripciones de soluciones de problemas y cuyos operadores transforman la solución de un problema en una muy relacionada. FLUJO DE DATOSFLUJO DE DATOSFLUJO DE DATOSFLUJO DE DATOS (Ingl.: Data(Ingl.: Data(Ingl.: Data(Ingl.: Data----Flow) Flow) Flow) Flow) Aquella arquitectura paralela en la que cada instrucción de un programa se ejecuta tan pronto los datos que requiere como entrada están disponibles, y el dispositivo destinatario del resultado está preparado para recibirlo. El efecto es que se realizan muchas operaciones simultáneas y asincrónicamente. GENERALIZACIÓN GENERALIZACIÓN GENERALIZACIÓN GENERALIZACIÓN Ampliación de lo abarcado por la descripción de un concepto para incluir más ejemplares. Opuesto a ESPECIALIZACIÓN. GENERALIGENERALIGENERALIGENERALIZACIÓN BASADA EN RESTRICCIONES ZACIÓN BASADA EN RESTRICCIONES ZACIÓN BASADA EN RESTRICCIONES ZACIÓN BASADA EN RESTRICCIONES Método de generalización que explora las restricciones que unen los conceptos descriptivos que caracterizan un ejemplo dado y produce una generalización de ese ejemplo que satisface esas restricciones. GENERALIZACIÓN COMPGENERALIZACIÓN COMPGENERALIZACIÓN COMPGENERALIZACIÓN COMPLELELELETATATATA Descripción que caracteriza a todos los EJEMPLOS de una clase dada, aunque puede también incluir algunos ANTIEJEMPLOS de esta clase. GENERALIZACIÓN CONSISTENTE o HIPÓTESIS CONSISTENTEGENERALIZACIÓN CONSISTENTE o HIPÓTESIS CONSISTENTEGENERALIZACIÓN CONSISTENTE o HIPÓTESIS CONSISTENTEGENERALIZACIÓN CONSISTENTE o HIPÓTESIS CONSISTENTE Descripción de algunos o todos los EJEMPLOS de una clase, que no incluye ni un ANTIEJEMPLO para esa clase.

24

INDUCCIÓN CONSTRUCTIVAINDUCCIÓN CONSTRUCTIVAINDUCCIÓN CONSTRUCTIVAINDUCCIÓN CONSTRUCTIVA Un proceso de APRENDIZAJE INDUCTIVO que genera nuevos DESCRIPTORES no proporcionados en la descripción de hechos u observaciones iniciales. GUION (Ingl.:Seript) GUION (Ingl.:Seript) GUION (Ingl.:Seript) GUION (Ingl.:Seript) Secuencia Imperativa de acciones que guía a un sistema para actuar, contiene, además de esas acciones, las expectativas acerca de lo que normalmente ocurre en la situación típica en que se desenvuelve el sistema. HEURISTICAHEURISTICAHEURISTICAHEURISTICA (Sustantivo) Conocimiento imperfecto pero útil empleado en el razonamiento o la solución de un problema. También: Regla de inferencia aproximada. Usado a veces como sinónimo de “Regla Heurística”. (Adjetivo=)Aproximado, empírico, basada en la experiencia. ICOTICOTICOTICOT Institute for New Generation Computing Technology: Centro Japonés de Investigación y Desarrollo sobre los denominados “computadores de quinta generación”. INFERENCIA ANALÓGICAINFERENCIA ANALÓGICAINFERENCIA ANALÓGICAINFERENCIA ANALÓGICA Toma de información sobre un objeto o proceso conocido de esta información a uno similar menos conocido. INFERENCIA DEDUCTIVAINFERENCIA DEDUCTIVAINFERENCIA DEDUCTIVAINFERENCIA DEDUCTIVA Modo de razonamiento que realiza un ENCADENAMIENTO HACIA ADELANTE. INFERENCIA GRAMATICALINFERENCIA GRAMATICALINFERENCIA GRAMATICALINFERENCIA GRAMATICAL Forma de INFERENCIA INDUCTIVA aplicada a inferir la gramática de un lenguaje a partir de un conjunto de expresiones consideradas “gramaticalmente correctas” (ejemplos), y, en algunos casos, con otro conjunto de expresiones etiquetadas como “gramaticalmente incorrectas” (antiejemplos). INFERENCIA INDUCTIVAINFERENCIA INDUCTIVAINFERENCIA INDUCTIVAINFERENCIA INDUCTIVA Modo de razonamiento que realiza un ENCADENAMIENTO HACIA ATRÁS. INTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIAL Disciplina dedicada a desarrollar y aplicar enfoques computacionales al comportamiento inteligente. Estudia preferencialmente los comportamientos y fenómenos de: percepción, solución de problemas, razonamiento, utilización de un lenguaje natural y planeamiento de actividades. LENGULENGULENGULENGUAJE NATURALAJE NATURALAJE NATURALAJE NATURAL Manipulación de expresiones de un idioma humano que permite a un sistema computacional: Obedecer comandos en ese lenguaje y/o entregar resultados en él, permitiendo un manejo del lenguaje con una libertad comparable a la que maneja un ser humano típico (no en estructuras rígidas y muy limitadas).

25

LIPS LIPS LIPS LIPS Unidad de medida de la velocidad de procesamiento lógico: es igual a una información lógica por segundo. Se usan múltiples como Kilo-LIPS (=mil LIPS). LISPLISPLISPLISP Lenguaje utilizado en INTELIGENCIA ARTIFICIAL, basado en el manejo de listas por medio de funciones. LÓGICA INFORMÁTICA (o Lógica Computacional)LÓGICA INFORMÁTICA (o Lógica Computacional)LÓGICA INFORMÁTICA (o Lógica Computacional)LÓGICA INFORMÁTICA (o Lógica Computacional) Estudio de la lógica desde el punto de vista del uso del computador para el cálculo lógico. Se puede dividir en tres áreas principales: Técnicas de verificación de programas, Lenguajes de programación lógica (tipo PROLOG), y la modelización de los procesos de razonamiento. MACROMACROMACROMACRO----OPEROPEROPEROPERAAAADORDORDORDOR Operador compuesto de una secuencia de operadores más primitivos. Unos macro-operadores apropiados pueden simplificar la solución de problemas permitiendo una búsqueda de más alto nivel. MARCOMARCOMARCOMARCO (Ingl: Frame) (Ingl: Frame) (Ingl: Frame) (Ingl: Frame) Estructura de datos con casillas (Ingl: slota) a las cuales se pueden vincular otras estructuras. Normalmente las casillas poseen valores asumidos por omisión que se pueden reemplazar por valores específicos. Los marcos permiten representar las clasificaciones jerárquicas y la herencia de características entre objetos: además permite trabajar con “orientación a objetos”. Es una estructura de datos muy utilizada en las investigaciones y aplicaciones de inteligencia Artificial. MATRIZ SISTOLICA (Ingl: Systolic Array)MATRIZ SISTOLICA (Ingl: Systolic Array)MATRIZ SISTOLICA (Ingl: Systolic Array)MATRIZ SISTOLICA (Ingl: Systolic Array) Aquella arquitectura paralela cuyos procesadores, denominados “celdas”, están interconectados según un patrón regular (por ejemplo en malla cuadrada o hexagonal y no en “bus de datos”. En su conjunto las celdas implementan un algoritmo computando sincrónicamente y pasándose datos entre sí. MECANISMO DE INFERENCIAMECANISMO DE INFERENCIAMECANISMO DE INFERENCIAMECANISMO DE INFERENCIA En un sistema con Base de Conocimientos: Subsistema que se encarga de manipular los conocimientos, por ejemplo activando reglas, para inferir otros conocimientos. MEDIOSMEDIOSMEDIOSMEDIOS----FINES=(Véase: análisis de Medios y Fines)FINES=(Véase: análisis de Medios y Fines)FINES=(Véase: análisis de Medios y Fines)FINES=(Véase: análisis de Medios y Fines) MEMORIA ASOCIATIVAMEMORIA ASOCIATIVAMEMORIA ASOCIATIVAMEMORIA ASOCIATIVA Dispositivo que localiza un conjunto completo de datos al suministrarle un elemento parcial de ese conjunto, o sea que no hay necesidad de suministrar una dirección o coordenada como en las memorias convencionales. También suele denominarse “memoria direccionable por contenido” (Ingl: Content-addressable Memory). Puede estar implementada como arquitectura paralela.

26

MEMORIA DIRECCIONABLE POR CONTENIDO = Véase: Memoria Asociativa.MEMORIA DIRECCIONABLE POR CONTENIDO = Véase: Memoria Asociativa.MEMORIA DIRECCIONABLE POR CONTENIDO = Véase: Memoria Asociativa.MEMORIA DIRECCIONABLE POR CONTENIDO = Véase: Memoria Asociativa. METACONOCIMIENTOMETACONOCIMIENTOMETACONOCIMIENTOMETACONOCIMIENTO Conocimientos sobre el conocimiento sobre un dominio. METARREGLASMETARREGLASMETARREGLASMETARREGLAS Reglas sobre las reglas aplicables a un dominio. Indican, por ejemplo el orden de prioridad en que deben utilizarse las reglas del dominio de aplicación. MÉTODOS DEBILESMÉTODOS DEBILESMÉTODOS DEBILESMÉTODOS DEBILES Métodos generales de solución de problemas, aplicables en ausencia de conocimientos específicos del dominio del problema. (Ejemplo: ANALISIS DE MEDIOS/FINES). MICROPROGRAMADOMICROPROGRAMADOMICROPROGRAMADOMICROPROGRAMADO Dícese del computador cuyo control de flujo de señales, al nivel bajo o de máquina, está establecido por un programa, en vez de estarlo por conexiones físicas fijas. Este programa, denominado “microcódigo”, puede permitir que la máquina acepte un lenguaje como LISP o PROLOG. MOTOR DE INFERENCIA = (Véase MECANISMO DE INFERENCIA)MOTOR DE INFERENCIA = (Véase MECANISMO DE INFERENCIA)MOTOR DE INFERENCIA = (Véase MECANISMO DE INFERENCIA)MOTOR DE INFERENCIA = (Véase MECANISMO DE INFERENCIA) NETWARENETWARENETWARENETWARE Módulo de código programado en AXON (=Véase), compilado o no. NEUROCOMUTADORNEUROCOMUTADORNEUROCOMUTADORNEUROCOMUTADOR Computador cuya estructura fundamental tiene forma de RED NEURAL. Puede estar implementado para funcionar independientemente, o como coprocesador residente en un computador ANFITRION (Ingl:Host). En principio puede estar basado en dispositivos electrónicos, ópticos o electroquímicos. NEURODINÁMICANEURODINÁMICANEURODINÁMICANEURODINÁMICA En la teoría de Redes Neurales es la descripción detallada del funcionamiento de una Red Neural. Comprende: 1) La función matemática según la cual se ponderan y suman (o integran) los estados de las entradas en cada neurona; 2) la función de transferencia según la cual se denomina el estado de la salida de la neurona con base en la suma ponderada de las entradas; y 3) Las reglas de Aprendizaje. Se puede expresar la neurodinámica con ecuaciones diferenciales. NEURODO = Véase Neurona artificial.NEURODO = Véase Neurona artificial.NEURODO = Véase Neurona artificial.NEURODO = Véase Neurona artificial. NEURONA ARTIFICIALNEURONA ARTIFICIALNEURONA ARTIFICIALNEURONA ARTIFICIAL Elemento procesador que constituye un nodo de una Red Neural. Posee varias vías de entrada (dendritas) y una vía de salida (axón). Cada dendrita puede transmitir estados del mundo exterior a la Red Neural, o provenir la salida de otro elemento procesador de la red, o puede ser función del estado de la salida de la misma Neurona (realimentación).

27

El Azón puede ramificarse para conectarse a la entrada de otros elementos procesadores o puede ir a otro dispositivo que sirva de salida desde la Red al mundo exterior. El estado de la salida de una neurona artificial es función de los estados de las entradas, generalmente basada en una suma ponderada de las entradas. OPERACIONALIZACIÓN DE CONOCIMIENTOS = Véase COMPILACIÓN CONOCIMIENTOS.OPERACIONALIZACIÓN DE CONOCIMIENTOS = Véase COMPILACIÓN CONOCIMIENTOS.OPERACIONALIZACIÓN DE CONOCIMIENTOS = Véase COMPILACIÓN CONOCIMIENTOS.OPERACIONALIZACIÓN DE CONOCIMIENTOS = Véase COMPILACIÓN CONOCIMIENTOS. PIZARRA, ARQUITECTURA DE (Ingl. = Blackboard architectura).PIZARRA, ARQUITECTURA DE (Ingl. = Blackboard architectura).PIZARRA, ARQUITECTURA DE (Ingl. = Blackboard architectura).PIZARRA, ARQUITECTURA DE (Ingl. = Blackboard architectura). Arquitectura para la solución de problemas en la cual varios agentes resuelven cooperativamente el problema, aportando sus diversas habilidades a un área de almacenamiento común denominada PIZARRA (Pizarrón, Tablero), donde va tomando forma la solución. Este método al parecer fue usado por primera vez en los programas HEARSAY. PIZARRÓN = Véase PIZARRAPIZARRÓN = Véase PIZARRAPIZARRÓN = Véase PIZARRAPIZARRÓN = Véase PIZARRA PROGRAMACIÓN A NIVEL OBJETIVOPROGRAMACIÓN A NIVEL OBJETIVOPROGRAMACIÓN A NIVEL OBJETIVOPROGRAMACIÓN A NIVEL OBJETIVO Aquella en la que se basta con especificar el objetivo final omitiendo la especificación de estados intermedios. PROGRAMACIÓN A NIVEL ROBOT (o EPROGRAMACIÓN A NIVEL ROBOT (o EPROGRAMACIÓN A NIVEL ROBOT (o EPROGRAMACIÓN A NIVEL ROBOT (o EXPLICITA)XPLICITA)XPLICITA)XPLICITA) Aquella en la que el programa determina en gran detalle la secuencia de configuraciones de: robot, al contener sentencias que especifican el movimiento y elementos de información provenientes del entorno. PROGRAMACIÓN A NIVEL TAREA (IMPLICITA o PROGRAMACIÓN A NIVEL TAREA (IMPLICITA o PROGRAMACIÓN A NIVEL TAREA (IMPLICITA o PROGRAMACIÓN A NIVEL TAREA (IMPLICITA o A NIVEL OBJETO)A NIVEL OBJETO)A NIVEL OBJETO)A NIVEL OBJETO) Aquella hecha en un lenguaje de alto nivel con el cual se puede especificar tareas en términos de relaciones de posición entre las piezas a manipular, en lugar de detallarlas en función de configuraciones específicas de: manipulador. PROGRPROGRPROGRPROGRAMACIÓN AUTOMÁTICAAMACIÓN AUTOMÁTICAAMACIÓN AUTOMÁTICAAMACIÓN AUTOMÁTICA Disciplina sobre cómo crear programas de computador de nominados “Generadores de Aplicaciones” los cuales, a su vez, escriben otros programas de computador. Los programas se especifican al Generador de Aplicación en un lenguaje de “más alto nivel”. PROGRAMACIÓN POR GUIADO (O GESTUAL)PROGRAMACIÓN POR GUIADO (O GESTUAL)PROGRAMACIÓN POR GUIADO (O GESTUAL)PROGRAMACIÓN POR GUIADO (O GESTUAL) Mundo de control manual que permite a un operador que permite a un operador mover las distintas partes de un robot, de modo que este es guiado a través de las distintas secuencias de movimiento necesarias para realizar la tarea. El sistema de control conserva en una memoria las posiciones para su posterior reproducción. PROGRAMACIÓN TEXTUALPROGRAMACIÓN TEXTUALPROGRAMACIÓN TEXTUALPROGRAMACIÓN TEXTUAL Programación mediante un texto en un lenguaje especial. En robótica, ese lenguaje además de tener los elementos comunes a los lenguajes de programación, incluye órdenes para el control de los movimientos del robot. Se utiliza como complemento a la Programación por Guiado.

28

PROLOGPROLOGPROLOGPROLOG Lenguaje de programación “lógica” basado en el cálculo de predicados. QUINTA GENERACIÓNQUINTA GENERACIÓNQUINTA GENERACIÓNQUINTA GENERACIÓN Adjetivo para designar computadores cuya arquitectura de hardware paralela se aparta de la concebida por Von Neumann, y que implementan preferentemente aplicaciones de Inteligencia Artificial. Tipo de computadores definido en el proyecto japonés del mismo nombre (o computadores de “Nueva Generación”), a comienzos del decenio de 1980. Son máquinas optimizadas para procesamiento simbólico (no numérico), inteligencia artificial, Sistemas con Bases de Conocimientos (Sistemas Expertos), y leguajes de tipo LISP y tipo PROLOG. RED NEUTRAL = (Véase: Red Neuronal)RED NEUTRAL = (Véase: Red Neuronal)RED NEUTRAL = (Véase: Red Neuronal)RED NEUTRAL = (Véase: Red Neuronal) RED NEURONAL (ARTIFICIAL)RED NEURONAL (ARTIFICIAL)RED NEURONAL (ARTIFICIAL)RED NEURONAL (ARTIFICIAL) Estructura en forma de red constituida por unos elementos procesadores interconectados denominados neuronas. Los principales factores que definen una red neuronal son: la estructura de cada neurona, la neurodinámica y la topología de las conexiones entre los elementos procesadores. Para cada de cada uno de esos factores existen variantes, como las denominadas: Perceptrón, Adaline, Padaline, etc. Una Red Neuronal puede estar implementada físicamente (NEUROCOMPUTADOR) o estar simulada por software en un computador digital convencional. La Red Neuronal es un sistema adaptativo que puede modificar los parámetros de las ecuaciones que rigen su comportamiento; por esta propiedad, su principal utilidad está en: el aprendizaje, el reconocimiento y clasificación de patrones y la búsqueda de soluciones optimas a problemas combinatorios. Se puede considerar en síntesis que una Red Neural Artificial realiza un mapeado continuo desde un espacio n-dimensional a uno m-dimensional, auto-ajustándose a partir de un conjunto de ejemplos de la acción que debe cumplir del mapeado. RED NEUROMORFA = Véase RED NEURONALRED NEUROMORFA = Véase RED NEURONALRED NEUROMORFA = Véase RED NEURONALRED NEUROMORFA = Véase RED NEURONAL RED SEMÁNTICARED SEMÁNTICARED SEMÁNTICARED SEMÁNTICA Conjunto de objetos o nodos relacionados por atributos o arcos. REGLAS DE APREREGLAS DE APREREGLAS DE APREREGLAS DE APRENDIZAJENDIZAJENDIZAJENDIZAJE En la teoría de Redes Neurales es la descripción de cómo se van modificando los parámetros y, en consecuencia, el comportamiento de una Red Neural como resultado del funcionamiento de la red durante la etapa de entrenamiento o aprendizaje. REGLA DREGLA DREGLA DREGLA DE INFERENCIA E INFERENCIA E INFERENCIA E INFERENCIA Regla que produce aserciones nuevas a partir de viejas. REGLA DE PRODUCCIÓNREGLA DE PRODUCCIÓNREGLA DE PRODUCCIÓNREGLA DE PRODUCCIÓN

29

Regla conción/acción que establece las acciones a ser ejecutadas si las condiciones se satisfacen. RESTRICCIÓNRESTRICCIÓNRESTRICCIÓNRESTRICCIÓN Propiedad o relación que limita o restringe el espacio de posibles soluciones a un problema. ROBOT INDUSTRIALROBOT INDUSTRIALROBOT INDUSTRIALROBOT INDUSTRIAL Manipulador reprogramable multifuncional, diseñado para mover piezas, herramientas o dispositivos especiales mediante movimientos variados, programados para la ejecución de tareas diversas. (Asociación Robótica de América). ROBÓTICA ROBÓTICA ROBÓTICA ROBÓTICA Conjunto de conocimientos teóricos y prácticos que permiten concebir, realizar y automatizar sistemas basados en estructuras mecánicas poliarticuladas, dotadas de un determinado grado de “inteligencia” y destinadas a la producción industrial o a la sustitución del hombre en muy diversas tareas. Un sistema robótico puede describirse en el límite como aquel que es capaz de recibir información, de comprender su esfuerzo a través de modelos, de formular y ejecutar planes, de controlar o supervisar su operación. La robótica es pluridisciplinar y se apoya en gran medida sobre los programas de la microelectrónica y la microinformática, así como de disciplinas como el reconocimiento de formas y la Inteligencia artificial. SEXTASEXTASEXTASEXTA GENERACION GENERACION GENERACION GENERACION Tipo de computador definido a fines del decenio de 1980 por el proyecto del mismo nombre. Máquinas que emulan el proceso de información en sistemas o redes neuronales como los cerebros biológicos. Se caracterizan por un paralelismo Masivo, aprendizaje de la máquina adaptabilidad, MEMORIA ASOCIATIVA (=Véase). SISTEMA ADAPTATIVOSISTEMA ADAPTATIVOSISTEMA ADAPTATIVOSISTEMA ADAPTATIVO Sistema de control o de reconocimiento de patrones que logra mejorar su desempeño ajustando automáticamente parámetros internos. SISTEMA BASADO EN CONOCIMIENTOS = (VéSISTEMA BASADO EN CONOCIMIENTOS = (VéSISTEMA BASADO EN CONOCIMIENTOS = (VéSISTEMA BASADO EN CONOCIMIENTOS = (Véase: SISTEMA CON BASE DE CONOCIMIENTOS).ase: SISTEMA CON BASE DE CONOCIMIENTOS).ase: SISTEMA CON BASE DE CONOCIMIENTOS).ase: SISTEMA CON BASE DE CONOCIMIENTOS). SISTEMA CON BASE DE CONOCIMIENTOSSISTEMA CON BASE DE CONOCIMIENTOSSISTEMA CON BASE DE CONOCIMIENTOSSISTEMA CON BASE DE CONOCIMIENTOS Sistema computacional que utiliza un “mecanismo de inferencia” y una “Base de Conocimientos” para la solución de problemas”. SISTEMA DE PRODUCCIÓN SISTEMA DE PRODUCCIÓN SISTEMA DE PRODUCCIÓN SISTEMA DE PRODUCCIÓN Sistema de inferencia compuesto de: un conjunto de REGLAS DE PRODUCCIÓN, una memoria de trabajo y una estructura de control. TOMA DE CONSEJOTOMA DE CONSEJOTOMA DE CONSEJOTOMA DE CONSEJO Forma de aprendizaje en la cual el sistema discente modifica su comportamiento según “consejos” declarativos dados por un sistema docente.

30

SOLUSOLUSOLUSOLUCIONADOR GENERAL DE PROBLEMAS (Ingl. = General Problem Solver, GPS).CIONADOR GENERAL DE PROBLEMAS (Ingl. = General Problem Solver, GPS).CIONADOR GENERAL DE PROBLEMAS (Ingl. = General Problem Solver, GPS).CIONADOR GENERAL DE PROBLEMAS (Ingl. = General Problem Solver, GPS). Programa clásico de I.A. desarrollado por 1957 utilizando un método de “análisis de medios y fines”. TABLEROTABLEROTABLEROTABLERO = Véase PIZARRA. UISLUISLUISLUISL “User intorface Subroutine Library”: Conjunto de subrutinas que dan acceso a todas las funciones de un neurocomputador ANZA (=Véase), invocándolas desde aplicaciones del usuario. VONVONVONVON----NEUMAN:NEUMAN:NEUMAN:NEUMAN: Adjetivo aplicado a la arquitectura tradicional de los computadores digitales con: Programa almacenado en una memoria similar o igual a la memoria de datos, y con ejecución secuencial de instrucciones.

31

BIBLIOGRAFÍA BIBLIOGRAFÍA BIBLIOGRAFÍA BIBLIOGRAFÍA

BásicaBásicaBásicaBásica

TÍTULO: INTELIGENCIA ARTIFICIAL AUTOR: MORALES Marin, Roque Luis, Palma Méndez José T. AñO: 2008 EDITORIAL O REFERENCIA: Mc Graw Hill LUGAR Y AñO DE LA EDICIÓN España. 1a. Edición, 2008 ISBN O REGISTRO: 9788448156183

TÍTULO: INTELIGENCIA ARTIFICIAL, UN ENFOQUE MODERNO

AUTOR: RUSSEL, Stuart; Norving, Peter AñO: 2004 EDITORIAL O REFERENCIA: Pearson Educación.

LUGAR Y AñO DE LA EDICIÓN España 2a. Edición, 2004 ISBN O REGISTRO: 9788420540030

TÍTULO: INTELIGENCIA ARTIFICIAL CON APLICACIONES A LA INGENIERIA

AUTOR: RIVERO Roger AñO: 2011 EDITORIAL O REFERENCIA: AlfaOmega

LUGAR Y AñO DE LA EDICIÓN México, 1a. Edición, 2011 ISBN O REGISTRO: 9788426717061

CCCComplementariaomplementariaomplementariaomplementaria

TÍTULO: LA INTELIGENCIA ARTIFICIAL AUTOR: HAUGELAND John AñO: 2003 EDITORIAL O REFERENCIA: Siglo XXI Editores LUGAR Y AñO DE LA EDICIÓN México, 4ª Edición, 2003

ISBN O REGISTRO: 9789682314117

TÍTULO: INTELIGENCIA ARTIFICIAL: UNA APROXIMACION (Edición en español) AUTOR: TORRES Soler, Luis Carlos y Néstor Manuel Garzón Torres

AñO: 2012

EDITORIAL O REFERENCIA: Editorial Académica Española

LUGAR Y AñO DE LA EDICIÓN España, 1a. Edición, 2012

32


TÍTULO:

Advances in Artificial Intelligence: 14th Conference of the Spanish Association for Artificial Intelligence, CAEPIA 2011, La Laguna, Spain. Notes in Artificial Intelligence

AUTOR: LOZANO, Jose A. (Editor), José A. Gámez (Editor), José A. Moreno-Pérez (Editor)

AñO: 2011

EDITORIAL O REFERENCIA: Springer

LUGAR Y AñO DE LA EDICIÓN México, 1a. Edición, 2011


INGENIERÍA EN SISTEMAS …moodle.upq.edu.mx/file.php/1/manual/octavo/MA_Inteligencia... ·...

Documents

Transcript of INGENIERÍA EN SISTEMAS …moodle.upq.edu.mx/file.php/1/manual/octavo/MA_Inteligencia... ·...