documento m2 actividad colaborativa -90169 13
Post on 03-Nov-2015
220 Views
Preview:
DESCRIPTION
TRANSCRIPT
-
1
LINEA DEL TIEMPO SOBRE IA Y DISEO DE UN AGENTE INTELIGENTE
MOMENTO 1
INTELIGENCIA ARTIFICIAL GRUPO: 90169A_223
ACTIVIDAD COLABORATIVA
Presentado por:
GUSTAVO ADOLFO MARN SUAREZ COD: 13541402
CRISTIAN GMEZ RAVELO COD. 1088255385
MIGUEL FERNANDO BUELVAS SARABIA COD: 91.478.138
LUIS CARLOS RINCN COD: 1.098.740.752
NESTOR YESID CONTRERAS SUREZ. COD: 1098680718
Tutor:
ING. DIEGO FERNANDO MEDINA
ESCUELA DE CIENCIAS BASICAS, TECNOLOGA E INGENIERA ECBTI
UNAD
JULIO 8 DE 2015
-
2
INTRODUCCIN
Durante nuestro desempeo como Ingenieros, es importante que conozcamos los desarrollos
tecnolgicos, su funcionamiento y aplicacin, puesto que dentro de nuestro campo de aplicacin, es
fundamental que estemos enterados y a la vanguardia del funcionamiento y avance de los sistemas
computacionales en la solucin de problemas.
Por lo tanto, la Universidad Nacional Abierta y a Distancia ha incluido dentro de su plan de estudios el
curso Inteligencia Artificial como una forma de ayudar a los estudiantes a entender la manera en que la
evolucin tecnolgica ha llegado a avanzar al punto en que el software y hardware se mezclan para
asemejarse al pensamiento humano definido como inteligencia en el que los datos y los conceptos se
unen para formar conocimientos.
El presente trabajo colaborativo consiste en elaborar una lnea de tiempo teniendo en cuenta la
historia y evolucin de la inteligencia artificial. Se realiza el diseo de un agente inteligente que
permitir gestionar todo el proceso sobre las pruebas ciclistas por etapas.
-
3
OBJETIVOS
GENERAL
Establecer los principios que rigen la inteligencia artificial sus aplicaciones y evolucin, en la
historia.
ESPECIFICOS
Reconocer las diferentes definiciones de inteligencia artificial y la evolucin histrica de la
inteligencia artificial.
Reconocer el uso de los agentes inteligentes y su aplicacin.
Estudiar la complejidad de los problemas y representar su estructura y las posibles soluciones.
-
4
DESARROLLO
A. ELABORAR UNA LNEA DEL TIEMPO TENIENDO EN CUENTA LA HISTORIA Y EVOLUCIN DE LA
INTELIGENCIA ARTIFICIAL.
LINEA DEL TIEMPO HISTORIA Y EVOLUCIN DE LA IA - INTELIGENCIA ARTIFICIAL
-
5
AGENTES INTELIGENTES
QUE ES UN AGENTE INTELIGENTE?
Los agentes inteligentes se caracterizan por desenvolverse en un entorno, ejecutar acciones
sobre l, basndose en percepciones para lograr metas deseadas por el usuario. Segn Franklin
and Grasser. Un agente inteligente es un sistema situado en y parte de un entorno que siente ese
entorno y acta sobre l, a travs del tiempo, persiguiendo sus propios objetivos de forma que
afecte la que siente en el futuro.
Ejemplos:
Un agente inteligente situado en internet, la percepcin se puede ver cuando acta sobre el
entorno a medida que va recibiendo e instruyndose de las peticiones que hace el usuario sobre l
y las acciones se clarifican cuando el agente nos muestra informacin que el mismo ha buscado
en internet.
- Como ejemplos de entidades fsicas pueden nombrarse:
1. Un robot de comportamiento variable autorregulado (ya sea que su comportamiento sea
determinado por software o incorporado directamente en la electrnica)
2. Una computadora que ejecuta un software de diagnstico mdico y muestra resultados en una
pantalla para ayudar a decidir a un mdico.
3. una computadora especializada que controla un helicptero en maniobras peligrosas para un
hombre.
EJEMPLO DE PAMA
PAMA: Percepciones, acciones, metas, y ambiente.
-
6
Estructura de los agentes:
Programa = algoritmo + datos
Objeto = atributos + mtodos
Agente = arquitectura + programa
Donde la arquitectura puede ser una computadora sencilla, o hardware especial para la
ejecucin de ciertas tareas, como el procesamiento de imgenes de una cmara, o el filtrado de
seales de entrada de audio. Puede incluirse tambin un software que ofrezca cierto grado de
aislamiento entre la computadora y el programa agente, lo que permitira la programacin aun
nivel superior. Pone al alcance del programa las percepciones obtenidas mediante los sensores, lo
ejecuta y alimenta al efector con las acciones elegidas por el programa conformes stas se van
generando.
En cuanto al programa, se refiere a la funcin que permita implantar el mapeo del agente
para pasar de percepciones a acciones y que se ejecutar en algn tipo de dispositivo de
cmputo.
Antes de disear un agente hay que centrarse en el entorno de trabajo, que son
esencialmente los problemas para los que los agentes son las soluciones, debe de especificarse de
la forma ms completa posible.
El entorno de trabajo est conformado por cuatro elementos:
Medida de rendimiento (METAS). Cualidades deseables del agente. medidas de
rendimiento, objetivos, metas - Incluyen criterios que determinan el xito en el comportamiento
del agente. Como regla general, es mejor disear medidas de utilidad de acuerdo con lo que se
quiere para el entorno, ms que de acuerdo con cmo se cree que el agente debe comportarse, por
ejemplo en el agente aspiradora, su meta principal o medida de rendimiento es:
- Mantener siempre el Suelo limpio. (R)
- Entorno sobre el cual actuar o se mover el agente (E)
-
7
- Actuadores Herramientas o elementos para efectuar el trabajo, acciones a realizar
- Sensores Como percibe el ambiente el agente, con qu lo percibe (S)
B. DISEO DE UN AGENTE INTELIGENTE.
Con la prxima edicin de la Vuelta Ciclista a Espaa, se quiere crear un agente que permita
gestionar todo el proceso sobre las pruebas ciclistas por etapas. Debe contener informacin sobre los
ciclistas incluyendo datos personales, datos de la condicin fsica, debe incluir n de etapas, kilmetros
totales recorridos y puesto que ocup en la clasificacin final, los equipos a los que ha pertenecido y
cada una de las pruebas en las que ha participado en cada equipo, la fecha de inicio y fin de contrato con
el equipo. De cada equipo tambin se desea conocer toda su informacin como su nombre, su
nacionalidad, el nombre del director y las pruebas en las que ha participado, Un dato adicional para las
pruebas es saber el nombre del ciclista que qued ganador.
El agente debe poseer la capacidad de analizar la informacin del sistema y tener en cuenta datos
de otros sistemas, con el fin de obtener pronsticos o servir de apoyo para la toma de decisiones en
cualquier momento que sea necesario adems de brindar varias posibilidades de solucin.
1. Definir qu tipo de agente inteligente crean para solucionar el problema, describa las
propiedades de los agentes que hace uso el agente seleccionado.
-
8
La solucin al caso de estudio es una combinacin de los siguientes agentes:
Agentes De Recomendacin: Este agente posee una base de datos con informacin acerca de un
tpico de inters para un grupo, al hacer las recomendaciones se basan en analogas con otros usuarios
de perfil similar.
Agentes Informados De Lo Que Pasa: Es un agente capaz de ejecutar acciones basndose en
percepciones y acciones ejecutadas anteriormente analizando el entorno no solo en el momento actual,
tambin en momentos anteriores.
Agentes De Interfaz: Se caracteriza por su capacidad de hacer comprensible las interfaces.
Tambin denominados asistentes personales, tiene como objetivo simplificar las tareas rutinarias que
realiza un usuario, por ejemplo, detectar que una noticia pueda ser importante para un usuario y
comunicrselo.
Agentes Mviles: Esto quiere decir que el agente puede transitar entre varias mquinas para
utilizar recursos de los cuales no dispone en su propia maquina o simplemente para evitar una sobre
carga de comunicacin. En este tipo es principal problema es la seguridad.
Agentes De Informacin: Su objetivo es recolectar informacin a travs de la red, indexarla y
ofrecrsela al usuario cuando realiza una consulta. Estos agentes han tenido gran acogida debido a las
grandes cantidades de informacin que circulan hoy por hoy en la red.
Agentes De Navegacin: Estos agentes son utilizados para navegar en la red, su funcin principal
es recordar sitios y direcciones de inters para el usuario.
-
9
2. Definir el problema del agente:
Identificacin del problema:
El objetivo del agente inteligente es proporcionar y procesar la informacin detallada de la vuelta a
Espaa y sus participantes.
Se desea conocer informacin detallada para poder gestionar todo el proceso sobre las pruebas
ciclistas por etapas de la vuelta a Espaa.
Anlisis del problema:
Para poder conocer la informacin solicitada en el caso de estudio es necesario crear un agente
inteligente que recolecte datos para poder responder cada uno de los interrogantes de caso de estudio.
Construccin del modelo conceptual de la situacin:
Creamos las reglas que regirn el agente inteligente:
Continuidad temporal
Personalidad
Autonoma(para adaptarse y tomar decisiones)
Sociabilidad ( para interactuar con otros agentes y usuarios)
Racionalidad
Adaptabilidad
movilidad
-
10
3. Disear el agente. Crear el PAMA (Percepciones, Acciones, Metas y desempeo y
Ambiente), con su respectiva explicacin.
Adquisicin del conocimiento:
Recolectar en una base de datos que ser el ncleo la informacin sobre la realizacin del evento y
la informacin detallada de cada equipo y ciclista participante.
Definicin de las Percepciones:
Los sensores de movimiento logran capturar informacin de los km recorridos en las bicicletas de
cada uno de los deportistas, los sensores vitales datos de la condicin fsica, tales como peso,
pulsaciones cardiacas, tensin, azcar y dems, el GPS, captura la informacin de su ubicacin del tal
forma que se pueda saber la posicin del deportista en cada una de las etapas incluida la final.
Adems a cada uno de los deportistas se les suministrara un reloj inteligente, el cual aparte de
suministrar la hora se podr personalizar con los datos personales tales como nombre, nacionalidad,
nombre del director y las pruebas en las que ha participado, y el nombre del ciclista que quedo ganador
en la carrera, los equipos a los que ha pertenecido y cada una de las pruebas en las que ha participado en
cada equipo, la fecha de inicio y fin de contrato con el equipo, este reloj estar conectado a internet con
un plan de datos y enviara esta informacin una vez se completen cada uno de los atributos de las tablas
mencionadas.
Definicin de la Acciones:
La accin primordial del agente es enviar va internet para ir almacenado los datos en las tablas de
la base de datos y en la unidad de almacenamiento masivo SD.
-
11
Definicin de Objetivos y Metas:
Los objetivos y metas del agente inteligente es recolectar informacin del ambiente como la ruta
de las etapas de la carrera, y de los datos personales y del equipo para el cual corre el deportista as
como de los pulsos vitales del cuerpo del ciclista para posteriormente poder ser consultados en una base
de datos va web.
Definicin del ambiente:
Ambiente procede del latn ambens (que rodea). El concepto puede utilizarse para nombrar
al aire o la atmsfera. Por eso el medio ambiente es el entorno que afecta a los seres vivos y que
condiciona sus circunstancias vitales.
Este caso el ambiente son las rutas por la cuales se va a desarrollar la vuelta a Espaa y van a
transitar los ciclistas de donde se van a tomar los datos por parte de los sensores y los GPS.
4. De manera general describir que se debe tener en cuenta para implantar el agente
construido.
Por medio la instalacin de sensores y GPS, en las bicicletas que logren transferir la informacin
va internet y almacenada en un dispositivo de almacenamiento masivo como una SD o micro SD a una
base de datos.
-
12
5. Describa que tipo de pruebas le realizara el agente para probar su correcto
funcionamiento.
Pruebas de Unidad: Las pruebas unitarias se usan para verificar la funcionalidad y estructura de
cada componente individualmente una vez se ha codificado. Se usan mucho ya que es mejor
probar los bloques desarrollados individualmente que probar el software en su totalidad.
Prueba de integracin: Esta prueba nos permite verificar el correcto ensamblaje entre los
distintos componentes una vez que han sido probados unitariamente con el fin de comprobar que
interactuan correctamente a travs de sus interfaces, cubren la funcionalidad establecida y se
ajustan a los requisitos no funcionales.
Prueba de aceptacin: El objetivo de las pruebas de aceptacin es validar que el sistema cumple
con su funcionamiento esperado y permitir al usuario que determine su aceptacin, desde el punto
de vista de su funcionalidad y rendimiento.
La validacin del sistema se consigue mediante la realizacin de pruebas de caja negra el cual
define lasverificaciones a realizar y los casos de prueba asociados.
Las pruebas de validacin: en la ingeniera de software son el proceso de revisin que verifica
que el sistema de software producido cumple con las especificaciones y que logra su cometido. Es
normalmente una parte del proceso de pruebas de software de un proyecto, que tambin utiliza
tcnicas tales como evaluaciones, inspecciones y tutoriales. La validacin es el proceso de
comprobar que lo que se ha especificado es lo que el usuario realmente quera.
-
13
Se trata de evaluar el sistema o parte de este durante o al final del desarrollo para determinar si
satisface los requisitos iniciales. La pregunta a realizarse es: Es esto lo que el cliente quiere?.
(wikipedia, s.f.)
Las preguntas elegidas para las pruebas se denominan preguntas-tipo. Las pruebas se basan en la
utilizacin de estas preguntas estndar como consultas de usuario. La primera meta de estas pruebas es
comprobar que el sistema hace una identificacin correcta de estas preguntas-tipo con un ndice de
certeza mayor que 0.7. El hecho de utilizar la lgica borrosa posibilita la identificacin, no solo de la
pregunta-tipo correspondiente, sino de otras. Este concepto est relacionado con el de memoria recall
-, aunque no corresponde a su definicin exacta. El segundo objetivo es comprobar si la respuesta a la
pregunta-tipo requerida est entre las tres respuestas con mayor grado de certeza. Estas tres respuestas
son las que deben ser presentadas al usuario, debiendo estar la respuesta correcta entre estas tres
posibilidades. Este aspecto est relacionado con el concepto de precisin, aunque de nuevo no
corresponde a su definicin exacta. (Rodriguez, Diseo)
Para realizar estas pruebas, se construye una herramienta con la posibilidad de realizar consultas de
usuario y utilizar el motor borroso para obtener las respuestas deseadas.
El proceso realizado por esta herramienta es descrito en el apartado siguiente:
Funcionamiento de la herramienta para las pruebas:
Se debe desarrollar una herramienta para las pruebas, Para ello se introducirn las denominadas
preguntas-tipo en lenguaje natural. Para construir la herramienta se propone utilizar Borland C++
Builder, debido a la facilidad de construccin de la interfaz visual, la robustez de la aplicacin generada
y la posibilidad de compilar el cdigo para Sistemas Operativos Windows o UNIX, posibilidad que
permite integrar la aplicacin en el Sistema Operativo deseado. Por otra parte, para el motor de lgica
-
14
borrosa se puede usar en principio el programa Matlab, con su toolbox de lgica borrosa, debido a su
facilidad de uso, la posibilidad de integrar otros toolboxes y la potencia de la herramienta. El problema
principal de esta aplicacin es que no exporta cdigo C de la totalidad de lo implementado, cuestin
necesaria para integrar el desarrollo en una aplicacin independiente, como es nuestra intencin con el
Agente Inteligente. Este problema de exportacin de cdigo es resuelto con la herramienta Un-Fuzzy,
que es un software para diseo de sistemas de lgica difusa de la Universidad de Colombia, de libre
distribucin y que exporta cdigo C. Diseo de un Agente Inteligente Web basado en tcnicas de
Inteligencia Artificial Jorge Ropero Rodrguez 47 Por tanto, el programa Un-Fuzzy fue el elegido
finalmente para el desarrollo del motor borroso para la herramienta de pruebas. Los pasos que deber
realizar la herramienta para llevar a cabo las pruebas son los siguientes:
1. Recibir por teclado las preguntas-tipo como consulta de usuario. La consulta deber estar hecha en
lenguaje natural y ser descompuesta en palabras.
2. Comparar estas palabras con un catlogo (base de datos), en el que cada palabra lleva aparejado un
ndice indicativo del grado de pertenencia a ciertos conjuntos borrosos definidos. 3. Seleccionar de un
nmero de palabras con el ms alto grado de referencia a contenidos.
4. Aplicar la lgica difusa para obtener una estimacin (grado de certeza) del grupo de contenidos
(tema) al que se refiere la pregunta mediante el motor de inferencia de lgica borrosa.
5. Repetir este proceso para todos los niveles de la jerarqua de manera que las palabras con un mayor
grado de pertenencia a un nivel se vuelven a enviar al motor de inferencia, es decir, al sistema de lgica
difusa.
6. El motor de inferencia determina en ltima instancia cual o cules son las preguntas tipo a las que se
refiere la consulta de usuario mostrando las respuestas correspondientes ordenadas en base a la
-
15
probabilidad de acierto inferida y que superen un umbral previamente fijado. (Rodriguez, Diseo de un
agente inteligente basado en tcnicas de inteligencia artificial)
C. COMPLEJIDAD DE LOS PROBLEMAS.
Cada integrante selecciona un tipo de problema, lo hace saber por el foro y profundiza en la
informacin del rea seleccionada. Se solicita la definicin y dar ejemplos del grupo.
Exolicacion - definicin formal de un problema
El primer pasa para disear un programa que resuelva un problema es crear una descripcin
formal y manejable del propio problema. Sera adecuado contar con programas que produzcan
descripciones formales a partir de descripciones informales, procesos denominado
operacionalizacin. Dado que por ahora no se conoce la forma de construir estos programas este
proceso debe hacerse manualmente.
Hay problemas que por ser artificiales y estructurados son fciles de especificar como por
ejemplo el ajedrez. Otros problemas naturales como por ejemplo la comprensin del lenguaje, no son
tan sencillos de especificar.
Para producir una especificacin formal de un problema se deben definir:
- Espacio de estados vlidos
- Estado inicial del problema
- Estado objetivo o final
- Reglas que se pueden aplicar para pasar de un estado a otro
-
16
Un estado es la representacin de un problema de un problema en un instante dado. Para definir
el espacio de estados no es necesario hacer una enumeracin exhaustiva de todos los estados vlidos,
sino que es posible definirlo de manera ms general.
El estado inicial consiste en uno o varios estados finales que se consideran solucin aceptable.
Las reglas describen las acciones u operadores que posibilitan un pasaje de estados. Una regla
tiene una parte izquierda y una parte derecha. La parte izquierda determina la aplicabilidad de la regla,
es decir, describe los estados a los que puede aplicarse la regla. La parte derecha describe la operacin
que se lleva a cabo si se aplica la regla, es decir, como obtener el estado sucesor.
La representacin como espacio de estados forma parte de la mayora de los mtodos de IA su
estructura se corresponde con la resolucin de problemas porque:
Permite definir formalmente el problema, mediante la necesidad de convertir una situacin
dada en una situacin deseada mediante un conjunto de operaciones permitidas.
Permite definir el proceso de resolucin de un problema como una combinacin de tcnicas
conocidas y bsqueda (la tcnica general de exploracin del espacio intenta encontrar alguna ruta
desde el estado actual hasta un estado objetivo)
2. Presentacin - p np np completo
Hablar de algoritmos, se refiere a enfrentarnos a un problema concreto. Habr una serie de
algoritmos aplicables. Se dice que el orden de complejidad de un problema es el del mejor algoritmo
que se conozca para resolverlo. As se clasifican los problemas y los estudios sobre algoritmos que se
aplican a la realidad.
-
17
Estos estudios han llevado a la constatacin de que existen problemas muy difciles,
problemas que desafan la utilizacin de los ordenadores para resolverlos. En lo que sigue
esbozaremos las clases de problemas que hoy por hoy se escapan a un tratamiento informtico.
Clase:
Los algoritmos de complejidad polinnica se dice que son tratables en el sentido de que suelen
ser abordables en la prctica. Los problemas para los que se conocen algoritmos con esta complejidad
se dice que forman clase P. Aquellos problemas para los que la mejor solucin que se conoce es de
complejidad superior a la polinnica, se dice que son problemas intratables. Sera muy interesante
encontrar alguna solucin polinomica a mejor que permitiera abordarlos.
ClaseNP
Algunos de estos problemas intratables pueden caracterizarse por el curioso hecho de que puede
aplicarse en algoritmo polinomico para comprar si una posible solucin es vlido o no. Esta
caracterstica lleva a un mtodo de resolucin no determinista consistente en aplicar heursticos para
obtener soluciones hipotticas que se van desestimando co nsistente en aplicar heursticos para obtener
soluciones hipotticas que se van desestimando o aceptando a ritmo polinmico. Los problemas de
esta clase de denominan NP la N no- deterministas y la P de polinmicos.
Clase NP
Complementos
Se conoce una amplia variedad de problemas de tipo NP, de los cuales destacan algunos de ellos
de extrema complejidad. Grficamente podemos decir que algunos problemas se hay en la frontera
extrema de clase NP. Son problemas NP, y son los peores problemas posibles de clase NP. Estos
problemas se caracterizan por ser todos iguales en el sentido de que si se descubriera una solucin P
para alguno de ellos, esta solucin sera fcilmente aplicables a todos ellos. Actualmente hay un premio
de prestigio equivalente al Novel reservado para el que descubra semejante solucin.
-
18
Si se descubriera una solucin para los problemas NP-Completos, esta sera aplicable a todos los
problemas NP y por tanto, la clase NP desaparecera del mundo cientfico al carecerse de problemas de
ese tipo. Realmente, tras aos de bsqueda exhaustiva de dicha solucin, es hecho ampliamente
aceptado que no debe existir, aunque nadie ha demostrado, todava, la imposibilidad de su existencia.
PROBLEMAS NP
Mientras que la pertenencia del problema SAT o de satisfacibilidad booleana a la clase de los
NP-completos fue demostrada utilizando mecanismos particulares, las pertenencias de los 21
problemas siguientes fueron demostradas mediante reducciones polinomiales. As, el problema SAT se
redujo polinomialmente a los problemas 0-1 INTEGER PROGRAMMING, CLIQUE y 3-SAT, y estos
a su vez se redujeron a otros varios. La lista completa es la que se muestra a continuacin. Las sangras
denotan el hecho que la NP- completitud del problema fue demostrada por reduccin polinomio del
problema en el nivel directamente superior. Note que los nombres de los problemas estn escritos con
letras maysculas y corresponden a abreviaciones del nombre en ingls, como es lo usual; junto a
ellos, entre parntesis, se escribe la traduccin del nombre en espaol.
- SAT (Problema de satisfacibilidad booleana, para frmulas en forma normal
conjuntiva) o 0-1 INTEGER PROGRAMMING (Problema de la programacin lineal
entera) o CLIQUE (Problema del clique, Problema del conjunto independiente)
SET PACKING (Problema del empaquetamiento de conjuntos)
VERTEX COVER (Problema de la cobertura de vrtices)
SET COVERING (Problema del conjunto de cobertura)
o FEEDBACK NODE SET
o FEEDBACK ARC SET
-
19
DIRECTED HAMILTONIAN CIRCUIT (Problema del circuito hamiltoniano dirigido)
o UNDIRECTED HAMILTONIAN CIRCUIT (Problema del circuito hamiltoniano no dirigido)
- 3-SAT (Problema de satisfacibilidad booleana de 3 variables por clusula)
o CHROMATIC NUMBER (Problema de la coloracin de grafos)
CLIQUE COVER (Problema de la cobertura de cliques)
EXACT COVER (Problema de la cobertura exacta)
o HITTING SET
o STEINER TREE
3-DIMENSIONAL MATCHING (Problema del matching tridimensional)
- KNAPSACK (Problema de la mochila) o JOB SEQUENCING (Problema de las secuencias de
trabajo) o PARTITION (Problema de la particin)
- MAX-CUT (Problema del corte mximo)
Tras un tiempo se descubri que muchos de estos problemas podan ser resueltos si su enunciado
se particularizaba a unas ciertas clases, o podan ser resueltos aproximadamente con un error mximo
de un cierto porcentaje. Sin embargo David Zuckerman demostr en 1996 que cada uno de estos 21
problemas tiene una versin restringida de optimizacin que es no aproximable a menos que P = NP,
demostrando que la versin de la reduccin, dada por Karp, generaliza un tipo especfico de reduccin
por aproximacin.
-
20
CONCLUSIONES
El estudio de la inteligencia artificial es sumamente interesante ya que envuelve el
estudio de la inteligencia y el comportamiento del ser humano.
En la actualidad la inteligencia artificial es un recurso que nos facilita la gran mayora de
las actividades que realizamos en el diario vivir, como las comunicaciones, el transporte, el
estudio y mucho ms.
Uno de los grandes avances que ha tenido la Inteligencia Artificial son los algoritmos ya
que se han podido procesar preguntas muy complejas que el cerebro humano no puede
lograr responder por manejar mucha informacin, logrando que la tecnologa avance de forma
rpida.
-
21
BIBLIOGRAFA
Channel, D. (1998). Vida Artificial- BEAM. Obtenido de
https://www.youtube.com/watch?v=Nf1AoZfiNI0
Marrero., A. G. (s.f.). Razn Artificial-Inteligencia Artificial. Obtenido de
http://razonartificial.com/inteligencia-artificial/
Mndez, R. (20 de marzo de 2014). Universidad de Murcia. Obtenido de Aplicaciones pr{acticas de
inteligencia Artificial.: http://www.um.es/docencia/barzana/IATS/IATS3-Inteligencia-
artificial.html
Menndez, D. A. (20 de marzo de 2014). Aplicaciones prcticas de Inteligencia Artificial. Obtenido de
http://www.davidam.com/docu/aplica-ia/index.html
Rodriguez, J. R. (s.f.). Diseo de un agente inteligente basado en tcnicas de inteligencia artificial.
Rodriguez, J. R. (s.f.).; Diseo de un agente inteligente basado en tcnicas de inteligencia
artificial,.Obtenido de http://www.dte.us.es/personal/jropero/Trabajo%20Investigacion2.pdf
-
22
UNAD. (s.f.). Guia de Aprendizaje unidad 1. En E. d. b{asicas, Inteligencia Artificial.
wikipedia, c. d. (s.f.). Prueba de validacin. Obtenido de Wikipedia, la enciclopedia libre.
Youtube. (s.f.). Obtenido de Inteligencia artificial:
https://www.youtube.com/watch?v=umFzK50kF0&list=PLUPqkcjexRmfKE7mRtjloIzPIlN9Rid
oZ.
top related