técnicas y métodos aplicados a la inteligencia artificial

Técnicas y métodos aplicados en la inteligencia artificial para la resolución de problemas

INTRODUCCION

La inteligencia humana en estudios de la neurociencia es una relación entre el cerebro y la mente, y los científicos desde una perspectiva general la establecen como la actividad que organiza y regula y planifica la acción humana, la finalidad de la inteligencia es dotar a los seres humanos de reglas para autorregularse en dichas acciones. Los humanos son considerados seres inteligentes bajo un sistema de conciencia. La conciencia es la propiedad de los organismos más evolucionados.

La inteligencia humana ha sido contrastada con la inteligencia artificial, los científicos del área de las ciencias de la computación, intentando imitar el comportamiento humano a través de los sistemas inteligentes, ya que estos permiten la simulación de actividades prácticas que generalmente son rápidas, pero algo complejas para ser ejecutadas por los seres humanos solamente. Sin embargo, es importante destacar que hasta ahora la IA no ha llegado sino a solo replicar lo que el cerebro humano en el aspecto cuantitativo y no cualitativo. Por lo tanto, hasta ahora no hay un sistema que emule por completo la complejidad de la mente humana, por ello existen diversas técnicas que permiten emular a la inteligencia humana.

Las diferentes técnicas y métodos aplicados en la inteligencia artificial para la resolución de problemas

El mundo organizacional en la actualidad está sometido permanentemente a diversos cambios producto también de los cambios a nivel global y, además, a la alta competitividad que existe hoy en día en los mercados. La denominada sociedad de la información supone comprender de manera fundamental dichos cambios de tal manera que las organizaciones desarrollen las herramientas necesarias para poder enfrentarlos, dichas herramientas en el área de inteligencia artificial son las siguientes: Algoritmo de búsqueda, Agentes Inteligentes (AI), Redes Neuronales (RN), Sistemas Basados en Conocimiento (SBC), Algoritmo Genético (AG), Robótica, Machine Learning (ML) y DeepLearning (DL)

ALGORITMOS DE BUSQUEDA

De acuerdo a un problema en particular la secuencia de acción o decisión tiene consigo asociado un costo que se intentará minimizar, o cualquier beneficio que se requerirá maximizar. En los algoritmos de búsqueda se infiere que los agentes se mueven en un entorno que se considera accesible, lo que significa que pueden ser capaces de estudiar y captar con precisión todos los elementos del entorno y así por ejemplo, tanto el costo y beneficio de las acciones empleadas se pueda determinar con exactitud. El proceso de los algoritmos de búsqueda implica realizar el recorrido completo de un arreglo con la finalidad de conseguir algún elemento, para ubicar el menor o mayor elemento del arreglo, comparar cada uno de los elementos e ir ordenando de mayor a menor, lo que se conoce como búsqueda lineal o secuencial.

Para lograr una búsqueda mucho más eficiente entonces se realiza en base a un arreglo ordenado a través de la búsqueda binaria que compara si el elemento buscado se encuentra entre la mitad superior o inferior, subdividiendo sucesivamente hasta encontrar el valor correspondiente.

AGENTES INTELIGENTES

Un agente inteligente en IA, entre muchas de las definiciones que se les atribuyen son entidades que perciben y actúan de acuerdo al entorno donde se encuentren. Tienen su origen en los requerimientos que han surgido a través del tiempo para los sistemas complejos, para los cuales la utilización de las otras técnicas existentes no ha dado buenos resultados. Para la mayoría de las situaciones los agentes no pueden ser desarrollados de manera independiente, sino que por el contrario son parte de un sistema.

Es importante preguntarse ¿cómo se caracteriza un agente?, la respuesta atiende a los calificativos que va tener un agente que le atribuyen varias propiedades que el agente debe realizar, entonces se infiere otra definición mucho más técnica de un agente inteligente, y es la que señala que son sistemas de computación capaces de actuar de manera autónoma y de forma flexible en un entorno determinado. Esto se traduce en que los agentes inteligentes pueden ser: reactivos, cuando es capaz de responder al entorno en el que se encuentra, pro activo que refiere a que debe tener la capacidad de cumplir sus metas y objetivos propios, social cuando es capaz de comunicarse con otros agentes a través de lenguajes de comunicación diseñados para ellos.

REDES NEURONALES

Esta aplicación de la IA, está relacionada con el procesamiento de información de los sistemas biológicos, basada en la forma de funcionamiento del cerebro humano, que resulta diferente al tipo de procesamiento de un computador digital. El comportamiento del cerebro humano se considera muy complejo de carácter no lineal y paralelo, quiere decir que es capaz de ejecutar múltiples actividades al mismo tiempo, sin embargo, los computadores lo hacen de forma secuencial, es decir, por lo general realizan una función a la vez.

Por lo anterior, se traduce que una red neuronal se encarga de procesar la información que está distribuida paralelamente y que está compuesta por muchas unidades menos complejas a las que se les denomina neuronas.

SISTEMAS BASADOS EN CONOCIMIENTO

Los Sistemas Basados en Conocimiento (SBC) son aquellos sistemas cuyo propósito es emular la capacidad de resolución de problemas de un ser humano, en un dominio específico, utilizando su mismo conocimiento. Otra definición establece que son sistemas que hacen un amplio uso de conocimiento especializado para resolver problemas como la haría un especialista humano.

También son definidos como programas de computación inteligente que usan el conocimiento y procedimientos de inferencias para resolver problemas que son lo suficientemente difíciles como para requerir suficiente experiencia humana para su resolución. Se consideran sistemas de software que representan y usa conocimiento para realizar una tarea dentro del contexto de una cierta aplicación.

ALGORITMO GENETICO

En los años 1970, de la mano de John Henry Holland, surgió una de las líneas más prometedoras de la inteligencia artificial, la de los algoritmos genéticos (AG). Son llamados así porque se inspiran en la evolución biológica y su base genético-molecular.

Estos algoritmos hacen evolucionar una población de individuos sometiéndola a acciones aleatorias, semejantes a las que actúan en la evolución biológica (mutaciones y recombinaciones genéticas), así como también a una selección. De acuerdo con algún criterio, se decide cuáles son los individuos más adaptados, que sobreviven, y cuáles son los menos aptos, que son descartados.

Los algoritmos genéticos se enmarcan dentro de los algoritmos evolutivos, que incluyen también las estrategias evolutivas, la programación evolutiva y la programación genética.

ROBOTICA

La robótica es una ciencia que desde hace varias décadas ha incursionado en la sociedad, al desarrollar máquinas con la capacidad de ejecutar tareas que simulan el comportamiento de humanos y/o animales, a partir de las instrucciones de un software. Siendo catalogada como una ciencia es capaz de agrupar varias disciplinas con la finalidad de construir máquinas a las que se les denomina robotizadas que pueden ejecutar acciones y tareas del comportamiento humano o de animales con la programación de software.

Para construir estas máquinas robotizadas se hace necesario realizar la planificación, la programación y el desarrollo de los robots para realizar de manera reiterativa las actividades que hacen los humanos. Por su condición multidisciplinar, la robótica tiene un carácter multidisciplinar, participando en ella numerosos sectores de la sociedad, como el de la manufactura y el automovilístico, esto debido a su precisión, rapidez, reutilización y fácil adaptación de los robots industriales a las tareas repetitivas en entornos estructurados.

MACHINE LEARNING

Es una de las técnicas basadas en IA, que más está siendo utilizada en la actualidad a partir del año 2006 inicio su gran auge en el manejo de los datos, está estructurada de acuerdo a varias ramas de la IA, dentro de las cuales se pueden mencionar: el aprendizaje supervisado, el aprendizaje no supervisado, el aprendizaje de refuerzo. El aprendizaje supervisado que consiste en la etiquetación de un conjunto de datos donde pueden ser detectados los patrones que estos presentan y pueden dar paso al etiquetado de un nuevo tipo de información. El aprendizaje no supervisado se utiliza cuando los conjuntos de datos no se encuentran etiquetados donde la única forma de obtener información de ellos es la revisión de sus similitudes y diferencias. El aprendizaje de refuerzo donde los datos a pesar de que tampoco se encuentran etiquetados después de haber realizados distintas acciones y de cierto tiempo transcurrido el sistema tiende a retroalimentarse y actualizarse. La analítica de datos de las grandes corporaciones de software está basada en machine learning, esto ha permitido que los distintos desarrollos se basen en las mismas apreciaciones de los seres humanos, por ejemplo, mediante el estudio de gustos y preferencias.

DEEPLEARNING

Son las redes neuronales con muchas capas ocultas, donde las redes neuronales tradicionales solo tienen una capa. Intentan hacer de esta manera transformaciones de un espacio de origen a otros espacios donde los datos son separables linealmente.

Se basa entonces en una serie de algoritmos relacionados con machine learning cuyas aplicaciones en el contexto real cada día son más usados y tangibles que hacen que la IA tenga un mayor rendimiento con la finalidad principal de que conseguir que un ordenador pueda aprender por cuenta propia y haciendo tareas que emulan a las de los seres humanos, como ejemplo de ello se tiene el reconocimiento de imágenes, el reconocimiento de la voz de una forma progresiva. Los algoritmos de deeplearning se utilizan con redes neuronales artificiales estructuradas que poseen capas: input layer (entrada), hidden layer (oculta) y output layer (salida). Los datos se introducen por la capa1, donde se ubican varias neuronas artificiales que se activan debido a los datos.