You are on page 1of 1

Resumen

UNIVERSIDAD PRIVADA TELESUP

UNIDAD DE APRENDIZAJE I:

El propósito de la inteligencia artificial es hacer computacional el conocimiento humano no analítico por procedimientos simbólicos, conexionistas o híbridos. Las tareas toman la forma genérica de solucionadores de problemas mediante búsquedas en un espacio de estados de conocimiento y pueden ser juegos o problemas lógico-matemáticos. El concepto de inteligencia está sacado de la psicología cognoscitiva y pertenece a una familia más amplia de construcciones teóricas para ayudar en la descripción del comportamiento observable de sistemas complejos en interacción con su medio. Hablar de la inteligencia artificial en ese sentido supone querer comprender y duplicar las funciones del comportamiento humano.

La Inteligencia Artificial comenzó a ser computacional cuando Warren S. McCulloch y Walter Pitts introducen el primer modelo formal, formado por una función lógica seguida de un retardo y donde se sustituye la programación por el aprendizaje. La característica fundamental de un Sistema Basado en el Conocimiento (SBC) es su poder para modelar sucesos basados en dos tipos de símbolos: números y palabras. Dreyfus sugiere que la inteligencia artificial comenzó alrededor del año 450 a. C. cuando, de acuerdo con Platón, Sócrates pregunta a Euthyphro por un conjunto de reglas de decisión definidas de forma tan precisa que en cada momento pudiéramos calcular la respuesta del sistema aplicando esas reglas a la entrada.

La complejidad de los problemas que aborda la Inteligencia Artificial aconseja combinar todas las técnicas de representación, integrando el simbolismo con las redes neuronales. El problema de la representación del conocimiento sigue abierto tanto en la Inteligencia Artificial teórica, (¿qué es?, relación entre el conocer y la estructura de lo que se conoce) como en la Inteligencia Artificial de síntesis (¿qué representación es mejor?, ¿cuál permite un uso eficiente del conocimiento?, ¿cómo abordar la semántica?, ¿cómo profundizar el razonamiento?).

Cuando nos enfrentamos a un sistema complejo, tanto en tareas de análisis como de síntesis, es útil usar una jerarquía de niveles, que nos permitan segmentar esa complejidad, Es un error frecuente en IA, el mezclar entidades pertenecientes a niveles distintos, e intentar explicar datos y procesos de un nivel de alta semántica. Newell introdujo en 1981 el nivel de conocimiento como un nuevo nivel de descripción por encima del nivel simbólico. La clave del nivel es su carácter abstracto, genérico e independiente tanto del dominio como de los lenguajes usados para representar el conocimiento (marcos, reglas, lógica o redes) y para usarlo (inducción, deducción o abducción). Pylyshyn ha asociado el nivel de conocimiento al cálculo intencional y Clancey señaló el carácter relativista de las descripciones en el nivel de conocimiento. Muchos de los programas de inteligencia artificial, están basados en la estructura genérica de un clasificador que asocia configuraciones de entrada a configuraciones de salida.