La Inteligencia Artificial (IA) es un campo fascinante que abarca una variedad de temas y enfoques, desde la imitación del comportamiento humano hasta el desarrollo de sistemas autónomos inteligentes. En esta primera sección del temario, se proporciona una introducción integral a los fundamentos de la IA, explorando su historia, bases cognitivas, modelos de adquisición de conocimiento, modelos cognitivos y el papel de los agentes inteligentes. Además, se examina el proceso de razonamiento, incluyendo la lógica y la heurística, así como algoritmos específicos como A* y búsqueda local.
La historia de la Inteligencia Artificial ofrece una perspectiva sobre su evolución desde sus primeros conceptos hasta los avances contemporáneos. Se analizan las habilidades cognitivas según las teorías psicológicas, como el conductismo de Skinner y las teorías de la inteligencia múltiple de Gardner, que influyen en la comprensión de cómo los seres humanos procesan y aplican el conocimiento.
El proceso de razonamiento, basado en la lógica y la demostración de teoremas, proporciona un marco para comprender cómo la IA puede replicar el pensamiento humano. Por otro lado, el modelo de adquisición de conocimiento según la filosofía aborda cuestiones fundamentales sobre la naturaleza del conocimiento y cómo se incorpora a los sistemas inteligentes.
El papel de los agentes inteligentes, los sistemas multiagentes y los sistemas ubicuos resalta la importancia de la interacción y la adaptabilidad en la IA contemporánea. Además, se exploran conceptos clave como la heurística y diversos algoritmos que permiten a los sistemas realizar tareas de manera eficiente y efectiva.
En el siguiente capítulo, se profundiza en la representación del conocimiento y el razonamiento en la IA. Se discuten principios metodológicos, paradigmas y herramientas como mapas conceptuales y redes semánticas que permiten organizar y estructurar el conocimiento de manera significativa. Se explora el razonamiento monótono y no monótono, así como el razonamiento probabilístico y el teorema de Bayes, que son fundamentales para la toma de decisiones bajo incertidumbre en sistemas inteligentes. Este capítulo proporciona una base sólida para comprender cómo los sistemas de IA representan, razonan y utilizan el conocimiento para resolver problemas y tomar decisiones en entornos complejos y dinámicos. La combinación de métodos teóricos y prácticos ofrece una visión completa de los aspectos metodológicos de la IA y su aplicación en diversas áreas.
Recursos: 0 Descargables
Duración: - Horas
Departamento de Sistemas e Informatica
sistemas@itistmo.edu.mx
“Por una tecnología propia como principio de libertad®️”