En esta clase, hablaremos sobre los paradigmas de la inteligencia artificial. Si partimos de que la IA busca crear sistemas capaces de imitar las capacidades cognitivas humanas, nos preguntamos ¿cómo hace para alcanzar este objetivo?. Para ello se han desarrollado diferentes paradigmas. Cada uno con sus propias ventajas y desventajas. En esta clase, veremos algunos de los paradigmas más importantes de la IA y cómo se pueden utilizar para resolver diferentes tipos de problemas.
Existen diferentes paradigmas de IA, cada uno con sus propias ventajas y desventajas. El paradigma más adecuado para un problema específico dependerá de las características del problema.
El enfoque simbólico es el paradigma más antiguo de la IA. Se basa en la idea de que el conocimiento puede ser representado mediante símbolos y reglas. Este enfoque ha sido utilizado con éxito en sistemas expertos, como los sistemas de diagnóstico médico. Sin embargo, puede ser difícil de usar para representar conocimiento complejo.
Estos enlaces te ayudarán a reforzar los conceptos del enfoque simbólico.
Canal 13C(4 mayo de 2017):
Se basa en redes neuronales artificiales inspiradas en el cerebro humano. Este enfoque es capaz de aprender de datos y adaptarse a nuevas situaciones. Se ha utilizado con éxito en aplicaciones como el reconocimiento de imágenes y el procesamiento del lenguaje natural. Sin embargo, puede ser difícil entender cómo funcionan las redes neuronales.
Estos enlaces te ayudará a reforzar el concepto del enfoque conexionista a través de casos reales.
AFP ESPAÑOL(18 de Octubre de 2017):
TEC(20 de Enero de 2020):
BBC News Mundo (2 de marzo de 2015):
Se basa en la imitación de sistemas biológicos para resolver problemas complejos. Es un campo relativamente nuevo de la IA que ha tenido éxito en aplicaciones como la optimización y la robótica. Sin embargo, puede ser difícil de implementar sistemas bioinspirados en el mundo real.
El siguiente enlace te ayudará a reforzar el enfoque Bioinspirado a través de un caso real:
La 2(13 de diceimbre de 2022), Robótica de enjambres – Órbita Laika La2:
Se basa en la teoría de la probabilidad para manejar la incertidumbre. Es útil para resolver problemas en los que la información es incompleta o inexacta. Se ha utilizado con éxito en aplicaciones como la planificación y el diagnóstico. Sin embargo, puede ser complejo modelar la incertidumbre de forma precisa.
Es un enfoque fundamental en la IA que se basa en algoritmos y estructuras de datos para resolver problemas. Se utiliza en una amplia variedad de aplicaciones, como la planificación, el razonamiento y la búsqueda. Sin embargo, puede ser computacionalmente costoso para resolver problemas complejos.
El siguiente enlace te ayudará a reforzar el enfoque computacional:
Programar es increible (26 de diciembre de 2019), Cómo funciona el algoritmo A* en los videojuegos:
El video muestra como funciona el algoritmo A* y como trabaja en los videoJuegos.
| Modelo | Enfoque principal | Descripción |
|---|---|---|
| Enfoque Simbólico | Sistema experto de diagnóstico médico | El sistema utiliza reglas y símbolos para representar el conocimiento médico y diagnosticar enfermedades. |
| Enfoque Conexionista | Reconocimiento facial | El sistema utiliza redes neuronales artificiales para aprender a reconocer rostros a partir de imágenes. |
| Enfoque Bioinspirado | Algoritmo de optimización de enjambres de abejas | El algoritmo imita el comportamiento de las abejas para encontrar soluciones óptimas a problemas complejos. |
| Enfoque Probabilístico | Filtro de Kalman para seguimiento de objetos | El filtro utiliza la teoría de la probabilidad para estimar la posición de un objeto en movimiento a partir de mediciones ruidosas. |
| Enfoque Computacional | Algoritmo de búsqueda A* para planificación de rutas | El algoritmo utiliza una búsqueda heurística para encontrar la ruta más corta entre dos puntos en un mapa. |
Ejemplos Prácticos de los Paradigmas de la Inteligencia Artificial (en grupos de 2).
Objetivo:
Desarrollo:
1. Instrucciones:
2. Investigar el proceso de aprendizaje automático:
Identificar las similitudes y diferencias entre los componentes del modelo cognitivo y las etapas del aprendizaje automático.
Entregables:
Para este subtema se requiere contestar un cuestionario autoevaluable, el cual se encuentra en el apartado de recursos.
Cuestionario del subtema 2.2.
Recursos: 1 Descargable
Duración: 2 Hora
Departamento de Sistemas e Informatica
sistemas@itistmo.edu.mx
“Por una tecnología propia como principio de libertad®️”
