Inteligencia Artificial

Panorama Histórico
Las primeras explicaciones teóricas sobre el cerebro y el pensamiento fuerón dadas por algunos filósofos griegos, como Platón y Aristóteles, quienes fuerón apoyados despúes por Descartes y filósofos empiristas.
Alan Turing, en 1936, fue el primero en estudiar el cerebro como una forma de ver el mundo de la computación, pero quienes primero concibierón algunos fundamentos dela computación neuronal fuerón Warren McCulloch y Walter Pitts, despúes otras teorias iniciales fuerón expuestas por Donald Hebb. Pero solo hasta 1957 Frank Rosenblatt comenzó el desarrollo del Perceptrón, la red neuronal más antigua de la que me encargaré posteriormente.
Más adelante apareció el modelo ADALINE, desarrollado por Bernard Widrow y Marcial Hoff.
Stephen Grossberg realizó Avalanchaen 1967, hasta 1982 el crecimiento se frenó pero surgierón luego investigaciones sobre redes como la de Marvin Minsky y Seymour Papert, despúes James Anderson desarrollo el Asociador Lineal, en Japón Kunihiko Fukushimika y Teuvo Kohonen que se centrarón en redes neuronales para el reconocimiento de patrones; en USA John Hopfield tambien realizó importantes investigaciones.



Desde 1985comenzarón a consolidarse los congresos más importantes como Neuronal Networks for Computing, la Neural Information Processing Systems, entre algunas otras.
Actualmente, son numerosos los trabajos que se realizan y publican. Revistas como Neural Networks, Transactions on Neural Networks, entre otros, son las encargadas de la publicación de los últimos avances.
El Departamento de Defensa de los EstadosUnidos, la Sociedad Europea de Redes Neuronales son algunos de los ejemplos del resurgir de la investigación sobre redes neuronales.

Elementos de una Red Neuronal Artificial y su Función
Las redes neuronales artificiales (RNA) son modelos que intentan reproducir el comportamiento del cerebro. Como tal modelo, realiza una simplificación, averiguando cuáles son los elementos relevantesdel sistema, bien porque la cantidad de información de que se dispone es excesiva o bien porque es redundante. Una elección adecuada de sus características, más una estructura conveniente, es el procedimiento convencional utilizado para construir redes capaces de realizar determinada tarea.
Se conoce como capa o nivel a un conjunto de neuronas cuyas entradas provienen de la misma fuente y cuyas salidas sedirigen al mismo destino.
Unidad de proceso: La neurona Artificial. Existen tres tipos de unidades en cualquier sistema: entradas, salidas y ocultas. Las unidades de entrada reciben señales desde el entorno; las de salida envían la señal fuera de la red, y las unidades ocultas son aquellas cuyas entradas y salidas se encuentran dentro del sistema.
Estado de Activación. Los estados del sistemaen un tiempo t se representan por un vector A(t). Los valores de activación pueden ser continuos o discretos, limitados o ilimitados. Si son discretos, suelen tomar un conjunto discreto de valores binarios, así un estado activo se indicaría con un 1 y un estado pasivo se representaría por un cero. En otros modelos se considera un conjunto de estados de activación, en cuyo valor entre [0,1], o en elintervalo [-1,1], siendo una función sigmoidal.
Función de Salida o de Transferencia. Asociada con cada unidad hay una función de salida, que transforma el estado actual de activación en una señal de salida.
Aplicación de Redes Neuronales Neural-bot
RESUMEN
El Quake 2 de id SOFTWARE, es el resultado de la evolución de género de los arcades 3D impuesto hace ya varios años por aquel Spear ofDestiny/Wolfstein 3D y sobre todo por el Doom. Pasando por una enorme cantidad de programas se ha llegado hasta éste, el más avanzado de hoy día. Se habla ya del Quake III (lo distribuirá Activision y saldrá en el lugar de niveles extras para Quake 2) y de algunos sucesores como Unreal o Blood 2.
INTRODUCCIÓN
La inteligencia humana ha maravillado a los hombres desde el principio de los...