Inteligencia Artificial
Aaron Sloman
School of Computer Science
The University of Birmingham
http://www.cs.bham.ac.uk/~axs/courses.ai.html
Las áreas de aplicación de la Inteligencia Artificial se pueden dividir en dos, de
acuerdo al contenido del estudio o de acuerdo a las herramientas y técnicas utilizadas.
Se desarrollan a continuación.
(A) Contenido
Ya quelos seres humanos y otros animales, y también los robots inteligentes y otros
artefactos, tienen una amplia variedad de capacidades, todas ellas muy complejas y
difíciles de explicar o modelar, tanto en el plano científico como ingenieril, la IA ha
generado varios subcampos, tratando aspectos particulares de la inteligencia.
(B) Técnicas
Debido a que las aplicaciones de la IA son muchas y muydiversas, algunos de los
subcampos se agrupan en torno a las técnicas relevantes a cada clase de problemas.
A. Subcampos basados en el contenido.
•
Percepción, especialmente la visión, sino también la percepción auditiva y táctil,
y, más recientemente, el gusto y el olfato. Esto se desglosa en el estudio de los
diferentes tipos de procesos incluyendo la transducción física, el análisis yreconocimiento de patrones, la segmentación y "parsing" complejo de los datos
sensoriales, la interpretación y el control de la atención. Este es un enorme
subcampo y puede dividirse en más campos especializados de acuerdo a la
modalidad sensorial, el tipo de cosas que se perciben, las formas de
representación utilizadas, si la percepción está puramente dirigida por los datos
o incluyeprocesos top-down, los mecanismos utilizados (por ejemplo
neuronales o simbólicos), la arquitectura más grande que contiene el sistema
sensorial, y el dominio de aplicación.
•
Procesamiento de lenguaje natural, incluida la producción y la interpretación de
la lengua hablada y escrita, ya sea manuscrita, impresa o electrónica en todo (por
ejemplo el correo electrónico).
•
Aprendizaje ydesarrollo, incluidos los procesos de aprendizaje simbólico (por
ejemplo la regla de inducción), la utilización de las redes neuronales (a veces
descrita como sub-simbólica), el uso de algoritmos evolutivos, sistemas de autodepuración, y diversos tipos auto-organización.
•
Planificación, solución de problemas, diseño automático: dado un problema
complejo y una colección de recursos,restricciones y criterios de evaluación
crear una solución que cumpla con las restricciones y lo haga bien o sea óptima
de acuerdo con los criterios establecidos, o si ello no es posible proponer
algunas buenas alternativas.
•
Variedad de razonamiento: Esto incluye estudio tanto del razonamiento informal
de sentido común como de razonamiento experto especializado. El primero
1
incluyeel estudio del razonamiento analógico, la inferencia con revocación,
razonamiento basado en casos. El último incluye la lógica y razonamiento
matemático, incluyendo el diseño de demostradores de teoremas y de sistemas
de inferencia, ya sea con la intención de modelar diversas clases de capacidades
inferenciales y matemáticas humanas, o para fines prácticos, por ejemplo, en
“toolkits” deálgebra simbólica, o razonamiento en robots o sistemas de control
autónomos.
•
Estudio de las representaciones: la investigación de las propiedades formales de
los diferentes tipos de representaciones, los mecanismos necesarios para su
funcionamiento, y el tipo de tareas para las que son buenas o malas. Esto puede
incluir el estudio de ontologías de diversos tipos. Sobre algunos mecanismos seafirma a veces que no utilizan ninguna representación (por ejemplo las redes
neuronales), mientras que realmente son un tipo especial de representación, por
ejemplo, numérica y continua, en contraposición a la estructural y discreta.
•
Técnicas y mecanismos de memoria: análisis de las necesidades de los diversos
tipos de memoria, incluyendo grandes almacenes de conocimiento conteniendo...
Regístrate para leer el documento completo.