07 May
Contribuciones Disciplinarias y Tipos de IA
¿Qué disciplinas han contribuido al desarrollo de la IA?
- Filosofía: Conceptos de IA débil e IA fuerte.
- Matemáticas: Álgebra lineal, cálculo, optimización matemática, probabilidad y estadística.
- Lingüística: Procesamiento del lenguaje natural.
- Neurociencias: Estudio del cerebro y la inteligencia.
- Psicología: Estudio de la cognición y el aprendizaje.
¿Qué diferencia hay entre IA débil e IA fuerte?
IA débil: Se centra en tareas específicas y no tiene autoconciencia. Ejemplo: Siri.
IA fuerte: Igual o superior a la inteligencia humana promedio. Todavía no se ha logrado.
¿Cuáles son las matemáticas fundamentales para la IA?
- Álgebra lineal
- Cálculo
- Optimización matemática
- Probabilidad y estadística
Paradigmas y Técnicas en IA
¿Qué son los paradigmas de la IA?
Son marcos teóricos que guían la investigación en IA. Algunos ejemplos son:
- Paradigma simbólico (lógico/semántico): Basado en la manipulación de símbolos.
- Paradigma conexionista o emergente: Basado en redes neuronales artificiales.
- Paradigma corpóreo o enactivo: Basado en la interacción del agente con el entorno.
- Paradigma basado en datos o máquinas superinteligentes: Basado en el aprendizaje automático a partir de grandes cantidades de datos.
¿Qué técnicas se han desarrollado a partir de los paradigmas de la IA?
- Redes neuronales
- Agentes inteligentes
- Máquinas superinteligentes
- Algoritmos genéticos
- Robots reactivos
Representación del Conocimiento
Mapas Conceptuales
¿Qué son los mapas conceptuales?
Son representaciones gráficas que organizan y visualizan el conocimiento sobre un tema.
¿Para qué se utilizan los mapas conceptuales en IA y ciencia cognitiva?
- Representación del conocimiento
- Aprendizaje y educación
- Resolución de problemas y toma de decisiones
- Inteligencia artificial y comprensión del lenguaje natural
Redes Semánticas
¿Qué son las redes semánticas?
Son grafos que representan conceptos y sus relaciones. Se utilizan para representar mapas conceptuales y mentales.
¿Cuáles son los elementos básicos de una red semántica?
- Nodos: Representan conceptos.
- Relaciones: Representan las conexiones entre conceptos.
- Arcos o flechas: Unen nodos y pueden ser implícitas o explícitas.
Tipos de Razonamiento en IA
Razonamiento Monótono
¿Qué es el razonamiento monótono?
Es un tipo de razonamiento donde el conjunto de conclusiones aumenta al agregar nueva información a la base de conocimiento.
¿Qué es la monotonicidad?
Es la propiedad de que al agregar una fórmula a una teoría, el conjunto de consecuencias nunca se reduce.
¿Qué es una regla de inferencia?
Es una función que toma premisas, analiza su sintaxis y devuelve una conclusión.
Ejemplo:
Si llueve, entonces uso paraguas o no salgo de casa.
Se da el caso de que llueve.
Por lo tanto, no salgo de casa.
Razonamiento No Monótono y Otras Lógicas
¿Qué es el razonamiento no monótono?
Es un tipo de razonamiento donde el conjunto de conclusiones puede aumentar o disminuir al agregar nueva información a la base de conocimiento.
Probabilidad y Toma de Decisiones en IA
Conceptos Fundamentales de Probabilidad
¿Cómo se define la probabilidad y qué valores puede tomar?
La probabilidad es la asignación de un grado numérico de creencia entre 0 y 1 a las proposiciones.
¿Qué representa una probabilidad de 0 y una probabilidad de 1?
Una probabilidad de 0 asignada a una determinada oración corresponde a la inequívoca creencia de que la oración es falsa, mientras que una probabilidad de 1 corresponde a la creencia de que la oración es verdadera.
¿Cuál es la relación entre la probabilidad asignada a una proposición y las percepciones del agente?
La probabilidad que un agente asigna a una proposición dependerá de las percepciones que este haya recibido hasta ese momento.
¿Cuál es la diferencia entre probabilidad a priori y probabilidad posterior?
La probabilidad a priori o incondicional se refiere a la probabilidad antes de obtener evidencia, mientras que la probabilidad posterior o condicional se refiere a la probabilidad después de obtener evidencia.
¿Por qué es importante actualizar las probabilidades conforme el agente recibe nuevas percepciones?
Conforme el agente vaya recibiendo nuevas percepciones, los cálculos de probabilidad se van actualizando para reflejar nuevas evidencias.
¿Qué papel juega el razonamiento probabilístico en la toma de decisiones racionales?
El razonamiento probabilístico es importante en la toma de decisiones racionales porque permite evaluar la probabilidad de que ciertos eventos ocurran y tomar decisiones basadas en esa evaluación.
Teoría General de Decisiones Racionales
¿Cuál es la fórmula para la teoría general de decisiones racionales y qué elementos combina?
La teoría general de decisiones racionales se puede expresar como: Teoría de decisiones = Teoría de la probabilidad + Teoría de la utilidad.
Teorema de Bayes
¿Cómo se describe el Teorema de Bayes y cuál es su función?
El Teorema de Bayes es un cálculo de probabilidades que se utiliza para representar el grado de creencia o confianza que los eventos tienen antes de que sucedan tal y como suceden.
¿Cuál es el propósito de calcular probabilidades a posteriori utilizando el Teorema de Bayes?
El propósito es actualizar las probabilidades después de obtener nueva información o evidencia sobre un evento.
¿Qué ejemplo se proporciona para ilustrar el uso del Teorema de Bayes y cuáles son los resultados obtenidos?
Se proporciona el ejemplo del pronóstico meteorológico y la probabilidad de que haya ocurrido un accidente, y los resultados obtenidos son las probabilidades a posteriori de cada estado meteorológico.
Ejemplo del uso del Teorema de Bayes
El parte meteorológico ha anunciado tres posibilidades para el fin de semana:
- a) Que llueva: probabilidad del 50%.
- b) Que nieve: probabilidad del 30%.
- c) Que haya niebla: probabilidad del 20%.
Según estos posibles estados meteorológicos, la posibilidad de que ocurra un accidente es la siguiente:
- a) Si llueve: probabilidad de accidente del 20%.
- b) Si nieva: probabilidad de accidente del 10%.
- c) Si hay niebla: probabilidad de accidente del 5%.
Resultados (probabilidades a posteriori):
- a) Probabilidad de que estuviera lloviendo: La probabilidad de que efectivamente estuviera lloviendo el día del accidente (probabilidad a posteriori) es del 71.4%.
- b) Probabilidad de que estuviera nevando: La probabilidad de que estuviera nevando es del 21.4%.
- c) Probabilidad de que hubiera niebla: La probabilidad de que hubiera niebla es del 7.1%.
Deja un comentario