Micro resúmen Sistemas inteligentes Fase 1: Categorías de la IA:   - Procesamiento de alta velocidad(procesar el mismo conjunto)   - Adivinar respuestas a un problema siguiendo reglas predeterminadas   - Dar respuesta a datos desconocidos mediante datos existentes(sist. de remendación) Auges:   1. Reglas fijas: a finales de los 50s, teniendo todos los patrones posibles   2. Representación del conocimiento(KR): en los 80s, web semántica hecha por Cyc, machine learning supervisado   3. Deep learning: redes neuronales para aprendizaje automático Sistemas expertos: [Reglas, hechos, relaciones]     Sistema informático que emulan el razonamiento humano en un campo determinado   Características:     - Explican sus resultados     - Adquieren conocimiento     - Resuelven problemas     - Determina si el problema está en su dominio     - Sintetiza conocimiento de expertos   Tipos:         - Determinista: lógico, basado en reglas             - Base de Conocimiento: variables             - Motor de inferencia: obtiene conclusiones aplicando la lógica             - Regla: proposición lógica             - Sistemas complejos Deterministas: Tráfico, seguridad         - Estocástica: probabilístico, inferencia             - Incertidumbre de datos             - Reglas de condición-conclusión             Tipos:                 - Procedimientos numéricos: manejan evidencias combinadas, usan conjuntos difusos                 - Credibilidad: info errónea     Ventajas:         - Disponibilidad         - Menor costo y riesgo         - Más confiabilidad         - Objetividad         - BD Inteligente   Componentes:         - Humano: Expertos e ingenieros del conocimiento         - Base del conocimiento: reglas, distribución de probabilidad         - SubS. de Adquisición de conocimiento: controla flujo de nuevo conocimiento         - SubS. Control de coherencia         - Motor de Inferencia: Brinda las conclusiones         - Adquisición de información: aumenta la Base de conocimiento         - Interfaz Usuario         - Ejecución de órdenes         - Explicación         - Aprendizaje     Tareas:         - Adquisición de conocimiento         - Almacenamiento de con.         - Aprendizaje         - Razonamiento         - Explicar conclusiones     Campos:         - Medicina         - Ciencias         - Negocios         - Ingeniería         - Industria Representaciones del conocimiento:   Evolución de sistemas:     - Sistemas expertos: Razonamiento(algoritmo + estr. de datos)     - Sistemas basados en conocimiento: No razona, construcción de distribución       - conocimiento tolerante, Human       - Conocimiento evolutivo       - No aplicable al modelo cascada       - Respuestas inseguras     - Sistemas inteligentes: razona y aprende por sí solo   Epistemología: Estudio del conocimiento a priori(frases lógicas, sentidos) y posteriori(verificable, afirmaciones)     Categorías conocimiento:       - Procedimental: saber cómo hacer algo       - Declarativo: capacidad de saber si algo es verdadero       - Tácito: No expresable(ej. Movimiento de la mano), no requiere entenderse para usarlo     Jerarquía:       - Meta-conocimiento: Experiencia, conoc. sobre el conoc.       - Conocimiento: Especializada       - Información: importante, datos procesados       - Datos: Verdaderos       - Ruido: Inconsistente     Red semántica: Técnica de Representación de conocimiento Declarativo(Establece hechos)       - Dificultades:         - Delay en búsquedas negativas         - Muchos nodos       - Marcos: Representación de redes semánticas con conoc. Procedimental         - modo u objeto puede ser un marco     Tripleta: caracterización del conocimiento en una red semántica       - Objeto       - Atributo       - Valor   CLIPS: entorno y lenguaje de Representación de conoc.     - Usa un motor de inferencia con razonam. hacia adelante     - Sobre un intérprete de lenguaje(deriva de LISP)     Paradigmas:       - Reglas       - Funcional       - POO     Hechos:       - Ordered: con estructura libre       - DefTemplate: define campos como slots       - Creación: assert o deffacts     Ventajas:       - Obtener y procesar todos los Datos       - Almacenar cualquier tipo de dato       - Fácil ingreso de Datos       - Rápida definición de if     Desventajas:       - Uso de condiciones poco intuitivo       - Difícil control de Tipos       - Lenguaje funcional complicado       - Clases complicadas       - Funcionamiento de operaciones (op par1 par2)     Estrategias: de ejecución de reglas       - LEX: orden lexicográfico       - MEA: cronológico respecto al hecho que instancia la primera condición, empate=LEX       - Aleatoria: se disparan en orden aleatorio Conceptos:   - Información: Datos importantes   - Conocimiento: contrastar información   - Patrones: Condiciones o filtros de hechos   - Ingeniería de Características: Técnica requerida para el Aprendizaje de la máquina   - Dendral: primer sistema experto

Micro resúmen Sistemas inteligentes Fase 1: Categorías de la IA:   - Procesamiento de alta velocidad(procesar el mismo conjunto)   - Adivinar respuestas a un problema siguiendo reglas predeterminadas   - Dar respuesta a datos desconocidos mediante datos existentes(sist. de remendación) Auges:   1. Reglas fijas: a finales de los 50s, teniendo todos los patrones posibles   2. Representación del conocimiento(KR): en los 80s, web semántica hecha por Cyc, machine learning supervisado   3. Deep learning: redes neuronales para aprendizaje automático Sistemas expertos: [Reglas, hechos, relaciones]     Sistema informático que emulan el razonamiento humano en un campo determinado   Características:     - Explican sus resultados     - Adquieren conocimiento     - Resuelven problemas     - Determina si el problema está en su dominio     - Sintetiza conocimiento de expertos   Tipos:         - Determinista: lógico, basado en reglas             - Base de Conocimiento: variables             - Motor de inferencia: obtiene conclusiones aplicando la lógica             - Regla: proposición lógica             - Sistemas complejos Deterministas: Tráfico, seguridad         - Estocástica: probabilístico, inferencia             - Incertidumbre de datos             - Reglas de condición-conclusión             Tipos:                 - Procedimientos numéricos: manejan evidencias combinadas, usan conjuntos difusos                 - Credibilidad: info errónea     Ventajas:         - Disponibilidad         - Menor costo y riesgo         - Más confiabilidad         - Objetividad         - BD Inteligente   Componentes:         - Humano: Expertos e ingenieros del conocimiento         - Base del conocimiento: reglas, distribución de probabilidad         - SubS. de Adquisición de conocimiento: controla flujo de nuevo conocimiento         - SubS. Control de coherencia         - Motor de Inferencia: Brinda las conclusiones         - Adquisición de información: aumenta la Base de conocimiento         - Interfaz Usuario         - Ejecución de órdenes         - Explicación         - Aprendizaje     Tareas:         - Adquisición de conocimiento         - Almacenamiento de con.         - Aprendizaje         - Razonamiento         - Explicar conclusiones     Campos:         - Medicina         - Ciencias         - Negocios         - Ingeniería         - Industria

Representaciones del conocimiento:   Evolución de sistemas:     - Sistemas expertos: Razonamiento(algoritmo + estr. de datos)     - Sistemas basados en conocimiento: No razona, construcción de distribución       - conocimiento tolerante, Human       - Conocimiento evolutivo       - No aplicable al modelo cascada       - Respuestas inseguras     - Sistemas inteligentes: razona y aprende por sí solo   Epistemología: Estudio del conocimiento a priori(frases lógicas, sentidos) y posteriori(verificable, afirmaciones)     Categorías conocimiento:       - Procedimental: saber cómo hacer algo       - Declarativo: capacidad de saber si algo es verdadero       - Tácito: No expresable(ej. Movimiento de la mano), no requiere entenderse para usarlo     Jerarquía:       - Meta-conocimiento: Experiencia, conoc. sobre el conoc.       - Conocimiento: Especializada       - Información: importante, datos procesados       - Datos: Verdaderos       - Ruido: Inconsistente     Red semántica: Técnica de Representación de conocimiento Declarativo(Establece hechos)       - Dificultades:         - Delay en búsquedas negativas         - Muchos nodos       - Marcos: Representación de redes semánticas con conoc. Procedimental         - modo u objeto puede ser un marco     Tripleta: caracterización del conocimiento en una red semántica       - Objeto       - Atributo       - Valor   CLIPS: entorno y lenguaje de Representación de conoc.     - Usa un motor de inferencia con razonam. hacia adelante     - Sobre un intérprete de lenguaje(deriva de LISP)     Paradigmas:       - Reglas       - Funcional       - POO     Hechos:       - Ordered: con estructura libre       - DefTemplate: define campos como slots       - Creación: assert o deffacts     Ventajas:       - Obtener y procesar todos los Datos       - Almacenar cualquier tipo de dato       - Fácil ingreso de Datos       - Rápida definición de if     Desventajas:       - Uso de condiciones poco intuitivo       - Difícil control de Tipos       - Lenguaje funcional complicado       - Clases complicadas       - Funcionamiento de operaciones (op par1 par2)     Estrategias: de ejecución de reglas       - LEX: orden lexicográfico       - MEA: cronológico respecto al hecho que instancia la primera condición, empate=LEX       - Aleatoria: se disparan en orden aleatorio