Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 6 vistas

    Resumen y Respuestas Ia

    Cargado por

    Jean Carlos Castillo Número 4

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Resumen y Respuestas Ia

    Cargado por

    Jean Carlos Castillo Número 4
    6 vistas7 páginas

    Título original

    RESUMEN Y RESPUESTAS IA (2)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    6 vistas7 páginas

    Resumen y Respuestas Ia

    Cargado por

    Jean Carlos Castillo Número 4

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 7

    PRESENTACIÓN

    Nombre:

    Jean Carlos Castillo Fernández

    Matricula:

    2023 – 0665

    Docente:

    Jorge Taveras

    Asignatura:

    Inteligencia Artificial

    Fecha:

    04/04/2024
    Resumen del video: “Sistema experto y Sistema basado en conocimiento

    El video empieza definiendo los sistemas expertos como programas de


    computadora diseñados para emular la toma de decisiones de un experto humano
    en un dominio específico. Se hace énfasis en dos componentes fundamentales: la
    base de conocimientos, que almacena hechos y reglas sobre el dominio; y el motor
    de inferencia, que procesa estas reglas para derivar conclusiones o tomar
    decisiones.

    Se explica el proceso de desarrollo de un sistema experto, comenzando por la


    adquisición del conocimiento, que implica extraer y estructurar la información de
    expertos humanos. Este conocimiento se representa mediante reglas, marcos o
    redes semánticas, según el tipo de sistema experto.

    Luego, el video describe varias aplicaciones de estos sistemas, destacando su uso


    en la medicina para diagnóstico de enfermedades, en finanzas para asesoramiento
    de inversiones, y en la industria para mantenimiento predictivo de equipos. Se
    subrayan las ventajas, como la capacidad de proporcionar soluciones consistentes
    y rápidas, y las desventajas, como el costo elevado de desarrollo y la necesidad de
    mantener actualizada la base de conocimientos.

    El presentador también aborda los desafíos que enfrentan estos sistemas,


    incluyendo la dificultad de capturar el conocimiento humano de manera precisa y la
    complejidad de integrarlos con tecnologías emergentes como el Internet de las
    Cosas (IoT) y otras formas de inteligencia artificial.

    Finalmente, se mencionan las implicaciones éticas y sociales de los sistemas


    expertos, como la dependencia de la tecnología y los posibles sesgos en la toma de
    decisiones, y se discuten posibles tendencias futuras en el desarrollo e
    implementación de estos sistemas.
    Responde las siguientes preguntas:

    1- Resumen de Sistema Experto: Un sistema experto es un programa que


    simula el juicio y comportamiento de un experto humano en un campo
    específico. Estos sistemas combinan una base de conocimientos con un
    motor de inferencia para resolver problemas complejos y tomar decisiones
    informadas.

    2- Por qué dejaron de desarrollarse los sistemas expertos: El desarrollo de


    sistemas expertos disminuyó debido a varios factores, incluyendo el alto
    costo de desarrollo y mantenimiento, la dificultad de actualizar la base de
    conocimientos y la aparición de tecnologías más avanzadas en inteligencia
    artificial y aprendizaje automático que ofrecían soluciones más flexibles y
    eficientes.

    3- Universidades que desarrollaron sistemas expertos: Diversas


    instituciones académicas importantes participaron en el desarrollo de
    sistemas expertos, destacándose el Instituto Tecnológico de Massachusetts
    (MIT) y la Universidad de Stanford. Estos centros de investigación jugaron un
    papel crucial en el avance de la inteligencia artificial durante las décadas de
    1970 y 1980.

    4- Tareas en las que se puede utilizar un sistema experto:

    Los sistemas expertos pueden ser utilizados en una variedad de tareas,


    incluyendo:

     Diagnóstico médico: Ayudando a los médicos a diagnosticar enfermedades


    basadas en síntomas y datos médicos.

     Asesoramiento financiero: Proporcionando recomendaciones de inversión


    y análisis financiero.

     Mantenimiento industrial: Prediciendo fallos en equipos y sugiriendo


    planes de mantenimiento.
     Resolución de problemas complejos: Aplicación en cualquier campo que
    requiera un alto nivel de conocimiento especializado, como la química, la
    ingeniería, y el derecho.

    5- Arquitectura de un sistema experto:

    La arquitectura de un sistema experto generalmente incluye los siguientes


    componentes:

    1. Base de conocimientos: Almacena hechos, reglas y heurísticas del dominio


    específico.

    2. Motor de inferencia: Procesa las reglas de la base de conocimientos para


    deducir nuevas conclusiones o soluciones.

    3. Interfaz de usuario: Permite la interacción entre el usuario y el sistema


    experto, facilitando la entrada de datos y la presentación de resultados.

    4. Subsistema de adquisición del conocimiento: Responsable de actualizar


    y mantener la base de conocimientos, asegurando que el sistema
    permanezca relevante y preciso.

    6- ¿Quién alimenta la base de conocimiento de un SE? La base de


    conocimientos de un sistema experto es alimentada principalmente por
    expertos humanos en el campo específico de aplicación del sistema. Estos
    expertos proporcionan la información y reglas necesarias para que el sistema
    pueda realizar inferencias y tomar decisiones. Además, ingenieros de
    conocimiento estructuran y codifican esta información en una forma que
    pueda ser utilizada por el sistema experto.
    7- Enumere 3 ventajas de un SE frente a un humano:

    1. Consistencia en la toma de decisiones: Un sistema experto puede aplicar


    las mismas reglas y criterios de manera uniforme sin la variabilidad que
    puede tener un humano.

    2. Operación 24/7 sin fatiga: A diferencia de los humanos, los sistemas


    expertos pueden operar continuamente sin descanso, lo que los hace ideales
    para aplicaciones que requieren monitoreo constante.

    3. Capacidad de manejar grandes volúmenes de datos rápidamente: Los


    sistemas expertos pueden procesar y analizar grandes cantidades de
    información mucho más rápido que un humano, permitiendo tomar
    decisiones informadas de manera eficiente.

    8- ¿Cuáles son los tipos de sistemas expertos?

    1. Basados en reglas: Utilizan un conjunto de reglas "si-entonces" para


    representar el conocimiento y realizar inferencias.

    2. Basados en marcos: Utilizan estructuras de datos llamadas "marcos" para


    representar situaciones y relaciones en el dominio de conocimiento.

    3. Basados en redes neuronales: Utilizan redes neuronales artificiales para


    modelar el conocimiento y realizar tareas de clasificación y predicción.

    9- ¿Qué son sistemas expertos basados en reglas? Los sistemas expertos


    basados en reglas son aquellos que utilizan un conjunto de reglas "si-
    entonces" para representar el conocimiento del dominio y tomar decisiones.
    Estas reglas son creadas a partir del conocimiento de expertos humanos y
    son utilizadas por el motor de inferencia para deducir nuevas informaciones
    o resolver problemas específicos.

    10- ¿Los sistemas expertos usan lógica proposicional o lógica difusa? Los
    sistemas expertos pueden usar tanto lógica proposicional como lógica difusa,
    dependiendo de la naturaleza del problema que están tratando de resolver.
    La lógica proposicional se utiliza para problemas bien definidos donde los
    hechos son claros y precisos. Por otro lado, la lógica difusa se utiliza para
    manejar la incertidumbre y la imprecisión en los datos, permitiendo al sistema
    experto razonar en situaciones donde los datos no son estrictamente
    verdaderos o falsos, sino que tienen grados de veracidad.

    11- Cuáles son las dos formas de funcionamiento del motor de inferencia?

    Las dos formas de funcionamiento del motor de inferencia son:

     Encadenamiento hacia adelante (forward chaining): Este método


    comienza con hechos iniciales conocidos y aplica reglas para deducir nuevas
    conclusiones. Avanza paso a paso, aplicando reglas hasta que se alcanza
    una conclusión o se agotan las reglas aplicables.

     Encadenamiento hacia atrás (backward chaining): En este enfoque, se


    comienza con una meta o conclusión que se desea alcanzar. Luego se
    retrocede a través de las reglas disponibles para determinar qué hechos
    deben ser verdaderos para que la meta se cumpla. Es útil cuando se necesita
    determinar qué condiciones deben cumplirse para llegar a una conclusión
    específica.

    12- Define cada forma de funcionamiento del motor de inferencia.

     Encadenamiento hacia adelante: Proceso en el que se comienza con


    hechos conocidos y se aplica reglas para derivar nuevas conclusiones. Se
    avanza paso a paso hasta llegar a una conclusión o no poder aplicar más
    reglas.

     Encadenamiento hacia atrás: Método donde se comienza con una meta o


    conclusión deseada y se retrocede a través de las reglas para determinar
    qué hechos deben ser ciertos para que la meta se cumpla. Se utiliza para
    determinar las condiciones necesarias para alcanzar una conclusión
    específica.
    13- En qué jerarquía están los sistemas expertos frente a otros sistemas?

    Los sistemas expertos se encuentran en una posición más específica y


    especializada dentro de la inteligencia artificial:

     Se caracterizan por utilizar conocimiento experto y reglas explícitas para


    resolver problemas en dominios específicos.

     Comparativamente, otros tipos de sistemas de inteligencia artificial como


    redes neuronales y aprendizaje profundo son más generales y se utilizan
    para tareas que requieren el reconocimiento de patrones complejos a partir
    de grandes volúmenes de datos.

    También podría gustarte