Inteligencia artificial

Imagen tomada de AECOC // Una definición de inteligencia en un diccionario puede ser: “dotado con la capacidad del razonamiento” Se tiene la idea de que entre más inteligente es una persona, tiene más habilidad para aprender, generalizar a partir del conocimiento adquirido, tener la capacidad de raciocinio y poder hacer predicciones al considerar lo que es posible al aprender de los errores. Se puede aplicar el mismo criterio a una maquina: una máquina inteligente esta dotada con la capacidad de razonar. Se considera inteligencia a la capacidad de tomar decisiones bajo un rango de condiciones.

Imagen tomada de EDSrobotics // Autorregulación // A estos sistemas no se les puede considerar inteligentes, solo hacen lo que tienen indicado. La percepción con un sistema inteligente es la reunion de informacion con sensores y la organizacion de la informacion reunida de manera que se puedan tomar decisiones. Cognición Una vez que la maquina ha reunido y organizado la informacion, tendra que decidir que hacer con ella. A esto se le conoce como cognición. El patrón de reconocimiento es vital para esta percepcion y cognición. Un sistema autopiloto en una aeronave monitorea mucha informacion y, basado en los patrones percibidos de estos datos, se toman decisiones como la manera de ajustar los controles de la aeronave. El patron de reconocimiento se puede llevar a cabo cuando la maquina con un conjunto de patrones en su memoria y los patrones reunidos se comparan y se ajustan a lo que se buscaba Los patrones en su memoria pueden surgir de modelos o un proceso de preparacion en el que se reunen datos para un rango de objetos o situaciones y los codigos de identificacion dados. Por ejemplo, para reconocer monedas, se debe reunir informacion sobre su diametro y color. De esta manera, una moneda de una libra en particular se puede clasificar como de un diametro de 2.25 cm y un color que representa un grado particular de rojo (es una moneda de bronce). Sin embargo, una maquina inteligente necesitara tomar en cuenta el desgaste y la suciedad de las monedas y aun asi ser capaz de reconocer la moneda de una libra.

Imagen tomada de Inmotion // Redes neurales El cerebro humano debe elegir y clasificar informacion multidimensional y lo logra con la ayuda de las redes neurales. Las redes neurales artificiales se usan ahora con maquinas inteligentes. Dichas redes no necesitan programarse pero pueden aprender y generalizar de ejemplos y preparación Una red neural (Figura 23.1) esta compuesta de una gran cantidad de unidades de procesamiento interconectadas, donde las salidas de algunas unidades son las entradas de otras. Cada procesador en la red recibe informacion en sus entradas, y multiplica cada una por un factor de ponderacion. Si funcionan como AND, entonces suma las entradas ponderadas y da una salida de 1 si la suma Mecanismos de razonamiento Un ejemplo de razonamiento determinístico es el uso de la regla “si-entonces”. El razonamiento no determinístico permite hacer predicciones basadas en la probabilidad Aprendizaje. El aprendizaje se puede considerar como adaptable al medio ambiente basado en la experiencia. Un metodo sencillo de aprendizaje es mediante nuevos datos ingresados y acumulados en la memoria. Las maquinas tambien pueden aprender por los datos que reciben, los cuales se usan para modificar parametros en la maquina. Otro metodo de aprendizaje que se puede emplear es cuando el razonamiento esta definido en terminos de probabilidades y esto es para actualizar las probabilidades que se usan a la luz de lo que pasa. Referencia: Bolton, William. (2017) Mecatrónica Sistemas de control electrónico en la ingeniería mecánica y eléctrica. Un enfoque multidisciplinario. (Sexta Edición). Alfaomega Grupo Editor, S.A. de C. V., México