Listas en Prolog

Una lista en Prolog (como en casi cualquier lenguaje que use listas) se divide en dos partes: (1) Cabeza. Es el primer elemento de la lista. Puede ser un ´atomo o una lista, pero a fin de cuentas es el primer elemento de la lista original. (2) Cola. Es el resto de los elementos de una lista, es de nuevo una lista. Ejemplos: (1) L=[perro, gato, raton, queso] (a) cabeza= perro (b) cola=[gato, raton, queso] (2) L=[[perro, gato], [raton, queso]] (a) cabeza=[perro, gato] (b) cola=[[raton, queso]] (3) L=[perro] (a) cabeza=perro (b) cola=[] la lista vac´ıa (4) L=[] (a) cabeza= NO (b) cola=[] la lista vac´ıa

En esta secci´on se ver´a el uso de las listas para determinar la existencia de un elemento en la lista e incluso el uso de recursividad. En primer lugar, la existencia de un elemento en la lista se puede verificaci con una regla como: pertenece(E,L):-L=[E| ]. Que dice que el elemento E pertenece a la lista L si L se puede hacer teniendo una lista cuya cabeza sea E y cualquier cola, incluso la lista vac´ıa. Pero esto solamente nos asegura la pertenencia de la cabeza de la lista, no si un elemento est´a dentro de ella. Para esto se necesita una segunda cl´ausula recursiva: pertenece(E,[ |T]):-pertenece(E,T). Es decir “un elemento E pertenece a una lista compuesta de cualquier cabeza y una cola T, si ese mismo elemento E es la cabeza del resto de la lista T”. As´ı se tiene el siguiente programa en Prolog que verifica la pertenencia de un elemento en una lista: pertenece(E,L):-L=[E|_]. pertenece(E,[_|T]):-pertenece(E,T). :-pertenece(E,[a,b,c,d,e].)

 

Lógica de primer orden
La lógica de primer orden, también llamada lógica de predicados o cálculo de predicados, es un sistema formal diseñado para estudiar la inferencia en los lenguajes de primer orden. Los lenguajes de primer orden son, a su vez, lenguajes formales con cuantificadores que alcanzan sólo a variables de individuo, y con predicados y funciones cuyos argumentos son sólo constantes o variables de individuo.

CUANTIFICADORES

Considérese ahora la siguiente expresión matemática:

x > 3

Esta expresión no es ni verdadera ni falsa, y parece que no lo será hasta que no reemplacemos a la x por algún número cualquiera. Sin embargo, también es posible dar un valor de verdad a la expresión si se le antepone un cuantificador. Un cuantificador es una expresión que afirma que una condición se cumple para un cierto número de individuos.⁵ En la lógica clásica, los dos cuantificadores más estudiados son el cuantificador universal y el cuantificador existencial.  El primero afirma que una condición se cumple para todos los individuos de los que se está hablando,⁵ y el segundo que se cumple para al menos uno de los individuos.⁵ Por ejemplo, la expresión "para todo x" es un cuantificador universal, que antepuesto a "x < 3", produce:

Para todo x, x < 3

Esta es una expresión con valor de verdad, en particular, una expresión falsa, pues existen muchos números (muchos x) que son mayores que tres. Anteponiendo en cambio la expresión "para al menos un x", un cuantificador existencial, se obtiene:

Para al menos un x, x < 3

La cual resulta ser una expresión verdadera.

Adviértase ahora, sin embargo, que el valor de verdad de las dos expresiones anteriores depende de qué números se esté hablando. Si cuando se afirma "para todo x, x < 3", se está hablando sólo de los números negativos, por ejemplo, entonces la afirmación es verdadera. Y si al afirmar "para al menos un x, x < 3" se está hablando solamente de los números 3, 4 y 5, entonces la afirmación es falsa. En lógica, a aquello de lo que se está hablando cuando se usa algún cuantificador, se lo llama el dominio de discurso.

Esta maquinaria puede adaptarse fácilmente para formalizar oraciones con cuantificadores del lenguaje natural. Tómese por caso la afirmación "todos son amigables". Esta oración puede traducirse así:

Para todo x, x es amigable.

Y una oración como "alguien está mintiendo" puede traducirse:

Para al menos un x, x está mintiendo.

También es frecuente traducir esta última oración así:

Existe al menos un x, tal que x está mintiendo.

A continuación se formalizan ambas oraciones, introduciendo a la vez la notación especial para los cuantificadores:

Para todo x, x es amigable.	∀x A(x)
Existe al menos un x, tal que x está mintiendo.	∃x M(x)

Lógica proposicional                                               

La lógica proposicional o lógica de orden cero es un sistema formal cuyos elementos más simples representan proposiciones, y cuyas constantes lógicas, llamadas conectivas, representan operaciones sobre proposiciones, capaces de formar otras proposiciones de mayor complejidad.

La lógica proposicional trata con sistemas lógicos que carecen de cuantificadores, o variables interpretables como entidades. En lógica proposicional si bien no hay signos para variables de tipo entidad, sí existen signos para variables proposicionales (es decir, que pueden ser interpretadas como proposiciones con un valor de verdad de definido), de ahí el nombre proposicional. La lógica proposicional incluye además de variables interpretables como proposiciones simples signos para conectivas lógicas, por lo que dentro de este tipo de lógica puede analizarse la inferencia lógica de proposiciones a partir de proposiciones, pero sin tener en cuenta la estructura interna de las proposiciones más simples.

TABLAS DE VERDAD

La tabla de verdad (también conocida como tabla de valores de verdad) presenta una proposición compuesta y su valor de verdad para cada una de las combinaciones posibles que se puedan dar con sus elementos. Su autor fue el filósofo y científico norteamericano Charles Sanders Peirce, también conocido como el máximo representante de la semiótica moderna, y la publicó a mediados de 1880.

Los operadores utilizados en una tabla de verdad son:

• Negación: al ejecutarlo sobre un valor de verdad determinado, arroja el opuesto (si originalmente era verdadero, devuelve falso, y viceversa);
• Conjunción: se utiliza para operar con dos valores de verdad, generalmente de dos proposiciones diferentes, y devuelve verdadero cuando las dos lo son, y falso para el resto de los casos;
• Disyunción: similar a la conjunción, pero le basta que una de las dos proposiciones tenga valor verdadero para devolver tal resultado;
• Condicional: también conocido por el nombre de implicación, toma dos proposiciones y arroja falso solamente cuando la primera devuelve verdadero y la segunda, falso. Para los casos restantes, su resultado es verdadero;
• Bicondicional: opera sobre los valores de verdad de dos proposiciones y devuelve verdadero si ambas tienen el mismo valor y falso en el caso contrario.

AGENTES BASADOS EN CONOCIMIENTOS

Se introduce el diseño de un agente basado en el conocimiento Se presenta un lenguaje lógico sencillo pero insuficiente, el de la lógica propositiva, Se ejemplifica con un agente capaz de desempeñarse bien en el mundo de Wumpus, siendo Wumpus un juego que provoca adicción. En este capítulo se aprende a diseñar agentes que – construyen representaciones del mundo, – derivan nuevas representaciones del mundo por inferencia y – usan esas nuevas representaciones para saber qué hacer

función – Un agente conocimiento-intensivo tiene como componente seminal una base de conocimientos. – Una base de conocimientos es un conjunto de representaciones de hechos del mundo. – Cada una de esas representaciones se llama una “oración”. – Las oraciones se expresan en un lenguaje representacional del conocimiento.

El agente opera como sigue (TELL and ASK) 1. Le dice a la base su PERCEPCIÓN – (añade oraciones a la base) 2. Le pregunta a la base qué ACCIÓN encarar – (contesta preguntas de la base) – (mientras, opera un MOTOR DE INFERENCIAS) 3. Ejecuta la ACCIÓN

CARACTERISTICAS DE PROLOG

Existen dos tipos de cláusulas: Hechos y Reglas. Una regla es del tipo:


Cabeza :- Cuerpo.


y se lee como "La cabeza es verdad si el cuerpo es verdad". El cuerpo de una regla consiste en llamadas a predicados, que son llamados los objetivos de las reglas. El predicado ,/2 (es decir, un operador de paridad 2 (que recibe 2 argumentos) y de nombre , ) denota conjunción de objetivos, y el operador ;/2 denota disyunción. Conjunciones y disyunciones pueden sólo aparecer en el cuerpo, no en la cabeza de la regla. En realidad la disyunción no es un operador básico o predefinido, sino que está meta-programado así:

';' (A,_) :- A.

';' (_,B) :- B.


Las cláusulas sin cuerpo (es decir, antecedente) son llamados hechos porque siempre son ciertos. Un ejemplo de un hecho es:

gato(tom).

que es equivalente a la regla:

gato(tom) :- true.

El predicado predefinido true/0 siempre es verdad.

Dado el hecho anterior, se puede preguntar:

¿ es tom un gato?

?- gato(tom).

Yes

¿ que cosas son gatos?

?- gato(X).

X = tom

Debido a la naturaleza relacional de muchos predicados, pueden ser usados revertidos sus argumentos. Por ejemplo, length/2 puede ser usado para determinar el tamaño (longitud) de una lista: length([a,b,c], L), así como para generar un esqueleto de lista para un largo dado (length(X, 5)). Similarmente, append/3 puede ser usado también para unir o anexar dos listas: append([a,b], [c,d], X), así como para dividir una lista en dos partes: append(X, Y, [a,b,c,d]). Todo depende de qué argumentos sean variables libres y cuáles sean instanciados. En analogía con la programación imperativa, las variables libres son argumentos de salida y el resto son argumentos de entrada. Pero en Prolog, a diferencia de los lenguajes imperativos, dicho rol es intercambiable en la mayoría de los predicados. Esta característica se denomina reversibilidad, y las combinaciones válidas de argumentos de salida o entrada se denomina modos de uso. Por ejemplo, el predicado length/2 es reversible y tiene tres modos de uso: los dos argumentos instanciados, el primer argumento instanciado pero el otro no, y viceversa. El modo de uso con los dos argumentos sin instanciar no tiene mucho sentido, pero podría ser admitido según algunas implementaciones, en tal caso, generaría todas los esqueletos de lista de todas las longitudes posibles...

Por esta razón, una biblioteca relativamente pequeña de predicados basta para muchos programas en Prolog. Todos los predicados pueden también ser usados para realizarpruebas unitarias: las consultas pueden ser incrustados en programas y permitir pruebas automáticas de regresión en tiempo de compilación.

Como un lenguaje de propósito general, Prolog también posee varios predicados predefinidos para interacción con el sistema operativo, como entrada/salida, gráficos y comunicaciones de datos. Estos predicados no tienen un significado relacional y son sólo útiles por los efectos laterales que exhiben en el sistema. Por ejemplo, el predicadowrite/1 muestra un término en la pantalla, pero no tiene relevancia su valor de verdad o falsedad.

PROLOG

El Prolog (o PROLOG), proveniente del francés PROgrammation en LOGique,1 es un lenguaje para programar artefactos electrónicos mediante el paradigma lógico con técnicas de producción final interpretada. Es bastante conocido en el área de la Ingeniería Informática para investigación en Inteligencia Artificial.

Se trata de un lenguaje de programación ideado a principios de los años 70 en la Universidad de Aix-Marseille I (Marsella, Francia) por los estudiantes Alain Colmerauer yPhilippe Roussel. Nació de un proyecto que no tenía como objetivo la traducción de un lenguaje de programación, sino la clasificación algorítmica de lenguajes naturales. Alain Colmerauer y Robert Pasero trabajaban en la parte del procesado del lenguaje natural y Jean Trudel y Philippe Roussel en la parte de deducción e inferencia del sistema. Interesado por el método de resolución SL, Trudel persuadió a Robert Kowalski para que se uniera al proyecto, dando lugar a una versión preliminar del lenguaje Prolog a finales de 19712 y apareciendo la versión definitiva en 1972.3 Esta primera versión de Prolog fue programada en ALGOL W.

Inicialmente se trataba de un lenguaje totalmente interpretado hasta que, en 1983, David H.D. Warren desarrolló un compilador capaz de traducir Prolog en un conjunto de instrucciones de una máquina abstracta denominada Warren Abstract Machine, o abreviadamente, WAM. Desde entonces Prolog es un lenguaje semi-interpretado.



Si bien en un principio se trataba de un lenguaje de uso reducido, la aparición de intérpretes del mismo para microordenadores de 8 bits (ej: micro-PROLOG) y para ordenadores domésticos de 16 bits (ej: Turbo Prolog de Borland, entre otros muchos) a lo largo de la década de 1980 contribuyó notablemente a su popularización.4 Otro importante factor en su difusión fue la adopción del mismo para el desarrollo del proyecto de la quinta generación de computadoras a principios de la década de los 80,5 en cuyo contexto se desarrolló la implementación paralelizada del lenguaje llamada KL1 y del que deriva parte del desarrollo moderno de Prolog.

Arbolo de Búsqueda

Representación de un conjunto de estados nos permite mostrar los estados a través de nodos.

También es representado por punteros.

Conformado por:

· Nodo Raíz: estado Inicial

· Expansión: es la generación de los nodos siguientes.

· Nodo hoja: cuando ya no se puede expandirse

· Estado Meta: cuando ya hayamos encontrado el estado meta entonces podremos marcar como terminado.

El estado meta puede ser implícito o explícito.

Técnicas de búsqueda para los agentes

Búsquedas Ciegas: Busca la primer solución sin importar que tan óptima sea; no detecta si se está aproximando o alejando de la solución. No es capaz de encontrar una solución aceptable en caso de que no exista o sea demasiado costoso encontrar la solución óptima.

1. Exhaustiva

2. Aleatoria (Genera-y-Prueba)

3. Por Profundidad (Depth-First)

4. Por Amplitud (Breath-First)

5. Costo Uniforme

6. Limitada por Profundidad

7. Profundización Iterativa

8. Bidireccional



Búsquedas Heurísticas: Busca soluciones aceptables; reduce el espacio de búsqueda y es capaz de determinar su proximidad a una solución y la calidad de la misma utilizando conocimiento a priori

1. Busqueda Tacaña (Greedy Search)

2. Búsqueda A*

3. Templado Simulado

4. Búsqueda Tabú

5. Búsqueda Basada en Reestricciones

Pasos o Elementos para definir un problema en un agente para la solución de problemas.

Agentes para la solución de problemas (Metas), basado en metas, tiene algoritmos de búsqueda, el esqueleto es:


• Formulación del Problema


• Formulación de Metas


• Búsqueda (Algoritmos) para llegar del Estado Inicial al estado de meta


• Solución Conocimiento


y tipos de problemas

Considere el siguiente ejemplo: El mundo de la aspiradora. En este mundo hay dos posibles ubicaciones en ellas puede o no puede haber mugre y el agente se encuentra en una de las dos. El mundo puede asumir 8 posibles estados. Son tres las acciones que el agente puede emprender en el mundo de la aspiradora. La meta es eliminar toda la mugre. Problemas bien definidos y soluciones


• Problema: Un problema en realidad es un conjunto de información que el agente utiliza para decidir lo que va a hacer. 

• Estado inicial: Es donde el agente sabe que allí es en el que se encuentra.

• Operador: Denota la descripción de una acción que nos servirá para alcanzar un estado.

• Espacio de estado: Es el conjunto de todos los estados que pueden alcanzarse a partir del estado inicial mediante cualquier secuencia de acciones.

• Ruta: Es cualquier secuencia de acciones que me permiten pasar de un estado a otro.

Cuadro de la IA

Linea del Tiempo de la IA

MATRIZ PAMA(E)

Qué es liderazgo.
Según el Diccionario de la Lengua Española (1986), liderazgo se define como la dirección, jefatura o conducción de un partido político, de un grupo social o de otra colectividad. El Diccionario de Ciencias de la Conducta (1956), lo define como las "cualidades de personalidad y capacidad que favorecen la guía y el control de otros individuos".


Estrategia de manejo de grupos.


Elección de la técnica del grupo.

La elección de la técnica adecuada corresponde generalmente al educador o al coordinador del grupo, salvo los casos en los que el grupo ha decidido de antemano utilizar una técnica concreta. Las diversas técnicas de grupo poseen características variables que las hacen aptas para determinados grupos en distintas circunstancias.
Estrategias directivas
El trabajo en equipo se refiere a la serie de estrategias, procedimientos y metodologías que utiliza un grupo humano para lograr las metas propuestas. Pocas cosas son imposibles para las personas altamente creativas, convencidos por esta capacidad de que siempre hay cosas por descubrir para solucionar nuestros problemas o para perfeccionar lo que ya existe de manera de mejorar nuestra calidad de vida. o como dijo Einstein:
"La creatividad es mas poderosa que el conocimiento"
Es importante considerar algunos puntos al definir la estrategia de trabajo:
-Definir todo el problema
-Generar muchas posibles estrategias creativas
-Anticipar riesgos u obstáculos
-Decidir la mejor estrategia para el equipo
-Implementar la estrategia en el equipo
-Evaluar los resultados
-La mejora continua.
Gestión en tecnologías de información.
La gestión de servicios de tecnologías de la información (en inglés IT Service Management, ITSM) es una disciplina basada en procesos, enfocada en alinear los servicios de TI proporcionados con las necesidades de las empresas, poniendo énfasis en los beneficios que puede percibir el cliente final. GSTI propone cambiar el paradigma de gestión de TI, por una colección de componentes enfocados en servicios de punta a cabo usando distintos marcos de trabajo con las "mejores prácticas", como por ejemplo la Information Technology Infrastructure Library (ITIL) o el ESCM(enabled Service Capability Model).


DISEÑO WEB.
El diseño web es una actividad que consiste en la planificación, diseño e implementación de sitios web. No es simplemente una aplicación del diseño convencional, ya que requiere tener en cuenta la navegabilidad, interactividad,usabilidad, arquitectura de la información y la interacción de medios como el audio, texto, imagen, enlaces y vídeo. Se lo considera dentro del diseño multimedia.
La unión de un buen diseño con una jerarquía bien elaborada de contenidos, aumenta la eficiencia de la web como canal de comunicación e intercambio de datos, que brinda posibilidades como el contacto directo entre el productor y el consumidor de contenidos, característica destacable del medio.
El diseño web ha visto amplia aplicación en los sectores comerciales de Internet especialmente en la World Wide Web. Asimismo, a menudo la web se utiliza como medio de expresión plástica en sí. Artistas y creadores hacen de las páginas en Internet un medio más para ofrecer sus producciones y utilizarlas como un canal más de difusión de su obra.




INTELIGENCIA ARTIFICIAL (Modelo PAMA).


El objetivo de la IA es el diseño de un programa de agente. Para ello es necesario contar con una idea bastante precisa del ambiente, las percepciones y acciones, y por último de las metas. A este conjunto de datos se le conoce como matriz PAMA (Percepción, Acción, Meta y Ambiente).






Ejemplo de un agente conductor de taxi implementando la matriz PAMA:

TIPO ED AGENTE.
PERCEPCIONES.
ACCIONES.
METAS.
AMBIENTE.

Conductor de taxi.
-Cámaras, velocímetro, sistema GPS, sonar, micrófono.
-Manejo del volante, acelerar, frenar, hablar con el pasajero.
-Un viaje seguro, rápido, sin infracciones, cómodo, obtención de máxima ganancia.
-Carretera, tráfico, peatones, clientes.

Tabla 1.- Matriz PAMA ejemplo de un conductor de taxi.


Rastreador.
En esta prueba se valora la capacidad de un robot de realizar un recorrido por una pista con diversas rutas alternativas. Se trata de explotar la capacidad de seguimiento de caminos complejos, y de la capacidad de detección inequívoca de marcas para indicar rutas.






Percepciones.
El agente rastreador tiene que disponer de una percepción suficientemente precisa como para poder realizar un seguimiento de la línea con una cierta precisión y sin oscilaciones.













Figura 1.- imagen de una pista real de rastreadores.
Acciones.
El sistema efector de este agente debe ser capaz de realizar las maniobras indicadas en sus metas, de la forma más fiel posible.


Metas.
Como la pista puede tener cualquier tamaño, se deben replantear las metas continuamente y no llegar nunca a un estado final de parada.


Ambiente.
Es una pista negra sobre un fondo blanco. Existe suficiente diferencia de color como para no confundirlos en condiciones normales.



TIPO DEE AGENTE.
PERCEPCIONES.
ACCIONES.
METAS.
AMBIENTE.

-Rastreador.
-Pixel blanco o negro.






-Aplicar potencia a los motores.
-Avanzar sobre la línea.
-Tomar bifurcaciones correctamente.
-Pista negra sobre blanco.



Tabla 2.- Matriz PAMA de un robot rastreador.


Velocista.
Esta prueba valora la velocidad de un robot sobre una pista. Entra en juego sobre todo la velocidad máxima que un robot puede alcanzar siguiendo una pista, y cómo se resuelven los problemas de controlabilidad y autonomía.

















Figura 2.- Pista de prueba para velocistas.



CATEGORÍA
AGENTE ELEGIDO
PERCEPCIONES
ACCIONES
METAS
AMBIENTE

Rastreador.
-Reflejo con estado interno.
-Pixel blanco o negro.
-Seguir la línea.
-Avanzar sobre la línea.
-Tomar bifurcaciones correctamente.
-Pista negra sobre blanco

Velocista.
-Reflejo con estado interno.
-Pixel blanco o negro.
-Seguir la línea.
-Avanzar sobre la línea.
-Pista negra sobre blanco.

Laberinto.
-Basado en metas.
-Distancia a las cuatro paredes
-Posicionarse en el laberinto.
-Avanzar por el camino correcto.
-Salir del laberinto.
-Laberinto con dos salidas.

sumo
-Basado en utilidad.
-Pixel blanco o negro.
-Contacto con oponente.
-Empujar al adversario.
-Evitar salirse.
-Expulsar al adversario.
-Tatami circular.

Tabla 3.- Matriz PAMA para todas las pruebas de HISPABOT.

Glosario.

Bifurcación: (del latín bifuurcus, ahorquillado) es la acción de separar algo en varias partes.

Tatami: (palabra que originalmente significaba "doblada y apilada") son un elemento tradicional muy característico de las casas japonesas.

Pixel: (acrónimo del inglés picture element, "elemento de imagen") es la menor unidad homogénea en color que forma parte de una imagen digital, ya sea esta una fotografía, un fotograma de vídeo o un gráfico.

PAMA: Percepción, Acción, Medio, Ambiente.

Robot: Un robot es una entidad virtual o mecánica artificial. En la práctica, esto es por lo general un sistema electromecánico que, por su apariencia o sus movimientos, ofrece la sensación de tener un propósito propio.

Ambientes de Agentes

Ambiente

La relación entre el agente y el ambiente es siempre la misma.

El agente ejerce acciones sobre el ambiente y el ambiente a su vez aporta percepciones al agente

Tipos de Ambiente:

ACCESIBLE Y NO ACCESIBLE: Si los sensores detectan todos los aspectos necesarios para elegir una acción. Ejemplo: 8 puzzle (accesible) Juego de cartas (No accesible).

DETERMINISTA Y NO DETERMINISTA: Si el estado siguiente del ambiente se pueden determinar completamente con el estado actual y las acciones escogidas.

Ejemplo:8 puzzle

EPISODICA Y NO EPISODICA: La experiencia del agente se divide en episodios.

Ejemplo:8 puzzle

ESTATICA Y DINAMICA: Si es que el medio ambiente no cambia cuando el agente está deliberando.

Ejemplo:

DISCRETOS Y CONTINUOS: Discretos si es que existe una cantidad limitada de percepciones y acciones distintas y distinguibles..

Ejemplo:

Definición de Agente y sus clasificaciones de los agentes

Definición general de Agente:

- Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales percepciones y responder o actuar en su entorno de manera racional, es decir, de manera correcta y tendiendo a maximizar un resultado esperado. Es capaz de percibir su medio ambiente con la ayuda de sensores y actuar en ese medio utilizando actuadores (elementos que reaccionan a un estímulo realizando una acción).


Definición de Clasificación de los agentes:

Cooperativos: Se coordinan con otros agentes para conocer el entorno de información en el que se mueven.

-Móviles: Realizan las búsquedas basándose en la programación remota, de manera que se desplazan a través de los servidores, y ejecutan programas en éstos por orden de los usuarios.

-Agentes de búsqueda: Son agentes especializados en la búsqueda de datos, que realizan búsquedas conceptuales en base a los términos solicitados por los usuarios y las expanden añadiendo sinónimos o términos relacionados.

-Agentes de consulta: Realizan las consultas originando más agentes como respuesta las peticiones del usuario. Éstos recogen información de las bases de datos, y si no consiguen la información solicitada, generarán nuevos agentes que ampliarán la búsqueda hasta obtener lo que busca el usuario.

-Agentes de bases de datos: son agentes especializados en hacer consultas en una base de datos concreta, que conocen la información almacenada en ella.

-Agentes de consulta de bases de datos: Son el resultado de la interacción de los dos anteriores. Un ejemplo es Seidam.

-Agentes mediadores de consulta de bases de datos: Equivalen al anterior, aunque además cuentan 

con un sistema mediador entre el agente de consulta y el de base de datos. Es el caso de Macron.

-Agentes de usuario: Son agentes asociados a un individuo, a quien aportan información sobre las búsquedas de los usuarios.

Fundamentos de la Inteligencia Artificial (IA

Matemáticas 
-Basada en Premisas:que reglas formales seguir para obtener conlusiones validas, que se puede computar y como razonamos con incertidumbre, esto lo logra de la logica formal, los algoritmos, el teorema de incompletitud , la intratabilidad y la probabilidad.


Filosofia
-Basada en las siguientes premisas: existen reglas formales para traer conclusiones validas, como se genera la inteligencia mental, de donde viene el conocimiento, como se pasa del conocimiento ala accion, todo esto puede ser resuelto alos silogismos, el materialismo, lo empirico, la induccion, el positivismo logico y la teoria de la confirmacion.

Economia
-Basada en la premisa de: como tomar deciciones para maximisar rendimiento a traves de la teoria de la descicion, teoria de juegos, la investigacion operativa y la capacidad de satisfaccion es decir de tomar descicion suficientemente buenas.

Neurociencia
-Basada en la premisa: como procesa informacion el cerebro, utilizando la neurociencia como tal y las neuronas por ende 

Teoria de Control y la Cibernetica
-Basada en premisa de: como pueden los artefactos operar bajo su propio control, esto se logra a traves de la teoria del control la cibernetica como tal y la funcion objetivo.

Lingüística
-A traves de la premisa: como esta relacionado el lenguaje con el pensamiento , por medio de la lingüística computacional; la cual es una convergencia entre la lingüística moderna y la inteligencia artificial atraves del procesamiento del lenguaje natural

Psicologia
-Basada en la premisa: como piensan y actuan los humanos y animales; utiliza el conductismo,la ciencia y la psicoogia cocnitiva

Ingenieria Computacional
Basada en la premisa: Como se puede construir un computador eficiente; atraves de la utilizacion de la computadora como tal y por ende del hardware

Prueba de Turing

Prueba de Turing

Se llama Prueba o Test de Turing al procedimiento desarrollado por Alan Turing para identificar la existencia de inteligencia en una máquina.

Expuesto en 1950 en un artículo para la revista Mind (Computing Machinery and Inteligence), sigue siendo hoy día una de las cabezas de lanza de los defensores de la Inteligencia Artificial.

Está fundamentado en la asunción positivista de que, si una máquina se comporta en todos los aspectos como inteligente, entonces debe ser inteligente.

La prueba consiste en un desafío. La máquina ha de hacerse pasar por humana en una conversación con un hombre a través de una comunicación de texto estilo chat. Al sujeto no se le avisa si está hablando con una máquina o una persona. Si el sujeto es incapaz de determinar si la otra parte de la comunicación es humana o máquina, entonces se considera que la máquina ha alcanzado un determinado nivel de madurez: es inteligente. Todavía ninguna maquina puede pasar este examen en una experiencia con método científico.

Existe una versión modificada, propuesta por Roger Penrosse: la sala china, , en esencia es igual, pero la ejecución del algoritmo la realizan personas encerradas en una habitación, se requiere que las personas de la habitación no conozcan el idioma en que se realiza la conversación.

Pese a la brillantez de Penrosse, esta modificación no aporta nada al problema, puesto que si los operadores consiguen comprender la conversación, lo harian gracias a su propia inteligencia, por otra parte, pese a lo aparentemente absurdo de la proposición, la sala podría pasar la prueba de turing sin que los operadores hubieran comprendido nada de la conversación.

Inteligencia Artificial (IA)

INTELIGENCIA ARTIFICIAL 

Definición:

-La inteligencia está vinculada a saber elegir las mejores opciones para resolver algún tipo de problema. Existen diversos
tipos de inteligencia según sus atributos y procesos, como la inteligencia operativa, la inteligencia biológica o la inteligencia psicológica.

Artificial, por otra parte, es un adjetivo que señala aquello hecho por mano, arte o ingenio del hombre. Lo artificial también permite nombrar a lo no natural o falso.

La inteligencia artificial, por lo tanto, consiste en el diseño de procesos que, al ejecutarse sobre una arquitectura física, producen resultados que maximizan una cierta medida de rendimiento. Estos procesos se basan en secuencias de entradas que son percibidas y almacenadas por la mencionada arquitectura.