Ia - AREAS DE PaLICACION

1

ARTIFICIAL INTELLIGENCE. AN ILLUSTRATIVE OVERVIEW

Aaron Sloman

School of Computer Science

The University of Birmingham

http://www.cs.bham.ac.uk/~axs/courses.ai.html

Las áreas de aplicación de la Inteligencia Artificial se pueden dividir en dos, de

acuerdo al contenido del estudio o de acuerdo a las herramientas y técnicas utilizadas.

Se desarrollan a continuación.

(A) Contenido

Ya que los seres humanos y otros animales, y también los robots inteligentes y otros

artefactos, tienen una amplia variedad de capacidades, todas ellas muy complejas y

difíciles de explicar o modelar, tanto en el plano científico como ingenieril, la IA ha

generado varios subcampos, tratando aspectos particulares de la inteligencia.

(B) Técnicas

Debido a que las aplicaciones de la IA son muchas y muy diversas, algunos de los

subcampos se agrupan en torno a las técnicas relevantes a cada clase de problemas.

A. Subcampos basados en el contenido.

· Percepción, especialmente la visión, sino también la percepción auditiva y táctil,

y, más recientemente, el gusto y el olfato. Esto se desglosa en el estudio de los

diferentes tipos de procesos incluyendo la transducción física, el análisis y

reconocimiento de patrones, la segmentación y "parsing" complejo de los datos

sensoriales, la interpretación y el control de la atención. Este es un enorme

subcampo y puede dividirse en más campos especializados de acuerdo a la

modalidad sensorial, el tipo de cosas que se perciben, las formas de

representación utilizadas, si la percepción está puramente dirigida por los datos

o incluye procesos top-down, los mecanismos utilizados (por ejemplo

neuronales o simbólicos), la arquitectura más grande que contiene el sistema

sensorial, y el dominio de aplicación.

· Procesamiento de lenguaje natural, incluida la producción y la interpretación de

la lengua hablada y escrita, ya sea manuscrita, impresa o electrónica en todo (por

ejemplo el correo electrónico).

· Aprendizaje y desarrollo, incluidos los procesos de aprendizaje simbólico (por

ejemplo la regla de inducción), la utilización de las redes neuronales (a veces

descrita como sub-simbólica), el uso de algoritmos evolutivos, sistemas de autodepuración,

y diversos tipos auto-organización.

· Planificación, solución de problemas, diseño automático: dado un problema

complejo y una colección de recursos, restricciones y criterios de evaluación

crear una solución que cumpla con las restricciones y lo haga bien o sea óptima

de acuerdo con los criterios establecidos, o si ello no es posible proponer

algunas buenas alternativas.

· Variedad de razonamiento: Esto incluye estudio tanto del razonamiento informal

de sentido común como de razonamiento experto especializado. El primero

2

incluye el estudio del razonamiento analógico, la inferencia con revocación,

razonamiento basado en casos. El último incluye la lógica y razonamiento

matemático, incluyendo el diseño de demostradores de teoremas y de sistemas

de inferencia, ya sea con la intención de modelar diversas clases de capacidades

inferenciales y matemáticas humanas, o para fines prácticos, por ejemplo, en

“toolkits” de álgebra simbólica, o razonamiento en robots o sistemas de control

autónomos.

· Estudio de las representaciones: la investigación de las propiedades formales de

los diferentes tipos de representaciones, los mecanismos necesarios para su

funcionamiento, y el tipo de tareas para las que son buenas o malas. Esto puede

incluir el estudio de ontologías de diversos tipos. Sobre algunos mecanismos se

afirma a veces que no utilizan ninguna representación (por ejemplo las redes

neuronales), mientras que realmente son un tipo especial de representación, por

ejemplo, numérica y continua, en contraposición a la estructural y discreta.

· Técnicas y mecanismos de memoria: análisis de las necesidades de los diversos

tipos de memoria, incluyendo grandes almacenes de conocimiento conteniendo

diversos tipos, ya sea para modelar el conocimiento humanos o para su

utilización en diversos tipos de aplicaciones.

· istemas multiagente: el estudio de los diversos tipos de comunicación

(lingüística y no lingüísta, explícita e implícita, intencional y no intencional), los

tipos de cooperación y conflicto, reconocimiento de los planes e intenciones de

otros, etc. Algunos estudios de sistemas multiagente tienen que ver con la

comprensión de interacciones sociales humana, mientras que otros están

preocupados

...