Nesta ligazón atoparás un documento elaborada pola Universidade de Valencia. A información que necesitas está nas 6 primeiras páxinas do documento.
Cos contidos que se enumeran a continuación crea unha entrada nova no teu blog co nome de
Tema 1 Sociedade do Coñecemento: INTELIXENCIA ARTIFICIAL
- Definición de Intelixencia Artificial explicando para qué serven as súas técnicas e metodoloxías.
A Intelixencia Artificial está formada por unha serie de técnicas e metodoloxías encamiñadas a resolver problemas non estruturados que necesitan do coñecemento para a súa resolución xa que carecen dunha resposta inmediata e mesmo presentan máis dunha solución como consecuencia da existencia de incerteza ou ambigüidade nos resultados finais ou parciais. Para a resolución dos devanditos problemas, a Intelixencia Artificial recorre aos algoritmos ou ás regras heurísticas.
A Intelixencia Artificial é unha rama da Informática, xurdida ao redor dos anos cincuenta, que persegue á vez dous obxectivos básicos:
1.- Estudar o comportamento intelixente dos seres humanos, incluíndo tanto o aspecto cognoscitivo como o perceptual, co fin de simulalo nun computador.
2.- Facer máquinas intelixentes e programas capaces de imitar o comportamento humano intelixente, é dicir que poidan realizar as operacións humanas de ver, oir, falar, razoar, xulgar, comprender, aprender da experiencia e comunicarse como o fan as persoas humanas.
- Definición de Sistemas de Procesamento de linguaxe natural.
Os sistemas de procesamiento da linguaxe natural son sistemas de sistemas cuxo obxectivo é o tratamento automático da información lingüística, é dicir, trátase de sistemas nos que o usuario introduce os datos no computador utilizando o mesmo linguaxe que utiliza para comunicarse con outras persoas, o computador codifica esa información en linguaxe de máquina para podela procesar e, unha vez procesada, xerar a saída adecuada en linguaxe natural.
- Definición de Recoñecemento de Visión.
Os sistemas de recoñecemento da visión son programas de computador que realizan tarefas de tratamento de imaxes, para manipulalas, realizar traballos de creatividade, publicidade, edición, controlar procesos industriais, de seguridade, etc., mediante a incorporación da capacidade visual a un computador para que sexa capaz de identificar o que ve. O seu estudo céntrase principalmente no desenvolvemento de sensores capaces de observar a contorna e de poder transmitir o que observan a un robot, co fin de que este retroaliméntese continuamente, en tempo real, e poida cambiar as operacións que realiza en función dos cambios na contorna.
- Definición de Sistemas Baseados no Coñecemento e Sistemas Expertos.
Os sistemas baseados no coñecemento son programas informáticos que conteñen o coñecemento dun dominio específico dunha forma explícita e separado do resto do sistema, é dicir, existe unha clara separación entre os coñecementos que posúe o sistema sobre o dominio e os mecanismos de explotación que utiliza o sistema para chegar a establecer as súas conclusións. Cando o coñecemento que contén o sistema baseado no coñecemento é proporcionado por persoas expertas no dominio, nos atopamos ante os sistemas expertos. Os sistemas expertos son programas que imitan o proceso de razoamento dos expertos humanos e proporcionan marcos de decisión co tipo de consello similares aos que se recibirían dun experto humano.
- Definición de Redes Neuronais.
A redes neuronais son sistemas simulan o proceso de recoñecemento do cerebro humano e do mesmo xeito que as neuronas biolóxicas, estes sistemas están deseñados para aprender da observación e a repetición. As redes neuronais tratan de resolver de forma eficiente problemas nos cales a información é difusa, incerta, contraditoria ou errónea. En consecuencia como os problemas susceptibles de ser resoltos mediante a metodoloxía das redes neuronais son: problemas de optimización, problemas de recoñecemento e problemas de xeneralización.
- Definición de Sistemas Inductivos.
Os sistemas inductivos xeran unha árbore de decisión a partir dun conxunto de exemplos que constitúen o conxunto de adestramento. É dicir, se trata de sistemas que parten dun conxunto de exemplos segundo un atributo, e van seleccionando ata que todos os exemplos do subconjunto elixido pertenzan a unha mesma clase conduzan a un mesmo resultado. Estes sistemas son útiles en aplicacións simples onde o conxunto de adestramento é relativamente completo e exacto, coñécense todos os datos e as súas solucións.
