miércoles, 27 de junio de 2012

INICIO

Inteligencia Artificial y Cibernética

 

La inteligencia artificial, término que acuñó John McCarthy me parece, se basa en la idea de hacer sistemas inteligentes, tan capaces como los que puede lograr el cerebro humano. Sin embargo, se halló, después de los primeros años frustrantes, que la inteligencia humano no sólo era complicada, sino mucho más complicada de lo que habíamos pensado. Por ello, hubo una división natural de tareas: visión por computadora; sistemas expertos; reconocimiento de patrones; entre otros.
Es un lugar común escuchar el uso del tér­mino “cibernética” como equiv­a­lente de “aquel hecho infor­mático en un entorno de com­puta­do­ras y robots”, por des­gra­cia esta aber­ración no es exclu­siva del hablar del ciu­dadano común y cor­ri­ente poco infor­mado, sino que ha alcan­zado un alar­mante uso gen­er­al­izado entre académi­cos y pro­fe­sion­ales de dis­ci­plinas rela­cionadas a ella.

El Periodismo de la Inteligencia Artificial.

El mayor motor de difusión del periodismo en la actualidad es internet. Todos los días leemos noticias en twitter escritas por personas que no se dedican profesionalmente al periodismo. Pese a ello, el modelo periodístico y de redacción sigue siendo el tradicional. El de los diarios en papel, con sus mesas de redacción y directores de contenidos. Se abre ante nosotros una nueva era de modernización del periodismo, con nuevas estructuras y nuevos modelos de engranaje. Donde la vieja imagen del estrés en la redacción cuando se acerca la hora de cierre está condenada al olvido. 

Otra cuestión, que no está considerada en el sistema experto es la de explicar su funcionamiento. Es decir, ¿por qué el sistema experto llegó a las conclusiones y diagnósticos a los que llegó? Hay muchas maneras de hacer esto pero una de ellas es simplemente avisarle al programador, vía mensajes a la pantalla, en qué regla está trabajando. Otrso sistemas expertos pueden trazar la ruta de desarrollo. Por ejemplo, pueden decirte: "primero usé la regla 4, la cual me remitió a la regla 92 y por las respuestas del usuario tuve que probar las reglas 153 y 25", etc. Pero esto es mucho más sofisticado y difícil de programar.



/*      Program: Dog Expert        */
/* Purpose: To show the working of */
/* an expert system. It is a pro-  */
/* duction rule-based system.      */
/*                                 */
/* Remarks: This is a dog classi-  */
/* cation expert system. It uses a */
/* set of production rules for the */
/* purpose of inferring.           */

domains

database

   xpositive(symbol,symbol)
   xnegative(symbol,symbol)


predicates

   do_expert_job
   do_consulting
   ask(symbol,symbol)
   dog_is(symbol)
   it_is(symbol)
   positive(symbol,symbol)
   negative(symbol,symbol)
   remember(symbol,symbol,symbol)
   clear_facts

goal

   do_expert_job.


clauses

/*  User Interface System (UIS) */

do_expert_job :-
     makewindow(1,7,7,"An Expert System",1,16,22,58),
     nl, write(" ************************************"),
     nl, write("    Welcome to a Dog Expert System"),
     nl, write("                                 "),
     nl, write(" This is a dog identification system"),
     nl, write(" Please, respond by typing in 'yes'"),
     nl, write(" or 'no'.            Thank you.    "),
     nl,nl,
     do_consulting,
     write("Press space bar..."), nl,
     readchar(_),
     clearwindow,
     exit.

do_consulting :-
     dog_is(X), !,
     nl, write(" Your dog may be a(n) ",X,"."),
     clear_facts.

do_consulting :-
     nl, write("Sorry, unable to determine the dog."),nl,
     clear_facts.

ask(X,Y) :-
     write("   Question :- ",X," it, ",Y," ? "),
     readln(Reply),
     remember(X,Y,Reply).


/* Inference Engine (INE) */

positive(X,Y) :-
     xpositive(X,Y),!.

positive(X,Y) :-
     not(negative(X,Y)),!,
     ask(X,Y).

negative(X,Y) :-
     xnegative(X,Y),!.

remember(X,Y,yes) :-
     asserta(xpositive(X,Y)).

remember(X,Y,no) :-
     asserta(xnegative(X,Y)),
     fail.

clear_facts :-
     retract(xpositive(_,_)),
     fail.

clear_facts :-
     retract(xnegative(_,_)),
     fail.


/* Production Rules */


dog_is("English Bulldog") :-
     it_is("short-haired dog"),
     positive(has,"height under 22 inches"),
     positive(has,"low-set tail"),
     positive(has,"good natured personality"),!.

dog_is("Beagle") :-
     it_is("short-haired dog"),
     positive(has,"height under 22 inches"),
     positive(has,"long ears"),
     positive(has,"good natured personality"),!.

dog_is("Great Dane") :-
     it_is("short-haired dog"),
     positive(has,"low-set tail"),
     positive(has,"longer ears"),
     positive(has,"good natured personality"),
     positive(has,"weight over 100 lb"),!.

dog_is("American Foxhound") :-
     it_is("short-haired dog"),
     positive(has,"height under 30 inches"),
     positive(has,"longer ears"),
     positive(has,"good natured personality"),!.
    
dog_is("Cocker Spaniel") :-
     it_is("long-haired dog"),
     positive(has,"height under 22 inches"),
     positive(has,"low-set tail"),
     positive(has,"longer ears"),
     positive(has,"good natured personality"),!.

dog_is("Irish Setter") :-
     it_is("long-haired dog"),
     positive(has,"height under 30 inches"),
     positive(has,"low-set tail"),
     positive(has,"good natured personality"),!.

dog_is("Collie") :-
     it_is("long-haired dog"),
     positive(has,"height under 30 inches"),
     positive(has,"low-set tail"),
     positive(has,"good natured personality"),!.

dog_is("St. Bernard") :-
     it_is("long-haired dog"),
     positive(has,"low-set tail"),
     positive(has,"good natured personality"),
     positive(has,"weight over 100 lb"),!.
    
it_is("short-haired dog") :-
     positive(has,"short-haired"),!.
    
it_is("long-haired dog") :-         
     positive(has,"long-haired"),!.
  
habla tu mismo como eres en un S.E.
 

METODOLOGIA DE TRABAJO EN S.E.

INGENIERIA DEL CONOCIMIENTO SEGÚN JHON DURKIN


METODOLOGIAS DE DESARROLLO
Al igual que para desarrollar un sistema de información convencional existen varias metodologías de desarrollo como la Ingeniería de la Información, tendencias estructuradas y orientadas a objetos, así existen varias metodologías para desarrollar un sistema experto. Como ya sabemos el área de sistemas expertos es relativamente joven por lo cual no se dispone de una única metodología sino que cada autor propone una de acuerdo a su forma de desarrollo. Sin embargo existen algunas que han tenido éxito mas que otras lo cual ha llevado a su mayor difusión.
Aquí solo mencionaremos algunas y mostraremos un esquema general de la metodología con la cual trabajaremos nosotros.
  • Metodología de Buchanan
  • Metodología de Grover
  • Metodología de Brule
  • Metodología de Blanque y García Martínez
  • Metodología KADS
  • Ingeniería del Software,….. etc.

 

MISION

Misión

Es misión del grupo INTELIGENCIA ARTIFICIAL EN EDUCACIÓN, la formación académica e investigativa de toda la comunidad universitaria que lo conforman, propiciando el desarrollo de sus potencialidades, con base en una cultura de investigación, responsabilidad, respeto y trabajo en equipo. Fomentando la participación activa y permanente de sus integrantes a través de la formulación, desarrollo e innovación de proyectos de investigación, relacionados con el dominio educativo y la aplicación de las técnicas en Inteligencia Artificial.



VISION

Visión

El grupo INTELIGENCIA ARTIFICIAL EN EDUCACIÓN, se proyecta a corto plazo como un grupo de excelencia reconocido a nivel nacional y a mediano plazo, valorado por la comunidad científica internacional, por sus aportes al estudio e innovación, en el área de interés.

Lineas de Investigación

1. Ambientes Colaborativos de Aprendizaje Apoyados en Computador
2. Discapacidad (inclusión laboral y educativa)
3. Educación Virtual: Representación del Conocimiento, Actividades Educativas y Razonamiento
4. Máquinas Inteligentes en Educación
5. Planificación Instruccional
6. Razonamiento Basado en Casos
7. Robótica Distribuida y Colaborativa
8. Sistemas Multi-Agente Pedagógicos
9. Sistemas Tutoriales Inteligentes
10. Teorías de Enseñanza y de Aprendizaje Computacionales
11. T-learning en Procesos de Formación para la Educación Superior.

lunes, 4 de junio de 2012

OBJETIVOS

Objetivo
Determinar el grado de factibilidad y aceptación de un Sistema Experto como guía en las actividades administrativas comunes de cada uno de los departamentos de las empresas del Corredor Industrial del sur de Tamaulipas; así como también los factores que definen este indicador, y que por lo tanto, el profesional de TI deberá tomar en cuenta cuando desee implantar un Sistema Experto.
Entendiendo por guía en las actividades administrativas como el proveer la información necesaria que el usuario necesita para saber qué pasos debe seguir, que información y documentos se le solicitarán y quién es el responsable para una actividad determinada por el propio usuario.
Calculando el grado de factibilidad y aceptación como un porcentaje o tendencia de los miembros de la organización para sustituir los servicios del personal de TI. Para con ello, sentar las bases para la posible justificación y desarrollo de proyectos de esta índole en el área de TI.