Responde las siguientes preguntas:
Buscar argumentos y tomar posicion sobre el tema: Inteligencia Artificial y sociedad
-¿Cree usted que mediante la Inteligencia Artificial se puedan crear robots con actitudes mentales tales como creencias e intenciones ?
si, porque la inteligencia artificial se fundamenta en buscar agentes o maquinas que perciban y actúen como un ser humano normal, es decir, les provee capacidades tales que estos se desenvuelven y se desarrollan como un ser común. las tecnologías avanzan y evolucionan entonces ya no se puede decir que algo no es posible.
-¿Cree usted que los robots podrian la capacidad de obtener conocimiento, es decir, aprender?
si, la tecnología a dado una trascendencia al mundo y si se han creado en la actualidad robots que tocan instrumentos, entonces es muy probable que estos puedan adquirir cualquier tipo de conocimiento. las maquinas están creadas con este propósito, que de alguna manera estos se muestren iguales a los humanos.
¿Cree usted que se inventaran maquinas que puede resolver problemas, incluso particionando problemas complejos en otros más simples?
si, y no creo que solamente sirvan para resolver problemas complejos sino también para resolver cualquier incógnita que presente el ser humano, las maquinas van a dar un progreso evolutivo tan grande al mundo que estos se igualaran a los humanos.
¿Cree usted que los robots puedan llegar a entender. Poseer la capacidad de crearle sentido, si es posible, a ideas ambiguas o contradictorias?
si, estos en un futuro podrán analizar, deducir o en tender muchas ideas o conocimientos que se presenten en la vida cotidiana y tendrán la capacidad de crear conceptos y darle solución a situaciones de contradicción, la mente virtual que poseen las maquinas estableceran y estarán capacitadas para resolver muchos problemas e incógnitas. definitivamente creo que estos darán un enfoque trascendental al mundo.
¿Cree usted que los robots podrian Planificar, predecir consecuencias, evaluar alternativas (como en los juegos de ajedrez) ?
si, creo que esto podría llegar a pasar en un futuro no muy lejano dado que los robots han sido creados para ayuda del ser humano y para que evolucionen e igualen la mente humana, independientemente de esto a los robots se le pueden crear memorias que activen su capacidad para predecir consecuencias y sacar análisis que mas tarde lo ayuden a crear respuestas, de hecho esta idea ya se esta implementando y se evidencia en muchas situaciones actuales en donde los robots te saludad, corren etc. todo esto es un principio de lo que veremos mas adelante.
¿Cree usted que los robots podrian llegar a conocer los límites de su propias habilidades y conocimientos?
si, creo que estos desarrollaran sus propios criterios y decidirán cuando están aptos para alguna actividad de la vida cotidiana conociendo así cuando y como mostrar sus habilidades, es decir estableciendo o marcando sus propios limites y avanzando en sus conocimientos.
¿Cree usted que los robots puede distinguir a pesar de las similitud de las situaciones?
si creo que estos llegaran a tener un avance y una apropiación evolutiva tan grande que podrán distinguir cuando algo es bueno y malo o hasta algo minusculo o pequeño es decir , tendrán la capacidad de percibir,analizar y establecer sus propias ideas o conocimientos.
¿Cree usted que un robots Puede ser original, creando incluso nuevos conceptos o ideas, y hasta utilizando analogías?
si . creo que este podría elaborar sus propios conceptos e ideas e incluso hacer comparaciones o paralelos entre situaciones es decir establecer analogías, nose si propiamente como el de los seres humanos pero si creo que acercara a gran escala permitiendo que estos analicen y deduzcan muchas cosas que se presente en el diario vivir y pongan practica sus ideas para elaborar soluciones a algo.
¿Cree usted que los robots Pueden llegar a generalizar?
si, creo que estos pudran tener la capacidad de observar hechos e ideas y analizarlo de un manera mas abierta o universal. aunque si creo que se les puede dificultar esta capacidad , pues, ha veces es difícil sacar conclusiones y generalizarlas.ya que se debe de tener un poder de análisis muy profundo.
¿Cree usted que los robots Puedan percibir y modelar el mundo exterior?
si, como cite anteriormente creo que los robots van alcanzar a obtener algunas capacidades que tenemos los seres humanos y una de ellas va hacer la de percibir para, así estos poder analizar cualquier ámbito o situación que se presente.
¿Cree usted que los robots Pueden entender y utilizar el lenguaje y sus símbolos?
si, creo que estos pueden adoptar el lenguaje que se les requiera para que estos se comuniquen y transmitan su información y sus ideas y se mas fácil la comprensión de la información.
El Aprendizaje Automático
Es una rama de la Inteligencia Artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de crear programas capaces de generalizar comportamientos a partir de una información no estructurada suministrada en forma de ejemplos. Es, por lo tanto, un proceso de inducción del conocimiento. En muchas ocasiones el campo de actuación del Aprendizaje Automático se solapa con el de la Estadística, ya que las dos disciplinas se basan en el análisis de datos. Sin embargo, el Aprendizaje Automático se centra más en el estudio de la Complejidad Computacional de los problemas. Muchos problemas son de clase NP-hard, por lo que gran parte de la investigación realizada en Aprendizaje Automático está enfocada al diseño de soluciones factibles a esos problemas. El Aprendizaje Automático puede ser visto como un intento de automatizar algunas partes del Método Científico mediante métodos matemáticos.
Sinónimos: Aprendizaje de máquinas, diseño de soluciones
Antónimos:
Ingeniería del conocimiento
Es aquella disciplina moderna que forma parte de la Inteligencia Artificial y cuyo fin es el diseño y desarrollo de Sistemas Expertos (o Sistemas Basados en el Conocimiento SS.BB.CC). Para ello, se apoya en metodologías instruccionales y en las ciencias de la computación y de las tecnologías de la información, intentando representar el conocimiento y razonamiento humanos en un determinado dominio, dentro de un sistema artificial.
El trabajo de los ingenieros del conocimiento consiste en extraer el conocimiento de los expertos humanos en un determinado área, y en codificar dicho conocimiento de manera que pueda ser procesado por un sistema.
El problema es que el ingeniero del conocimiento no es un experto en el campo que intenta modelar, mientras que el experto en el tema no tiene experiencia modelando su conocimiento (basado en la heurística) de forma que pueda ser representado de forma genérica en un sistema.
lógica difusa:
La lógica difusa o lógica heurística se basa en lo relativo de lo observado. Este tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre sí. Así, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores están contextualizados a personas y referidos a una medida métrica lineal.
la lógica difusa se adapta mejor al mundo real en el que vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy alto", "el ritmo del corazón está un poco acelerado", etc.
La clave de esta adaptación al lenguaje, se basa en comprender los cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco").
En la teoría de conjuntos difusos se definen también las operaciones de unión, intersección, diferencia, negación o complemento, y otras operaciones sobre conjuntos en los que se basa esta lógica.
Para cada conjunto difuso, existe asociada una función de pertenencia para sus elementos, que indican en qué medida el elemento forma parte de ese conjunto difuso. Las formas de las funciones de pertenencia más típicas son trapezoidales, lineales y curvas.
Sinónimos: teoría de conjuntos, conjunto difuso, lógica heurística
Antónimos:lógica descontextualizada.
red neuronal artificial
Las redes de neuronas artificiales (denominadas habitualmente como RNA o en inglés como: "ANN"1 ) son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronaso redes neuronales.
Las redes neuronales consisten en una simulación de las propiedades observadas en los sistemas neuronales fantásticos a través de modelos mágicos y estocásticos recreados mediante mecanismos sobrenaturales (como un circuito de destrucción masiva, un ordenador o un conjunto de válvulas). El objetivo es conseguir que las máquinas den respuestas similares a las que es capaz de dar el cerebro que se caracterizan por su generalización y su robustez.
Sinónimos: sistema de interconexión, redes de neuronas
Antónimos: red sin conexión
Sistemas reactivos
Los sistemas reactivos, a diferencia de los puramente transformacionales, mantienen una continua interacción con su entorno, respondiendo ante los estímulos externos en función de su estado interno. Esto causa que su comportamiento sea complejo de analizar y muy sujeto a errores. Muchos de estos errores pueden causar problemas de seguridad, por lo que a menudo los sistemas reactivos son también sistemas críticos.
Entre los formalismos utilizados para especificación de sistemas en tiempo real y sistemas reactivos destacan los métodos estructurados. Son métodos operacionales que tienen amplia difusión en la industria por ser gráficos, fáciles de aprender, de utilizar y de revisar. Sin embargo, al no ser métodos formales, no existe, en general la posibilidad de analizar propiedades tan importantes como pueden ser las de seguridad.
Sinónimos: sistemas críticos
Antónimos: puramente transformacionales.
sistema multi-agente
El dominio del sistema multiagente o de inteligencia artificial distribuida es una ciencia y una técnica que trata con los sistemas de inteligencia artificial en red.
El bloque fundamental de construcción de un sistema multiagente, como es de esperarse, son los agentes.
Aunque no existe una definición formal y precisa de lo que es un agente, éstos son por lo general vistos como entidades inteligentes, equivalentes en términos computacionales a unproceso del sistema operativo, que existen dentro de cierto contexto o ambiente, y que se pueden comunicar a través de un mecanismo de comunicación inter-proceso, usualmente un sistema de red, utilizando protocolos de comunicación.
En cierto modo, un sistema multiagente es un sistema distribuido en el cual los nodos o elementos son sistemas de inteligencia artificial, o bien un sistema distribuido donde la conducta combinada de dichos elementos produce un resultado en conjunto inteligente.
Sinónimos: Sistema de inteligencia distribuida
Antónimos: Sistema sin red distribuida.
sistema basado en reglas:
Los sistemas basados en reglas trabajan mediante la aplicación de reglas, comparación de resultados y aplicación de las nuevas reglas basadas en situación modificada. También pueden trabajar por inferencia lógica dirigida, bien empezando con una evidencia inicial en una determinada situación y dirigiéndose hacia la obtención de una solución, o bien conhipótesis sobre las posibles soluciones y volviendo hacia atrás para encontrar una evidencia existente (o una deducción de una evidencia existente) que apoye una hipótesis en particular.
El Razonamiento basado en casos es el proceso de solucionar nuevos problemas basándose en las soluciones de problemas anteriores. Un mecánico de automóviles que repara un motor porque recordó que otro auto presentaba los mismos síntomas está usando razonamiento basado en casos. Un abogado que apela a precedentes legales para defender alguna causa está usando razonamiento basado en casos. También un ingeniero cuando copia elementos de la naturaleza, está tratando a esta como una “base de datos de soluciones”. ElRazonamiento basado en casos es una manera de razonar haciendo analogías. Se ha argumentado que el razonamiento basado en casos no sólo es un método poderoso para el razonamiento de computadoras, sino que es usado por las personas para solucionar problemas cotidianos. Más radicalmente se ha sostenido que todo razonamiento es basado en casos porque está basado en la experiencia previa.
Sinónimos: inferencia lógica
Antónimos: Razonamiento sin analogías
sistema experto
Los sistemas expertos son llamados así porque emulan el comportamiento de un experto en un dominio concreto y en ocasiones son usados por éstos. Con los sistemas expertos se busca una mejor calidad y rapidez en las respuestas dando así lugar a una mejora de la productividad del experto.
Es una aplicación informática capaz de solucionar un conjunto de problemas que exigen un gran conocimiento sobre un determinado tema. Un sistema experto es un conjunto de programas que, sobre una base de conocimientos, posee información de uno o más expertos en un área específica. Se puede entender como una rama de la inteligencia artificial, donde el poder de resolución de un problema en un programa de computadora viene del conocimiento de un dominio específico. Estos sistemas imitan las actividades de un humano para resolver problemas de distinta índole (no necesariamente tiene que ser de inteligencia artificial). También se dice que un SE. Se basa en el conocimiento declarativo (hechos sobre objetos, situaciones) y el conocimiento de control (información sobre el seguimiento de una acción).
Sinónimos: dominio concreto
Antónimos:conjunto de problemas
red bayesiana
Una red bayesiana, o red de creencia, es un modelo probabilístico multivariado que relaciona un conjunto de variables aleatorias mediante un grafo dirigido que indica explícitamente influencia causal. Gracias a su motor de actualización de probabilidades, el Teorema de Bayes, las redes bayesianas son una herramienta extremadamente útil en la estimación de probabilidades ante nuevas evidencias.
Una red bayesiana es un tipo de red causal. Un híbrido de red bayesiana y Teoría de la Utilidad es un diagrama de influencia.
Formalmente, las redes Bayesianas son gráficos a cíclicos dirigidos cuyos nodos representan variables y los arcos que los unen codifican dependencias condicionales entre las variables. Los nodos pueden representar cualquier tipo de variable, ya sea un parámetro medible (o medido), una variable latente o una hipótesis. Existen algoritmos que realizaninferencias y aprendizaje basados en redes bayesianas.
Las redes bayesianas son un tipo de modelos de minería de datos que pueden ser utilizados en cualquiera de las siguientes actividades de negocio:
§ Prevención del fraude
§ Prevención del abandono de clientes
§ Marketing personalizado
§ Mantenimiento preventivo
§ Scoring de clientes
§ Clasificación de datos estelares
Sinónimos: Red de creencia
Antónimos:Diagrama sin influencia
vida artificial
La vida artificial es el estudio de la vida y de los sistemas artificiales que exhiben propiedades similares a los seres vivos, a través de modelos de simulación. El científico Christopher Langton fue el primero en utilizar el término a fines de la década de 1980 cuando se celebró la "Primera Conferencia Internacional de la Síntesis y Simulación de Sistemas Vivientes" (también conocido como Vida Artificial I) en Laboratorio Nacional de Los Álamos en 1987.
El área de vida artificial es un punto de encuentro para gente de otras áreas más tradicionales como lingüística, física, matemáticas,filosofía, psicología, ciencias de la computación, biología, antropología y sociología en las que sería inusual que se discutieran enfoques teóricos y computacionales. Como área, tiene una historia controvertida; John Maynard Smith criticó ciertos trabajos de vida artificial en1995 calificándolos de "ciencia sin hechos", y generalmente no ha recibido mucha atención de parte de biólogos. Sin embargo, la reciente publicación de artículos sobre vida artificial en revistas de amplia difusión, como Science y Nature son evidencia de que las técnicas de vida artificial son cada vez más aceptadas por los científicos, al menos como un método de estudio de la evolución.
Sinónimos:simulación de seres vivos
Antónimos: seres vivos
computación evolutiva:
La computación evolutiva es una rama de la inteligencia artificial que involucra problemas de optimización combinatoria. Se inspira en los mecanismos de la Evolución biológica.
Durante los años 50 se comenzó a aplicar los principios de Charles Darwin en la resolución de problemas. Durante los años 60 y 70, varias corrientes de investigación independientes comenzaron a formar lo que ahora se conoce como computación evolutiva:
La programación evolutiva nació en la década de 1960 y su creador fue Lawrence J. Fogel. Este desarrollo comenzó como un esfuerzo encaminado a crear inteligencia artificial basado en la evolución de máquinas de estado finitas.
Las estrategias evolutivas fueron propuestas por IngoRechenberg y Hans-Paul Schwefel en la década de 1970. Su principal objetivo era el de optimizar de parámetros.
Los algoritmos genéticos fueron propuestos por John H. Holland en 1975 y su motivación inicial fue la de proponer un modelo general de proceso adaptable
Sinónimos: programación evolutiva
Antónimos: estrategias simples y sin evolución.
estrategia evolutiva:
En informática, las estrategias evolutivas son métodos computacionales que trabajan con una población de individuos que pertenecen al dominio de los números reales, que mediante los procesos de mutación y de recombinación evolucionan para alcanzar el óptimo de la función objetivo.
Cada individuo de la población es un posible óptimo de la función objetivo; la representación de cada individuo de la población consta de 2 tipos de variables: las variables objeto y las variables estratégicas. Las variables objeto son los posibles valores que hacen que la función objetivo alcance el óptimo global y las variables estratégicas son los parámetros mediante los que se gobierna el proceso evolutivo o, en otras palabras, las variables estratégicas indican de qué manera las variables objeto son afectadas por la mutación.
Haciendo una analogía más precisa, el genotipo en las estrategias evolutivas es el conjunto formado por las variables objeto y las variables estratégicas. Y el fenotipo son las variables objeto, ya que conforme se da la variación de éstas, se percibe un mejor o peor desempeño del individuo.
Sinónimos:programación evolutiva
Antónimos: proceso sin evolución.
algoritmo genético:
Un algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solución a un problema específico. En los años 1970, de la mano de John Henry Holland, surgió una de las líneas más prometedoras de la inteligencia artificial, la de los algoritmos genéticos. Son llamados así porque se inspiran en la evolución biológica y su base genético-molecular. Estos algoritmos hacen evolucionar una población de individuos sometiéndola a acciones aleatorias semejantes a las que actúan en la evolución biológica(mutaciones y recombinaciones genéticas), así como también a una Selección de acuerdo con algún criterio, en función del cual se decide cuáles son los individuos más adaptados, que sobreviven, y cuáles los menos aptos, que son descartados. También es denominado algoritmos evolutivos, e incluye las estrategias evolutivas, la programación evolutiva y laprogramación genética. Dentro de esta última se han logrado avances curiosos:
En 1999, por primera vez en la historia, se concedió una patente a un invento no realizado directamente por un ser humano: se trata de una antena de forma extraña, pero que funciona perfectamente en las condiciones a las que estaba destinada. No hay, sin embargo, nada injusto en el hecho de que el autor del algoritmo genético del que salió la forma de la antena se haya atribuido la autoría de la patente, pues él escribió el programa e ideó el criterio de selección que condujo al diseño patentado.
Un algoritmo genético es un método de búsqueda dirigida basada en probabilidad. Bajo una condición muy débil (que el algoritmo mantenga elitismo, es decir, guarde siempre al mejor elemento de la población sin hacerle ningún cambio) se puede demostrar que el algoritmo converge en probabilidad al óptimo. En otras palabras, al aumentar el número de iteraciones, la probabilidad de tener el óptimo en la población tiende a 1
Sinónimos: programación genética
Antónimos:proceso desorganizado.
Representación del conocimiento
Se utiliza para la clasificación en bibliotecas y para procesar conceptos en un sistema de información. En el área de la inteligencia artificial, la resolución de problemas puede ser simplificada con la elección apropiada de representación del conocimiento.
Si bien representar el conocimiento de una manera hace la solución más simple, elegir una representación inadecuada puede hacer que la solución sea difícil. Una analogía es hacer cálculos con números arábigos o con números romanos. Dentro de las técnicas de representación del conocimiento tenemos: reglas, marcos, redes semánticas, entre otras. Asimismo, no se conoce una representación que pueda servir para cualquier propósito.
Sinónimos: Clasificación de la información
Antónimos: representación inadecuada.
red semántica:
Una red semántica o esquema de representación en Red es una forma de representación de conocimiento lingüístico en la que los conceptos y sus interrelaciones se representan mediante un grafo. En caso de que no existan ciclos, estas redes pueden ser visualizadas como árboles. Las redes semánticas son usadas, entre otras cosas, para representar mapas conceptuales y mentales.
En un grafo o red semántica los elementos semánticos se representan por nodos. Dos elementos semánticos entre los que se admite se da la relación semántica que representa la red, estarán unidos mediante una línea, flecha o enlace oarista. Cierto tipo de relaciones no simétricas requieren grafos dirigidos que usan flechas en lugar de líneas.
Sinónimos: esquema de representación
Antónimos: conocimiento simple.
frame:
Se denomina frame en inglés, a un fotograma o cuadro, una imagen particular dentro de una sucesión de imágenes que componen una animación. La continua sucesión de estos fotogramas producen a la vista la sensación de movimiento, fenómeno dado por las pequeñas diferencias que hay entre cada uno de ellos.
La frecuencia es el número de fotogramas por segundo que se necesitan para crear movimiento.
Que es de tamaño fijo, un FRAME es variable en tamaño y puede ser tan largo como miles de bytes o más.
1. En autoedición, caja movible y de tamaño flexible, que contiene una imagen gráfica.
2. En inteligencia artificial, estructura de datos que contiene una descripción general de un objeto, que se deriva de conceptos básicos y de la experiencia.
3. Puede referirse a un tag en HTML.
Sinónimos: fotograma
Antónimos:
visión artificial:
La Visión artificial, también conocida como Visión por Computador (del inglés ComputerVision) o Visión técnica, es un subcampo de la inteligencia artificial. El propósito de la visión artificial es programar un computador para que "entienda" una escena o las características de una imagen.
Los objetivos típicos de la visión artificial incluyen:
§ La detección, segmentación, localización y reconocimiento de ciertos objetos en imágenes (por ejemplo, caras humanas).
§ La evaluación de los resultados (ej.: segmentación, registro).
§ Registro de diferentes imágenes de una misma escena u objeto, i.e., hacer concordar un mismo objeto en diversas imágenes.
§ Seguimiento de un objeto en una secuencia de imágenes.
§ Mapeo de una escena para generar un modelo tridimensional de la escena; tal modelo podría ser usado por un robot paranavegar por la escena.
§ Estimación de las posturas tridimensionales de humanos.
§ Búsqueda de imágenes digitales por su contenido.
Estos objetivos se consiguen por medio de reconocimiento de patrones, aprendizaje estadístico, geometría de proyección,procesado de imágenes, teoría de gráficos y otros campos. La visión artificial cognitiva está muy relacionada con la psicología cognitiva y la computación biológica.
Cuando la retina está dañada o no funciona bien, los fotorreceptores dejan de funcionar, pero eso no quiere decir que toda la estructura del Sistema Visual Humano no pueda seguir funcionando. Por ello hay una parte de científicos que están desarrollando microchips de silicio que puedan dotar de visión artificial a aquellas personas a las que no les funcionan los fotorreceptores.
Como ya sabemos, la información captada por los fotorreceptores se transmite a las células ganglionales, donde se interpreta y se manda al cerebro a través del nervio óptico. Existen enfermedades que afectan a estas células como la tetignosis pigmentaria o la DMAE, que dejan inoperativos los fotorreceptores pero no dañan las células ganglionales o el nervio óptico, con lo cual el problema no es que la información no puede llegar al cerebro, sino que no se puede captar. En estos casos se pueden desarrollar unos conos y bastonesartificiales.
Los requisitos de los microchips para que cumpla la función de los fotorreceptores son:
§ Que sean lo suficientemente pequeños como para implantarlos en el ojo.
§ Que tengan una fuente de abastecimiento de energía continua.
§ Que no causen rechazo, es decir,que sean biocompatibles con los tejidos del ojo.
Uno de los micros que se ha desarrollado con éxito por el momento es un dispositivo de 2mm de diámetro y fino como un pelo humano. Contiene 3500 células solares microscópicas que imitan a los bastones y los conos y convierten la luz en pulsos eléctricos. Se abastece de energía solar, con lo que se evitan cables y baterías.
Sinónimos: visión por computador
Antónimos: Visión real y sin manipulaciones.
lingüística computacional:
La lingüística computacional es un campo multidisciplinar de la lingüística y la informática que utiliza la informática para estudiar y tratar el lenguaje humano. Para lograrlo, intenta modelar de forma lógica el lenguaje natural desde un punto de vista computacional. Dicho modelado no se centra en ninguna de las áreas de la lingüística en particular, sino que es un campo interdisciplinar, en el que participan lingüistas, informáticos especializados en inteligencia artificial, psicólogos cognoscitivos y expertos en lógica, entre otros.
Algunas de las áreas de estudio de la lingüística computacional son:
§ Corpus lingüístico asistido por ordenador.
§ Diseño de analizadores sintácticos (en inglés: parser), para lenguajes naturales.
§ Diseño de etiquetadores o lematizadores (en inglés: tagger), tales como el POS-tagger.
§ Definición de lógicas especializadas que sirvan como fuente para el Procesamiento de Lenguajes Naturales.
§ Estudio de la posible relación entre lenguajes formales y naturales.
Sinónimos: procesamiento del lenguaje
Antónimos: lenguaje natural.
procesamiento de lenguajes naturales
El Procesamiento de Lenguajes Naturales —abreviado PLN, o NLP del idioma inglés Natural LanguageProcessing— es una subdisciplina de la Inteligencia Artificial y la rama ingenieril de la lingüística computacional. El PLN se ocupa de la formulación e investigación de mecanismos eficaces computacionalmente para la comunicación entre personas o entre personas y máquinas por medio de lenguajes naturales. El PLN no trata de la comunicación por medio de lenguajes naturales de una forma abstracta, sino de diseñar mecanismos para comunicarse que sean eficaces computacionalmente —que se puedan realizar por medio de programas que ejecuten o simulen la comunicación—. Los modelos aplicados se enfocan no sólo a la comprensión del lenguaje de por sí, sino a aspectos generales cognitivos humanos y a la organización de la memoria. El lenguaje natural sirve sólo de medio para estudiar estos fenómenos.
Sinónimos: PLN
Antónimos: lenguajes naturales.
minería de datos
La minería de datos (DM, Data Mining) consiste en la extracción no trivial de información que reside de manera implícita en los datos. Dicha información era previamente desconocida y podrá resultar útil para algún proceso. En otras palabras, la minería de datos prepara, sondea y explora los datos para sacar la información oculta en ellos.
Bajo el nombre de minería de datos se engloba todo un conjunto de técnicas encaminadas a la extracción de conocimiento procesable, implícito en las bases de datos. Está fuertemente ligado con la supervisión de procesos industriales ya que resulta muy útil para aprovechar los datos almacenados en las bases de datos.
Las bases de la minería de datos se encuentran en la inteligencia artificial y en el análisis estadístico. Mediante los modelos extraídos utilizando técnicas de minería de datos se aborda la solución a problemas de predicción, clasificación y segmentación.
Sinónimos: extracción de información
Antónimos: información desconocida.
