Jorge Rafael Gutiérrez Pulido es maestro de laFacultad de Telemática.
Jorge Gutiérrez, nos impartió una charla acerca de los avances en el área del web semántico, la cual me pareció interesante, aunque el lenguaje que utilizó Jorge, fue un poco difícil de entender, ya que usaba términos que no estamos acostumbrados a escuchar, porque son especializados en el área de telemática.
Además, nos mostró con ejemplos de como se pueden realizar búsquedas de cualquier tipo, en diferentes páginas, para tener un mejor acceso a la información.
Por lo tanto, Jorge Gutiérrez nos habló lo siguiente:
El web actual
Son datos,
Información,
no están estructurados.
Las computadoras los procesan,
pero no los entienden, por lo tanto hay
caos
El web semántico
Contendrá conocimiento.
Las computadoras lo procesan.
Además lo van a comprender.
Habrá una estructura.
Inteligencia Artificial
Estudia cómo lograr que las máquinas realicen tareas que por el momento son realizadas mejor por seres humanos.
(Rich and Knight, 1994)
Es el estudio de programas de computadora que se comportan de manera inteligente (Dean et al., 1995)
Un poco de historia
· XVIII Wolfgang van Kemplen (marioneta ajedrecista)
· XX Karel Capek (nace la palabra robot)
· 1950 Alan Turin (artículo sobre ¿pueden pensar las máquinas?)
· 1957 Newell, Shaw, Simon (programa resuelve problemas)
· 1964 Joshua Ledenberg (DENDR-itic AL-gorithm)
· 1997 Deep Blue (gana a campeón humano)
Aplicaciones de Inteligencia Artificial
Razonamiento e inferencia.
Búsqueda y planeación.
Aprendizaje y comprensión.
Percepción y acción.
Procesamiento de lenguaje natural.
Representación de conocimiento.
¿Cómo representar conocimiento?
Lenguaje natural
Tabla
Reglas
Marcos
Redes semánticas
Ontologías
Ontologías
Metodología para representar conocimiento.
Tienen su origen en la filosofía.
Existen lenguajes para representar conocimiento.
Algunos son para el web.
Describen jerarquías de conceptos y sus relaciones en su dominio.
Algunas aplicaciones incluyen axiomas.
Máquinas de inferencia pueden usar axiomas para deducir nuevo conocimiento.
Componentes
Conceptos abstractos y concretos.
Relaciones conexión entre conceptos (1-m).
Funciones relación especial (1-1).
Axiomas proposición que se admite sin necesidad de demostración.
Instancias conceptos que cumplen con ciertas relaciones y funciones.
Lenguajes Ontológicos para el web semántico
The eXtended Markup Language (XML)
The Resource Description Framework (RDF)
Simple HTML Ontology Extensions (SHOE)
The Ontology Interchange Language (OIL)
The DARPA Agent Markup Language (DAML)
The Ontology Web Language (OWL)
Redes Neuronales Artificiales
Están inspiradas en los sistemas nerviosos e intentan crear máquinas que trabajen de una manera similar al cerebro (Picton, 1994).
Dispositivos basados en componentes de lógica simples (Kohenen, 2001).
Al principio primitivos ahora mucho más sofisticados elementos de procesamiento de información.
Componentes de una neurona biológica (Simpson, 1990)
Cuerpo
Dendritas
Un axon
El cerebro humano tiene más de cien billones de neuronas, más estrellas que la vía láctea, que a través de las dendritas se comunica con el cuerpo para crear el fenómeno que conjunta pensamiento, emoción, aprendizaje y otras funciones anatómicas (Wasserman, 1989).
Comparando con las escalas modernas de cómputo digital, el cerebro es terriblemente lento.
La velocidad de las neuronas la podemos medir en milisegundos.
El web actual
Son datos,
Información,
no están estructurados.
Las computadoras los procesan,
pero no los entienden, por lo tanto hay
caos
El web semántico
Contendrá conocimiento.
Las computadoras lo procesan.
Además lo van a comprender.
Habrá una estructura.
Inteligencia Artificial
Estudia cómo lograr que las máquinas realicen tareas que por el momento son realizadas mejor por seres humanos.
(Rich and Knight, 1994)
Es el estudio de programas de computadora que se comportan de manera inteligente (Dean et al., 1995)
Un poco de historia
· XVIII Wolfgang van Kemplen (marioneta ajedrecista)
· XX Karel Capek (nace la palabra robot)
· 1950 Alan Turin (artículo sobre ¿pueden pensar las máquinas?)
· 1957 Newell, Shaw, Simon (programa resuelve problemas)
· 1964 Joshua Ledenberg (DENDR-itic AL-gorithm)
· 1997 Deep Blue (gana a campeón humano)
Aplicaciones de Inteligencia Artificial
Razonamiento e inferencia.
Búsqueda y planeación.
Aprendizaje y comprensión.
Percepción y acción.
Procesamiento de lenguaje natural.
Representación de conocimiento.
¿Cómo representar conocimiento?
Lenguaje natural
Tabla
Reglas
Marcos
Redes semánticas
Ontologías
Ontologías
Metodología para representar conocimiento.
Tienen su origen en la filosofía.
Existen lenguajes para representar conocimiento.
Algunos son para el web.
Describen jerarquías de conceptos y sus relaciones en su dominio.
Algunas aplicaciones incluyen axiomas.
Máquinas de inferencia pueden usar axiomas para deducir nuevo conocimiento.
Componentes
Conceptos abstractos y concretos.
Relaciones conexión entre conceptos (1-m).
Funciones relación especial (1-1).
Axiomas proposición que se admite sin necesidad de demostración.
Instancias conceptos que cumplen con ciertas relaciones y funciones.
Lenguajes Ontológicos para el web semántico
The eXtended Markup Language (XML)
The Resource Description Framework (RDF)
Simple HTML Ontology Extensions (SHOE)
The Ontology Interchange Language (OIL)
The DARPA Agent Markup Language (DAML)
The Ontology Web Language (OWL)
Redes Neuronales Artificiales
Están inspiradas en los sistemas nerviosos e intentan crear máquinas que trabajen de una manera similar al cerebro (Picton, 1994).
Dispositivos basados en componentes de lógica simples (Kohenen, 2001).
Al principio primitivos ahora mucho más sofisticados elementos de procesamiento de información.
Componentes de una neurona biológica (Simpson, 1990)
Cuerpo
Dendritas
Un axon
El cerebro humano tiene más de cien billones de neuronas, más estrellas que la vía láctea, que a través de las dendritas se comunica con el cuerpo para crear el fenómeno que conjunta pensamiento, emoción, aprendizaje y otras funciones anatómicas (Wasserman, 1989).
Comparando con las escalas modernas de cómputo digital, el cerebro es terriblemente lento.
La velocidad de las neuronas la podemos medir en milisegundos.
Sin embargo, lo que hace increíblemente poderoso al cerebro es su capacidad de proceso en paralelo.
Mucho más potente que cualquiera computadora o arquitectura de cómputo propuesta o por proponer.
Las computadoras no cometen errores, siempre y cuando la entrada de datos y el procesamiento aplicado son los correctos.
El cerebro, por otro lado, nos permite producir predicciones y aproximaciones a partir de datos incompletos e incorrectos y ha asegurado nuestra supervivencia a través del tiempo.
Aplicaciones de Redes Neuronales Artificiales
Reconocimiento de patrones,
Visión por computadora,
Minado de datos.
Recuperación de información,
Aprendizaje de máquina,
Extracción de conocimiento,
Visualización, y
Agrupamiento
Self-Organizing Maps
Metodología para resolver problemas relacionados con reconocimiento de patrones y clustering.
SOM son el modelo más cercano de cómo se cree trabaja el cerebro.
Usa aprendizaje sin supervisor.
Herramienta efectiva para organizar y visualizar datos.
(Kohenen et al., 1999)
5 comentarios:
Creo que rescataste varios puntos imprtantes dentro de lo que fue la charla con Jorge, apesar de lo cansado que fue la charla
Hola, me parece bueno el análisis, ya que mencionas paso a paso lo que resalta el conferencista, lo único que ncuentro es que tu texto esta muy separado y hace que el texto sea mas largo, por lo que se hace tedioso.
pero esta bien
espero y pass al mío y no importan las críticas sale, así aprendemos.
Hola, me parece que hiciste un muy buen análisis, está muy completo y por tus notas veo que estuviste muy atento,bueno te recuerdo que pases por mi blog y le des una checadita.
Edras, me parece que has dejado muchos espacios entre los parrafos.
En cuanto a lo que escribes, realmente no me queda muy claro el tema central de la charla, sin embargo la parte en donde hablas de la neuronasy su funcionamiento, me parece claro.
Publicar un comentario