🏠 Inicio
1.1 Introducción a la Inteligencia Artificial Historia de la Inteligencia Artificial 1.3 Las habilidades cognoscitivas 1.4 El proceso de razonamiento según la lógica 1.5 El modelo de adquisición del conocimiento según la filosofía. 1.6 El modelo cognoscitivo. 1.7 El modelo del agente inteligente, Sistemas Multi Agentes, Sistemas Ubicuos. 1.8 Heuristica
1.8 El papel de la heurística ▶
1.8.1 Algoritmos de exploración de alternativas 1.8.2 Algoritmo A* 1.8.3 Algoritmos de búsqueda local
2.1 Principios y Metodología de la Inteligencia Artificial 2.2 Paradigmas de la Inteligencia Artificial 2.3 Mapas conceptuales 2.4 Redes semánticas 2.5 Razonamiento monótono 2.7 Conocimiento no-monótono y otras lógicas 2.8 Razonamiento probabilístico 2.9 Teorema de Bayes
3.1 Representación de conocimiento mediante reglas 3.2 Métodos de Inferencia en reglas 3.3 Reglas de producción 3.4 Sintaxis de las reglas de producción 3.5 Semántica de las reglas de producción 3.6 Arquitectura de un sistema de Producción (SP) o sistemas basados en reglas, (SBR).
3.6 Arquitectura de sistemas ▶
3.6.1 Hechos 3.6.2 Base de conocimientos 3.6.3 Mecanismo de control
3.7 Espacios de estados determinísticos y no determinísticos 3.8 Busqueda Sistematica.
3.8 Búsqueda sistemática ▶
3.8.1 Búsqueda en profundidad 3.8.2 Búsqueda en anchura
4.1 Robótica
Robotica ▶
4.1.1. Conceptos básicos. 4.1.2. Clasificación. 4.1.3. Desarrollos actuales y aplicaciones.
4.2 Redes Neuronales
Redes Neuronales ▶
4.2.1. Conceptos básicos. 4.2.2. Clasificación 4.2.3. Desarrollos actuales y aplicaciones.
4.3. Visión artificial.
Vision Artificial ▶
4.3.1. Conceptos básicos. 4.3.2. Desarrollos actuales y aplicaciones.
4.4. Lógica difusa (Fuzzy Logic).
Logica Difusa ▶
4.4.1. Conceptos básicos. 4.4.2. Desarrollos actuales y aplicaciones.
4.5. Procesamiento de Lenguaje Natural (PLN).
Procesamiento de Lenguaje Natural ▶
4.5.1. Conceptos básicos. 4.5.2. Desarrollos actuales y aplicaciones.
4.6. Sistemas Expertos (SE).
Sistemas Expertos ▶
4.5.1. Conceptos básicos. 4.5.2. Clasificación 4.5.3. Desarrollos actuales y aplicaciones.

Inteligencia Artificial

🌸 3.6.1 HECHOS

 

  Fundamento teórico

Los hechos son datos o afirmaciones verdaderas que un sistema inteligente utiliza como información base para razonar.

En sistemas basados en reglas, los hechos representan el estado actual del entorno o del problema.

Son fundamentales porque constituyen la información que activa las reglas de producción.

Ejemplo:

  • El alumno entregó tarea
  • La temperatura es 39°C
  • El libro está disponible

Los hechos son almacenados en la base de hechos.

Características principales

Son verificables

Representan información objetiva.

Son dinámicos

Pueden cambiar.

Activan reglas

Permiten inferencias.

Alimentan el razonamiento

Sirven como entrada lógica.

Importancia

Los hechos son esenciales porque sin ellos el sistema no tendría información para evaluar reglas.

Funcionan como evidencia dentro del proceso inferencial.

Ventajas

  • Información concreta
  • Fácil actualización
  • Permiten razonamiento automático

Limitaciones

  • Deben ser correctos
  • Información errónea genera malas conclusiones

Aplicaciones

  • Diagnóstico médico
  • Sistemas escolares
  • Automatización industrial

Video explicativo:

Práctica:

Actividad: Construcción de base de hechos

Diseñar 15 hechos para un sistema universitario.

Ejemplo:

  • Alumno inscrito
  • Materia aprobada
  • Pago realizado
📄 Ver práctica en PDF

Evaluación:

  1. ¿Qué es un hecho?
  2. ¿Dónde se almacenan?
  3. ¿Por qué son importantes?
  4. ¿Cómo activan reglas?
  5. Da tres ejemplos.

Conclusión:

Los hechos representan la información fundamental que permite a los sistemas inteligentes razonar.

Son la base del funcionamiento lógico dentro de los sistemas basados en reglas.

Referencias APA 7

Giarratano, J., & Riley, G. (2005).

Russell, S., & Norvig, P. (2021).

Etiquetas: Arq-SPSBR, Unidad3

🔍 Buscar

🔥 Populares

  • IA
  • Historia

🏷️ Temas

  • Unidad 1
  • Unidad 2

Blog de Inteligencia Artificial