-
Period: to
Surge definitivamente la inteligencia artificial
A partir de algunos trabajos publicados en la década de 1940 que no tuvieron gran repercusión, pero a partir del influyente trabajo en 1950 de Alan Turing, matemático británico, se abre una nueva disciplina de las ciencias de la información. -
Period: to
Procesamiento del Lenguaje Natural
Disciplina de larga trayectoria. (Nace1960), como un subárea de la IA con el objeto de estudiar los problemas derivados de la generación y comprensión automática del LN. La Traducción automática nació a finales de los 40, antes de la expresión IA.
Una de las tareas fundamentales de la IA es la manipulación de LN usando herramientas de computación, los lenguajes de programación juegan un papel importante ya que forman el enlace necesario entre los LN y su manipulación por una máquina.
enlace 1 -
Period: to
Robótica
Comenzaron a desarrollarse prototipos de robots móviles, así tenemos el caso de Walterbot, desarrollado por Grey Walter en Inglaterra 1941 en el Burden Neurological Institute que era un dispositivo compuesto por un fototubo como ojo.
El desarrollo del brazo artificial multiarticulado, o manipulador, llevó al moderno robot. El inventor estadounidense George Devol desarrolló en 1954 un brazo primitivo que se podía programar para realizar tareas específicas.
Enlace 5 -
Period: to
Alan Turing
En 1950 Turing consolidó el campo de la inteligencia artificial con su artículo Computing Machinery and Intelligence, en el que propuso una prueba concreta para determinar si una máquina era inteligente o no, su famosa Prueba de Turing por lo que se le considera el padre de la Inteligencia Artificial.
Enlace 2 -
Period: to
Lógica difusa
Origen de la lógica difusa, o borrosa se encuentra en la obra de Lofti Zadeth (1965), cuando en la Universidad de Berkeley aplicó la lógica multievaluada de J. Lukasiewicz (definida en la década de los años veinte) a la teoría de conjuntos. Con ello pudo desarrollar una lógica que, a diferencia de la propia de Boole, contemplaba no sólo las opciones de verdadero y falso, sino también las múltiples variables de respuesta que se encuentran entre ambas.
Enlace 7 -
Period: to
Procesamiento de Lenguaje Natural y sus Aplicaciones (PLN)
PLN es la habilidad de la máquina para procesar la información comunicada, no solo las letras o sonidos. En este sentido, un perico no es un animal parlante; una contestadora común, impresora o un procesador de palabras como Word tampoco son dispositivos o SW de PLN, mientras que un traductor automático si lo es. PLN es área en continuo desarrollo, se aplica en la actualidad en diferentes actividades como sistemas de recuperación de información, elaboración automática de resúmenes, etc.
Enlace 3 -
Period: to
Reconocimiento de patrones (RP)
RP zona de conocimiento (carácter interdisciplinario) que se ocupa del desarrollo de teorías, métodos, técnicas, y dispositivos computacionales para la realización de procesos computacionales y/o matemáticos, relacionados con objetos físicos y/o abstractos, que tienen el propósito de extraer la información que le permita establecer propiedades y/o vínculos entre conjuntos de dichos objetos sobre la base de los cuales se realiza una tarea de identificación o clasificación.
Enlace 4 -
Period: to
Reconocimiento de patrones y sus aplicaciones
Cuba tiene inicios a finales de los 70, los trabajos fundamentales fueron: procesamiento digital de señales de audio/voz y las aplicaciones de herramientas matemáticas a la solución de problemas en las Geociencias y las Ciencias Sociales.
Inicios de 1990 se utiliza imágenes de video y se produce una mayor difusión del uso de imágenes digitales de los sensores SPOT, LANDSAT y NOAA AVHRR. Se comienzan a desarrollar sistemas computacionales para el reconocimiento de patrones en imágenes.
Enlace 4 -
Period: to
Lógica tradicional
Como dice Trillas, la lógica tradicional, desde Boole hasta ahora, «es un importante depósito a utilizar a lo largo de un camino que tiene al fondo, junto al problema de «clasificar», el de «evaluar» (1980)». Queremos decir con esto que los procesos educativos no siempre son discretos, pues pueden darse otras muchas posibilidades reales que hoy en día no se tienen en cuenta, o que se aplican falsamente a categorías discretas. Trillas (1980)
Enlace 7 -
Period: to
Sistemas Expertos (SE)
Máquinas que piensan y razonan, ejemplo un diagnostico medico requeriría como datos los síntomas del paciente, los resultados de análisis clínicos y otros hechos relevantes, utilizando estos, buscaría en una BD la información para poder identificar la enfermedad. Stevens
Como tal debería ser capaz de procesar y memorizar información, aprender y razonar en situaciones deterministas e inciertas, tomar decisiones apropiadas, y explicar por qué se han tomado tales decisiones. Durkin
Enlace 6