Abel&Mily

tablilla

2010-05-19T07:09:00.001-07:00

imagenes

2010-04-26T07:56:00.000-07:00

banner

2010-04-26T07:49:00.000-07:00

banner

2010-04-19T22:29:00.001-07:00

banner

2010-04-19T22:05:00.001-07:00

iheoewh

2010-04-19T22:03:00.001-07:00

aedfsrvg

2010-04-19T08:14:00.001-07:00

dfnhdf

2010-04-19T06:46:00.000-07:00

dfbvfdsvbfdvfd

2010-03-09T21:00:00.000-08:00

En la opinión de...... Abel Jiménez

2009-05-30T20:34:00.000-07:00

Que México entero necesita una reestructuración completa de su técnica de enseñanza y de aprendizaje?, tal vez; de algo estoy seguro, que doce años de mi vida llevando el método “bulímico” de enseñanza; en el kínder te dicen que un circulo es una especie de una bola, como un señor gordo, y que una línea es como un palito de paleta; en la primaria nos dicen que las cebras son como un burro pero con rayas, todo eso está bien pero durante toda la vida de un mexicano, el método de enseñanza es igual.
Ahora, la URSE propone un método totalmente diferente a lo que estábamos acostumbrados, basado en cuatro pilares de la UNESCO, que me parecen excelentes y que si mal no recuerdo se parecen bastante a los principios que ocupa el director de Yakult en algunas de sus conferencias, estos pilares para una buena educación son bastante prometedores en cuestión de la cultura de la Universidad.
El fundamento pedagógico que emplea el método que propone la universidad se basa más que nada en que el alumno sea guiado por el profesor, por poner un ejemplo, es como cuando eres bebe y estas aprendiendo a caminar, los papás nos dan la mano mientras aprendemos a equilibrarnos para no caer, pero una vez que sabemos caminar lo que nos hace falta es práctica y más práctica, se me hace un buen modelo el que propone la Universidad.
Por una parte los alumnos que nos vemos beneficiados con la implementación de este método, tenemos la disposición, tenemos el compromiso y lo que se necesita para sacar adelante el buen funcionamiento de este método, sin embargo los guías y facilitadores del conocimiento deben entender que la resistencia al cambio que presentan los alumnos es natural, pues salir del agujero donde siempre estábamos y desempolvar nuestros cerebros y presentar iniciativas y propuestas nos va a costar un poco de trabajo pero sabemos que saldremos adelante.
Felicidades a la UNESCO por proponer este método tan innovador y sobre todo gracias a la URSE por adoptarlo y ponerlo en práctica en estas generaciones, sé que más de uno se va a ver beneficiado.

Mapa conceptual del capítulo 8.4

2009-03-31T18:48:00.000-07:00

Mapa Concetual Capitulo 1... Lo rescatable

2009-03-18T19:15:00.001-07:00

No hay un héroe como yo

2009-03-07T22:12:00.000-08:00

NOMBRE REAL: Abel Jiménez
OCCUPACION: Empledo
IDENTIDAD: Ip-Man
OCUPACION: Luchador
Otros Alias: Señor Red
Lugar de nacimiento: Isla Volcánica
Estado Civil: Casado
Grupo de Afiliación: Aún no lo decide
Género: Masculino.
Tipología: Héroe.
Poderes: Inteligencia, fuerza extrema
Valor: valentía, paciencia
profesión: informático.

Historia: Nace en una isla volcánica, aislado de la tecnología y las comodidades, cuando salió de la isla vino a Oaxaca y se sorprendió de la interminable tecnología que en esa ciudad había, estudio informática pues sus habilidades se lo permitieron, destacó en redes y se baso mucho en esa área; cuando en casa hacia un experimento de redes, su terminal celular le dio una tremenda descarga y con ella alteró sus moléculas al grado tal que podía viajar a través de la fibra óptica de la red telefónica.
Desde entonces ocupa esta habilidad para proteger a aquellas personas que llaman al 066 para pedir auxilio y llegar antes que la policía, su celular le permite viajar vía 3G a cualquier parte del mundo y así combatir las fuerzas del mal, ahora está viviendo su vida tranquilamente y la única que sabe su identidad secreta es su amada Mily, cuando no está combatiendo las atrocidades de la mano del mal trabaja como hacker en casa y aun está en la URSE estudiando informática, su debilidad es su celular y la protección de su amada novia.

No hay un héroe como yo

2009-03-07T22:10:00.001-08:00

Como ya todos sabemos; para desarrollar el proyecto intersemestral tuvimos que echar a volar nuestra imaginación y crear un superhéroe a partir de nosotros mismos; bueno pues yo cree mi superhéroe, para ellos solo me base en mi mismo, en lo que soy y en lo que sé; mis aptitudes y mis debilidades.
Mi personaje representa lo que soy y a la vez lo que me gustaría ser, son tranquilo, no tengo poderes sobrenaturales, mis debilidades no las puedo ocultar al igual que mis aptitudes.
No tuve que buscar mucho dentro de mi para poder plasmarlo en mi héroe.
Mis debilidades son las mismas que las de la vida real, y mis aptitudes también, aprendi de mi que así tal y como yo me veo, también otros me ven así, esto quiere decir que mi realidad y concepción que tengo de mi no esta tan fuera de contexto.
De mí sé mucho y tengo muy presentes mis virtudes y mis defectos, pero de mis compañeros no conocía muchas cosas pues no e había preocupado de profundizar en eso, cada persona es un universo paralelo y debemos saber respetar su imaginación.
Cabe decir que me proyecte mucho en mi personaje pero no puedo ocultar mi verdadera esencia.

Conocimiento, concepto y tipos

2009-02-25T15:01:00.000-08:00

El conocimiento es más que un conjunto de datos, visto solo como datos es un conjunto sobre hechos, verdades o de información almacenada a través de la experiencia o del aprendizaje (a posteriori), o a través de introspección (a priori).
El conocimiento es una apreciación de la posesión de múltiples datos interrelacionados que por sí solos poseen menor valor cualitativo. Significa, en definitiva, la posesión de un modelo de la realidad en la mente.
El conocimiento comienza por los sentidos, pasa de estos al entendimiento y termina en la razón. Igual que en el caso del entendimiento, hay un uso meramente formal de la misma, es decir un uso lógico ya que la razón hace abstracción de todo un contenido, pero también hay un uso real.
Representación del conocimiento
Representación del conocimiento.
Definición
Una representación es un conjunto de convenciones sobre la forma de describir un tipo de cosas. Una descripción aprovecha las convenciones de una representación para describir alguna cosa en particular.
Las características de una buena representación son:
• Los objetos y las relaciones importantes deben aparecer explícitamente y de forma conjunta
• Las restricciones inherentes al problema se muestran pero no los detalles irrelevantes.
• La representación debe ser transparente: se entiende lo que se dice.
• Completa y concisa: Están representados con eficacia todos los objetos y relaciones.
• Rápidos y computables: Se puede almacenar y recuperar la información con rapidez, y se pueden crear mediante un procedimiento ya existente.
Partes de una representación:
• Parte léxica: Determina qué símbolos están permitidos en el vocabulario de la representación.
• Una parte estructural que describe las restricciones sobre la forma en que los símbolos pueden ordenarse.
• Una parte operativa que especifica los procedimientos de acceso que permiten crear descripciones, modificarlas y responder a preguntas utilizándolas.
• Una parte semántica que establece una forma de asociar el significado con las descripciones.
TIPOS DE CONOCIMIENTO
Según Foray y Lundvall han formulado una distinción entre 4 diferentes clases de conocimiento:
Saber qué: Conocimiento acerca de hechos, cercano a lo que comúnmente llamamos información y que puede ser comunicado como datos.
Saber cómo: Relativo a la habilidad o capacidad de hacer algo.
Saber por qué: Referido al conocimiento sobre principios y leyes de movimiento en la naturaleza, en la mente humana y en la sociedad.
Saber quién: Referente al conocimiento basado en diferentes disciplinas, que requiere acceso a distintas fuentes de conocimiento, e información sobre quién sabe qué y quién sabe hacer qué, así como la habilidad para cooperar y comunicarse con diferentes tipos de personas y expertos.
Además de estos, otros autores identifican otros tipos de conocimiento:
• El conocimiento a priori es independiente de cualquier experiencia, verdad universal y necesaria.
• El conocimiento a posteriori deriva de la experiencia de los sentidos. Puede rechazarse sin necesidad de una contradicción.
• El conocimiento puede ser codificado si se puede almacenar o especificar formalmente de tal manera que no se pierda ninguna información. Por contraposición el conocimiento no codificado es aquél que no puede ser codificado ya que es difícil de expresar o explicitar.
• El conocimiento puede ser público si es fácil de compartir, y consiste en un conocimiento creado/difundido por la sociedad. En cambio, si es personal ha sido construido por el propio individuo; es la base del conocimiento público.
• El conocimiento puede ser orientado si hace referencia a las relaciones causales entre conceptos, y será axiomático cuando se refiera a explicaciones de causas finales o a priori de sucesos.
• El conocimiento es explícito si puede ser transmitido de un individuo a otro mediante algún medio de comunicación formal. Si el conocimiento es difícil de comunicar o de formalizar, hablamos de conocimiento tácito o implícito.
• El conocimiento es empírico si ha sido asumido colectivamente a través de ciertos resultados a los que no se ha llegado aplicando ningún método formal. Si por el contrario se ha seguido una metodología estamos ante conocimiento científico.
Representación y uso del conocimiento
Lógica
Si recordamos brevemente su historia, la lógica como ciencia ha pasado por diversas etapas. En un principio —desde su origen en los tiempos de Aristóteles (denominada lógica clásica) se dedicó principalmente a la identificación de las formas de razonamiento humano. En una segunda etapa se definieron un conjunto de cálculos formales, sobre todo a raíz de la formulación matemática de Boole y Fregge, inspirada en el planteamiento de Leibniz de formalizar la lógica como un cálculo para mani¬pular ideas, que finalmente culminó en los Principia Mathematica de White¬head y Russell en 1913. El estudio de las limitaciones del cálculo (Gödel en 1936 demostró la incompletitud del enfoque axiomático) produjo un cierto desen¬canto hasta que la aparición de los ordenadores, junto con el abandono de los objetivos de formulación universal de la matemática, ha incentivado nuevos avances en las formulaciones existentes. De entre ellas destacamos - dados los objetivos del presente programa - la regla universal de resolución [Robinson, 1965] y el tratamiento de la incertidumbre realizado en la lógica difusa - o borrosa - [Zadeh,1965; 1975].
LÓGICO
Los mapas conceptuales son la representación gráfica del estado del conocimiento de un sujeto o grupo, en un momento dado. Es una herramienta gráfica para organizar y representar conocimiento (Novak y Cañas, 2006).
Los mapas conceptuales reflejan la estructura cognitiva del individuo, es decir, reflejan la forma en que el sujeto o grupo establece relaciones entre diferentes conceptos relevantes en un dominio dado. Refleja entonces la forma de relacionar y también la forma de relacionarse (Beirute, 2002). Fundamentado en el Constructivismo (Piaget, 1969) y el Aprendizaje Significativo de Ausubel y Novak (1978), propone un modelo gráfico para representar el proceso de construcción del conocimiento.

Qué será; qué será????

2009-02-20T09:50:00.001-08:00

Redes Neuronales

2009-02-16T14:36:00.000-08:00

Esta tecnología puede ser desarrollada tanto en software como en hardware y con ella se pueden construir sistemas capaces de aprender, de adaptarse a condiciones variantes, o inclusive si se dispone de una colección suficiente grande de datos, predecir el estado futuro de algunos modelos.
Estas técnicas son adecuadas para enfrentar problemas que hasta ahora eran resueltos sólo por el cerebro humano y resultaban difíciles o imposibles para las máquinas lógicas secuenciales. Un procesamiento paralelo realizado por un gran número de elementos altamente interconectados, es la clave de su funcionamiento.
Las Redes Neuronales (Neural Networks) son utilizadas para la predicción, la minería de datos (data mining), el reconocimiento de patrones y los sistemas de control adaptativo. Constituyen una parte muy importante en el estudio y desarrollo de la inteligencia artificial (AI) y el de la vida artificial (a-life).
Las RN pueden ser combinadas con otras herramientas como la lógica difusa (lógica fuzzy), los algoritmos genéticos, los sistemas expertos, las estadísticas, las transformadas de Fourier, etc.
PANORAMA HISTÓRICO
Conseguir, diseñar y construir máquinas capaces de realizar procesos con cierta inteligencia ha sido uno de los principales objetivos y preocupaciones de los científicos a lo largo de la historia. Sin embargo a pesar de disponer de herramientas y de lenguajes de programación diseñados para el desarrollo de máquinas inteligentes, existe un problema de fondo que limita los resultados: estas máquinas se implementan sobre ordenadores basados en la filosofía de Von Neumann, y se apoyan en una descripción secuencial del proceso de tratamiento de la información.
Las primeras explicaciones teóricas sobre el cerebro y el pensamiento fueron dadas por algunos filósofos griegos, como Platón y Aristóteles, quienes fueron apoyados después por Descartes y filósofos empiristas.
Alan Turing, en 1936, fue el primero en estudiar el cerebro como una forma de ver el mundo de la computación, pero quienes primero concibieron algunos fundamentos de la computación neuronal fueron Warren McCulloch y Walter Pitts, después otras teorías iniciales fueron expuestas por Donald Hebb. Pero solo hasta 1957 Frank Rosenblatt comenzó el desarrollo del Perceptrón, la red neuronal más antigua de la que me encargaré posteriormente.
Más adelante apareció el modelo ADALINE, desarrollado por Bernard Widrow y Marcial Hoff.
Stephen Grossberg realizó Avalancha en 1967, hasta 1982 el crecimiento se frenó pero surgieron luego investigaciones sobre redes como la de Marvin Minsky y Seymour Papert, después James Anderson desarrolló el Asociador Lineal, en Japón Kunihiko Fukushimika y Teuvo Kohonen que se centraron en redes neuronales para el reconocimiento de patrones; en USA John Hopfield también realizó importantes investigaciones.
APLICACIONES
Las características de las RNA las hacen bastante apropiadas para aplicaciones en las que no se dispone a priori de un modelo identificable que pueda ser programado, pero se dispone de un conjunto básico de ejemplos de entrada (previamente clasificados o no). Asimismo, son altamente robustas tanto al ruido como a la disfunción de elementos concretos y son fácilmente paralelizables.
Esto incluye problemas de clasificación y reconocimiento de patrones de voz, imágenes, señales, etc. Asimismo se han utilizado para encontrar patrones de fraude económico, hacer predicciones en el mercado financiero, hacer predicciones de tiempo atmosférico, etc.
También se pueden utilizar cuando no existen modelos matemáticos precisos o algoritmos con complejidad razonable; por ejemplo la red de Kohonen ha sido aplicada con un éxito más que razonable al clásico problema del viajante (un problema para el que no se conoce solución algorítmica de complejidad polinómica).
Otro tipo especial de redes neuronales artificiales se ha aplicado en conjunción con los algoritmos genéticos (AG) para crear controladores para robots. La disciplina que trata la evolución de redes neuronales mediante algoritmos genéticos se denomina Robótica Evolutiva. En este tipo de aplicación el genoma del AG lo constituyen los parámetros de la red (topología, algoritmo de aprendizaje, funciones de activación, etc.) y la adecuación de la red viene dada por la adecuación del comportamiento exhibido por el robot controlado (normalmente una simulación de dicho comportamiento)
EJEMPLOS
Quake II Neuralbot
Un bot es un programa que simula a un jugador humano. El Neuralbot es un bot para el juego Quake II que utiliza una red neuronal para decidir su comportamiento y un algoritmo genético para el aprendizaje. Es muy fácil probarlo y ver su evolución.
Clasificador No Sesgado de Proteínas
Es un programa que combina diversas técnicas computacionales con el objetivo de clasificar familias de proteínas. Un posible método consiste en utilizar métricas adaptativas como por ejemplo: mapas autoorganizados y algoritmos genéticos.
El problema de clasificación no sesgada basada en la expresión de las proteínas en Aminoácidos puede reducirse, conceptualmente, a lo siguiente:
• La identificación de grupos de proteínas que compartan características comunes.
• La determinación de las razones estructurales por las cuales las proteínas en cuestión se agrupan de la manera indicada.
• Evitar la idea de establecer criterios de clasificación (“sesgados”) fundamentados en ideas preconcebidas para lograr su clasificación. En este sentido, hay dos asuntos que considerar:
o Cómo lograr la caracterización de las proteínas de manera no sesgada
o Cómo lograr lo anterior sin apelar a medidas de agrupamiento que, a su vez, impliquen algún tipo de sesgo sobre dicho agrupamiento.
Las RNA han sido aplicadas a un número en aumento de problemas en la vida real y de considerable complejidad, donde su mayor ventaja es en la solución de problemas que son bastante complejos para la tecnología actual, tratándose de problemas que no tienen una solución algorítmica o cuya solución algorítmica es demasiado compleja para ser encontrada.
En general, debido a que son parecidas a las del cerebro humano, las RNA son bien nombradas ya que son buenas para resolver problemas que el humano puede resolver pero las computadoras no. Estos problemas incluyen el reconocimiento de patrones y la predicción del tiempo. De cualquier forma, el humano tiene capacidad para el reconocimiento de patrones, pero la capacidad de las redes neuronales no se ve afectada por la fatiga, condiciones de trabajo, estado emocional, y compensaciones.
Se conocen cinco aplicaciones tecnológicas aplicadas:
1. Reconocimiento de textos manuscritos
2. Reconocimiento del habla
3. Simulación de centrales de producción de energía
4. Detección de explosivos
5. Identificación de blancos de radares.

Aplicaciones de las Redes Neuronales
Las redes neuronales son una tecnología computacional emergente que puede utilizarse en un gran número y variedad de aplicaciones, tanto como comerciales como militares.
Hay muchos tipos diferentes de redes neuronales, cada uno de los cuales tiene una aplicación particular más apropiada. Separándolas según las distintas disciplinas algunos ejemplos de sus aplicaciones son:
Biología:
Aprender más acerca del cerebro y otros sistemas.
Obtención de modelos de la retina.
Empresa
Reconocimiento de caracteres escritos.
Identificación de candidatos para posiciones específicas.
Optimización de plazas y horarios en líneas de vuelo.
Explotación de bases de datos.
Evaluación de probabilidad de formaciones geológicas y petrolíferas.
Síntesis de voz desde texto.
Medio Ambiente
Analizar tendencias y patrones.
Previsión del tiempo.
Finanzas
Previsión de la evolución de los precios.
Valoración del riesgo de los créditos.
Identificación de falsificaciones.
Interpretación de firmas.
Manufacturación
Robots automatizados y sistemas de control (visión artificial y sensores de presión, temperatura, gas, etc.)
Control de producción en líneas de proceso.
Inspección de calidad.
Filtrado de señales.
Medicina
Analizadores del habla para la ayuda de audición de sordos profundos.
Diagnóstico y tratamiento a partir de síntomas y/o de datos analíticos (encefalograma, etc.).
Monitorización en cirugía.
Predicción de reacciones adversas a los medicamentos.
Lectoras de Rayos X.
Entendimiento de causa de ataques epilépticos.
Militares
Clasificación de las señales de radar.
Creación de armas inteligentes.
Optimización del uso de recursos escasos.

ANALISIS DE SISTEMAS DOS ENFOQUES DISTINTOS PERO SIMILARES...

2009-02-14T10:05:00.001-08:00

Los sistemas que se implementan a menudo en las empresas son sistemas complejos y que requieren de un constante mantenimiento y de mejoras para aumentar su ciclo de vida. Pero antes de hacer vivir a un sistema también necesita de otro ciclo. El ciclo de vida de desarrollo de un sistema ¿Qué es el ciclo de desarrollo de un sistema?, el ciclo de vida de desarrollo de sistema tiene diferentes concepciones, nos basaremos en solamente dos; Barlow, V(2001), en su libro análisis y diseño de sistemas de información nos dice que es u proceso mediante el cual analistas, ingenieros, programadores y usuarios trabajan conjuntamente para crear sistemas de información computacionales, esto es, que un grupo de personas que tienen una necesidad en común se reúnen para generar y crear ideas para un nuevo sistema de información, por parte de los programadores, ingenieros, analistas tiene la necesidad de trabajar con el usuarios por percibir un sueldo, mientras que el usuario tiene la necesidad de un sistema eficaz y que cumpla con sus expectativas.

Barlow, V, et. al. (2001) nos habla directamente de todos los procesos que se deben seguir para un buen análisis de sistema, involucrar al máximo al usuario para así saber todos los requerimientos que el sistema deba cubrir, asimismo, los analistas, ingenieros y programadores deben estar en constante comunicación con el usuario, deben saber; como se siente, como interactúa, que le hace falta y que le sobra al sistema. Para realizar dicho análisis los analistas valga la redundancia deben apoyarse en métodos ya establecidos con anterioridad, algunos bastante eficientes y otros no tanto y de esto dependerá la vida útil del sistema y de su aprovechamiento al máximo.

Tenemos dos enfoques muy similares pero con algunas discrepancias que iremos describiendo a lo largo de este articulo.

Por una parte tenemos a Schach, S(2006) con una ideología completamente mejorada a la de Barlow, V (2001), puesto que nos plantea varios métodos eficaces a la hora de hacer análisis de sistemas, nos habla de iteraciones, agregaciones, retroalimentación, incrementación; sus riesgos y sus ventajas al momento de programar cierta parte del sistema. Una idea muy buena es la de trabajar modularmente, o de desfragmentar por llamarlo de algún modo, el sistema a analizar para su mejor comprensión y análisis. El método al que se refiere como más eficaz en cuestión del análisis de sistemas, es el de Iteración e incrementación; este método se refiere más que nada a generar versiones del un sistema, y observar el comportamiento de los usuarios a la hora de interactuar con el mismo. La incrementación es solo agregar nuevos artefactos (como le llama Schach en su libro), a la versión de sistema que está en prueba.

El peor de los métodos de análisis de sistemas que propone Schach en su obra es el llamado ciclo de vida de codificación y ajuste este sistema nos dice el autor es uno de los más implementados por los analistas novatos, pero también uno de los más sufridos por los programadores e ingenieros de sistemas. Esto se debe a que antes de cualquier análisis los programadores ya están trabajando en una versión prototipo que se le da al usuario a prueba, después de esto se modifica dicha versión hasta que el usuario quede totalmente satisfecho. En este método se carece de requerimientos, especificaciones y diseño previo a la programación del sistema, es decir, los programadores “tiran código”, hasta que el cliente quede totalmente satisfecho, esto repercute en un elevado costo y en un tiempo desperdiciado por parte de los analistas del sistema.

El otro autor Barlow, V(2001) nos presenta una forma más ordenada de llevar el sistema al análisis muchas veces los analistas ven un sistema realizado por ellos como su hijo, mientras que no es así pues todo el equipo colabora sincrónicamente para realizarlo es por ello que se debe dividir el trabajo pero sabiendo que va a formar parte de un solo proyecto, Barlow nos plantea una serie de pasos a seguir para un buen desempeño del análisis; primero nos dice que debemos implicar al usuario, es decir, llenarlo, empaparlo de lo que va a ser el sistema; el segundo paso planteado es buscar un método para la solución de problemas, esto quiere decir que; el ciclo de vida de desarrollo de sistemas nos presenta tanto la solución de problemas reales, como la oportunidad de mejorar normas y procedimientos impuestas por la organización; la fase tres propone definir tiempos y actividades, es decir, el análisis de sistemas se debe dividir en secciones para un mejor aprovechamiento del tiempo y mientras más tiempo pase más complejo debe estar el sistema; el punto cuatro no dice que debemos establecer normas de desarrollo y documentación estándar, o sea, fijar consistencias en cuanto al desarrollo y la documentación que arroje el sistema.

Este autor también nos propone diseño de prototipos y modelización de los mismos.

En cuanto a las diferencias establecidas anteriormente yo elegiría la metodología de Schash con iteración e incrementación pero al mismo tiempo los principios de Barlow para seguir un orden y estándares a la hora de analizar los requerimientos de un sistema, claro, debemos ver bien el entorno y el también en que se va a desarrolla para poder ver que método se desea usar y cual será más factible utilizar en ese momento, aunque el usuario y la comunicación con este no debe faltar en ningún momento, al igual que las pruebas que requiera el sistema a implementar posteriormente.

Historia cronologica de la Inteligencia Artificial según Jackson (1986)

2009-02-05T14:56:00.000-08:00

INTELIGENCIA ARTIFICIAL: CONCEPTO, OBJETIVOS Y USOS

2009-02-03T14:52:00.000-08:00

La inteligencia artificial (IA) es la lógica que presentan las maquinas para resolver ciertos problemas y en diversos escenarios, si la necesidad de que la mano del hombre actúe sobre ellas o modifique sus resultados, es decir, una vez definido el escenario y la problemática esta máquina o artefacto será capaz de lanzar ciertos datos de acuerdo al problema planteado.

La IA nació como un estudio filosófico y razonístico de la inteligencia humana, mezclada con la inquietud del hombre de imitar el cerebro humano o de los seres vivos (como volar o nadar), hasta inclusive querer imitarse a sí mismo. Sencillamente, la Inteligencia Artificial busca el imitar la inteligencia humana, y así mismo saber como el razonamiento humano resuelve problemas cotidianos.

Los usos de la IA son variados y en diversas ramas del conocimiento, desde robots en las maquiladoras, ensambladoras, industrias de materiales peligrosos, etc. hasta supercomputadoras capaces de resolver problemas matemáticos sumamente complejos, que al ser humano le llevaría semanas incluso meses, a esta máquina le lleva solo fracciones de segundo encontrar el resultado. El objetivo de etas desde mi punto de vista personal es además de facilitar la vida del hombre y alejarla de trabajos riesgosos que pongan en peligro la vida humana de las personas que ahí trabajan; pero la contraparte es que entorpecen el cerebro humano y nos hacen un poco más inútiles. (En la época de las cavernas cazaban y elaboraban sus armas, ahora solo compramos en Soriana y las armas con USA jajá).