Sin título

@comproff

En com-proff, nos dedicamos a ofrecer soluciones innovadoras para la comunicación estratégica y el liderazgo empresarial. Nuestra misión es proporcionar las herramientas necesarias para que tu comunicación sea efectiva y actual, integrando tecnología y práctica. Creemos que comunicar va más allá de hablar o escribir; se trata de negociar, resolver conflictos y liderar equipos con éxito. Ofrecemos una variedad de cursos y talleres diseñados para fortalecer tus habilidades y ayudarte a destacarte en el ámbito profesional. Un líder excepcional sabe cómo comunicar su visión y movilizar a su equipo, y en com-proff, te enseñamos cómo hacerlo. Además, en el mundo empresarial actual, la capacidad de adaptarse es crucial. Te ayudamos a guiar a tu organización hacia la transformación, fomentando una comunicación dinámica y directa. Valoramos la transparencia y la autenticidad en todas nuestras interacciones y te enseñamos a hacer lo mismo. Nos aseguramos de que cada participante adquiera herramientas comunicativas aplicables y efectivas para su desarrollo profesional. Nuestro enfoque está orientado a la práctica y los resultados concretos. En com-proff, nos dedicamos a la excelencia en la comunicación. Nuestra misión es proporcionarte las habilidades y conocimientos necesarios para que comuniques con efectividad y hagas que cada interacción cuente. Buscamos elevar el estándar de la comunicación en el mundo laboral, ayudándote a construir relaciones sólidas y efectivas. Estamos aquí para ayudarte a superar los desafíos en comunicación y alcanzar tus objetivos profesionales. Contáctanos para explorar cómo podemos asistirte en lograr una comunicación más efectiva y con impacto. Te apoyamos en tu camino hacia una comunicación clara y exitosa.

284 posts

<p>Tales sistemas requieren, por ejemplo, un precio competitivo, capacidad de proceso en tiempo real, baja frecuencia de errores y flexibili

Tales sistemas requieren, por ejemplo, un precio competitivo, capacidad de proceso en tiempo real, baja frecuencia de errores y flexibilidad suficiente para adaptarse a los cambios de diseño que se efectúen en los productos). Hemos visto cómo los sistemas de visión incluyen sensores, procesadores de imagen, etc., y se complementan con ordenadores que proporcionan la inteligencia necesaria. El desarrollo del microprocesador ha acercado la capacidad de proceso al punto de trabajo. Como los programas de visión ya considerados, casi todos los sistemas industriales de visión comienzan por convertir en digital la imagen analógica proporcionada por los sensores. Seguidamente se procesa la matriz digital para localizar e identificar las características y fallos del producto. Los patrones y formas detectadas se pueden comparar con plantillas para revelar los fallos. En una aplicación se utiliza un método de múltiples adaptaciones de plantillas para detectar la posición de un transistor en un microcircuito en el campo visual de una cámara vidicón complementada con un microscopio. Posteriormente se pueden verificar fallos en el producto. Tales sistemas de detección de fallos están basados en la evaluación de disparidades en las características medidas: calidad de la textura, variaciones de color, etc. Una vez más, técnicas desarrolladas en la investigación de Al tienen aplicación. Práctica en métodos de detección de bordes para hallar discontinuidades en soldaduras, así como otras imperfecciones en productos fabricados.

<p>La decodificación del discurso depende de que la persona (o máquina) receptora que recibe el mensaje pueda hacer referencia y un núcleo d

La decodificación del discurso depende de que la persona (o máquina) receptora que recibe el mensaje pueda hacer referencia y un núcleo de conocimientos. Una palabra se interpreta dentro de un espectro de expectaciones influidas por un contexto de experiencia lingüística. Cuando nos habla un amigo, inconscientemente o conscientemente, estamos anticipando tanto las palabras que utilizará como su pretendido significado. Ello sugiere la constante referencia a una base de conocimientos, una circunstancia que tiene implicaciones en el diseño de sistemas artificiales para la comprensión del lenguaje. Fry escribía en 1970:”el lenguaje no se puede decodificar sin conocimientos previos del mismo… Tanto el que habla como el que escucha guardan en su córtex cerebral enormes cantidades de información relativas al lenguaje que utilizan”. Son los neurofisiólogos los que tienen que descubrir cómo este conocimiento lingüístico se distribuye en estructuras cerebrales.

#decodificacion

<p>La investigación de la visión es difícil, ya que es imposible para el ser humano describir y así poder explicar las etapas que componen c

La investigación de la visión es difícil, ya que es imposible para el ser humano describir y así poder explicar las etapas que componen cualquier proceso visual. En la resolución de problemas y en el juego de partidas, por ejemplo, el hombre puede intentar identificar y describir los heurísticos y protocolos implicados en el desarrollo de tales tareas. Sin embargo, ignoramos aún como el cerebro humano resuelve los problemas relacionados con la detección de líneas e identificación de objetos. No podemos dar una descripción de la “visión” que pueda ser incluida en un sistema artificial.

<p>Como en otras áreas de los trabajos en Al, la Investigación sobre comprensión del discurso y del lenguaje puede beneficiarse del estudio

Como en otras áreas de los trabajos en Al, la Investigación sobre comprensión del discurso y del lenguaje puede beneficiarse del estudio de los fenómenos biológicos correspondientes. Hemos visto anterior mente como el que haya suposiciones previas, probablemente programadas genéticamente en el cerebro de los mamíferos, es fundamental para la correcta interpretación de la información visual. Similarmente, en álogas estructuras cerebrales preestablecidas son igualmente esenciales para la adecuada interpretación de otros datos complejos en campos no visuales: por ejemplo, en comprensión del discurso y del lenguaje.

#lenguaje aplicado

<p>Las arquitecturas de sistemas de producción son otro destacado método de representación de conocimientos en sistemas de Al. Originalmente

Las arquitecturas de sistemas de producción son otro destacado método de representación de conocimientos en sistemas de Al. Originalmente fueron propuestos por A. Newell, 1973, como modelos de razonamiento humano. El planteamiento de los sistemas de producción está ligado al concepto de “regla”, cada una de las cuales es esencialmente un par operativo “patrón → acción” en un entorno de conceptos relevantes. La idea ha demostrado ser especialmente fructífera para la manipulación de conocimientos en sistemas expertos. Un sistema de Al puede acumular conocimientos en forma de reglas de producción. Esto es muy útil porque el conocimiento de un especialista se puede aumentar incrementalmente, y puede expresarse de una forma fácilmente comprensible por un experto familiarizado con la ingeniería del conocimiento. Las reglas se recogen del experto, se comprueba su coherencia, y se programa en el sistema de Al. Simultáneamente se analiza qué reglas son apropiadas e inadecuadas.

<p>En los primeros sistemas de Al, la representación de conocimientos no era una especialidad claramente diferenciada, aunque en algunos sis

En los primeros sistemas de Al, la representación de conocimientos no era una especialidad claramente diferenciada, aunque en algunos sistemas de los años sesenta se le reconocía una importancia fundamental. Es útil considerar una representación de conocimientos como una combinación de estructuras de datos y procedimientos interpretativos capaces de hacer que un programa exhiba un comportamiento “experto”. Uno de los temas centrales de la investigación en Al es desarrollar procedimientos capaces de manipular inteligentemente estructuras de datos. De este modo un ordenador puede pensar sobre su base de conocimientos. Entendiendo por pensamiento capacidad para traducir eficazmente estructuras de datos en conocimientos, en forma similar a como un lector transforma el contenido de un libro en fuente de conocimiento interno. La eficacia con que estos procedimientos actúan sobre las estructuras de datos para generar inferencias determina en gran medida la competencia, o nivel de inteligencia, del sistema. Esta es una de las razones por la que la representación de conocimientos es una de las áreas más activas de la investigación actual en Al.

<p>Todo apunta a que el ingeniero de conocimientos llega a su nuevo papel a través de la programación. Existen varias técnicas de programaci

Todo apunta a que el ingeniero de conocimientos llega a su nuevo papel a través de la programación. Existen varias técnicas de programación heurística que indican modos de recoger la maestría humana y hacerla disponible a otros. A veces la tarea de captar el conocimiento humano refina la pericia del experto, pues se ponen de manifiesto inconsistencias en su propio modo de pensar. Una de las primeras tareas del ingeniero de conocimientos consiste en persuadir al experto para que permita que sus amplios conocimiento6sean trasladados a una base de datos. A menudo la vanidad humana es una dificultad. Feigenbaum y Mc Corduck (1948) cuenta de un experto que amablemente consintió la extracción de sus conocimientos, pero su ego sufrió un severo revés cuando vio toda su maestría, cosechada durante muchos años y de la que él se sentía tan orgulloso, convertida en unos cientos de proposiciones heurísticas. Al principio no se lo podía creer, y finalmente se sintió muy deprimido. Y cuando al experto no le preocupa la vanidad, contesta que está muy ocupado.

<p>Donde quiera que haya inteligencia existe un elemento interno (cerebral) y un elemento de comportamiento. Incluso la mejor capacidad ment

Donde quiera que haya inteligencia existe un elemento interno (cerebral) y un elemento de comportamiento. Incluso la mejor capacidad mental resultaría inútil si no se manifestase en comportamientos. En los ordenadores este elemento de comportamiento puede ser la mera representación en pantalla de los resultados de una computación: la visualización en pantalla transmite la respuesta a una consulta, la solución a un problema, o la toma de una decisión. Es un comportamiento análogo al de una persona que después de haber pensado sobre un problema, escribe la solución o comunica a otra persona la decisión que ha tomado. Por supuesto, los ordenadores pueden también manifestar sus conclusiones en forma hablada o escrita.

#vision #inteligencia

<p>Los mecanismos de representación de conocimientos son (in Importantes en los seres humanos y otros animales como en los sistemas de intel

Los mecanismos de representación de conocimientos son (in Importantes en los seres humanos y otros animales como en los sistemas de inteligencia sintética. En los sistemas biológicos al igual que en los artefactos, la representación de conocimientos es una consideración importante para una gran variedad de funciones cognoscitivas: uso de la memoria, resolución de problemas, toma de decisiones, identificación de patrones, etc. En la sicología humana el estudio de la representación de conocimientos es normalmente sinónimo del estudio de las funciones memorísticas. Por ejemplo, una representación clave de memoria, la red semántica, es fundamental para el estudio de los métodos de representación de conocimientos.

#IA #psicologia

<p>Es utilizado en programación lógica, se ha convertido en un lenguaje fundamental para Al y ordenadores de quinta generación. Este lenguaj

Es utilizado en programación lógica, se ha convertido en un lenguaje fundamental para Al y ordenadores de quinta generación. Este lenguaje usa el principio de resolución, desarrollado por el profesor John Robinson de la Universidad de Syracuse de los Estados Unidos. Resuelve los problemas mediante una serie de inferencias lógicas, de modo similar a como los sistemas expertos usan el razonamiento deductivo.

<p>Un impacto de la informática sobre la sicología cognoscitiva es que actualmente biólogos e informáticos hablan con toda naturalidad de pr

Un impacto de la informática sobre la sicología cognoscitiva es que actualmente biólogos e informáticos hablan con toda naturalidad de programas de visión. Dichos programas, ya sea en artefactos o en animales, deben tener potencia para interpretar la información de entrada a fin de que el sistema (del que los programas forman parte) tenga una imagen del mundo externo ¿Qué ocurre, por ejemplo, cuando alguien contempla un objeto de color rojo? Se produce una impresión inmediata, aunque ni el objeto ni un haz de luz roja hayan tocado el nervio óptico. En cierto sentido los impulsos nerviosos son símbolos que re-presentan al objeto rojo y pueden ser decodificados por un mecanismo adecuado de proceso de información en el cerebro o en un ordenador.

<p>El conocimiento, en una u otra forma, es el núcleo central de toda la investigación en Al. Actualmente, en dicho contexto, es la intelige

El conocimiento, en una u otra forma, es el núcleo central de toda la investigación en Al. Actualmente, en dicho contexto, es la inteligencia de un sistema informático que transforma datos e información en conocimiento. Tradicionalmente, los datos se han considerado como entrada elaborada. Por el contrario, la información se considera como datos avaluados situados en un contexto significativo. Hoy se ha añadido un nuevo parámetro, el conocimiento. Podemos decir que conocimiento es toda la información sobre la que el ordenador puede pensar. La utilización de la palabra “conocimiento” para significar los elementos de interés para el sistema de Al no es accidental. En este contexto “conocimiento” no es una metáfora: indica la nueva circunstancia de que la máquina puede considerarse que tiene estados mentales. Cuando decimos que un coche de una marca determinada “sabe correr” o “no le gusta arrancar por las mañanas”, estamos usando metáforas para denotar características de la máquina. Pero cuando en el contexto de sistemas expertos o sistemas de Al hablamos de aprendizaje, adquisición de conocimientos y pensamiento, estamos comenzando a usar estos conceptos en sentido literal. Pronto podremos decir con propiedad que los ordenadores son “conocedores” y “pensadores”.

<p>Se ha intentado desarrollar por separado los algoritmos necesarios para computar los diferentes elementos que combinados producen la visi

Se ha intentado desarrollar por separado los algoritmos necesarios para computar los diferentes elementos que combinados producen la visión; v. g.: ver un Mercedes rojo y saber lo que es. Poggio,1984, por ejemplo, explora la secuencia de algoritmos que:

– extrae información del contorno de una imagen iluminada.

– ya partir de dichos contornos calcula la profundidad del objeto en un entorno de tres dimensiones

<p>Normalmente, el razonamiento está relacionado con la resolución de problemas. Por ejemplo, el Logic Theorist usa métodos deductivos (razo

Normalmente, el razonamiento está relacionado con la resolución de problemas. Por ejemplo, el Logic Theorist usa métodos deductivos (razonamiento) para resolver problemas relativos a la demostración de problemas. El razonamiento puede ser de varios tipos: deductivo, inductivo, analógico, sentido común, etc. El planteamiento de Robinson (1965), por ejemplo, suele ser descrito en términos de procedimientos de resolución, siendo ésta la regla básica de inferencia. Este enfoque ha tenido un gran impacto en la resolución de problemas y en la aplicación del sentido común. Se ha sugerido que un planteamiento resolutivo puede facilitar la estructuración de un solucionador de problemas universal mediante la descripción del problema en lógica de primer orden (v. g.: en cálculo proposicional) y deduciendo las soluciones a través de un procedimiento general de demostración.

<p>La capacidad de aprendizaje es una de las habilidades que algunos observadores niegan a los sistemas informáticos. Tal vez, sin embargo,

La capacidad de aprendizaje es una de las habilidades que algunos observadores niegan a los sistemas informáticos. Tal vez, sin embargo, una de las contribuciones más sorprendentes de la investigación en inteligencia sintética sea la demostración de que los ordenadores pueden aprender de muy diferentes modos. Se han hecho varios intentos de categorización de los tipos de aprendizaje utilizados por los seres humanos y otros animales. La clasificación más simple divide el aprendizaje en “saber que…”(aprendizaje de los hechos) y “saber cómo…” (aprendizaje de habilidades). Rafael (1976) identifica cuatro clases de aprendizaje: rutinario, paramétrico, metódico, y conceptual.

#tipos de aprendizaje

<p>Muchas de las pretensiones de los primitivos entusiastas de la inteligencia sintética todavía no se han realizado. Por ejemplo, aún no se

Muchas de las pretensiones de los primitivos entusiastas de la inteligencia sintética todavía no se han realizado. Por ejemplo, aún no se dispone de un traductor universal entre dos idiomas, y el campeón mundial de ajedrez todavía es un ser humano. No obstante, se ha obtenido un avance considerable en diferentes campos de la Al

<p>Es útil, en cierto modo como resumen, señalar lo que se entiende por inteligencia artificial o sintética. La palabra inteligencia se deri

Es útil, en cierto modo como resumen, señalar lo que se entiende por inteligencia artificial o sintética. La palabra inteligencia se deriva del latín “inteligencia” que significa discernir, comprender, captar. En sentido general “intellegere” significa distinguir entre, es decir, comprender, percibir, y saber. En 1983, Feigenbaum y Mc Corduck comentaban: “si pudiésemos imaginar un artefacto capaz de elegir, comprender, percibir y saber, tendríamos inteligencia artificial.

Sin título @comproff - Tumblr Blog | Tumgag