martes, 15 de diciembre de 2009
martes, 24 de noviembre de 2009
Prueba de Turing
Prueba de Turing
Se llama Prueba o Test de Turing al procedimiento desarrollado por Alan Turing para identificar la existencia de inteligencia en una máquina.
Expuesto en 1950 en un artículo para la revista Mind (Computing Machinery and Inteligence), sigue siendo hoy día una de las cabezas de lanza de los defensores de la Inteligencia Artificial.
Está fundamentado en la asunción positivista de que, si una máquina se comporta en todos los aspectos como inteligente, entonces debe ser inteligente.
La prueba consiste en un desafío. La máquina ha de hacerse pasar por humana en una conversación con un hombre a través de una comunicación de texto estilo chat. Al sujeto no se le avisa si esta hablando con una máquina o una persona. Si el sujeto es incapaz de determinar si la otra parte de la comunicación es humana o máquina, entonces se considera que la máquina ha alcanzado un determinado nivel de madurez: es inteligente. Todavía ninguna maquina puede pasar este examen en una experiencia con método científico.
Existe una versión modificada, propuesta por Roger Penrosse: la sala china, , en esencia es igual, pero la ejecución del algoritmo la realizan personas encerradas en una habitación, se requiere que las personas de la habitación no conozcan el idioma en que se realiza la conversación.
Pese a la brillantez de Penrosse, esta modificación no aporta nada al problema, puesto que si los operadores consiguen comprender la conversación, lo harian gracias a su propia inteligencia, por otra parte, pese a lo aparentemente absurdo de la proposición, la sala podría pasar la prueba de turing sin que los operadores hubieran comprendido nada de la conversación.
lunes, 9 de noviembre de 2009
Simulación Monte Carlo
Introducción
La simulación de Monte Carlo es una técnica que combina conceptos estadísticos con la capacidad que tienen los ordenadores para generar números pesado aleatorios y automatizar cálculos.
La simulación de Monte Carlo está presente en todos aquellos ámbitos en los que el comportamiento aleatorio o probabilístico desempeña un papel fundamental -precisamente, el nombre de Monte Carlo proviene de la famosa ciudad de Mónaco, donde abundan los casinos de juego y donde el azar, la probabilidad y el comportamiento aleatorio conforman todo un estilo de vida.
Qué es la simulación Monte Carlo?
La simulación de Monte Carlo es una técnica cuantitativa que hace uso de la estadística y los ordenadores para imitar, mediante modelos matemáticos, el comportamiento aleatorio de sistemas reales no dinámicos (por lo general, cuando se trata de sistemas cuyo estado va cambiando con el paso del tiempo, se recurre bien a la simulación de eventos discretos o bien a la simulación de sistemas continuos).
La clave de la simulación MONTE CARLO consiste en crear un modelo matemático del sistema, proceso o actividad que se quiere analizar, identificando aquellas variables (inputs del modelo) cuyo comportamiento aleatorio determina el comportamiento global del sistema. Tras repetir ¨n ¨ veces este experimento, dispondremos de observaciones sobre el comportamiento del sistema, lo cual nos será de utilidad para entender el funcionamiento del mismo –obviamente, nuestro análisis será tanto más preciso cuanto mayor sea el número n de experimentos que llevemos a cabo.
Ver ejemplos en el siguiente link..
La simulación de Monte Carlo es una técnica que combina conceptos estadísticos con la capacidad que tienen los ordenadores para generar números pesado aleatorios y automatizar cálculos.
La simulación de Monte Carlo está presente en todos aquellos ámbitos en los que el comportamiento aleatorio o probabilístico desempeña un papel fundamental -precisamente, el nombre de Monte Carlo proviene de la famosa ciudad de Mónaco, donde abundan los casinos de juego y donde el azar, la probabilidad y el comportamiento aleatorio conforman todo un estilo de vida.
Qué es la simulación Monte Carlo?
La simulación de Monte Carlo es una técnica cuantitativa que hace uso de la estadística y los ordenadores para imitar, mediante modelos matemáticos, el comportamiento aleatorio de sistemas reales no dinámicos (por lo general, cuando se trata de sistemas cuyo estado va cambiando con el paso del tiempo, se recurre bien a la simulación de eventos discretos o bien a la simulación de sistemas continuos).
La clave de la simulación MONTE CARLO consiste en crear un modelo matemático del sistema, proceso o actividad que se quiere analizar, identificando aquellas variables (inputs del modelo) cuyo comportamiento aleatorio determina el comportamiento global del sistema. Tras repetir ¨n ¨ veces este experimento, dispondremos de observaciones sobre el comportamiento del sistema, lo cual nos será de utilidad para entender el funcionamiento del mismo –obviamente, nuestro análisis será tanto más preciso cuanto mayor sea el número n de experimentos que llevemos a cabo.
Ver ejemplos en el siguiente link..
Download UPLOADING_PROBABILIDAD.pdf for free on uploading.com
miércoles, 4 de noviembre de 2009
APLICACIONES DE SIMULACION POR COMPUTADORAS
Concepto básico de Simulación por Computadoras
Al tratar algunos problemas del mundo real, el modelo resultante puede ser tan complejo o grande que no es posible o práctico desarrollar.
Una metodología de solución basada en un análisis matemático. De manera alternativa, aplicar una técnica matemática existente puede requerir supuestos adicionales que no son aplicables o realistas.
En tales casos, un enfoque alternativo sería usar una técnica de la Ciencia Informática : la simulación por computadora. Como el término indica, con esta técnica, usted diseña y construye un modelo de computadora que imita el argumento real del problema. Entonces usa el modelo para aprender cómo se comporta el sistema, formulándose preguntas del tipo : "¿qué sucedería si... ? ". Por ejemplo, podría construir un modelo de computadora para simular lo siguiente:
- La operación diaria de un banco u hospital, para comprender el impacto de añadir más pagadores o enfermeras.
- La operación de un puerto marítimo o aéreo, para comprender el flujo de tráfico, y su congestión asociada.
- El proceso de producción en una fábrica, para identificar los cuellos de botella en
- la línea de producción.
- El flujo de tráfico en una autopista en un sistema de comunicación complicado, para determinar si es necesaria una expansión.
La Metodología de la Simulación por Computadora
El diseño y la implantación de una simulación por computadora depende del sistema que se esté modelando y también del lenguaje o paquete de computadora específico de que se disponga. En cada simulación se realizan ciertos pasos generales.
Clasificación del sistema
El diseño de una simulación depende de clasificar al sistema como uno de los dos tipos :
Sistema de eventos discretos : es un sistema cuyo estado cambia sólo en ciertos puntos en el tiempo. Por ejemplo, en el modelo de la operación de un banco, el estado del sistema se describe mediante el número de clientes en línea y cuál de los pagadores está en ese momento ocupado. El estado de este sistema cambia sólo en aquellos puntos en el tiempo en lo que:
a) Un nuevo cliente llega o ;
b) Un cliente deja de ser atendido y sale del banco.
Este a su vez se clasifica como uno de los siguientes dos tipos:
- Sistemas de Terminación: es aquel en el existen puntos de inicio y terminación precisos y conocidos
- Sistemas de no Terminación: es aquel que está en curso y que carece de puntos de inicio y terminación precisos y conocidos.
- Sistemas continuos: es aquel cuyo estado cambia continuamente a cada momento en el tiempo.
Identificación de los componentes de una simulación por computadora.
Salida: es el objetivo de un estudio de simulación que tiene la forma de un valor numérico específico.
Entrada: es un valor numérico que es necesario para determinar las salidas de una simulación
Antes de diseñar los detalles de una simulación por computadora es decisivo tener una clara comprensión de los objetivos del estudio en la forma de salidas numéricas específicas.
Con las salidas identificadas, el siguiente paso es identificar las entradas. Estas entradas caen en tres categorías generales:
Condición inicial: un valor que expresa el estado del sistema al principio de una simulación.
Datos determinísticos: son valores conocidos necesarios para calcular las salidas de una simulación.
Datos probabilísticos: son magnitudes numéricas cuyos valores son inciertos pero necesarios para obtener las salidas de la simulación.
Suscribirse a:
Entradas (Atom)
