Algoritmos Básicos de la Computación Cognitiva para la Programación de Cerebros Artificiales

El reduccionismo científico crea soluciones casi perfectas, inflexibles y específicas para una gran cantidad de problemas. Por lo general, estas soluciones son modelos de deducción causal que van desde las causas hacia los efectos. En esta tesis se presenta 3 algoritmos inteligentes de inducción causal que van desde los efectos hacia las causas: El reconstructor de imágenes mentales, el caracterizador evolutivo y el ruteador causal jerárquico. Estos algoritmos usan redes de nodos interrelacionados que exploran el espacio de patrones para encontrar las mejores causas o soluciones que explican los efectos o problemas presentados como evidencia. Para cada algoritmo, se presenta una aplicación. Pero estos algoritmos son muy generales y aplicables a muchos problemas. El reconstructor de imágenes mentales resuelve el juego del buscaminas en pocos segundos. El caracterizador evolutivo infiere la tridimensionalidad de fotos bidimensionales mediante un sistema básico de visión artificial. Y el ruteador causal jerárquico se presenta como una solución teórica para el aprendizaje y auto-organización en tiempo real de las geometrías causales de un brazo robótico y de todo tipo de robot. Pero este problema es una frontera de la ciencia. No se lo resuelve pero se sugieren estrategias para resolverlo.

• Prif Awdur: KURI PINTO, JUAN CARLOS (author)
• Fformat: article
• Iaith: spa
• Cyhoeddwyd: 2016
• Pynciau: Holismo versus reduccionismo; inducción causal; el problema inverso de la inteligencia; inferencia probabilística; optimización de parámetros; descenso de gradiente; procesos de decisión markovianos; redes neuronales; neurociencia; inteligencia artificial aplicada a los videojuegos; campo vectorial de la visión; mecánica de Lagrange aplicada a la robótica
• Mynediad Ar-lein: http://www.dspace.espol.edu.ec/xmlui/handle/123456789/43791