¡Más rápido que el navegador!Similitudes entre Conferencia de Dartmouth e Inteligencia artificial
Conferencia de Dartmouth e Inteligencia artificial tienen 13 cosas en común (en Unionpedia): Allen Newell, Aprendizaje, Campus Multidisciplinar en Percepción e Inteligencia 2006, Cibernética, Claude Shannon, Creatividad, Herbert Alexander Simon, IBM, Inteligencia, John McCarthy (científico), Marvin Minsky, Máquina, Red neuronal artificial.
Allen Newell
Allen Newell (19 de marzo de 1927 - 19 de julio de 1992) fue un investigador en informática y psicología cognitiva en la escuela de informática de Carnegie Mellon.
Allen Newell y Conferencia de Dartmouth · Allen Newell e Inteligencia artificial ·
Aprendizaje
El aprendizaje es el proceso a través del cual se adquieren y desarrollan habilidades, conocimientos, conductas y valores.
Aprendizaje y Conferencia de Dartmouth · Aprendizaje e Inteligencia artificial ·
Campus Multidisciplinar en Percepción e Inteligencia 2006
50 años de Inteligencia Artificial-Campus Multidisciplinar en Percepción e Inteligencia, CMPI 2006 o CM-π fue la única celebración internacional en español del 50 aniversario de la inteligencia artificial, de la Conferencia de Dartmouth.
Campus Multidisciplinar en Percepción e Inteligencia 2006 y Conferencia de Dartmouth · Campus Multidisciplinar en Percepción e Inteligencia 2006 e Inteligencia artificial ·
Cibernética
La cibernética es el estudio interdisciplinario de la estructura de los sistemas reguladores.
Cibernética y Conferencia de Dartmouth · Cibernética e Inteligencia artificial ·
Claude Shannon
Claude Elwood Shannon (30 de abril de 1916 - 24 de febrero de 2001) fue un matemático, ingeniero eléctrico y criptógrafo estadounidense recordado como «el padre de la teoría de la información».
Claude Shannon y Conferencia de Dartmouth · Claude Shannon e Inteligencia artificial ·
Creatividad
La creatividad es la capacidad de crear nuevas ideas o conceptos, de nuevas asociaciones entre ideas y conceptos conocidos, que habitualmente producen soluciones originales.
Conferencia de Dartmouth y Creatividad · Creatividad e Inteligencia artificial ·
Herbert Alexander Simon
Herbert Alexander Simon (15 de junio de 1916-9 de febrero de 2001), fue un economista, politólogo y teórico de las ciencias sociales estadounidense.
Conferencia de Dartmouth y Herbert Alexander Simon · Herbert Alexander Simon e Inteligencia artificial ·
IBM
International Business Machines Corporation (IBM) es una empresa tecnológica multinacional estadounidense con sede en Armonk, Nueva York.
Conferencia de Dartmouth e IBM · IBM e Inteligencia artificial ·
Inteligencia
La inteligencia se ha definido de muchas maneras, incluyendo: la capacidad de lógica, comprensión, autoconciencia, aprendizaje, conocimiento emocional, razonamiento, planificación, creatividad, pensamiento crítico y resolución de problemas.
Conferencia de Dartmouth e Inteligencia · Inteligencia e Inteligencia artificial ·
John McCarthy (científico)
John McCarthy (Boston, Massachusetts, 4 de septiembre de 1927-Stanford, California, 24 de octubre de 2011), fue un prominente informático que recibió el Premio Turing en 1971 por sus importantes contribuciones en el campo de la Inteligencia Artificial.
Conferencia de Dartmouth y John McCarthy (científico) · Inteligencia artificial y John McCarthy (científico) ·
Marvin Minsky
Marvin Lee Minsky (Nueva York, 9 de agosto de 1927-Boston, 24 de enero de 2016) fue un científico estadounidense.
Conferencia de Dartmouth y Marvin Minsky · Inteligencia artificial y Marvin Minsky ·
Máquina
Una máquina es un conjunto de elementos móviles y fijos cuyo funcionamiento posibilita aprovechar, dirigir, regular o transformar energía, o realizar un trabajo con un fin determinado.
Conferencia de Dartmouth y Máquina · Inteligencia artificial y Máquina ·
Red neuronal artificial
Las redes neuronales artificiales (también conocidas como sistemas conexionistas) son un modelo computacional evolucionado a partir de diversas aportaciones científicas que están registradas en la historia. Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales. La información de entrada atraviesa la red neuronal (donde se somete a diversas operaciones) produciendo unos valores de salida. Cada neurona está conectada con otras a través de unos enlaces. En estos enlaces el valor de salida de la neurona anterior es multiplicado por un valor de peso. Estos pesos en los enlaces pueden incrementar o inhibir el estado de activación de las neuronas adyacentes. Del mismo modo, a la salida de la neurona, puede existir una función limitadora o umbral, que modifica el valor resultado o impone un límite que no se debe sobrepasar antes de propagarse a otra neurona. Esta función se conoce como función de activación. Estos sistemas aprenden y se forman a sí mismos, en lugar de ser programados de forma explícita, y sobresalen en áreas donde la detección de soluciones o características es difícil de expresar con la programación convencional. Para realizar este aprendizaje automático, normalmente, se intenta minimizar una función de pérdida que evalúa la red en su total. Los valores de los pesos de las neuronas se van actualizando buscando reducir el valor de la función de pérdida. Este proceso se realiza mediante la propagación hacia atrás. El objetivo de la red neuronal es resolver los problemas de la misma manera que el cerebro humano, aunque las redes neuronales son más abstractas. Las redes neuronales actuales suelen contener desde unos miles a unos pocos millones de unidades neuronales. Nuevas investigaciones sobre el cerebro a menudo estimulan la creación de nuevos patrones en las redes neuronales. Un nuevo enfoque está utilizando conexiones que se extienden mucho más allá y capas de procesamiento de enlace en lugar de estar siempre localizado en las neuronas adyacentes. Otra investigación está estudiando los diferentes tipos de señal en el tiempo que los axones se propagan, como el aprendizaje profundo, interpola una mayor complejidad que un conjunto de variables booleanas que son simplemente encendido o apagado. Las redes neuronales se han utilizado para resolver una amplia variedad de tareas, como la visión por computador y el reconocimiento de voz, que son difíciles de resolver usando la ordinaria programación basado en reglas. Históricamente, el uso de modelos de redes neuronales marcó un cambio de dirección a finales de los años ochenta de alto nivel, que se caracteriza por sistemas expertos con conocimiento incorporado en si-entonces las reglas, a bajo nivel de aprendizaje automático, caracterizado por el conocimiento incorporado en los parámetros de un modelo cognitivo con algún sistema dinámico.
Conferencia de Dartmouth y Red neuronal artificial · Inteligencia artificial y Red neuronal artificial ·
La lista de arriba responde a las siguientes preguntas
- En qué se parecen Conferencia de Dartmouth e Inteligencia artificial
- Qué tienen en común Conferencia de Dartmouth e Inteligencia artificial
- Semejanzas entre Conferencia de Dartmouth e Inteligencia artificial
Comparación de Conferencia de Dartmouth e Inteligencia artificial
Conferencia de Dartmouth tiene 35 relaciones, mientras Inteligencia artificial tiene 312. Como tienen en común 13, el índice Jaccard es 3.75% = 13 / (35 + 312).
Referencias
En este artículo se encuentra la relación entre Conferencia de Dartmouth e Inteligencia artificial. Si desea acceder a cada artículo del que se extrajo la información visite:
