Es
un método de
investigación usado
principalmente en la producción de conocimiento en
las ciencias. Para ser llamado científico, un método de
investigación debe basarse en la empírica y en la medición, sujeto a los principios específicos de las pruebas de razonamiento.1 El Oxford English Dictionary, dice que el método científico es: "un
método o procedimiento que ha caracterizado a la ciencia natural desde el siglo
17, que consiste en la observación sistemática, medición y experimentación, y
la formulación, análisis y modificación de las hipótesis."2
El método científico está
sustentado por dos pilares fundamentales. El primero de ellos es la reproducibilidad,
es decir, la capacidad de repetir un determinado experimento, en cualquier
lugar y por cualquier persona. Este pilar se basa, esencialmente, en la
comunicación y publicidad de los resultados obtenidos. El segundo pilar es
la refutabilidad.
Es decir, que toda proposición científica tiene que ser susceptible de ser
falsada o refutada (falsacionismo). Esto implica que se podrían
diseñar experimentos, que en el caso de dar resultados distintos a los
predichos, negarían la hipótesis puesta a prueba. La falsabilidad no es otra
cosa que el modus tollendo tollens del método hipotético deductivo experimental.
Según James B. Conant, no existe un método científico. El
científico usa métodos definitorios, métodos clasificatorios, métodos
estadísticos, métodos hipotético-deductivos, procedimientos de medición,
etcétera. Y según esto, referirse a elmétodo científico es referirse a
este conjunto de tácticas empleadas para constituir el conocimiento, sujetas al
devenir histórico, y que eventualmente podrían ser otras en el futuro.3 Ello
nos conduce tratar de sistematizar las distintas ramas dentro del campo del
método científico.
hipótesis
El objetivo del
trabajo es determinar si la inteligencia artificial es comparable con la
inteligencia humana, señalando sus diferencias y similitudes.
1.
La lógica difusa: permite tomar decisiones bajo condiciones de incerteza.
La lógica difusa: permite tomar decisiones bajo condiciones de incerteza.
2. Redes neuronales: esta tecnología es poderosa en
ciertas tareas como la clasificación y el reconocimiento de patrones. Está
basada en el concepto de "aprender" por agregación de un gran número
de muy simples elementos.
Este modelo considera que
una neurona puede ser representada por una unidad binaria: a cada instante su
estado puede ser activo o inactivo. La interacción entre las neuronas se lleva
a cabo a través de sinapsis. Según el signo, la sinapsis es excitadora o inhibidora.
El perceptrón está
constituido por las entradas provenientes de fuentes externas, las conexiones y
la salida. En realidad un perceptrón es una Red Neuronal lo más simple posible,
es aquella donde no existen capas ocultas.
Para cada configuración
de los estados de las neuronas de entrada (estímulo) la respuesta del
perceptrón obedece a la siguiente dinámica: se suman los potenciales sinápticos
y se comparan con un umbral de activación. Esta suma ponderada es también
llamada campo. Si el campo es mayor que un umbral, la respuesta de la neurona
es activa, si no, es inactiva.
Con una arquitectura tan
simple como la del perceptrón no se puede realizar más que una clase de
funciones "booleanas" muy simples, llamadas linealmente separables.
Son las funciones en las cuales los estados de entrada con salida positiva
pueden ser separados de aquellos a salida negativa por un hiperplano. Un
hiperplano es el conjunto de puntos en el espacio de estados de entrada, que
satisfacen una ecuación lineal. En dos dimensiones, es una recta, en tres
dimensiones un plano, etc.
Si se quieren realizar
funciones más complejas con Redes Neuronales, es necesario intercalar neuronas
entre las capas de entradas y de salida, llamadas neuronas ocultas. Una red
multicapas puede ser definida como un conjunto de perceptrones, ligados entre
si por sinapsis y dispuestos en capas siguiendo diversas arquitecturas. Una de
las arquitecturas más comúnmente usada es llamada feedforward: con
conexiones de la entrada a las capas ocultas y de éstas hacia la salida.
El funcionamiento de una
Red Neuronal es gobernado por reglas de propagación de actividades y de
actualización de los estados.
No hay comentarios:
Publicar un comentario