Hispanopedia Wiki
Articulo de referencia

Inteligencia computacional

En ciencias de la computación , la inteligencia computacional ( IC ) se refiere a conceptos , paradigmas , algoritmos e implementaciones de sistemas diseñados para mostrar un co...

Hispanopedia WikiContenido en espanolLectura gratuita

En ciencias de la computación , la inteligencia computacional ( IC ) se refiere a conceptos , paradigmas , algoritmos e implementaciones de sistemas diseñados para mostrar un comportamiento " inteligente " en entornos complejos y cambiantes. [ 1 ] Estos sistemas están orientados a dominar tareas complejas en una amplia variedad de áreas técnicas o comerciales y ofrecen soluciones que reconocen e interpretan patrones , controlan procesos, apoyan la toma de decisiones o maniobran de forma autónoma vehículos o robots en entornos desconocidos, entre otras cosas. [ 2 ] Estos conceptos y paradigmas se caracterizan por la capacidad de aprender o adaptarse a nuevas situaciones, de generalizar , de abstraer , de descubrir y asociar . [ 3 ] Los métodos análogos a la naturaleza o inspirados en ella juegan un papel clave en esto. [ 1 ]

Los enfoques de CI abordan principalmente aquellos problemas complejos del mundo real para los que el modelado tradicional o matemático no es apropiado por diversas razones: los procesos no pueden describirse con exactitud con un conocimiento completo, son demasiado complejos para el razonamiento matemático , contienen incertidumbres durante el proceso, como cambios imprevistos en el entorno o en el propio proceso, o son simplemente de naturaleza estocástica . Por lo tanto, las técnicas de CI están dirigidas a procesos mal definidos , complejos, no lineales , variables en el tiempo y/o estocásticos. [ 4 ]

Una definición reciente de la IEEE Computational Intelligence Society describe la CI como la teoría, el diseño, la aplicación y el desarrollo de paradigmas computacionales motivados biológica y lingüísticamente. Tradicionalmente, los tres pilares principales de la CI han sido las redes neuronales , los sistemas difusos y la computación evolutiva . ... La CI es un campo en evolución y, en la actualidad, además de los tres componentes principales, abarca paradigmas computacionales como la inteligencia ambiental , la vida artificial , el aprendizaje cultural , las redes endocrinas artificiales, el razonamiento social y las redes hormonales artificiales. ... En los últimos años ha habido una explosión de investigación sobre el aprendizaje profundo , en particular las redes neuronales convolucionales profundas . Hoy en día, el aprendizaje profundo se ha convertido en el método central para la inteligencia artificial . De hecho, algunos de los sistemas de IA más exitosos se basan en la CI. [ 5 ] Sin embargo, como la CI es un campo emergente y en desarrollo, no hay una definición final de la CI, [ 6 ] [ 7 ] [ 8 ] especialmente en términos de la lista de conceptos y paradigmas que le pertenecen. [ 3 ] [ 9 ] [ 10 ]

Los requisitos generales para el desarrollo de un “sistema inteligente” son, en última instancia, siempre los mismos: la simulación del pensamiento y la acción inteligentes en un área de aplicación específica. Para ello, el conocimiento sobre dicha área debe representarse en un modelo que permita su procesamiento. La calidad del sistema resultante depende en gran medida de la adecuación del modelo elegido durante el proceso de desarrollo. En ocasiones, los métodos basados ​​en datos son adecuados para encontrar un buen modelo, mientras que en otras, las representaciones del conocimiento basadas en la lógica ofrecen mejores resultados. En aplicaciones reales, se suelen utilizar modelos híbridos. [ 2 ]

Según los libros de texto actuales, los siguientes métodos y paradigmas, que en gran medida se complementan entre sí, pueden considerarse partes de la CI: [ 11 ] [ 12 ] [ 13 ] [ 14 ] [ 15 ] [ 16 ] [ 17 ]

Relación entre computación dura y blanda e inteligencia artificial y computacional

La inteligencia artificial (IA) se utiliza en los medios de comunicación, pero también por algunos de los científicos involucrados, como una especie de término general para las diversas técnicas asociadas con ella o con la CI. [ 5 ] [ 18 ] Craenen y Eiben afirman que los intentos de definir o al menos describir la CI generalmente se pueden asignar a uno o más de los siguientes grupos:

  • "Definición relativa" que compara la CI con la IA
  • Tratamiento conceptual de las nociones clave y su papel en la CI
  • Listado de las áreas (establecidas) que le pertenecen [ 8 ]
Una posible perspectiva sobre la relación entre la computación dura y la inteligencia artificial por un lado, y la computación blanda y la inteligencia computacional por otro [ 6 ].

La relación entre CI e IA ha sido un tema frecuentemente discutido durante el desarrollo de CI. Si bien la lista anterior implica que son sinónimos, la gran mayoría de los investigadores de IA/CI que trabajan en el tema los consideran campos distintos, donde [ 8 ] [ 18 ]

  • La CI es una alternativa a la IA
  • La IA incluye la CI
  • La inteligencia competitiva incluye la IA.

La perspectiva del primero de los tres puntos anteriores se remonta a Zadeh , el fundador de la teoría de conjuntos difusos, quien diferenció la inteligencia artificial en técnicas de computación dura y blanda , que se utilizan en inteligencia artificial por un lado e inteligencia computacional por otro. [ 19 ] [ 20 ] En la computación dura (CH) y la IA tradicional (p. ej., sistemas expertos ), la imprecisión y la incertidumbre son características indeseables de un sistema, mientras que la computación blanda (CB) y, por lo tanto, la CI se centran en abordar estas características. [ 14 ] La figura adjunta ilustra esta perspectiva y enumera las técnicas de CI más importantes. [ 6 ] Otra característica distintiva que se menciona con frecuencia es la representación de la información en forma simbólica en IA y en forma subsimbólica en técnicas de CI. [ 21 ] [ 22 ]

La computación rígida es un método de computación convencional basado en los principios de certeza y precisión, y es determinista. Requiere un modelo analítico preciso de la tarea a procesar y un programa preescrito, es decir, un conjunto fijo de instrucciones. Los modelos utilizados se basan en la lógica booleana (también llamada lógica nítida [ 23 ] ), donde, por ejemplo, un elemento puede pertenecer o no a un conjunto, sin término medio. Al aplicarse a tareas del mundo real, los sistemas basados ​​en computación rígida generan acciones de control específicas definidas por un modelo matemático o un algoritmo. Si se produce una situación imprevista no contemplada en el modelo o algoritmo utilizado, lo más probable es que la acción falle. [ 24 ] [ 25 ] [ 26 ] [ 27 ]

Por otro lado, la computación blanda se basa en la capacidad de la mente humana para almacenar información y procesarla de forma orientada a objetivos, aunque sea imprecisa y carezca de certeza. [ 20 ] La computación blanda se basa en el modelo del cerebro humano con pensamiento probabilístico, lógica difusa y lógica multivaluada. Puede procesar una gran cantidad de datos y realizar un gran número de cálculos, que pueden no ser exactos, en paralelo. Para problemas complejos para los que no existen soluciones exactas satisfactorias basadas en computación heterogénea, los métodos de computación blanda pueden aplicarse con éxito. Estos métodos suelen ser estocásticos, es decir, son procesos definidos aleatoriamente que pueden analizarse estadísticamente, pero no con precisión. Hasta ahora, los resultados de algunos métodos de computación inferencial, como el aprendizaje profundo, no se pueden verificar y tampoco está claro en qué se basan. Este problema representa una cuestión científica importante para el futuro. [ 24 ] [ 25 ] [ 28 ]

IA e CI son términos pegadizos, [ 18 ] pero también son tan similares que pueden confundirse. El significado de ambos términos se ha desarrollado y cambiado a lo largo del tiempo, [ 29 ] [ 30 ] siendo IA el primero en usarse. [ 3 ] [ 9 ] Bezdek describe esto de manera impresionante y concluye que tales palabras de moda son frecuentemente usadas y promocionadas por la comunidad científica, la gestión científica y el periodismo (científico). [ 18 ] Sobre todo porque IA e inteligencia biológica son términos cargados de emotividad [ 3 ] [ 18 ] y todavía es difícil encontrar una definición generalmente aceptada para el término básico inteligencia . [ 3 ] [ 10 ]

Historia

En 1950, Alan Turing , uno de los padres fundadores de la informática, desarrolló una prueba para medir la inteligencia de las computadoras conocida como la prueba de Turing . [ 31 ] En esta prueba, una persona puede formular preguntas mediante un teclado y un monitor sin saber si su interlocutor es humano o una computadora. Se considera que una computadora es inteligente si quien la interroga no puede distinguirla de un ser humano. Esto ilustra el debate sobre las computadoras inteligentes al comienzo de la era de la informática.

El término Inteligencia Computacional se utilizó por primera vez como título de la revista del mismo nombre en 1985 [ 32 ] [ 29 ] y posteriormente por el Consejo de Redes Neuronales del IEEE (NNC), fundado en 1989 por un grupo de investigadores interesados ​​en el desarrollo de redes neuronales biológicas y artificiales. [ 33 ] El 21 de noviembre de 2001, el NNC se convirtió en la Sociedad de Redes Neuronales del IEEE, para luego convertirse en la Sociedad de Inteligencia Computacional del IEEE dos años después al incluir nuevas áreas de interés como los sistemas difusos y la computación evolutiva.

El NNC ayudó a organizar el primer Congreso Mundial de Inteligencia Computacional del IEEE en Orlando, Florida, en 1994. [ 33 ] En esta conferencia, Bezdek introdujo la primera definición clara de Inteligencia Computacional: Un sistema es computacionalmente inteligente cuando: solo trabaja con datos numéricos (de bajo nivel), tiene componentes de reconocimiento de patrones , no utiliza conocimiento en el sentido de la IA; y además cuando (comienza a) exhibir (1) adaptabilidad computacional; (2) tolerancia a fallos computacionales; (3) velocidad de respuesta cercana a la humana y (4) tasas de error que se aproximan al rendimiento humano. [ 34 ]

En la actualidad, la inteligencia computacional se ha perfeccionado mediante el aprendizaje automático y el aprendizaje profundo, utilizando una variedad de enfoques de aprendizaje supervisado , no supervisado y por refuerzo .

Los principales enfoques algorítmicos de la CI y sus aplicaciones.

Las principales aplicaciones de la inteligencia computacional incluyen la informática, la ingeniería, el análisis de datos y la biomedicina .

lógica difusa

A diferencia de la lógica booleana convencional, la lógica difusa se basa en conjuntos difusos . En ambos modelos, una propiedad de un objeto se define como perteneciente a un conjunto; sin embargo, en la lógica difusa, la pertenencia no se define de forma tajante mediante una distinción de sí/no, sino que se gradúa gradualmente. Esto se logra mediante funciones de pertenencia que asignan un número real entre 0 y 1 a cada elemento como grado de pertenencia. Las nuevas operaciones de conjuntos introducidas de esta manera definen las operaciones de un cálculo lógico asociado que permite modelar procesos de inferencia , es decir, razonamiento lógico . [ 35 ] Por lo tanto, la lógica difusa es muy adecuada para decisiones de ingeniería sin certezas claras ni incertidumbres o con datos imprecisos, como ocurre con las tecnologías de procesamiento del lenguaje natural [ 36 ] , pero no tiene capacidad de aprendizaje. [ 37 ]

Esta técnica tiende a aplicarse a una amplia gama de dominios como la ingeniería de control , [ 38 ] el procesamiento de imágenes , [ 39 ] la agrupación de datos difusos [ 39 ] [ 40 ] y la toma de decisiones. [ 36 ] Los sistemas de control basados ​​en lógica difusa se pueden encontrar, por ejemplo, en el campo de los electrodomésticos en lavadoras, lavavajillas, hornos microondas, etc., o en el área de los vehículos de motor en sistemas de transmisión y frenado. Este principio también se puede encontrar al usar una cámara de video, ya que ayuda a estabilizar la imagen cuando la cámara se sostiene de forma inestable. Otras áreas como el diagnóstico médico, los controladores de satélites y la selección de estrategias comerciales son solo algunos ejemplos más de la aplicación actual de la lógica difusa. [ 36 ] [ 41 ]

Redes neuronales

Un campo importante de la CI es el desarrollo de redes neuronales artificiales (RNA) basadas en las biológicas , que se pueden definir por tres componentes principales: el cuerpo celular que procesa la información, el axón, que es un dispositivo que permite la conducción de la señal, y la sinapsis, que controla las señales. [ 42 ] [ 43 ] Por lo tanto, las RNA son muy adecuadas para sistemas de procesamiento de información distribuidos, permitiendo el procesamiento y el aprendizaje a partir de datos experimentales. [ 44 ] [ 45 ] Las RNA buscan imitar los procesos cognitivos del cerebro humano. Las principales ventajas de esta tecnología incluyen la tolerancia a fallos, el reconocimiento de patrones incluso con imágenes ruidosas y la capacidad de aprendizaje. [ 42 ] [ 45 ]

En cuanto a sus aplicaciones, las redes neuronales se pueden clasificar en cinco grupos: análisis y clasificación de datos , memoria asociativa , agrupamiento o compresión de datos , generación de patrones y sistemas de control . [ 46 ] [ 44 ] [ 42 ] Las numerosas aplicaciones incluyen, por ejemplo, el análisis y la clasificación de datos médicos, incluyendo la creación de diagnósticos , reconocimiento de voz , minería de datos , procesamiento de imágenes , pronóstico , control de robots , aprobación de crédito, reconocimiento de patrones, detección de rostros y fraudes y manejo de no linealidades de un sistema para controlarlo. [ 42 ] [ 44 ] [ 46 ] Las ANN tienen en común esta última área de aplicación y el agrupamiento de datos con la lógica difusa. Los sistemas generativos basados ​​en aprendizaje profundo y redes neuronales convolucionales, como chatGPT o DeepL , son un campo de aplicación relativamente nuevo.

Computación evolutiva

La computación evolutiva puede considerarse una familia de métodos y algoritmos para la optimización global , que generalmente se basan en una población de soluciones candidatas. Se inspiran en la evolución biológica y a menudo se resumen como algoritmos evolutivos . [ 47 ] Estos incluyen los algoritmos genéticos , la estrategia evolutiva , la programación genética y muchos otros. [ 48 ] Se consideran solucionadores de problemas para tareas que no se pueden resolver con métodos matemáticos tradicionales [ 49 ] y se utilizan con frecuencia para la optimización, incluida la optimización multiobjetivo . [ 50 ] Dado que trabajan con una población de soluciones candidatas que se procesan en paralelo durante una iteración, se pueden distribuir fácilmente a diferentes nodos de computación de un clúster. [ 51 ] Como a menudo se genera más de un descendiente por emparejamiento, las evaluaciones de estos descendientes, que suelen ser la parte que más tiempo consume del proceso de optimización, también se pueden realizar en paralelo. [ 52 ]

En el proceso de optimización, la población aprende sobre la estructura del espacio de búsqueda y almacena esta información en los cromosomas de las soluciones candidatas. Tras una ejecución, este conocimiento puede reutilizarse para tareas similares adaptando algunos de los cromosomas "antiguos" y utilizándolos para inicializar una nueva población. [ 53 ] [ 54 ]

Inteligencia de enjambre

La inteligencia de enjambre se basa en el comportamiento colectivo de sistemas descentralizados y autoorganizados, que generalmente consisten en una población de agentes simples que interactúan localmente entre sí y con su entorno. A pesar de la ausencia de una estructura de control centralizada que dicte cómo deben comportarse los agentes individuales, las interacciones locales entre dichos agentes a menudo conducen a la aparición de un comportamiento global. [ 55 ] [ 56 ] [ 57 ] Entre los representantes reconocidos de algoritmos basados ​​en inteligencia de enjambre se encuentran la optimización por enjambre de partículas y la optimización por colonia de hormigas . [ 58 ] Ambos son algoritmos de optimización metaheurística que pueden utilizarse para resolver (aproximadamente) tareas de optimización numéricas difíciles o combinatorias complejas . [ 59 ] [ 60 ] [ 61 ] Dado que ambos métodos, al igual que los algoritmos evolutivos, se basan en una población y también en la interacción local, pueden paralelizarse fácilmente [ 62 ] [ 63 ] y muestran propiedades de aprendizaje comparables. [ 64 ] [ 65 ]

redes bayesianas

En dominios de aplicación complejos, las redes bayesianas proporcionan un medio para almacenar y evaluar de manera eficiente el conocimiento incierto. Una red bayesiana es un modelo gráfico probabilístico que representa un conjunto de variables aleatorias y sus dependencias condicionales mediante un grafo dirigido acíclico . La representación probabilística facilita la extracción de conclusiones basadas en nueva información. Además, las redes bayesianas son muy adecuadas para el aprendizaje a partir de datos. [ 13 ] Su amplia gama de aplicaciones incluye el diagnóstico médico, la gestión de riesgos, la recuperación de información, el análisis de texto (por ejemplo, para filtros de spam), la calificación crediticia de empresas y la operación de procesos industriales complejos. [ 66 ]

sistemas inmunitarios artificiales

Los sistemas inmunitarios artificiales son otro grupo de algoritmos de aprendizaje metaheurístico basados ​​en poblaciones, diseñados para resolver problemas de agrupamiento y optimización. Estos algoritmos se inspiran en los principios de la inmunología teórica y los procesos del sistema inmunitario de los vertebrados, y utilizan las propiedades de aprendizaje y memoria del sistema inmunitario para resolver un problema. Se utilizan operadores similares a los conocidos de los algoritmos evolutivos para clonar y mutar linfocitos artificiales. [ 67 ] [ 68 ] Los sistemas inmunitarios artificiales ofrecen capacidades interesantes como adaptabilidad, autoaprendizaje y robustez que pueden utilizarse para diversas tareas en el procesamiento de datos, [ 68 ] sistemas de fabricación, [ 69 ] modelado y control de sistemas, detección de fallos o ciberseguridad. [ 67 ]

teoría del aprendizaje

En la búsqueda de una forma de "razonamiento" similar a la humana, la teoría del aprendizaje es uno de los principales enfoques de la CI. En psicología, el aprendizaje es el proceso de combinar efectos y experiencias cognitivas, emocionales y ambientales para adquirir, mejorar o cambiar conocimientos, habilidades, valores y visiones del mundo. [ 70 ] [ 71 ] [ 72 ] Las teorías del aprendizaje ayudan a comprender cómo se procesan estos efectos y experiencias, y luego ayudan a hacer predicciones basadas en la experiencia previa. [ 73 ]

Métodos probabilísticos

Siendo uno de los elementos principales de la lógica difusa, los métodos probabilísticos introducidos por primera vez por Paul Erdos y Joel Spencer en 1974, [ 74 ] [ 75 ] tienen como objetivo evaluar los resultados de un sistema de computación inteligente, definido principalmente por la aleatoriedad . [ 76 ] Por lo tanto, los métodos probabilísticos revelan las posibles soluciones a un problema, basándose en el conocimiento previo.

Impacto en la educación universitaria

En la última década, [ 77 ] se ha producido un fuerte aumento en la enseñanza académica de la CI o sus subcampos. En 2025, el sitio web EduRank.org [ 78 ] enumeró 5925 universidades en todo el mundo que ofrecían cursos de inteligencia artificial. Estas se distribuyen en las regiones de Asia (2536), Europa (1368), América del Norte (1295), América Latina (370), África (305) y Oceanía (51).

Algunos de los autores citados en este artículo imparten clases en las siguientes universidades: Universidad Otto von Guericke, Magdeburgo, Alemania, [ 79 ] [ 80 ] Universidad de Stellenbosch, Sudáfrica, [ 81 ] [ 82 ] Universidad de Ulster, Reino Unido, [ 83 ] Universidad Libre de Ámsterdam, Países Bajos, [ 84 ] Universidad Nicolás Copérnico de Toruń, Polonia, [ 85 ] Universidad de Ciencias Aplicadas y Artes, Suiza, [ 86 ] Universidad de Warwick, Reino Unido, [ 87 ] Universidad Estatal de Michigan, Estados Unidos, [ 88 ] Universidad Libre de Bruselas, Bélgica, [ 89 ] Universidad de Essex, Reino Unido, [ 90 ] y Universidad de Loughborough, Reino Unido. [ 91 ]

Publicaciones

Entre las revistas reconocidas se incluyen Computational Intelligence , International Journal of Computational Intelligence Systems , Applied Computational Intelligence and Soft Computing e IEEE Computational Intelligence Magazine . Además, existen publicaciones de IEEE sobre diversos campos de la inteligencia computacional.

Véase también

Referencias

  1. 1 2 Kruse, Rudolf; Mostaghim, Sanaz; Borgelt, cristiano; Braune, cristiano; Steinbrecher, Matías (2022). "Prefacio". Inteligencia computacional: una introducción metodológica . Textos de Informática (3ª  ed.). Cham: Editorial Internacional Springer. págs.  V. doi : 10.1007/978-3-030-42227-1 . ISBN 978-3-030-42226-4. Consultado el 5 de febrero de 2026 .
  2. 1 2 Kruse, Rudolf; Mostaghim, Sanaz; Borgelt, cristiano; Braune, cristiano; Steinbrecher, Matías (2022). "Sistemas Inteligentes". Inteligencia computacional: una introducción metodológica . Textos de Informática (3ª ed.). Cham: Editorial Internacional Springer. págs. 1– 2. doi : 10.1007/978-3-030-42227-1 . ISBN   978-3-030-42226-4. Consultado el 5 de febrero de 2026 .
  3. 1 2 3 4 5 Engelbrecht, Andries P. (2007). «Introducción a la inteligencia computacional». Inteligencia computacional: una introducción (2.ª ed.). Chichester, Inglaterra; Hoboken, NJ: John Wiley & Sons. págs. 3–4 . ISBN   978-0-470-03561-0OCLC 133465571​​ 
  4. ↑ Siddique, NH; Adeli, Hojjat (2013). «Inteligencia Computacional». Inteligencia computacional: sinergias de lógica difusa, redes neuronales y computación evolutiva . Chichester, West Sussex, Reino Unido: John Wiley & Sons Inc. pp. 1–2 . ISBN  978-1-118-53481-6.
  5. 1 2 "¿Qué es la inteligencia computacional?" . Sociedad de Inteligencia Computacional del IEEE . Consultado el 18 de enero de 2025 .
  6. 1 2 3 Siddique, Nazmul; Adeli, Hojjat (2013). "Paradigmas de la inteligencia computacional". Inteligencia computacional: sinergias de la lógica difusa, las redes neuronales y la computación evolutiva . Chichester, West Sussex, Reino Unido: John Wiley & Sons Inc. pp. 2–3 . ISBN  978-1-118-33784-4.
  7. ↑ Bezdek, James C. (abril de 2016). "Inteligencia (computacional): ¿Qué hay en un nombre?" (PDF) . Revista IEEE Systems, Man, and Cybernetics . 2 (2): 11. Bibcode : 2016ISMCM...2b...4B . doi : 10.1109/MSMC.2016.2558778 . ISSN 2333-942X . 
  8. 1 2 3 Craenen, Bart; Eiben, AE (2009). "Inteligencia Computacional" . En Joost, NK (ed.). Enciclopedia de Sistemas de Soporte Vital (EOLSS), vol. 4, Inteligencia Artificial . Oxford, Reino Unido: Eolss Publishers. Desarrollado bajo los auspicios de la UNESCO.
  9. 1 2 Duch, Włodzisław (2007). "¿Qué es la inteligencia computacional y hacia dónde se dirige?". En Duch, Włodzisław; Mańdziuk, Jacek (eds.). Desafíos para la inteligencia computacional . Estudios en inteligencia computacional. Vol. 63. Berlín, Heidelberg: Springer. pp. 1–13 . doi : 10.1007/978-3-540-71984-7 . ISBN   978-3-540-71983-0.
  10. 1 2 Fulcher, John (2008). «Introducción, panorama general, definiciones». En Fulcher, John; Jain, LC (eds.). Inteligencia computacional: un compendio . Estudios en inteligencia computacional. Vol. 115. Berlín, Heidelberg: Springer. pp. 3–7 . doi : 10.1007/978-3-540-78293-3 . ISBN   978-3-540-78292-6.
  11. 1 2 3 4 5 Engelbrecht, Andries P. (2002). «Paradigmas de la inteligencia computacional». Inteligencia computacional: una introducción (2.ª ed.). Chichester, Inglaterra; Hoboken, NJ: J. Wiley & Sons. págs. 4–11 . ISBN   978-0-470-03561-0OCLC 133465571​​ 
  12. 1 2 3 4 5 6 7 Siddique, Nazmul; Adeli, Hojjat (2013). «Enfoques de la inteligencia computacional». Inteligencia computacional: sinergias de la lógica difusa, las redes neuronales y la computación evolutiva . Chichester, West Sussex, Reino Unido: John Wiley & Sons Inc. pp. 3–10 . ISBN  978-1-118-33784-4.
  13. 1 2 3 4 5 6 7 Kruse, Rudolf; Mostaghim, Sanaz; Borgelt, cristiano; Braune, cristiano; Steinbrecher, Matías (2022). "Inteligencia Computacional". Inteligencia computacional: una introducción metodológica . Textos de Informática (3ª ed.). Cham: Editorial Internacional Springer. págs. 2– 3. doi : 10.1007/978-3-030-42227-1 . ISBN   978-3-030-42226-4.
  14. 1 2 3 4 5 6 Eberhart, Russell C.; Shi, Yuhui (2007). «Prefacio». Inteligencia Computacional: De los Conceptos a las Implementaciones . Ámsterdam, Boston: Elsevier/Morgan Kaufmann Publishers. págs. XIII– XIX. ISBN  978-1-55860-759-0.
  15. 1 2 3 4 5 6 Hanne, Thomas; Dornberger, Rolf (2017). «Inteligencia Computacional». Inteligencia Computacional en Logística y Gestión de la Cadena de Suministro . Serie internacional en investigación operativa y ciencias de la gestión. Springer-Verlag. pp. 13–41 . doi : 10.1007/978-3-319-40722-7 . ISBN  978-3-319-40722-7.
  16. 1 2 3 4 5 6 Kahraman, Cengiz, ed. (2012). "Prefacio". Sistemas de inteligencia computacional en ingeniería industrial: con teoría y aplicaciones recientes . Atlantis Computational Intelligence Systems. Vol. 6. París: Atlantis Press. pp. VII– XI. doi : 10.2991/978-94-91216-77-0 . ISBN   978-94-91216-76-3.
  17. 1 2 3 4 5 6 7 Hošovský, Alejandro; Piteľ, Ján; Trojanová, Mónica; Židek, Kamil (2021), "Inteligencia computacional en el contexto de la Industria 4.0", en Matt, Dominik T.; Modrák, Vladimír; Zsifkovits, Helmut (eds.), Implementación de la Industria 4.0 en las PYME , Cham: Springer International Publishing, págs. 30-31 , doi : 10.1007/978-3-030-70516-9_2 , ISBN  978-3-030-70515-2
  18. 1 2 3 4 5 Bezdek, James C. (abril de 2016). "Inteligencia (computacional): ¿Qué hay en un nombre?" (PDF) . Revista IEEE Systems, Man, and Cybernetics . 2 (2): 4– 14. Bibcode : 2016ISMCM...2b...4B . doi : 10.1109/MSMC.2016.2558778 . ISSN 2333-942X . 
  19. ↑ Zadeh, Lotfi A. (abril de 1994). "Lógica difusa, redes neuronales y computación blanda". Communications of the ACM . 37 (3): 77– 84. doi : 10.1145/175247.175255 . ISSN 0001-0782 . 
  20. 1 2 Zadeh, Lotfi A. (1998), "Roles of Soft Computing and Fuzzy Logic in the Conception, Design and Deployment of Information/Intelligent Systems", en Kaynak, Okyay; Zadeh, Lotfi A.; Türkşen, Burhan; ​​Rudas, Imre J. (eds.), Computational Intelligence: Soft Computing and Fuzzy-Neuro Integration with Applications , Berlín, Heidelberg: Springer, pp. 1– 9, doi : 10.1007/978-3-642-58930-0_1 , ISBN  978-3-642-63796-4
  21. ↑ Hošovský, Alejandro; Piteľ, Ján; Trojanová, Mónica; Židek, Kamil (2021), "Inteligencia computacional en el contexto de la Industria 4.0", en Matt, Dominik T.; Modrák, Vladimír; Zsifkovits, Helmut (eds.), Implementación de la Industria 4.0 en las PYME , Cham: Springer International Publishing, págs. 28 y 29, doi : 10.1007/978-3-030-70516-9_2 , ISBN  978-3-030-70515-2
  22. ↑ Kruse, Rudolf; Mostaghim, Sanaz; Borgelt, cristiano; Braune, cristiano; Steinbrecher, Matías; Klawonn, Frank; Moewes, cristiano (2022). "Introducción a las redes neuronales artificiales". Inteligencia computacional: una introducción metodológica . Textos de Informática (3ª ed.). Cham, Suiza: Springer. pag. 8.doi : 10.1007 /978-3-030-42227-1 . ISBN   978-3-030-42226-4.
  23. ↑ "Conjuntos difusos y reconocimiento de patrones" . www.cs.princeton.edu . Consultado el 5 de noviembre de 2015 .
  24. 1 2 "Computación blanda vs. computación dura: diferencias clave" . WisdomPlexus . 26 de diciembre de 2024. Recuperado el 7 de febrero de 2025 .
  25. ^ Sidda , Sakunthala; Kiranmayi, R.; Nagaraju Mandadi, P. (28 de febrero de 2018). "Técnicas de Computación Suave y Aplicaciones en Accionamientos Eléctricos Lógica Difusa y Algoritmo Genético" . HÉLICE . 8 (2): 3285– 3289. doi : 10.29042/2018-3285-3289 . S2CID 57747778 . 
  26. ↑ "Computación blanda vs. computación dura" . Universidad del Pueblo . 19 de junio de 2024. Consultado el 7 de febrero de 2025 .
  27. ↑ Investigador (11 de octubre de 2022). "Computación blanda vs. computación dura: comprensión de las diferencias y aplicaciones" . CINET - Computational Intelligence Mastery . Consultado el 8 de febrero de 2025 .
  28. ↑ "Computación blanda vs. computación dura" . GeeksforGeeks . 24 de enero de 2026. Consultado el 5 de febrero de 2026 .
  29. 1 2 Bezdek, James C. (1998), "Inteligencia Computacional Definida - ¡Por Todos !", en Kaynak, Okyay; Zadeh, Lotfi A.; Türkşen, Burhan; ​​Rudas, Imre J. (eds.), Inteligencia Computacional: Computación Blanda e Integración Neuronal Difusa con Aplicaciones , Berlín, Heidelberg: Springer, pp. 10–37 , doi : 10.1007/978-3-642-58930-0_2 , ISBN   978-3-642-63796-4Consultado el 3 de febrero de 2025.
  30. ↑ Engelbrecht, Andries P. (2007). «Breve historia». Inteligencia computacional: una introducción (2.ª ed.). Chichester, Inglaterra; Hoboken, NJ: John Wiley & Sons. pp. 11–13 . ISBN   978-0-470-03561-0OCLC 133465571​​ 
  31. ↑ Turing, Alan M. (1 de octubre de 1950). "I.—MÁQUINAS DE COMPUTACIÓN E INTELIGENCIA" . Mind . LIX (236): 433–460 . doi : 10.1093/mind/LIX.236.433 . ISSN 1460-2113 . 
  32. ↑ "Inteligencia Computacional - Archivo de números" . Wiley Online Library . doi : 10.1111/(ISSN)1467-8640 .
  33. 1 2 "Historia de la Sociedad de Inteligencia Computacional del IEEE" . Wiki de historia de la ingeniería y la tecnología . 22 de julio de 2014. Consultado el 30 de octubre de 2015 .
  34. ↑ Bezdek, James C (1994). "¿Qué es la inteligencia computacional?". En Zurada, Jacek M.; Marks II, Robert J.; Robinson, Charles J. (eds.). Inteligencia computacional: imitando la vida . Nueva York, NY: IEEE Press. pp. 1–12 . ISBN  978-0-7803-1104-6.
  35. ↑ Engelbrecht, Andries P. (2007). «Lógica difusa y razonamiento». Inteligencia computacional: una introducción (2.ª ed.). Chichester, Inglaterra; Hoboken, NJ: John Wiley & Sons. pp. 465–474 . ISBN   978-0-470-03561-0OCLC 133465571​​ 
  36. 1 2 3 Chai, Wesley. "Aplicaciones de lógica difusa" . ¿Qué es la lógica difusa? - Definición de SearchEnterpriseAI . Recuperado el 11 de febrero de 2025 .
  37. ↑ Siddique, NH; Adeli, Hojjat (2013). «Lógica difusa». Inteligencia computacional: sinergias de la lógica difusa, las redes neuronales y la computación evolutiva . Chichester, West Sussex, Reino Unido: John Wiley & Sons Inc. pp. 4–5 . ISBN  978-1-118-53481-6.
  38. ↑ Pedrycz, Witold (1993). Control difuso y sistemas difusos . Estudios de investigación en ingeniería electrónica y eléctrica. Serie de teoría y aplicaciones del control (2.ª edición, edición ampliada, reimpresión ). Taunton: Research Studies Press [ua] ISBN  978-0-86380-131-0.
  39. 1 2 Höppner, Frank, ed. (1999). Análisis de clústeres difusos: métodos para clasificación, análisis de datos y reconocimiento de imágenes . Chichester; Nueva York: J. Wiley. ISBN 978-0-471-98864-9.
  40. ↑ Dunn, JC (1973). "Un pariente difuso del proceso ISODATA y su uso en la detección de clústeres compactos bien separados". Journal of Cybernetics . 3 (3): 32– 57. doi : 10.1080/01969727308546046 . ISSN 0022-0280 . 
  41. ↑ Engelbrecht, Andries P. (2007). «Sistemas difusos». Inteligencia computacional: una introducción (2.ª ed.). Chichester, Inglaterra; Hoboken, NJ: John Wiley & Sons. pp. 10–11 . ISBN   978-0-470-03561-0OCLC 133465571​​ 
  42. 1 2 3 4 Engelbrecht, Andries P. (2007). «Redes neuronales artificiales». Inteligencia computacional: una introducción (2.ª ed.). Chichester, Inglaterra; Hoboken, NJ: John Wiley & Sons. págs. 5–7 . ISBN   978-0-470-03561-0OCLC 133465571​​ 
  43. ↑ Eberhart, Russell C.; Shi, Yuhui (2007). «Bases biológicas de las redes neuronales». Inteligencia computacional: de los conceptos a las implementaciones . Ámsterdam; Boston: Elsevier/Morgan Kaufmann Publishers. págs. 4–6 . doi : 10.1016/B978-1-55860-759-0.X5000-8 . ISBN  978-1-55860-759-0OCLC 136781819​​ 
  44. 1 2 3 Siddique, NH; Adeli, Hojjat (2013). «Redes neuronales». Inteligencia computacional: sinergias de lógica difusa, redes neuronales y computación evolutiva . Chichester, West Sussex, Reino Unido: John Wiley & Sons Inc. pág. 5. ISBN  978-1-118-53481-6.
  45. 1 2 Stergiou, Christos; Siganos, Dimitrios. "Redes neuronales" . Revista SURPRISE 96. Imperial College London . Archivado del original el 16 de diciembre de 2009. Recuperado el 11 de marzo de 2015 .
  46. 1 2 Eberhart, Russell C.; Shi, Yuhui (2007). «Redes neuronales». Inteligencia computacional: de los conceptos a las implementaciones . Ámsterdam; Boston: Elsevier/Morgan Kaufmann Publishers. págs. 12–13 . doi : 10.1016/B978-1-55860-759-0.X5000-8 . ISBN  978-1-55860-759-0OCLC 136781819​​ 
  47. ↑ De Jong, Kenneth A. (2006). Computación evolutiva: un enfoque unificado . Cambridge, MA: MIT Press. ISBN 978-0-262-52960-0.
  48. ↑ Eiben, AE; Smith, JE (2015). «Variantes populares de algoritmos evolutivos». Introducción a la computación evolutiva . Serie de computación natural. Berlín, Heidelberg: Springer. pp. 99–116 . doi : 10.1007/978-3-662-44874-8 . ISBN  978-3-662-44873-1.
  49. ↑ De Jong, Kenneth A. (2006). «Algoritmos evolutivos como solucionadores de problemas». Computación evolutiva: un enfoque unificado . Cambridge, MA: MIT Press. pp. 71–114 . ISBN  978-0-262-52960-0.
  50. ↑ Branke, Jürgen; Deb, Kalyanmoy; Miettinen, Kaisa; Słowiński, Roman, eds. (2008). Optimización multiobjetivo: enfoques interactivos y evolutivos . Lecture Notes in Computer Science. Vol. 5252. Berlín, Heidelberg: Springer Berlin Heidelberg. doi : 10.1007/978-3-540-88908-3 . ISBN  978-3-540-88907-6.
  51. ↑ Cantú-Paz, Erick (2001). Algoritmos genéticos paralelos eficientes y precisos . Algoritmos genéticos y computación evolutiva. Vol. 1. Nueva York, NY: Springer US. doi : 10.1007/978-1-4615-4369-5 . ISBN  978-1-4613-6964-6.
  52. ↑ Khalloof, Hatem; Mohammad, Mohammad; Shahoud, Shadi; Duepmeier, Clemens; Hagenmeyer, Veit (2 de noviembre de 2020), "Un marco genérico, flexible y escalable para la paralelización jerárquica de metaheurísticas basadas en poblaciones", Actas de la 12.ª Conferencia Internacional sobre Gestión de Ecosistemas Digitales (MEDES'20) , Nueva York, NY: ACM, págs. 124-131 , doi : 10.1145/3415958.3433041 , ISBN  978-1-4503-8115-4, S2CID 227179748 
  53. ↑Jakob, Wilfried; Strack, Sylvia; Quinte, Alexander; Bengel, Günther; Stucky, Karl-Uwe; Süß, Wolfgang (April 22, 2013). "Fast Rescheduling of Multiple Workflows to Constrained Heterogeneous Resources Using Multi-Criteria Memetic Computing". Algorithms. 6 (2): 245–277. doi:10.3390/a6020245. ISSN 1999-4893.
  54. ↑Friedrich, Tobias; Wagner, Markus (August 2015). "Seeding the initial population of multi-objective evolutionary algorithms: A computational study". Applied Soft Computing. 33: 223–230. arXiv:1412.0307. doi:10.1016/j.asoc.2015.04.043.
  55. ↑Siddique, N. H.; Adeli, Hojjat (2013). "Swarm Intelligence". Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks, and Evolutionary Computing. Chichester, West Sussex, UK: John Wiley & Sons. pp. 7–11. ISBN 978-1-118-33784-4.
  56. ↑Kennedy, James; Eberhart, Russell C.; Shi, Yuhui (2001). Swarm Intelligence. The Morgan Kaufmann Series in Artificial Intelligence. San Francisco: Morgan Kaufmann. doi:10.1016/B978-1-55860-595-4.X5000-1. ISBN 978-1-55860-595-4.
  57. ↑Bonabeau, Eric; Dorigo, Marco; Theraulaz, Guy (1999). Swarm Intelligence: From Natural to Artificial Systems. New York: Oxford University Press. ISBN 978-0-19-513158-1.
  58. ↑Engelbrecht, Andries P. (2007). "Swarm Intelligence". Computational Intelligence: An Introduction (2nd ed.). Chichester, England; Hoboken, NJ: John Wiley & Sons. p. 9. ISBN 978-0-470-03561-0. OCLC 133465571.
  59. ↑Poli, Riccardo (January 2008). Vanneschi, Leonardo (ed.). "Analysis of the Publications on the Applications of Particle Swarm Optimisation". Journal of Artificial Evolution and Applications. 2008 (1) 685175. doi:10.1155/2008/685175. ISSN 1687-6229.
  60. ↑ Bhavya, Ravinder; Elango, Lakshmanan (27 de abril de 2023). "Algoritmos metaheurísticos inspirados en hormigas para problemas de optimización combinatoria en la gestión de recursos hídricos" . Water . 15 (9): 1712. Bibcode : 2023Water..15.1712B . doi : 10.3390/w15091712 . ISSN 2073-4441 . 
  61. ↑ Dey, Nilanjan, ed. (2024). Aplicaciones de la optimización por colonia de hormigas y sus variantes: estudios de caso y nuevos desarrollos . Springer Tracts in Nature-Inspired Computing. Singapur: Springer Nature Singapore. doi : 10.1007/978-981-99-7227-2 . ISBN 978-981-99-7226-5.
  62. ↑ Li, Bo; Wada, Koishi (2005), "Paralelización de la optimización por enjambre de partículas", Conferencia IEEE Pacific Rim sobre Comunicaciones, Computadoras y Procesamiento de Señales (PACRIM 2005) , IEEE, pp. 288–291 , doi : 10.1109/PACRIM.2005.1517282 , ISBN  978-0-7803-9195-6
  63. ↑ Randall, Marcus; Lewis, Andrew (septiembre de 2002). "Una implementación paralela de la optimización por colonia de hormigas" . Journal of Parallel and Distributed Computing . 62 (9): 1421– 1432. doi : 10.1006/jpdc.2002.1854 . hdl : 10072/6633 .
  64. ↑ Zheng, Rui-zhao; Zhang, Yong; Yang, Kang (23 de mayo de 2022). "Un algoritmo de optimización por enjambre de partículas basado en aprendizaje por transferencia para el problema del viajante" . Journal of Computational Design and Engineering . 9 (3): 933– 948. doi : 10.1093/jcde/qwac039 . ISSN 2288-5048 . 
  65. ↑ Xing, Li-Ning; Chen, Ying-Wu; Wang, Peng; Zhao, Qing-Song; Xiong, Jian (junio de 2010). "Optimización de colonia de hormigas basada en el conocimiento para problemas de programación de talleres de trabajo flexibles" . Applied Soft Computing . 10 (3): 888– 896. doi : 10.1016/j.asoc.2009.10.006 .
  66. ↑ Pourret, Olivier; Naïm, Patrick; Marcot, Bruce Gregory (2008). Redes bayesianas: una guía práctica para aplicaciones . Estadística en la práctica. Chichester (GB): J. Wiley. ISBN 978-0-470-06030-8.
  67. 1 2 Hošovský, Alejandro; Piteľ, Ján; Trojanová, Mónica; Židek, Kamil (2021), "Sistemas inmunológicos artificiales", en Matt, Dominik T.; Modrák, Vladimír; Zsifkovits, Helmut (eds.), Implementación de la Industria 4.0 en las PYME , Cham: Springer International Publishing, págs. 48–52 , doi : 10.1007/978-3-030-70516-9_2 , ISBN  978-3-030-70515-2
  68. 1 2 Cosma, Georgina; Brown, David; Archer, Matthew; Khan, Masood; Graham Pockley, A. (marzo de 2017). "Una revisión de los enfoques de inteligencia computacional para el modelado predictivo en el cáncer de próstata" . Expert Systems with Applications . 70 : 1–19 . doi : 10.1016/j.eswa.2016.11.006 .
  69. ↑ Pinto, Rui; Gonçalves, Gil (septiembre de 2022). "Aplicación de sistemas inmunológicos artificiales en fabricación avanzada" . Matriz . 15 100238.doi : 10.1016/ j.array.2022.100238 .
  70. ↑ Ormrod, Jeanne Ellis (1995). Psicología educativa: Principios y aplicaciones (1.ª ed.). Englewood Cliffs, NJ: Merrill [ua] ISBN  978-0-675-21086-7.
  71. ↑ Illeris, Knud; Illeris, Knud (2004). Las tres dimensiones del aprendizaje: teoría contemporánea del aprendizaje en el campo de tensión entre lo cognitivo, lo emocional y lo social ( Edición reimpresa). Malabar, FL: Krieger. ISBN  978-1-57524-258-3.
  72. ↑ Siddique, NH; Adeli, Hojjat (2013). «Teoría del aprendizaje». Inteligencia computacional: sinergias de la lógica difusa, las redes neuronales y la computación evolutiva . Chichester, West Sussex, Reino Unido: John Wiley & Sons Inc. pág. 6. ISBN  978-1-118-53481-6.
  73. ↑ Worrell, James. "Teoría del aprendizaje computacional: 2014-2015" . Universidad de Oxford . Página de presentación del curso CLT . Consultado el 11 de febrero de 2015 .
  74. ↑ Erdős, Paul; Spencer, Joel H. (1974). Métodos probabilísticos en combinatoria . Probabilidad y estadística matemática, 17. Nueva York: Academic Press. ISBN 978-0-12-240960-8.
  75. ↑ Siddique, NH; Adeli, Hojjat (2013). «Métodos probabilísticos». Inteligencia computacional: sinergias de la lógica difusa, las redes neuronales y la computación evolutiva . Chichester, West Sussex, Reino Unido: John Wiley & Sons Inc. pp. 6–7 . ISBN  978-1-118-53481-6.
  76. ↑ Palit, Ajoy K.; Popovic, Dobrivoje (2006). Inteligencia computacional en la predicción de series temporales : teoría y aplicaciones de ingeniería . Springer Science & Business Media. pág. 4. ISBN   9781846281846.
  77. ↑ Minaie, Afsaneh; Sanati-Mehrizy, Paymon; Sanati-Mehrizy, Ali; Sanati-Mehrizy, Reza (2013), "Curso de Inteligencia Computacional en Planes de Estudio de Ingeniería y Ciencias de la Computación de Pregrado" (PDF) , Conferencia Anual de la Sociedad Estadounidense para la Educación en Ingeniería (ASEE) , págs. 13.316.1–13.316.17 
  78. ↑ "Las mejores universidades del mundo para la inteligencia artificial (IA)" . EduRank . 2 de marzo de 2025. Consultado el 9 de febrero de 2026 .
  79. ↑ Kruse, Rudolf; Borgelt, cristiano; Celebrado, Pascal; Doell, Christoph (6 de abril de 2022). "Materiales de la conferencia" . Libro Inteligencia Computacional . Consultado el 9 de febrero de 2026 .
  80. ↑ «Inteligencia Computacional - Sanaz Mostaghim» . OVGU - Universidad Otto von Guericke de Magdeburgo . 15 de diciembre de 2025 . Consultado el 9 de febrero de 2026 .
  81. ↑ NEES JAN VAN ECK y LUDO WALTMAN (2007). "Mapeo bibliométrico del campo de la inteligencia computacional" . International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems . 15 (5). World Scientific Pub Co Pte Lt: 625– 645. doi : 10.1142/s0218488507004911 . hdl : 1765/10073 .
  82. ↑ "Departamento de Ciencias de la Computación" . Universidad de Stellenbosch, Sudáfrica . Consultado el 9 de febrero de 2026 .
  83. ↑ Siddique, Nazmul (8 de febrero de 2026). "Nazmul Siddique - Universidad de Ulster" . Universidad de Ulster . Consultado el 9 de febrero de 2026 .
  84. ↑ Eiben, Agoston E. "Prof. Dr. AEEiben" . Vrije Universiteit Ámsterdam . Consultado el 10 de febrero de 2026 .
  85. ↑ Duch, Włodzisław (31 de enero de 2026). "Wlodzislaw Duch - página web" . Facultad de Física, Astronomía e Informática - Universidad Nicolás Copérnico de Toruń . Consultado el 10 de febrero de 2026 .
  86. ↑ Hanne, Thomas. "Prof. Dr. Thomas Hanne" . Universidad de Ciencias Aplicadas y Artes, Suiza . Consultado el 9 de febrero de 2026 .
  87. ↑ "Juergen Branke - Profesor de Investigación Operativa y Sistemas" . Warwick Business School . Consultado el 10 de febrero de 2026 .
  88. ↑ Deb, Kalyanmoy (29 de agosto de 2013). "Kalyanmoy Deb, Profesora Titular de la Cátedra Koenig" . Universidad Estatal de Michigan . Consultado el 10 de febrero de 2026 .
  89. ↑ «Sitio Web Marco Dorigo» . ULB - Universidad Libre de Bruselas . 8 de enero de 2025 . Consultado el 10 de febrero de 2026 .
  90. ↑ "Riccardo Poli" . Universidad de Essex . Consultado el 10 de febrero de 2026 .
  91. ↑ "Georgina Cosma" . Universidad de Loughborough . 20 de enero de 2026. Consultado el 10 de febrero de 2026 .