-
Edward A. Feigenbaum y Bruce Buchanan desarrollaron un programa capaz de producir resultados en el area de la quimica, los primeros descubrimientos quimicos hechos por una computadora fueron reportados por este programa. -
En la conferencia de Stanford de Nombre SUMEX-AIM del año 1977, Edward Feigenbaum y Joshua Lederberg demuestran el poder que tiene ARPAnet para las colaboraciones cientificas. -
Desarrollado por Mark Stefik y Peter Friedland, lograron demostrar que es posible utilizar conocimiento y llevarlo a una representacion orientada a objetos, para que esta pueda ser utilizada para la planeacion de experimentos de genetica.
-
Jack Myers y Harry Pople de la universidad de Pittsburgh desarrollaron INTERNIST, un programa basado en conocmiento de diagnosticos medicos el cual no era perfecto, pero sirvio de base para los sistemas de diagnostico en base a inteligencia artificial de hoy en dia. -
Un sistema experto para la interpretación de datos de función pulmonar utilizado por el Pacific Medical Center en San Francisco. El sistema PUFF actúa interpretando los informes de función pulmonar del paciente. Observa el volumen de los pulmones, las condiciones de inhalación y exhalación del paciente y la capacidad de los pulmones para el oxígeno y el proceso de oxígeno y dióxido de carbono del cuerpo. Estas medidas se utilizan para diagnosticar enfermedades pulmonares. -
La máquina de conexión proporcionó nueva energía a la inteligencia artificial y se utilizo en supercomputadoras. Fue desarrollada con el proposito de diseñar aplicaciones relacionadas con el procesamiento simbólico y la IA. Se utilizó el lenguaje LISP para escribir instrucciones para los mecanismos paralelos. Un tamaño de RAM 4 KB se utilizó, y la máquina tiene sus técnicas de enrutamiento para la transferencia de datos entre nodos. -
Cohen desarrolló el programa Aaron para crear imágenes artísticamente originales. El objetivo era encontrar las condiciones adecuadas para que las funciones del conjunto de marcas crearan una imagen de forma eficaz. Inicialmente, Aaron contenía un código LISP de tamaño 1,5 MB e hizo dibujos y dibujos abstractos. Con las máquinas, Aaron creó obras de arte con características físicas como trazadores de superficie plana y un diseño personalizado. -
Sistema experto CADUCEUS que fue desarrollado para mejorar el sistema de exportación MYCIN. Utiliza el motor de inferencia y pudo diagnosticar 1000 enfermedades de diferentes categorías. Las principales intenciones de CADUCEUS fueron las complejidades del envenenamiento de la sangre y también explora los otros trastornos internos causados por una enfermedad diagnosticada importante.
-
Pearl ha descrito la base desarrollada del procesamiento computacional y simbólico de información incierta. Usando redes bayesianas, definió modelos de probabilidad complejos y diseñó algoritmos para construir el sistema de inferencia para los modelos. Esta pieza de razonamiento probabilístico supuso una gran revolución en la inteligencia artificial, así como en las ciencias naturales y la ingeniería. -
El chatbot Jabberwacky fue desarrollado para proporcionar simulación para un chat humano con características entretenidas e interesantes. Se considera uno de los primeros intentos de utilizar la interacción humana para el desarrollo de la IA para pasar la prueba de Turing. El desarrollador dijo que este bot podría incrustarse en objetos como mascotas que hablan de manera efectiva.
-
Alan Emtage desarrolló el primer motor de búsqueda Archie, para localizar archivos en archivos FTP públicos. Se le puede llamar un motor de búsqueda anterior a la Web. Era diferente de los motores de búsqueda modernos, ya que los motores de búsqueda modernos requieren el envío de directorios por parte del público. Esto sirvio como base para los buscadores de hoy en dia y sus sistemas de inteligencia artificial para el posicionamiento de las busquedas. -
Un programa de computadora Deep Blue está hecho para jugar un juego de ajedrez. Pudo ganar tanto una partida de ajedrez como una partida de ajedrez. Está diseñado utilizando un algoritmo de búsqueda alfa-beta y chips VLSI personalizados para la ejecución del algoritmo. Deep Blue derrotó a Kasparov en un partido organizado por IBM. -
El robot de juguete AIBO es un robot de inteligencia artificial que se desarrolló como un perro mascota para entretener a los niños. Tiene una CPU como cerebro, sensores como órganos sensoriales y un software de aplicación “Memory Stick” para controlar funciones. El ser humano puede determinar fácilmente los deseos de AIBO a través de su expresión porque está diseñado con habilidades de expresión como miedo, sorpresa y disgusto, ira, felicidad y tristeza. -
Un robot Kismet es un bot con parte de la cabeza desarrollado como un experimento de computación afectiva (una máquina con estimulación y reconocimiento emocional). Para la interacción con los humanos, la parte de entrada consiste en la propiocepción, las habilidades visuales y auditivas. Los movimientos de expresión facial incluyen cabeza, orejas, mandíbula, labios, párpados y cejas.
-
Roomba es el sistema de aspiración robótica doméstica de iRobot Corp de Rodney Brooks. Fue el primer robot de limpieza del hogar que pudo detectar y evitar obstáculos. Además, podría navegar dentro de una casa sin usar mapas de ubicación. Este robot con forma de Frisbee fue el primer robot doméstico exitoso de la historia comercialmente. -
Criterion La evaluación de ensayos en línea se realiza mediante el procesamiento del lenguaje natural y el aprendizaje automático. Education Testing Service se compromete a proporcionar instrumentos de evaluación justos. Es un sistema educativo basado en la web que ofrece puntuación automática y evaluación de los estudiantes. La aplicación eliminó la carga sobre los maestros en la lectura y evaluación de más de 30 ensayos. -
En esta aplicación de detección automática de esteganografía, se utilizó el aprendizaje automático para detectar mensajes secretos en imágenes, audios y videos electrónicos. Los investigadores entrenaron los algoritmos para trabajar tanto en contenido como en formatos de imagen de tipo compresión. El sistema entrenado también puede detectar técnicas de esteganografía previas. -
El sistema fue lo suficientemente eficiente en la determinación automatizada de la estructura de la proteína incluso con información de datos minuciosa. Repasó una variedad de mapas de densidad de electrones reales y generó automáticamente una estructura de proteína precisa.
-
El enfoque de aprendizaje automático de la ventana deslizante se utilizó para la detección de rostros en tiempo real. Se basó en una sólida tecnología de detección de rostros para reconocer objetos en tiempo real.