Академический Документы
Профессиональный Документы
Культура Документы
Luis Alonso Romero Catedrtico de Ciencia de la Computacin e Inteligencia Artificial Universidad de Salamanca lalonso@usal.es
Objetivos
z z z z z Intentar delimitar el concepto de Inteligencia Artificial Hacer una breve resea histrica Describir los problemas computacionales que plantea Panormica de los logros y los fracasos. Breve introduccin a la Computacin blanda (soft) :
y Las redes neuronales artificiales. y La Lgica Borrosa y Los Algoritmos Genticos.
11:01
z La comprensin de estas funciones a nivel fundamental sera un logro cientfico comparable a la fsica nuclear, la relatividad o la gentica molecular. (James Albus, 1995, Nasa) z Inteligencia: capacidad de un sujeto para dirigir su comportamiento usando la informacin captada, aprendida, elaborada y producida por l mismo. (J.A. Marina, La Inteligencia Fracasada, 2004).
11:01
Ms citas
z Penrose (La mente del emperador, 1989):
y A la mayora de las personas les gusta tener y usar mquinas que les permiten hacer tareas de forma ms fcil o ms rpida: hacer agujeros en la pared, desplazarse por una carretera, etc. y Tambin les gusta usar mquinas que les permiten hacer cosas que, de otra forma, no podran hacer: volar. y Sin embargo, la idea de una mquina que pueda pensar por nosotros es un salto demasiado grande, que suscita un montn de cuestiones de tipo tico y filosfico.
z La Inteligencia Artificial tiene como objetivo el llegar a construir esas mquinas, y mejorar el conocimiento de la inteligencia. z Esas mquinas deberan ser capaces de imitar, o superar, las capacidades mentales de los humanos: razonamiento, comprensin, imaginacin, reconocimiento, creatividad, emociones, ...
11:01
I.A : definiciones
z Se suelen usar dos caractersticas para definir la I.A:
Humanos lograr que las computadoras piensen, mquinas con mente (Haugeland 85)
Racionales
Congnitivo
El estudio de las facultades mentales mediante el uso de modelos computacionales ( Charniak, McDermot 85)
Conductista
cmo lograr que las computadoras realicen tareas que, por el momento, los humanos hace mejor ( Rich, Knight 91)
La parte de la ciencia de la computacin que se ocupa de la automatizacin de la conducta inteligente (Luger, Stubblefield 93)
11:01
Escuelas en I.A.
z A lo largo de la historia se han adoptado los cuatro enfoques mencionados, con ciertas rivalidades entre los diferentes grupos implicados.
As, existe la escuela cognitiva cuyo inters radica en descubrir los procesos del razonamiento para intentar reproducirlos en la mquina. La escuela logicista tiene su principal objetivo en el desarrollo de la lgica formal y los correspondientes mecanismos de inferencia. La escuela pragmtica intenta desarrollar sistemas informticos que se comporten de forma inteligente sin intentar emular los procesos de razonamiento humano.
En la prctica, todos los enfoques son vlidos y su utilidad depender del objetivo del estudio: desarrollar un sistema informtico que se comporte inteligentemente (sistema experto, por ejemplo) , implicar seguramente la necesidad de profundizar en los mecanismos del razonamiento.
11:01
Fundamentos de la I.A.
z Filosofa z Matemticas , especialmente:
y la lgica matemtica (Frege, Russell, Zadeh), y la teora de la computabilidad y complejidad (Godel, Church, Turing, etc), y la teora de la decisin (Von Neumann), etc
11:01
z Planificacin:
v Dados {conocimiento, situacin actual, objetivo deseado}, deducir la secuencia de acciones para alcanzar el objetivo. (razonamiento dirigido por objetivos).
z Aprendizaje:
v Dados {conocimiento, hechos}, deducir de nuevos hechos posibles modificaciones sobre el conocimiento.
z En aplicaciones concretas (reconocimiento de habla, visin artificial, robtica) pueden coexistir varios de los objetivos anteriores.
11:01
xhttp://www.abelard.org/turpap/turpap.htm
11:01
11:01
10
z Puede pensarse en trminos de un rbol, en que los nodos son los estados y las operaciones son los arcos.
y Por ejemplo, pensemos en el Scrabble. Tenemos las letras A,L y S. En cada nivel del rbol aadimos una letra,en orden alfabtico, y permutamos su posicin. Tendramos as un rbol :
11:01
11
Un rbol de bsqueda
ALS AL ASL SAL A AS ASL Slo hay dos nodos que cumplen la prueba de terminacin: SAL y LAS En este caso, el espacio de bsqueda tiene dos propiedades simplificadoras: - Es finito. - No contiene nodos repetidos
ALS LAS
11:01
12
Mtodos de bsqueda
z Existen una serie de mtodos para bsqueda en espacio de estados:
y Bsqueda en anchura. y Bsqueda en profundidad, y ...
z No obstante, en todos ellos se produce el fenmeno de la Explosin combinatoria : en cada nivel, el nmero de nodos crece exponencialmente de forma que el problema se hace intratable. z Para intentar resolver esto, se aplican tcnicas de bsqueda heurstica : reglas que ayuden a disminuir el nmero de nodos a tratar y que, aunque no garanticen la solucin ptima, permiten encontrar una solucin casi siempre.
11:01
13
z En algunos (pocos) casos particulares, se poda restringir la aplicacin del conocimiento a una funcin de evaluacin. z Sin embargo, en la mayora de las situaciones, estaba claro que haca falta algo ms:
y Una estrategia global de resolucin de problemas. y Una codificacin explcita del conocimiento sobre los objetos, propiedades y acciones asociadas con el dominio.
11:01
14
11:01
15
El conocimiento y la mquina
z Newell y Simon generaron el sistema de representacin del conocimiento conocido como reglas de produccin, que ha sido la piedra angular del desarrollo de los sistemas expertos del periodo siguiente:
y Si <antecedente> entonces <consecuente>
z Tambin se sentaron las bases del anlisis de protocolos, o tcnicas de extraccin del conocimiento (ingeniera del conocimiento). z Se desarrollaron mtodos alternativos de representacin:
y Redes asociativas, o semnticas, en las que los nodos eran conceptos y los arcos relaciones. y Aplicacin de la lgica formal para codificar hechos y aplicar inferencias de forma automtica, ...
11:01
16
11:01
17
11:01
18
xVisin artificial: tratamiento de imgenes. xProcesamiento de seales. y La aparicin de la WWW ha hecho que la informacin se est expandiendo a una velocidad vertiginosa y la I.A. Tendr algo que aportar en la solucin a los problemas recuperacin, anlisis, clasificacin, indexacin, ... y Se sigue cuestionando la definicin misma de inteligencia. Se habla de mente, consciencia,
11:01
19
z MARVEL (92) : sistema experto en tiempo real que monitoriza los datos
transmitidos desde algunas naves espaciales (Voyager), alertando a los analistas sobre posibles problemas. interfaz a una base de datos de reserva de billetes .
z PEGASSUS (94) : sistema de comprensin de lenguaje natural que acta de z Mquinas Lisp: uno de las grandes trampas de la construccin de hardware, en la
que cayeron fabricantes como Texas, Xerox, Apple, etc
11:01
20
Sistemas Inteligentes
z Los desarrollos producidos en la Inteligencia Artificial en todos estos aos pueden dividirse, grosso modo, en tres categoras:
y Sistemas basados en conocimiento: xSistemas expertos, sistemas basados en reglas y sistemas basados en marcos y objetos. y Sistemas de Inteligencia computacional: xRedes neuronales, algoritmos genticos. y Sistemas hbridos: xSistemas basados en lgica borrosa.
z Las dos ltimas categoras constituyen lo que se ha dado en llamar computacin soft.
11:01
21
11:01
22
Sistemas expertos
z De los sistemas basados en conocimiento, los que ms desarrollo han tenido son los sistemas expertos.
y El conocimiento se expresar en forma de reglas, de objetos, de marcos semnticos, etc. y El motor de inferencias puede usarse para: xDeduccin: dados una serie de hechos deducir una consecuencia. xAbduccin: dada una consecuencia, deducir los hechos de los que se puede derivar (diagnosis, ...) xInduccin: inferir reglas de una serie de hechos. y Deduccin: causa + regla efecto y Abduccin: efecto + regla causa y Induccin: causa + efecto regla
11:01
23
11:01
24
11:01
25
11:01
26
11:01
27
11:01
28
11:01
29
Cerebro
Simple Baja velocidad (m s ) Muchos Integrada en el procesador Distribuida Direccionable por contenido Distribuida Altamente Paralela Auto-aprendizaje Muy robusto Muy bueno en problemas de percepcin No restringido. Poco definido
Computador
Complejo A l t a v e l o c i d a d ( s) Unos pocos (1 o ms) Separada del procesador Localizada Normalmente no direccionable por contenido Centralizada Secuencial/muy poco paralela Programa almacenado Muy vulnerable Muy bueno en problemas de manipulacin numrica/simblica Bien restringido Bien definido
b.- Memoria
c.-Computacin
11:01
30
11:01
31
x0 = 1 x1
. .
w0 w1 wn y
y ' = 1 si w i x i 0
i =0 n
y ' = 0 si wi x i < 0
i =0
xn
11:01
32
.........
11:01
33
Aprendizaje en RNA
z Aprendizaje en una RNA se define como el proceso de actualizar los pesos (y eventualmente la arquitectura) de forma que la red pueda llevar a cabo de forma efectiva una tarea determinada. z Normalmente, la modificacin se restringe al valor de los pesos, dado que la relacin topologa-prestaciones no est muy clara.
y Paradigma de aprendizaje: informacin disponible para la red (modelo del entorno de operacin) y Regla de aprendizaje:Principios que gobiernan el aprendizaje y Algoritmo de aprendizaje: procedimiento numrico de ajuste de los pesos.
11:01
34
z Agrupamiento, categorizacin
xExplorar las posibles similitudes entre los patrones de entrada y crear las correspondientes agrupaciones. Ejemplo: compresin de datos, anlisis exploratorio de datos, minera de datos.
http://neuralnetworks.ai-depot.com/
11:01
36
11:01
37
11:01
38
z La teora de conjuntos borroso, base de esta Lgica, se debe a Zadeh (1965) z Si a cada elemento del Universo del Discurso se le asigna un grado de pertenencia a un conjunto, a(x) , valor real entre 0 y 1, tendremos definido un conjunto borroso.
11:01
39
11:01
40
Ejemplo
z La notacin matemtica es:
A = {x | A(x) } si A(x) es distinto de 0 (x se llama singleton)
Ejemplo: bebs = {} jvenes = {5 | 1, 10 | 1, 20 | 0.8, 30 | 0.5 , 40 | 0.2 , 50 | 0.1 } adultos = {20 | 0.8 , 30 | 1, 40 | 1, 50 | 1, 60 | 1, 70 | 1, 80 | 1} viejos = {20 | 0.1, 30 | 0.2, 40 | 0.4, 50 | 0.6, 60 | 0.8, 70 | 1, 80 | 1 }
z El conjunto bebs es un conjunto borroso vaco, dentro del Universo de edades elegido. z Sobre los conjuntos borrosos as definidos, se puede re-edificar la teora de conjuntos, estableciendo las operaciones de Unin, Interseccin, Negacin, Producto Cartesiano, Relaciones borrosas, etc.
11:01
41
11:01
42
Inferencias Borrosas
z Las reglas de inferencia borrosa son extensiones de las reglas de inferencia de la lgica tradicional. z Modus Ponens Generalizado:
A(x) -->B(z) A(x) ----------------B(z) A(x) --> B(z) B(z) -----------------A(x) Si la temperatura es baja sube la calefaccin La temperatura es baja ---------- Sube la calefaccin
11:01
43
Sistemas Borrosos
z Un sistema (de control, de informacin, etc) es borroso cuando su funcionamiento se basa, al menos parcialmente en la lgica borrosa o en los conjuntos borrosos. z Los problemas de anlisis de sistemas (o toma de decisiones) ms importantes son:
Control de procesos. Procesamiento de seal. Diagnstico. Procesamiento de imagen. Procesamiento de lenguaje natural. Investigacin Operativa.
11:01
44
De laboratorio:
11:01
45
http://www.ortech-engr.com/fuzzy/reservoir.html
11:01
46
www.ing.unal.edu.co/~ogduarte/softwareDetallado.htm
11:01
47
Computacin Evolutiva
z La inteligencia y la evolucin son conceptos estrechamente relacionados en el mundo biolgico. z A pesar de ello, no existe una definicin de inteligencia aceptada de forma universal. Menos an si le aadimos adjetivos (artificial) z Una posible definicin, ms o menos consensuada, (Fogel, 95)es:
Inteligencia es la capacidad de un sistema de adaptar su comportamiento para obtener sus objetivos dentro de un rango amplio de entornos. En esta definicin no se habla de implementaciones de uno u otro tipo. La funcionalidad es la misma tanto si se habla de individuos, especies, grupos sociales, etc.
z Si modelamos el proceso evolutivo, podremos crear entidades capaces de generar comportamiento inteligente: computacin evolutiva.
11:01
48
Evolucin
z El proceso de evolucin puede considerarse formado por cuatro procesos esenciales:
reproduccin: mutacin: los errores en la transcripcin de informacin son inevitables. competencia: derivada de la naturaleza finita de los recursos. seleccin, resultado de la competencia.
z Parece lgico concluir que si una mquina puede simular el proceso evolutivo, esa mquina se puede calificar de inteligente, en el sentido de Fogel. z La teora clsica de la evolucin de Darwin-Wallace (1858), combinada con la gentica de Mendel y el seleccionismo de Weismann constituye lo que se llama el paradigma neo-darwinista:
La evolucin de la gran mayora de las especies vivas se puede explicar por unos pocos procesos estadsticos que actan sobre poblaciones y especies, generacin tras generacin.
11:01
49
11:01
50
11:01
51
Algo de bibliografa
z Russell, Norvig.- Inteligencia Artificial, Un Enfoque Moderno.Prentice Hall, 97 z Bender.- Mathematical Methods in Artificial Intelligence.- IEEE Press, 96 z Haykin: Neural Networks, IEEE Press, 1994 z Nillson.- Principios de Inteligencia Artificial.- Diaz de Santos, 94 z Aranda, et al.- Fundamentos de Lgica Matemtica. Sanz y Torres 99 z Hopgood .- Intelligent Systems for Engineers and Scientists.- CRC Press, 2001
11:01
52
http://www.aaai.org/AITopics/aitopics.html
11:01
53
Agentes y multiagentes
z El Agente recibe entradas del entorno y ejecuta acciones para intentar cumplir los objetivos. z Un Agente es un sistema informtico que acta dentro de un entorno de forma autnoma y flexible para cumplir sus objetivos.
Percepciones
Sensores
Entorno Agente
Acciones Actuadores
11:01
54
11:01
55
Agentes en docencia
z Los agentes pueden implementarse con cualquiera de las tcnicas especificadas antes: Inteligencia artificial clsica, soft, etc. z El agente estar vigilando el uso de la red por el estudiante y en funcin de determinados criterios puede actuar modificando algunos de los parmetros: aumentando la velocidad, saltando pginas, modificando el orden, etc.
Alumno
11:01
56
11:01
57
La navaja de Occam
z En cualquier caso, el principio bsico en aplicaciones de Inteligencia Artificial debera inspirarse en La navaja de Occam (Occam's razor, William of Occam, 1320):
y Elegir siempre la hiptesis ms simple que resuelva el problema.
z Hay varias soluciones bastante probadas, que se presentan en las siguientes transparencias (debidas al profesor Daniel Borrajo, de la Universidad Carlos III, Madrid)
11:01
58
11:01
59
11:01
60
11:01
61
11:01
62
11:01
63
Sistemas adaptables
11:01
64