Академический Документы
Профессиональный Документы
Культура Документы
ARTIFICIAL
INTRODUCCIÓN
1
Introducción
John McCarthy, quien acuño el termino de Inteligencia Artificial en 1956, la
define como “La ciencia e ingeniería para hacer maquinas inteligentes”,
especialmente programas computacionales inteligentes.
2
Introducción
IA es el estudio de las facultades mentales a través del uso de modelos
computacionales.
IA es el estudio de: Como hacer que las computadoras hagan cosas que por el
momento la gente las realiza mejor.
3
Definiciones
A)
“El excitante esfuerzo por hacer que las computadoras piensen … maquinas
con mentes, en sentido completo” (Haugeland, 1985)
B)
“El estudio de las facultades mentales a través de modelos computacionalaes”
(Charniak and McDermott, 1985)
“El estudio de los cómputos que hacen posible percibir, razonar y actuar”
(Winston, 1992)
4
Definiciones
C)
“El arte de crear maquinas que desempeñan funciones que requieren
inteligencia cuando son desempeñadas por las personas” (Kurzwell, 1990))
“El estudio de cómo hacer que las computadoras hagan cosas que por el
momento las personas las hacen mejor” (Rich and Knight,1991 )
D)
“Un campo de estudio que busca explicar y estimular el comportamiento
inteligente en términos de procesos computacionales” (Schalkoff, 1990)
5
Inteligencia
Relación de tareas que involucran altos proceso mentales, ejemplos:
¾ creatividad,
¾ solución de problemas,
¾ reconocimiento de patrones,
¾ clasificación,
¾ aprendizaje,
¾ inducción,
¾ deducción,
¾ construcción de analogías,
¾ optimización,
¾ procesamiento de lenguaje,
¾ conocimiento y mucho más.
6
Comportamiento inteligente
Percepción del propio ambiente,
7
Comprendiendo a la IA
Como es adquirido el conocimiento, representado, y almacenado;
Como los símbolos son manipulados para realizar lógica, para razonar acerca
del pasado, y planear el futuro;
8
IA fuerte o dura
Generalmente, la investigación en inteligencia artificial apuntan a crear IA
que pueda replicar la inteligencia humana completamente.
¾ Si pueden aplicar una amplio rango del conocimiento que hay detrás y
9
IA ligera o débil
La IA débil se refiere a el uso de software para estudiar o realizar la solución
de un problema especifico o tareas que no abarquen todo el rango de las
habilidades cognitivas humanas.
10
Ciencia cognitiva
Tienen el propósito de desarrollar, explorar y evaluar teorías a través del uso
de modelos computacionales de cómo es que la mente trabaja.
Ejemplo: los programas de ajedrez tienen éxito en su función, pero dicen poco
acerca de las formas en que los humanos juegan ajedrez.
11
Metas de la IA
Las definiciones de IA nos dan cuatro posibles metas que perseguir:
12
Metas de la IA (2)
Tradicionalmente, las cuatro metas tienen las siguientes enfoques:
Piensan (1) Enfoque: ciencia cognitiva (2) Enfoque: leyes del pensamiento
13
Metas de la IA (3)
Metas generales de la IA
14
Metas de la IA (4)
Ingenieria basada en metas de IA
15
Enfoques de la IA
Los enfoques están definidos por la selección de metas del modelo
computacional, y es base para la evaluación del desempeño del sistema.
Un excitante esfuerzo por hacer que las computadoras piensen; maquinas con
mente, en todo el sentido literal.
16
Enfoques de la IA (2)
Leyes del pensamiento: Pensar racionalmente
El asunto es, que no todos los problemas pueden ser resueltos por el
razonamiento y la inferencia. 17
Enfoques de la IA (3)
Prueba de Turing: Actuar como-humano
18
Enfoques de la IA (4)
Ejemplo: Prueba de Turing
19
Enfoques de la IA (5)
¾ La maquina trata de engañar al interrogador haciéndole creer que es el
humano, y la persona también trata de convencer al interrogador de que el
es el humano.
20
Enfoques de la IA (6)
El agente racional: Actuar racionalmente
21
Técnicas de IA
Varias técnicas involucradas, pueden ser aplicadas a una variedad de tareas de
IA.
Ejemplos
¾ Describe y empareja
¾ Reducción de metas
¾ Satisfacción de restricciones
¾ Árbol de búsqueda
¾ Generación y prueba
¾ Sistemas basados en reglas
22
Técnicas de IA (2)
Las técnicas de IA inspiradas en biología que actualmente son populares.
¾ Redes neuronales
¾ Algoritmos genéticos
¾ Aprendizaje por refuerzo
23
Técnicas donde un sistema se
comporta como “inteligente”
Descripción y emparejamiento
24
Técnicas donde un sistema se
comporta como “inteligente” (2)
La representación del sistema computacional incluye la descripción de un
estado de inicio y un estado final y un conjunto de posibles reglas de transición
que pueden ser aplicadas
Relación de transición: Sea un par de estados (S, S’) de tal forma que el
sistema se mueva de S a S’, entonces la relación de transición es representada
por S Æ S’
Ejemplo de algunas posibles transiciones entre estados son las mostradas por
el puzzle de las Torres de Hanoi.
25
Técnicas donde un sistema se
comporta como “inteligente” (3)
Puzzle: Torres de Hanoi con dos discos.
26
Técnicas donde un sistema se
comporta como “inteligente” (4)
Posibles estados de transición en el Puzzle de las Torres de Hanoi con dos
discos.
27
Técnicas donde un sistema se
comporta como “inteligente” (5)
Reducción de metas
¾ Niveles de meta: las metas de mas alto nivel en el árbol, y las metas de mas
bajo nivel en el árbol.
28
Técnicas donde un sistema se
comporta como “inteligente” (6)
¾ Los arcos son dirigidos del nodo de nivel mas alto al mas bajo
representando la reducción de metas del mas alto nivel a la submeta de
mas bajo nivel.
29
Técnicas donde un sistema se
comporta como “inteligente” (7)
Ejemplo: Reducción de metas
30
Técnicas donde un sistema se
comporta como “inteligente” (8)
Técnicas de Satisfacción de Restricciones
Una restricción es una relación lógica entre variables. Ejemplo “el circulo esta
dentro del cuadrado”- Las rstricciones relaciona objetos sin una especificación
precisa de sus posiciones; aún moviendo cualquier objeto, la relación se
mantiene.
32
Técnicas donde un sistema se
comporta como “inteligente” (10)
La satisfacción de restricciones tiene aplicación en inteligencia artificial,
Lenguajes de Programación, Computo Simbólico, Computación Lógica.
33
Técnicas donde un sistema se
comporta como “inteligente” (11)
Ejemplo 2: Coloreado de un mapa.
34
Técnicas donde un sistema se
comporta como “inteligente” (12)
Búsqueda en un árbol
Muchos problemas (Ej. Reducción de metas, redes de restricciones) pueden ser
descritos en la forma de un árbol de búsqueda. Una solución a ese tipo de
problemas se obtiene encontrando un camino a través del árbol de búsqueda.
35
Técnicas donde un sistema se
comporta como “inteligente” (13)
Las otras cuatro tipos de estrategias de búsqueda son:
¾ Braedth-first search.- Busca una solución entre todos los nodos en un nivel
dado antes de proceder al siguiente.
¾ Beam Search.- Como breadth first (nivel por nivel) pero seleccionando
solo aquellos N nodos en cada nivel en donde es “mas probable” que
alcancen una solución.
38
Técnicas donde un sistema se
comporta como “inteligente” (16)
Sistemas basados en reglas (Rule-Based Systems (RBSs))
39
Técnicas donde un sistema se
comporta como “inteligente” (17)
Descripción de los componentes:
¾ Memoria de Trabajo
Contiene hechos acerca del mundo observado o derivado de una regla;
Almacenado como una tripleta <objeto, atributo, valor> Ej. <coche, color,
rojo>: el color de mi coche es rojo.
Contiene conocimiento temporal acerca de las solución de problemas.
Puede ser modificado por las reglas.
40
Técnicas donde un sistema se
comporta como “inteligente” (18)
Las acciones RB son:
“Add” hecho/s a memoria de trabajo;
“Remove” hecho/s desde memoria de trabajo;
“Modify” hechos en la memoria de trabajo;
¾ Interprete
Este es el mecanismo de razonamiento independiente del dominio para
Sistemas Basados en Reglas.
Selecciona la regla desde la Base de Reglas y se aplica mediante el desempeño
de la acción.
Opera en un ciclo:
o Retrieval: encuentra las reglas que concuerdan con la memoria de trabajo
actual;
o Refinement: Poda, reordena y resuelve conflictos:
o Execution: ejecuta las acciones de las reglas en el conjunto de conflictos,
entonces aplica la regla mediante el desempeño de la acción.
41
Técnicas de IA inspiradas en Biología
(Redes Neuronales)
Redes Neuronales (Neural Networks (NN))
42
Técnicas de IA inspiradas en Biología
(Redes Neuronales) (2)
Las redes neuronales utilizan aprendizaje supervisado, en el cual las entradas
y salidas son conocidas y la meta es construir una representación de una
función que reproduzca el mapeo de las entradas a las salidas.
43
Técnicas de IA inspiradas en Biología
(Algoritmos Genéticos)
Algoritmos Genéticos (AG)
Los AG son parte del computo evolutivo, que es un área de rápido crecimiento
de la IA.
Así, los algoritmos genéticos son una forma de resolver problemas mediante
imitación de procesos, que utiliza la naturaleza, Selección, Cruzas, Mutación y
Aceptación para desarrollar la solución a un problema.
45
Técnicas de IA inspiradas en Biología
(Algoritmos Genéticos)(3)
Pasos de los Algoritmos Genéticos
48
Técnicas de IA inspiradas en Biología
(Aprendizaje por Refuerzo)(2)
La toma de decisión del agente que interactúa con su ambiente de manera que
pueda maximizar la acumulación de recompensa que recibe a través del
tiempo. Los pasos son:
49
Ramas de la IA (Lógica)
IA Lógica
Tipos de lógica
Lógica preposicional
¾ Las proposiciones son “Sentencias”; que pueden ser verdaderas o falsas
pero no ambas.
50
Ramas de la IA (Lógica)(2)
¾ Una sentencia es la unidad mas pequeña en la lógica preposicional
¾ Si una proposición es verdadera, entonces el valor verdadero es “true”; de otro
modo “falso”
¾ Ejemplo: Sentenica “La hierva es verde”; el valor verdadero es “true”; la
proposición es “si”
Lógica de predicados
¾ Un predicado en una función que puede ser verdadera o falsa para sus argumentos.
¾ La lógica de predicados son reglas que gobiernan los cuantificadores.
¾ La lógica de predicados es lógica preposicional adicionada con cuantificadores
¾ Ejemplos:
o “El coche que Tomas esta manejando es azul”
o “El cielo es azul”
o “La portada de este libro es azul”
Predicado: es azul, dado un nombre B;
Sentencia: representada como B(x); B(x) se lee como “x es azul”;
Objeto: representado por x.
51
Ramas de la IA (Búsqueda en IA)
Búsqueda en IA
52
Ramas de la IA (Búsqueda en IA) (2)
Objetivo de la Búsqueda
¾ Transforma el estado inicial en estado meta – encuentra una secuencia de
acciones.
Solución de la Búsqueda
¾ Camino desde el estado inicial hasta la meta – Optimo si el costo es
mínimo.
53
Ramas de la IA
(Reconocimiento de patrones)
Reconocimiento de Patrones
Definición
¾ La asignación de un objeto físico o evento a un categoría pre-especificada.
(Duda y Hart)
¾ La ciencia que trata con la descripción o clasificación de mediciones.
(Schalkoff)
¾ El proceso de dar nombres X a observaciones Y (Schurmann)
¾ El reconocimiento de patrones trata con la respuesta a la pregunta “¿Que
es esto?” (Morse)
¾ El problema de estimar funciones de densidad en un espacio de alta
dimensión dividiendo el espacio en regiones de categorías o clases.
(Fukunaga)
54
Ramas de la IA
(Reconocimiento de patrones) (2)
Problemas donde se aplica el reconocimiento de patrones
¾ Visión de maquina – Inspeccion visual, ATR
¾ Reconocimiento de caracteres – Ordenamiento de correo, proceso de
cheques bancarios.
¾ Asistente computacional para diagnostico – Imágenes
medicas/EEG/Analisis de señalaes ECG
¾ Reconocimiento del habla –Interaccion humano computadora, acceso.
55
Ramas de la IA
(Reconocimiento de patrones) (3)
Correspondencia de plantillas.- Correlacionar con plantillas almacenadas
considerando traslación, rotación y cambios de escala; medida de similaridad
(correlación) basada en un conjunto de aprendizaje.
57
Ramas de la IA
(Representación del conocimiento)
Representación del conocimiento
58
Ramas de la IA
(Representación del conocimiento) (2)
Redes semánticas: Una red semántica es un grafo, donde los nodos representan
conceptos.
Los Scripts son sentencias enlazadas utilizando estructuras como los Frames;
Ej. Un archivo de secuencia de eventos por una ocurrencia de un tipo dado.
59
Ramas de la IA
(Representación del conocimiento) (3)
Reglas de producción: Consiste de un conjunto de reglas acerca del
comportamiento; una producción consta de dos partes:
60
Ramas de la IA (Inferencia)
Inferencia
Inferencia deductiva
61
Ramas de la IA (Inferencia)(2)
Inferencia inductiva
¾ Puede ser una inferencia correcta o incorrecta, porque en el mundo real la
información es incompleta, inexacta, inconsistente;
¾ Una lógica es inductiva, también llamada inducción o razonamiento
inductivo, si el proceso de razonamiento en el que las premisas de un
argumento son creídas para apoyar la conclusión pero no la garantizan.
¾ Una lógica es no-monotónica, si la verdad de sus proposiciones puede
cambiar a nueva información (axiomas) es añadido a o la vieja
información es borrada del sistema.
¾ El razonador traza conclusiones tentativamente reservándose el derecho
de retraerla si se presenta mas información.
¾ Ejemplo: cuando escuchamos un ave, los humanos inferimos que esa ave
puede volar, pero esta conclusión puede ir en reversa cuando escuchamos
que es un pingüino; el ave pingüino no puede volar.
62
Ramas de la IA (Sentido común)
Conocimiento de Sentido común y razonamiento
63
Ramas de la IA (Sentido común)(2)
Enseñando a las computadoras el sentido común
64
Ramas de la IA (Aprendizaje)
Aprendizaje
Definiciones
¾ Herbert Simon 1983 – “El eprendizaje denota cambios en el sistema que
son adaprivos en el sentido de que habilitan al sistema para hacer la
misma tarea o tareas mas eficientemente y mas efectivamente la siguiente
vez.”
¾ Marvin Minsky 1986 – “El aprendizaje esta haciendo cambios útiles en
nuestra mente.”
¾ Ryszard Michalski 1986 – “El alprendizaje esta contruyendo o
midificando representaciones que ha estado experimentando.”
¾ Mitchell 1997 . “Un programa de computadora se dice que aprende de la
experiencia E con respecto de alguna clase de tareas T y realiza una
mediad de desempeño P, si el desempeño de la tarea T, medida por P,
mejora con la experiencia E.”
65
Ramas de la IA (Aprendizaje)(2)
66
Ramas de la IA (Aprendizaje)(3)
67
Ramas de la IA (Planificación)
Planificación
Beneficios de la planificación
¾ Reducción de la búsqueda,
¾ Resolución de conflictos de meta, y
¾ Suministra una base para recuperarse del error.
Proposiciones
69
Ramas de la IA (Epistemología)(2)
¾ Considera un conocimiento de proposición – Un esquema de “S conoce que
P”;
¾ Contestando la pregunta – ¿cuales son las condiciones necesarias y
suficientes?
¾ S sabe que P si y solo si
¾ P es verdadera
¾ S cree que P es verdadera; y
¾ S esta justificada en la creencia de que P es verdadera
70
Ramas de la IA (Ontología)
Ontología
La gente utiliza las heurísticas para tomar decisiones, tomar juicios, y solución
de problemas, cuando se encaran problemas complejos o con información
incompleta. Estas reglas trabajan bien bajo la mayoría de las circunstancias.
72
Ramas de la IA
(Programación Genética)
Programación Genética (PG)
73
Ramas de la IA
(Programación Genética)(2)
¾ Conjunto de funciones primitivas
¾ Medida de desempeño (para el desempeño de los individuos de la población),
¾ Control de los parámetros para la ejecución, y
¾ Criterio de terminación para la designación de los resultados de la ejecución.
74
Aplicaciones de la IA (Videojuegos)
Videojuegos
75
Aplicaciones de la IA (Videojuegos)(2)
El videojuego es caracterizado por:
¾ Un oponente “inpredecible”.
¾ Se necesita especificar un movimiento para cada posible respuesta del
oponente.
¾ Tiempo limite – los juegos se hacen aburridos so no hay accion por largo
tiempo; es improbable que los oponentes encuentren la meta, sólo se deben
aproximar.
Juegos de computadora
¾ Las computadoras tienen un buen nivel de campeón en los juegos como
por ejemplo: damas, ajedrez, Othello, Backgammon.
¾ Las computadoras se desempeñan bien en los juegos como en el : Bridge
¾ Las computadoras aun lo hacen mal como por ejemplo en: Go, Hex.
¾ El videojuego es un problema de búsqueda definido por:
76
Aplicaciones de la IA
(Reconocimiento del habla)
Reconocimiento del habla
El mundo esta compuesto por objetos en 3D, pero las entradas de un ojo
humano y las cámaras de TV de las computadoras reciben la información en
2D.
79
Aplicaciones de la IA
(Visión computacional)(2)
Ejemplos:
¾ Reconocimiento de rostros: Programas utilizados en bancos.
80
Aplicaciones de la IA
(Sistemas Expertos)
Los sistemas expertos son sistemas en los cuales la experiencia humana es
manejada en forma de reglas. Esto habilita al sistema para diagnosticar en
situaciones en donde el experto humano no esta presente.
Uno de los primeros sistemas expertos fue MYCIN en 1974, que diagnosticaba
infecciones bacterianas de la sangre y sugería el tratamiento.
81
Aplicaciones de la IA
(Sistemas Expertos)(2)
Los sistemas expertos operan sobre el conocimiento de los expertos humanos.
82
Bibliografía
1. “Artificial Intelligence”, Elaine Rich and Kevin Knight, 2006, McGraw Hill.
83