Академический Документы
Профессиональный Документы
Культура Документы
Blanca Cases
Facultad de Informática de la UPV/EHU
Dpto. de Lenguajes y Sistemas Informáticos
Grado en Ingeniería Informática, especialidad de
Computación.
1
1.1 Evolución histórica, definición
y objetivos de la Inteligencia
Artificial.
Revoluciones tecnológicas
3
¿Qué es la Inteligencia Artificial?
Algunos autores, como Román Gubern en “El simio informatizado” dicen
que el ser humano tiene vocación demiúrgica, jugando a ser dioses que se
recrean a sí mismos en una materialidad diferente:
Haciendo imágenes de sí mismo: pintura, escultura, fotografía, cine,
video, reconocimiento y síntesis de voz, multimedia, imagen médica
Reproduciendo las capacidades motrices de animales y humanos:
juguetes, autómatas, robots
Representando mediante computadoras las capacidades humanas de
razonamiento lógico-matemático, toma de decisiones, comprensión del
lenguaje natural
El objeto de la Inteligencia Artificial es precisamente construir máquinas y
programas que imitan la inteligencia humana, entendida como capacidad
para resolver problemas en todos los ámbitos señalados. Esta aproximación
requiere ser ampliada.
4
Prehistoria de la Inteligencia
Artificial: Lógica de silogismos
6
Edad media: Ramón Llull y el Ars Magna
7
Prehistoria de la robótica: El mito
del Golem
La robótica también
tiene una prehistoria:
En la tradición judía,
el Golem es un mítico
ser animado
construido de barro,
pero no dotado de
verdadera inteligencia
8
Prehistoria de la Inteligencia
Artificial: Autómatas
Desde la prehistoria data el intento de
crear muñecos animados, réplicas de
animales o humanos, por medios
mecánicos. Son los autómatas
mecánicos que adquirieron gran
perfección en la época de la Ilustración.
Artículo en wikipedia
Le Musée des Automates de La Rochelle
http://automatomania.co.uk/
Nancy - The Automaton -
YouTube_AVI_.avi
9
Revoluciones tecnológicas
Revolución Agrícola del neolítico: paso a la vida sedentaria, agricultura y
ganadería
Revolución Industrial: fines del s. XVIII
Revolución de la energía motriz: máquina de vapor
Revolución económica: automatización de los procesos de producción
Revolución socio-política: paso del Antiguo Régimen al Estado Liberal
Revolución científica: Positivismo
No caben explicaciones sobrenaturales o abstractas de los
fenómenos naturales
Incluso los fenómenos sociales o humanos pueden tener explicación
científica, intento de convertir las disciplinas humanísticas en
ciencias positivas
Revolución post-industrial: electricidad, finales del s. XIX principios del XX
Revolución de la Información: segunda mitad del s. XX, ordenadores
10
1.1.2 El nacimiento de la Inteligencia
Artificial en el marco de la
Informática Teórica
Mentalismo lógico
Mentalismo sistémico
Teoría de la Computabilidad: Entre 1930 y 1936
Declive del conductismo
Movimientos interdisciplinares de la Informática, años 40
El paradigma oficial de las Ciencias de la Computación, 1960-70
John McCarthy acuñó el término Inteligencia Artificial en 1956 11
El nacimiento de la Informática Teórica: previo a
la construcción de los ordenadores
13
Panorama de las Ciencias Humanas: La psicología y la Lingüística
hacia los años 30 del s. XX
Psicología Psicología
Evolutiva de de la
Gestalt Psicoanálisis Psicología
Piaget Conductista
Semántica Neurofisiología Lingüística
Lingüística Conductista
Lógica Estructural
Años 30 del s. XX
14
Auge del Conductismo: psicología experimental
Psicología Psicología
Evolutiva de de la
Gestalt Psicoanálisis Psicología
Piaget Conductista
Semántica Neurofisiología Lingüística
Lingüística Conductista
Lógica Estructural
Conductismo. EE.UU.
Zellig Harris:
•Psicología gramática
Conductista transformacional
•Lingüística
Conductista
Organismo
•Descripción de la conducta y aprendizaje del
organismo como una caja negra
•El interior del organismo es incognoscible. La
referencia al interior no es científica
Matemática
Discreta
Mentalismo. Europa
Organismo
Psicología
Evolutiva Modelo
abstracto de
Semántica
cómputo
Lógica
Mentalismo. Europa
Organismo Psicología
Meta
de la Gestalt
Lingüística
Estructural
Medio
Conductismo. EE.UU.
Mentalismo. Europa
COLOSUS MARK I
•EE.UU.
•Inglaterra
•Shanon, Wiener
•Alan Turing
•Sistemas automáticos
•Encriptamiento de de tiro y navegación
información militar 1940 21
Movimientos interdisciplinares de la Informática, años 40
Teoría de la Teoría de
Computabilidad Circuitos
CIENCIAS
COGNITIVAS
Shanon, Wiener
Alan Turing
CIBERNÉTICA
¿Pueden pensar las
máquinas?
Embrión de la
Inteligencia Artificial Redes Bucle de
Neuronales Realimentación
Años 1940-47 22
Diferencias entre la Inteligencia Artificial y la
Cibernética
La Inteligencia Artificial:
Intenta formalizar mediante modelos simbólicos de cómputo las capacidades
humanas de razonamiento y lenguaje.
Lógica de predicados de primer orden y otros modelos abstractos de
cómputo
Busca algoritmos secuenciales rápidos capaces de resolver problemas
combinatorios
La Cibernética: “Ciencia del control y las comunicaciones en
animales y máquinas”
Matemática continua, sistemas dinámicos, teoría de la información,
clasificación, estadística…
Problemas de robótica: percepción y movimiento
Modelos distribuidos: redes neuronales, redes complejas…
Lógica difusa
Hoy día la heredera de la Cibernética es la Inteligencia Computacional
23
Cibernética vs. Inteligencia Artificial
.-La Inteligencia Artificial, sin embargo, comenzó con una visión descendente
de símbolos, lenguaje y conocimiento, y se preguntaba qué clase de
mecanismos y representaciones son necesarias para simular las habilidades
humanas.
.-A pesar de que tanto la I.A. como la cibernética usan redes, los elementos
de éstas pertenecen a diferentes niveles del procesamiento mental. Las redes
en cibernética representan neuronas individuales, pero en I.A. representan
conceptos de alto nivel y relaciones, cada una de las cuales depende de
millones de neuronas interactuantes." p.339 (SOWA 1984, “Conceptual
Graphs”)
24
Declive de la Cibernética: causas
Matemática
Sistemas
Dinámicos Estadística
Discreta
Autómatas Finitos
Autómatas Celulares
Expresiones Regulares
Inicios de la Teoría de Autómatas
26
Orígenes de la Teoría de Lenguajes Formales
•Sistemas
•Matemática Dinámicos
Discreta •Estadística
Teoría de la Harris
Shanon, Wiener
Computabilidad Constituyentes
inmediatos de frase
CIBERNÉTICA
Alan Turing
Redes Neuronales
CIENCIAS
COGNITIVAS Noam Chomsky 1956
Teoría de Autómatas Teoría de la
Gramática
Generativa y
Teoría de Lenguajes Transformacional
Formales
•Años 55-60 27
El paradigma oficial de las Ciencias de la Computación,
1960-70
Computabilidad y Tª de Lenguajes
lógica de predicados Formales
Tª de Autómatas
Lenguajes de
Inteligencia Declina la Cibernética Programación:
Artificial Compilación
28
John McCarthy acuñó el término
Inteligencia Artificial en 1956
29
1.1.3 La Inteligencia Artificial frente a
la Inteligencia Computacional
30
La Inteligencia Computacional
Es la heredera del paradigma de la Cibernética y de la Tª de Sistemas
de los años 1940-70
Que evolucionaron hacia el paradigma conexionista con la teoría de
redes neuronales.
Aunque minoritario desde los años 70, vuelve a resurgir con fuerza a
finales de los 80
Uno de sus logros es la Tª de Sistemas Complejos, una de cuyas áreas
es la Vida Artificial
En el campo de investigación aplicada se habla de Computación
Biológicamente inspirada
Algoritmos genéticos
Sistemas inmunológicos
Ant Colony Optimization
Particle Swarm Optimization…
31
Diferencias entre la Inteligencia Artificial y
la Inteligencia Computacional
Las matemáticas
Los problemas que abordan, relativos al estudio de la
33
1.2 Construcción de sistemas
basados en el conocimiento y
áreas de aplicación.
34
1.2.1 Definiciones de Inteligencia
Artificial
Actuar como humano: El enfoque de la prueba de Turing
Sistemas que actúan como humanos: Definición de Tanimoto
Sistemas que actúan como humanos: Otras definiciones
Sistemas que piensan como humanos: El enfoque cognoscitivo
Sistemas que piensan racionalmente: El enfoque de las leyes del
pensamiento
Sistemas que piensan racionalmente: Definiciones
Sistemas que actúan racionalmente: El enfoque del agente racional
Sistemas que actúan racionalmente: Definiciones
35
Clasificación de los sistemas inteligentes
según Russel y Norvig (2004)
Actúan como humanos: Actúan racionalmente:
La prueba de Turing
Turing.. Agentes racionales.
Tanimoto,, 1987
Tanimoto
Kurzweil,, 1990
Kurzweil Schalkoff,1990
Rich y Knight,
Knight, 1994 Luger y Stubblefield,1990
Piensan como humanos: Piensan racionalmente:
Enfoque cognoscitivo. Leyes del pensamiento.
Representar conocimiento
Razonar automáticamente
Autoaprendizaje automático
37
Sistemas que actúan como humanos:
Definición de Tanimoto.
39
Sistemas que piensan como humanos:
El enfoque cognoscitivo
40
Sistemas que piensan como humanos:
El enfoque cognoscitivo
41
Sistemas que piensan racionalmente:
El enfoque de las leyes del pensamiento
42
Sistemas que piensan racionalmente:
Definiciones
43
Sistemas que actúan racionalmente:
El enfoque del agente racional
Actuar racionalmente: actuar de tal
manera que se logren los objetivos
deseados en base a ciertos supuestos.
Agente: algo capaz de percibir y actuar.
La IA se ocupa del estudio y
construcción de los agentes racionales.
Racionalidad limitada: actuar
racionalmente sin tiempo para efectuar
todos los cálculos posibles o deseables.
44
Sistemas que actúan racionalmente:
Definiciones
45
1.2.2 Visión Histórica de la I.A.
Fundamentos de la IA
Etapas históricas de la IA
46
Fundamentos de la IA
Filosofía
¿Se pueden usar reglas formales para extraer conclusiones válidas
a partir de un conocimiento previo formalmente representado?
¿De dónde viene el conocimiento?
Matemáticas
Economía
47
Fundamentos de la IA
Neurociencia
¿Cómo procesa la información el cerebro?
Psicología
Ingeniería computacional
control?
Lingüística
48
Etapas históricas de la IA
51
La IA como disciplina científica
Universidades implicadas en la investigación en
Cibernética:
Harvard
MIT
Universidad de Illinois
Universidad de Chicago
Princeton
CMU
Stanford
52
Universidad de Harvard
El primer ordenador americano, la Harvard Mark I, o técnicamente
el IBM Automatic Sequence Controlled Calculator (ASCC),
fue desarrollado por un equipo liderado por Howard H. Aiken en la
Universidad de Harvard
IBM, una empresa que se dedicaba a la producción de máquinas
tabuladoras que trabajaban con tarjertas perforadas se convierte en
el monopolio de hecho de la informática
1946
53
Massachusetts Institute of Thechnology (MIT)
En esta Universidad surgió el grupo de la Cibernética, liderado por
Norbert Wiener, quien se doctoró en Harvard y pasó
posteriormente al MIT.
McCulloch, W. and Pitts, W. (1943). A logical calculus of
the ideas immanent in nervous activity. Bulletin of
Mathematical Biophysics, 7:115 – 133 inaugura la investigación
en Redes Neuronales
Venían respectivamente de la U. de Illinois, del Dpto. de
psiquiatría y de la de Chicago. Ambos se incorporan en 1952 al
Laboratorio de Investigación en Electrónica del MIT, donde ya
colaboraron con Norbert Wiener y el grupo de la Cibernética.
Claude Elwood Shannon: considerado el padre de los
circuitos Booleanos y de la Teoría de la Información.
54
Universidad de Princeton
55
Carnegie Mellon University
56
Etapa del nacimiento (1956-1969)
Los lenguajes de programación:
John McCarthy (1957) implementó el lenguaje LISP.
Newell y Simon (1956) implementaron el lenguaje IPL.
Métodos de resolución genérica de problemas:
La búsqueda heurística, proceso guiado que conduce la
resolución del problema desde un estado inicial a uno final a través
de un espacio de estados. La guía se realiza mediante
conocimiento concreto del problema. a través de alguna función
de valoración, llamada función heurística que establece cuál es el
camino más adecuado de búsqueda.
La lógica de predicados:
La deducción automática aportó algunos de los pilares de la IA,
como son la resolución y la unificación de Robinson, 1965 que
dará origen tres años más tarde a la implementación de Prolog.
Técnica de representación de conocimiento: redes semánticas,
introducida por Quillian en 1968.
57
Representación de problemas mediante
espacios de estados
Técnica para representar el conocimiento acerca de un dominio de
forma separada de la estrategia de búsqueda de una solución. Esta
es la que estudiaremos en el Tema 2 RESOLUCIÓN DE
PROBLEMAS MEDIANTE BÚSQUEDA EN UN ESPACIO DE
ESTADOS.
Se debe a Newell y Simon que implementaron en 1956 el General
Problem Solver (GPS) en el lenguaje IPL.
Las soluciones parciales son los estados. Las operaciones que
permiten cambiar de estado son los operadores.
Para resolver un problema hay que construir una solución partiendo
de un estado inicial para llegar a un estado final. Se trata de
encontrar la solución, es decir, una secuencia de pasos que llevan
del estado inicial al final
Para ello se utilizan métodos heurísticos, que estiman cuál es, de los
posibles pasos a seguir desde un estado, el que más nos acerca al
estado final.
58
Etapa de verificación (1970-80)
Razonamiento basado en reglas
Planificación: los trabajos de los robots precisaban resolver
problemas para realizar tareas a partir de una determinada
especificación y de la auto-programación.
En 1975 apareció la primera versión de PROLOG, enunciada por
Colmerauer y Kowalski:
Avance en la lógica: principio de resolución clausal de Robinson
(1965)
Lenguaje declarativo para la representación del conocimiento
Proyectos ambiciosos en traducción automática.
Los primeros prototipos de sistemas expertos
DENDRAL desarrollado por Edward Feigenbaum entre 1965-75. en la
U. de Stanford, identificación de moléculas en la química orgánica
MYCIN por Shortliffe, 1976, en la U. de Stanford: diagnóstico y
tratamiento de enfermedades infecciosas
PROSPECTOR por Duda et al, 1976, exploraciones geológicas
59
Representación del conocimiento:
Frames
Sistemas de Frames de Minsky:
En la línea de la Programación Orientada a
Objetos
Pero permitiendo relaciones arbitrarias entre los
“frames” u “objetos”, no solo jerárquica.
Herencia múltiple
Representación funcional del conocimiento a
través de la ejecución de “daemons”.
Los estudiaremos en el Tema 3:REPRESENTACIÓN
DEL CONOCIMIENTO Y RAZONAMIENTO
60
Etapa de consolidación 1980-90
61
Representación del conocimiento
mediante lógica difusa
Es el objeto del Tema 4. RAZONAMIENTO INCIERTO
MEDIANTE LÓGICA DIFUSA
Desarrollada por Lotfi A. Zadeh (MIT, 1973) el
formalismo de la “Fuzzy Logic” es una extensión de
lógica de predicados en la que los valores de verdad no
son solo FALSO=0 y CIERTO=1.
El valor de verdad de un predicado es un número real
entre 0 y 1 graduando la veracidad o falsedad mediante
una cierta función de valoración.
62
Lenguajes: CLIPS y Common Lisp
CLIPS es un lenguaje de reglas de producción
específicamente creado por la NASA para construir
sistemas expertos
Una de las razones para implementarlo fue el
64
Arquitecturas cognitivas: agentes
65
1.2.3 Areas de aplicación de la IA
66
Algunas aplicaciones de la IA
Planificación autónoma: Programa NASA Agente Remoto (2000).
Robot espacial capaz de generar planes de forma automática a
partir de objetivos generales especificados desde la tierra.
Juegos: Deep Blue (1997) de IBM. Derrocó a Kasparov jugando
al ajedrez.
Control autónomo: Sistema de visión por computador ALVINN.
Entrenado para dirigir un coche de forma autónoma durante
2850 millas.
Diagnóstico: Mediante análisis probabilísticos hay áreas en las
que se han alcanzado resultados similares a los objtenidos por
expertos humanos (1991).
67
Algunas aplicaciones de la IA
68
Tratamiento del Lenguaje Natural.
69
Sistemas basados en el conocimiento.
"Estos sistemas utilizan conocimiento sobre un dominio determinado para
alcanzar una solución de un problema en ese dominio concreto. Esta
solución será en esencia la misma que alcanzaría una persona
conocedora del dominio en el que se resuelve el problema"
[González & Dankel, 93].
Características de los dominios de aplicación:
Dependencia de un experto humano
configuración de ordenadores,
70
Sistemas Tutores Inteligentes.
la adquisición de conocimiento
Incorporación de nuevo conocimiento, como simple
almacenamiento- aprendizaje memorístico,
Basado en estímulos provenientes del exterior- aprendizaje a
partir de ejemplos, de explicaciones,
Aprendizaje autodidacta- por descubrimiento.
72
1.3 Herramientas, lenguajes
y entornos de desarrollo
73
Programación en IA
refinamientos sucesivos, y
formal detallada.
Es preciso construir primeramente un prototipo.
La compresión del problema pasa por la ejecución del prototipo, que
permite modificar y evolucionar en su desarrollo.
74
Características de los problemas de la IA
75
1.3.2 Herramientas para el
desarrollo en IA
76
Programación exploradora
77
Lenguajes de programación para
la IA
Los lenguajes tradicionales, en sus versiones
libres, son los que estudiaremos en este curso
Lisp: lenguaje de programación funcional
implementado hacia 1957, antes que Fortran
Clips: lenguaje basado en reglas implementado
por la NASA en los años 80
Fuzzy Clips: Clips con Fuzzy Logic
EHSIS: aplicación que añade a Fuzzy Clips
facilidades de edición y presentación gráfica de
resultados
78