Introducción A La Inteligencia Artificial

Inteligencia Artificial
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.
1.1.1 Prehistoria de la Inteligencia

Artificial
1.1.2 El nacimiento de la Inteligencia
Artificial en el marco de la Informática
Teórica
1.1.3 La Inteligencia Artificial frente a la
Inteligencia Computacional
2
1.1.1 Prehistoria de la
Inteligencia Artificial
¿Qué es la Inteligencia Artificial?

Prehistoria de la Inteligencia Artificial: Lógica de
silogismos
Edad media: Ramón Llull y el Ars Magna
Prehistoria de la robótica: El mito del Golem
Prehistoria de la Inteligencia Artificial: Autómatas
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
Aristóteles: 384 a. C. – 322 a. C.

Organon: tratado de lógica donde establece
las leyes del razonamiento
El elemento básico es el término o concepto:
persona, mortal, …
Combinando conceptos se consiguen
proposiciones:
Todas las personas son mortales
Ninguna persona es mortal
Algunas personas son mortales
Algunas personas no son mortales
Las proposiciones pueden ser ciertas o falsas
Razonamiento: mediante ciertas reglas
universales y un conjunto de proposiciones
inicialmente ciertas, podemos deducir otras
proposiciones ciertas.
Ejemplo: regla del modus ponens
A es cierto
Si A es cierto entonces B es cierto
Por lo tanto: B es cierto 5
La idea de mecanización del

razonamiento se manifestó ya en la
Edad Media con la corriente Escolástica
de la filosofía
Supuso la recuperación de la filosofía
griega, en particular de Aristóteles, a
través de los árabes, en concreto
Averroes, cuando en Europa se fundan
las primeras universidades
Ramón Llull, Mallorca 1232-1315,
diseñó una máquina de razonar que con
mecanismos como discos giratorios y
palancas podría hacer demostraciones
lógicas de cualquier tipo
Una implementación informática de una
máquina capaz de “demostrar” la
existencia de Dios se puede obtener en
http://lullianarts.net/downloads.htm
6
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
El nacimiento de la Informática Teórica: previo a la construcción de

los ordenadores
Nacimiento de la Informática Teórica: Marco interdisciplinar
Panorama de las Ciencias Humanas: La psicología y la Lingüística

hacia los años 30 del s. XX
Auge del Conductismo: psicología experimental
Conductismo
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
La Informática tiene origen en la Informática Teórica y

la Teoría de Circuitos.
La Informática Teórica comprende:
Teoría de la Computabilidad (años 30)
Teoría de Autómatas (años 50)
Teoría de Lenguajes Formales (años 50-60)
Teoría de la Complejidad Computacional (años 70)
Todas las elaboraciones de la Informática Teórica

Nacen en un marco interdisciplinar
Son previas a la construcción de máquinas,

herramientas y aplicaciones software.
12
Nacimiento de la Informática Teórica:
Marco interdisciplinar
Desarrollo matemático de las de ecuaciones

diferenciales, de la lógica y de la estadística a finales
del s. XIX.
Las ciencias humanas se hacen ciencias positivas:
Necesidad de determinar los datos y metodologías para
su estudio
Integración en un corpus teórico coherente.
Consistente también en el marco multidisciplinar.
La Informática nace dando sustento a la formalización
de las Ciencias Humanas y de las Ciencias Biológicas.
13
Panorama de las Ciencias Humanas: La psicología y la Lingüística
hacia los años 30 del s. XX
Matemática Sistemas Estadística

Discreta Dinámicos
Mentalismo. Europa Conductismo. EE.UU.
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

Discreta Dinámicos
Evolutiva de de la
Gestalt Psicoanálisis Psicología
Piaget Conductista
Lingüística Conductista
Lógica Estructural
Principios de los años 30 del s. XX

15
Conductismo
Matemática
Estadística
Discreta
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
Medio •Sólo es descriptible la conducta externa en

términos de estímulo-respuesta
•Años 30 16
Mentalismo Logicista
Matemática
Discreta
Mentalismo. Europa
Organismo
Psicología
Evolutiva Modelo
abstracto de
Semántica
cómputo
Lógica
•Explicar las capacidades humanas de Medio

razonamiento y lenguaje
•Modelo interno de procesamiento
simbólico: Lógica de Predicados de Primer
Orden, programación funcional, Máquinas
de Turing… •Años 30 17
Mentalismo Sistémico Sistemas
Dinámicos
Mentalismo. Europa
Organismo Psicología
Meta
de la Gestalt
Lingüística
Estructural
Medio
•Estudia la percepción. La conducta se explica en la interrelación del interior

con el medio mediante un bucle de realimentación. El objetivo es alcanzar y
mantenerse en el estado meta, como por ejemplo hace un termostato.
•Ferdinand de Saussure: la lengua es un fenómeno psicosocial emergente, una
red de signos lingüísticos (unidades que asocian imágenes de sonidos a
imágenes visuales mentalmente representadas) que una comunidad comparte.
•Años 30 18
Matemática •Nacimiento de la teoría de la
Discreta Computabilidad:: Entre 1930 y 1936
Computabilidad
–Lógica de Predicados de Primer

Mentalismo.
Orden. Teorema de Incompletitud de
Europa
Gödel..
Gödel
–Teoría de las funciones m-

m-Recursivas
Núcleo de Kleene.
Kleene.
teórico
de la –Teoría del Lambda-
Lambda-cálculo de
Inteligencia Church.. Tesis de Church.
Church Church.
Artificial
–Procedimiento más general de
•Hasta 1936
cómputo. Máquina de Turing
Turing..
19
Declive del conductismo
Matemática Sistemas
Estadística
Discreta Dinámicos
Mentalismo. Europa Conductismo

. EE.UU.
Evolutiva de la
de Piaget Gestalt Psicología
Conductista
Lógica Lingüística Conductista
Estructural
Fin de los años 30 s. XX:

Se pueden representar en un ordenador las capacidades humanas de
razonamiento y lenguaje
20
Construcción de los primeros ordenadores en la II G.M.
Discreta Dinámicos
Conductismo. EE.UU.
Mentalismo. Europa
Mentalismo Mentalismo Neurofisiología •Psicología

Logicista Sistémico Conductista
•Lingüística
Conductista
Teoría de la Computabilidad Teoría de Circuitos
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

Discreta Dinámicos
Conductismo. EE.UU.
Mentalismo. Europa
Psicología Neuro- Psicología
Psicología de la fisiología Conductista
Evolutiva Gestalt
Teoría de la Teoría de
Computabilidad Circuitos
Teoría del Teoría de la

Control Información
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
".-Desde sus mismos inicios, la cibernética ha estudiado los mecanismos

de bajo nivel como los bucles de retroalimentación y los servomecanismos.
Ha tenido una visión ascendente de cómo tales estructuras podrían
interactuar en el control animal y de sistemas informáticos
.-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
Modelos distribuidos que requieren gran

capacidad de memoria y conectividad
Mejor adaptada a ordenadores analógicos ya
que sus modelos aplican matemática continua
La simulación es el método más adecuado para
la investigación
La teoría de autómatas, en concreto los
autómatas finitos, nacen de un intento de
formalizar las redes neuronales en la
matemática discreta
Los autómatas demuestras su superioridad
como herramienta de análisis de las capacidades
computacionales de las redes neuronales
25
Orígenes de la Teoría de Autómatas: Años 1948-55
Matemática
Sistemas
Dinámicos Estadística
Discreta
Psicología Psicología Neuro- Psicología

Evolutiva de la Conductista
fisiología
Gestalt
Teoría de la
Computabilidad
Shanon, Wiener
Teoría del
Alan Turing CIBERNÉTICA control:
CIENCIAS
COGNITIVAS Bucle de
Redes Realimentación
Neuronales
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
•Mentalismo. Europa •Conductismo. EE.UU.
•Psicología •Psicología •Neuro- •Lingüística

Evolutiva de la Gestalt fisiología Conductista
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
"Es la ciencia e ingeniería de

hacer máquinas inteligentes,
especialmente programas de
cómputo inteligentes."
29
1.1.3 La Inteligencia Artificial frente a
la Inteligencia Computacional
La Inteligencia Computacional

Diferencias entre la Inteligencia Artificial y la
Inteligencia computacional
La Revolución de la Información y La Sociedad Red
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
inteligencia humana y animal como objeto de estudio,

tienen intersección común
La Inteligencia Artificial proviene de la lógica de
predicados de primer orden, su raíz es la matemática

discreta y los Modelos Abstractos de Cómputo
La Inteligencia Computacional se funda en los
sistemas dinámicos, procesos estocásticos y

matemática continua. Su fundamento lógico es la
Lógica Difusa (Fuzzy Logic).
32
La Revolución de la Información y La Sociedad Red
Manuel Castells analiza la Sociedad de la Información como un paradigma

tecno-económico. Las características de esta revolución tecnológica de la
información serían:
• Su materia prima es la información. Se desarrollan tecnologías para actuar sobre la
información. Esto es cualitativamente diferente de la revoluciones tecnológicas
anteriores, en los que la información actuaba sobre la tecnología.
• La capacidad de penetración de los efectos de las nuevas tecnologías de la
información es universal, ya que la información atañe a todas las actividades
humanas.
• Son tecnologías que permiten interconectar a los distintos sistemas que las utilizan,
haciendo posible la materialización de la interacción en red.
• Flexibilidad y capacidad para reconfigurarse, cambio constante y fluidez
organizativa.
• La convergencia, en un sistema integrado, de las tecnologías específicas, como
ocurre con la convergencia de la informática y las telecomunicaciones, antes
separada.
33
1.2 Construcción de sistemas
basados en el conocimiento y
áreas de aplicación.
1.2.1 Definiciones de la Inteligencia Artificial

1.2.2 Visión Histórica de la IA en cuanto a la
representación del conocimiento
1.2.3 Áreas de aplicación de la IA
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.
Bellman, 1978 Charniak y Mc Dermot,

Dermot,
Haugeland, 1985 1985
Winston,, 1992
Winston
36
Actuar como humano:
El enfoque de la prueba de Turing.
Definición operativa de la inteligencia propuesta por Alan Turing

en 1950.
Conducta inteligente según Turing. Capacidad para lograr
eficiencia al mismo nivel que los humanos en las tareas de tipo
cognoscitivo:
Procesar lenguaje natural
Representar conocimiento
Razonar automáticamente
Autoaprendizaje automático
El test consiste en dotar a un ordenador de estas capacidades y

ponerlo a interactuar con un ser humano. Si el ordenador es
capaz de hacerse pasar por humano, la máquina debe ser
considerada inteligente.
Prueba total de Turing: se exigen capacidades como vista y
robótica.
37
Sistemas que actúan como humanos:
Definición de Tanimoto.
"La Inteligencia Artificial es un campo que conlleva técnicas

informáticas para la resolución de problemas, realizando
tareas que aparentemente precisan de cierta inteligencia
para ejecutarse. Estos problemas incluyen tareas de diagnóstico
médico, detección de averías en coches y ordenadores, diseño de
nuevos ordenadores, composición de obras musicales o escritura de
novelas, descubrimiento de teoremas matemáticos, ensamblaje e
inspección de piezas en una empresa, y negociación de tratados
internacionales entre otros. Es una tecnología del procesado de
información que realiza razonamiento, aprendizaje y
percepción."
"... Las máquinas no pueden pensar. Los ordenadores sólo manejan
ceros y unos. Sólo las cosas naturales como el hombre y los
animales pueden tener inteligencia"
[Tanimoto, 1987]
38
Sistemas que actúan como humanos:
Otras definiciones
“El arte de crear máquinas con capacidad de

realizar funciones que realizadas por
personas requieren de inteligencia"
[Kurzweil, 1990]
"La Inteligencia Artificial estudia cómo lograr

que las máquinas realicen tareas que, por el
momento, son realizadas mejor por el
hombre"
[Rich & Knight, 1994]
39
Sistemas que piensan como humanos:
El enfoque cognoscitivo
Es necesario disponer de mecanismos que permitan

determinar cómo piensan los humanos.
Técnicas
Introspección: intentar atrapar nuestros
pensamientos conforme van apareciendo
Experimentos psicológicos
Trasladar a las máquinas

Se intenta elaborar teorías precisas y verificables del
funcionamiento de la mente humana.
40
Sistemas que piensan como humanos:
El enfoque cognoscitivo
Ciencia cognoscitiva ó cognitiva: modelos computacionales de IA y

técnicas de sicología experimental.
Definiciones:
“[La automatización de] actividades que vinculamos con procesos de
pensamiento humano, actividades tales como toma de decisiones,
resolución de problemas, aprendizaje...”
[Bellman, 1978]
“La interesante tarea de lograr que las computadoras piensen...
Máquinas con mente, en su amplio sentido literal.”
[Haugeland, 1985]
41
Sistemas que piensan racionalmente:
El enfoque de las leyes del pensamiento
Silogismos: esquemas de estructura de argumentación

mediante las que se llega a conclusiones correctas si se
parte de premisas correctas. Aristóteles.
La lógica es el campo que estudia las leyes del
pensamiento irrefutable.
Lógica formal: la matematización de la lógica se
consigue entre finales de s.XIX y principios del XX.
Las ciencias de la computación están fundadas
teóricamente en el desarrollo de la lógica formal.
La IA logicista se basa en los entornos de resolución de
problemas basados en la demostración automática de
teoremas.
Problemas de esta visión
Dificultad al trasformar conocimiento informal en
formal
Diferencia existente entre resolución teórica y
práctica del problema
42
Sistemas que piensan racionalmente:
Definiciones
“El estudio de las facultades mentales mediante

el uso de modelos computacionales”
[Charniak y McDermott, 1985]
“El estudio de los cálculos que permiten percibir,

razonar y actuar”
[Winston, 1992]
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
“Un campo de estudio que se enfoca a la explicación y

la emulación de la conducta inteligente en función de
procesos computacionales.”
[Schalkoff, 1990]
“La rama de la ciencia de la computación que se ocupa

de la automatización de la conducta inteligente”
[Luger y Stubblefield, 1993]
45
1.2.2 Visión Histórica de la I.A.
Fundamentos de la IA
Etapas históricas de la IA
Etapa del nacimiento (1956-1969)
Etapa de verificación 1970-80
Etapa de consolidación 1980-90
Etapa de desarrollo 1990-
46
Filosofía
¿Se pueden usar reglas formales para extraer conclusiones válidas
a partir de un conocimiento previo formalmente representado?
¿De dónde viene el conocimiento?
¿Cómo se pasa del conocimiento a la acción?
Matemáticas
¿Qué reglas son adecuadas para obtener conclusiones válidas?
¿Qué se puede computar?
¿Cómo razonamos con información incierta?
Economía
¿Cómo maximizar el rendimiento?
¿Cómo actuar cuando otros no colaboran?
¿Cómo actuar cuando los resultados se obtienen en un futuro

lejano?
47
Neurociencia
¿Cómo procesa la información el cerebro?
Psicología
¿Cómo piensan y actúan los humanos y los animales?
Ingeniería computacional
¿Cómo se puede construir un computador eficiente?
Teoría de control y cibernética
¿Como pueden los artefactos operar bajo su propio

control?
Lingüística
¿Cómo está relacionado el lenguaje con el pensamiento?
48
Etapas históricas de la IA
A continuación estudiaremos las

etapas históricas de la IA en su
objetivo de construir agentes
racionales.
Gestación de la IA (1943-1956)
Etapa de verificación 1970-80
49
Génesis de la IA (1943-1956)
El test de Turing y la inteligencia humana. El Pais

El año de Turing. El Pais
Turing, A. “M I N D A QUARTERLY REVIEW PSYCHOLOGY AND
PHILOSOPHY”. Mind, New Series, Vol. 59, No. 236. (Oct., 1950), pp.
433-460. Disponible en Moodle.
Hay tres jugadores: un hombre (A), una mujer (B) y un juez (C), que
puede ser hombre o mujer. El juez se encuentra aislado sin poder ver a
los otros, a quienes conoce como X e Y. El objetivo del juez es distinguir
al hombre de la mujer declarando “X es A [el hombre] e Y es B [la
mujer]” o “X es B [la mujer] e Y es A [el hombre]”.
El juez puede hacer preguntas a X e Y, como por ejemplo cuál es la
longitud de su pelo, pero X e Y pueden mentir. Ambos son inteligentes y
pueden engañar al juez.
Sustituyamos a A o a B por un ordenador: ambos serán inteligentes si
pueden engañar al juez.
50
Test de Turing: consideraremos a la máquina inteligente
si es capaz de engañar al juez
51
La IA como disciplina científica
Universidades implicadas en la investigación en
Cibernética:
Harvard
MIT
Universidad de Illinois
Universidad de Chicago
Universidades implicadas en la investigación en

Lógica:
Cambridge
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
Alan Turing: Universidad de Cambridge (UK) realizó su tesis en la Universidad

de Princeton (USA), con Alonzo Church en 1938. En la década de los 50
escribía con Shannon programas de ordenador para jugar al ajedrez. Ninguno
tenía acceso a un ordenador.
Graduado en Harvard, Marvin Minsky realiza el doctorado en Princeton, quien
junto con Dean Edmonds construye la primera computadora neuronal en
1951. Paradójicamente, Minsky daría el golpe de gracia a la investigación en
redes neuronales 11 años después. Minsky es uno de los nombres más
importantes de la IA: pasa posteriormente al MIT, donde funda el laboratorio
de Inteligencia Artificial.
John McCarthy, doctorado en Princeton, organiza en el Darmouth College un
taller de dos meses en el que colaboran Minsky y Shannon, siendo en este
workshop donde acuña el término “Inteligencia Artificial”. Posteriormente
McCarthy se hace profesor de la Universidad de Stanford (1962) donde
permaneció hasta su jubilación.
55
Carnegie Mellon University
Dos investigadores de la CMU, Allen Newell

(doctorado en Princeton) y Herbert Simon
elaboraron para el encuentro de Darmouth un
programa , el Logic Theorist, capaz de demostrar
teoremas, de pensar de manera no numérica,
basándose en la lógica de predicados.
La revista Journal of Symbolic Logic rechazó la
publicación del artículo.
56
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
Desarrollo de proyectos de Inteligencia Artificial dentro

del mundo empresarial.
Las aplicaciones técnicas no sólo se desarrollan en
laboratorios de investigación o universidades, sino que
surgen empresas especializadas.
Entornos de programación que ayuden a la construcción y
validación de bases de conocimiento.
Interfaces en lenguaje natural, oral y escrito
En Japón se abordó el proyecto de la quinta generación de
ordenadores, cuyo lenguaje máquina era LISP o PROLOG.
Se incrementa la investigación en lógica difusa aplicada a
sistemas expertos y control inteligente
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
precio de LISP y la escasa disponibilidad de

implementaciones
Representación del conocimiento mediante objetos
(COOL) que pueden comunicarse por paso de

mensajes
Common LISP: los dialectos de LISP se unifican y se
incorporan objetos (CLOS)
63
Las industrias demandan el desarrollo de proyectos concretos.

Se han organizado muchas asociaciones nacionales e internacionales
en IA y éstas van creciendo. Se realizan un sinfín de congresos y
reuniones a pequeña y gran escala.
La visión es ahora uno de las áreas importantes para la robótica,
microscopía biomédica, y análisis de materiales. Se han resuelto ya a
un interesante número de cuestiones sobre la visión, aunque todavía
son muchos los avances que quedan por realizar.
El mercado de los sistemas expertos, o sistemas basados en
conocimiento, ha abierto sus puertas a la medicina, finanzas,
astrofísica, antropología, …
Interfaces gráficos y Lenguaje Natural.
Sistemas útiles a la traducción, creándose prototipos de ayuda a la
traducción asistida por ordenador.
64
Arquitecturas cognitivas: agentes
Al final de los años 80 renace la investigación en sistemas

conexionistas: redes neuronales, de ordenadores, el email,…
En el marco de la Computación Biológicamente Inspirada aparece el
subcampo de la Inteligencia Colectiva
En el marco de la IA, Marvin Minsky (MIT) propone en 1987 un
modelo de la mente basado en agentes interactuantes en su libro
“The Society of Mind”. Venía gestando esta idea con Seymour
Papert desde 1970
En la línea cognitivista, la arquitectura SOAR, desarrollada por
Newell y otros en la CMU.
Los sistemas de agentes no son objeto de este curso. En este
vínculo puedes encontrar una revisión de las arquitecturas
cognitivas.
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
Planificación logística: Guerra del Golfo (1991). Se

planificó automáticamente el transporte de 50.000
vehículos, carga y personal a la vez.
Robótica: HipNav (1996). Asistente robot para guiar
operaciones de implante de prótesis de cadera.
Procesamiento de lenguaje y resolución de
problemas: Prover B (1999). Programa automático
para la resolución de crucigramas.
68
Tratamiento del Lenguaje Natural.
Difícil de comprender por máquinas.

Usos muy específicos.
Diversos tipos de conocimiento:
conocimiento de índole lingüístico
conocimiento del dominio de aplicación
Problema de la comprensión: captura y

recuperación de toda la información contenida en
un texto
Problemas de reconocimiento de lenguaje oral
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
Disponibilidad limitada de los expertos
Costo elevado de resolución (escasez de expertos)
Voluntad de realizar fuertes inversiones

Algunos de los dominios:
diagnóstico médico,
configuración de ordenadores,
análisis financieros, etc.
70
Sistemas Tutores Inteligentes.
Existen sistemas especializados basados en conocimiento

llamados SistemasTutores Inteligentes que son
simplemente:
sistemas que desarrollan procesos de enseñanza y
ayudan durante el proceso de aprendizaje
El diseño y desarrollo de estos sistemas descansa en la

intersección de tres áreas:
la informática (IA),
la psicología y la pedagogía o ciencias de la educación,
la del dominio de enseñanza.
Su arquitectura difiere considerablemente de los
tradicionales sistemas expertos, sin embargo la
componentes de codificación del conocimiento es apartado
destacado en ambos sistemas basados en conocimiento. 71
Aprendizaje simbólico.
"… las máquinas no se pueden considerar inteligentes

hasta que no sean capaces de aprender a hacer
cosas nuevas y a adaptarse a las nuevas situaciones,
en lugar de limitarse a hacer aquellas actividades
para las que han sido programadas."
Aprendizaje cubre:
el perfeccionamiento de habilidades
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
1.3.1 Construcción de programas con

técnicas IA
1.3.2. Herramientas para el desarrollo en IA.
73
Programación en IA
No suelen responder con los planteamientos estándares de la

ingeniería del software tales como:
diseño descendente,
refinamientos sucesivos, y
desarrollo de programas a partir de una especificación
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
La mayoría de los problemas IA están pobremente

especificados
Los planteamientos para la resolución de problemas
tienden a ser demasiado específicos del dominio
Los métodos heurísticos son inherentemente empíricos
La programación basada en conocimiento parece ser
fundamentalmente incremental
Las estructuras y formalismos para representar IA son
nuevos y no totalmente conocidos
75
1.3.2 Herramientas para el
desarrollo en IA
76
Programación exploradora
El reto de la programación en IA es encontrar formas que hagan la

programación exploradora eficiente, sistemática y bien estructurada.
Entre las características exigibles a los lenguajes de programación IA, y en
general a las herramientas de IA, debemos mencionar la:
1. Modularidad y modificabilidad del código.
2. Extensibilidad.
3. Existencia de constructores de alto nivel.
4. Soporte de prototipos.
5. Legibilidad del programa y documentación.
6. Interpretación frente a compilación.
7. Software que soporta la programación exploradora.
Los lenguajes LISP y PROLOG, junto con la programación orientada a
objetos (CLIPS), ejemplifican tres de los planteamientos alternativos más
importantes en el diseño de lenguajes de programación.
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

Introducción A La Inteligencia Artificial

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Introducción A La Inteligencia Artificial

Загружено:

Авторское право:

Доступные форматы

Inteligencia Artificial

1.1.1 Prehistoria de la Inteligencia

¿Qué es la Inteligencia Artificial?

Prehistoria de la robótica: El mito del Golem

Prehistoria de la Inteligencia Artificial: Autómatas

Aristóteles: 384 a. C. – 322 a. C.

La idea de mecanización del

El nacimiento de la Informática Teórica: previo a la construcción de

Panorama de las Ciencias Humanas: La psicología y la Lingüística

La Informática tiene origen en la Informática Teórica y

Teoría de Autómatas (años 50)

Teoría de Lenguajes Formales (años 50-60)

Teoría de la Complejidad Computacional (años 70)

Todas las elaboraciones de la Informática Teórica

Son previas a la construcción de máquinas,

Desarrollo matemático de las de ecuaciones

Matemática Sistemas Estadística

Mentalismo. Europa Conductismo. EE.UU.

Matemática Sistemas Estadística

Mentalismo. Europa Conductismo. EE.UU.

Principios de los años 30 del s. XX

Medio •Sólo es descriptible la conducta externa en

•Explicar las capacidades humanas de Medio

•Estudia la percepción. La conducta se explica en la interrelación del interior

–Lógica de Predicados de Primer

–Teoría de las funciones m-

Mentalismo. Europa Conductismo

Fin de los años 30 s. XX:

Mentalismo Mentalismo Neurofisiología •Psicología

Teoría de la Computabilidad Teoría de Circuitos

Matemática Sistemas Estadística

Teoría del Teoría de la

".-Desde sus mismos inicios, la cibernética ha estudiado los mecanismos

Modelos distribuidos que requieren gran

Mentalismo. Europa Conductismo. EE.UU.

Psicología Psicología Neuro- Psicología

•Mentalismo. Europa •Conductismo. EE.UU.

•Psicología •Psicología •Neuro- •Lingüística

"Es la ciencia e ingeniería de

La Inteligencia Computacional

inteligencia humana y animal como objeto de estudio,

predicados de primer orden, su raíz es la matemática

sistemas dinámicos, procesos estocásticos y

Manuel Castells analiza la Sociedad de la Información como un paradigma

1.2.1 Definiciones de la Inteligencia Artificial

Bellman, 1978 Charniak y Mc Dermot,

Definición operativa de la inteligencia propuesta por Alan Turing

El test consiste en dotar a un ordenador de estas capacidades y

"La Inteligencia Artificial es un campo que conlleva técnicas

“El arte de crear máquinas con capacidad de

"La Inteligencia Artificial estudia cómo lograr

Es necesario disponer de mecanismos que permitan

Trasladar a las máquinas

Ciencia cognoscitiva ó cognitiva: modelos computacionales de IA y

Silogismos: esquemas de estructura de argumentación

“El estudio de las facultades mentales mediante

“El estudio de los cálculos que permiten percibir,

“Un campo de estudio que se enfoca a la explicación y

“La rama de la ciencia de la computación que se ocupa

Etapa del nacimiento (1956-1969)

Etapa de verificación 1970-80

Etapa de consolidación 1980-90