Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTELIGENCIA ARTIFICIAL
1 INTELIGENCIA ARTIFICIAL
Sistemas que piensan como humanos Sistemas que piensan racionalmente El nuevo y excitante esfuerzo de hacer que los El estudio de las facultades mentales mediante computadores piensen mquinas con mentes el uso de modelos computacionales en el ms amplio sentido literal. El estudio de los clculos que hacen posible La automatizacin de actividades que percibir, razonar y actuar. vinculamos con proceso de pensamiento humano, actividades como la toma de decisiones, resolucin de problemas, aprendizaje. Sistemas que actan como humanos Sistemas que actan racionalmente
El arte de desarrollar mquinas con capacidad La inteligencia computacional es el estudio del para realizar funciones que cuando son diseo de agentes inteligentes. realizadas por personas requieren de La inteligencia artificial est relacionada con inteligencia. conductas inteligentes en artefactos. El estudio de cmo lograr que los computadores realicen tareas que por el momento los humanos hacen mejor.
La Prueba Global de Turing incluye las capacidades de interactuar fsicamente siendo capaz de: Visin computacional Robtica
INTELIGENCIA ARTIFICIAL
Hay diferencia entre resolver problemas en principio y hacerlo en la prctica. Los requerimientos computacionales son demasiado elevados
La habilidad de hacer inferencias no depende necesariamente de la racionalidad. Existen tambin formas de actuar racionalmente que no implican realizar inferencias. Estudiar agentes desde una perspectiva de agentes racionales proporciona dos ventajas: Es ms general que el enfoque de las leyes del pensamiento Es ms afn a la forma en la que se ha producido el avance cientfico. La conducta humana se adapta bien a un entorno especfico. Obtener la racionalidad perfecta no es posible en entornos complejos por que la demanda computacional es demasiado grande
INTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIAL
2 AGENTES INTELIGENTES
AGENTE Es cualquier cosa capaz de percibir su medioambiente con la ayuda de sensores y actuar en ese medio utilizando actuadores. Agente
Sensores
Medio Ambiente
?
Actuadore s
La percepcin significa que el agente puede recibir entradas en cualquier instante secuencia de percepciones es el historial de todo lo percibido por el agente Un agente tomar decisiones en funcin de la secuencia de percepciones experimentada hasta este instante El comportamiento del agente viene dado por la funcin del agente. La funcin del agente se puede expresar como una tabla. Aunque en la mayora de casos esta sera demasiado grande, hasta infinita. La funcin del agente inicialmente se expresar mediante el programa del agente. Ejemplo: El mundo de la aspiradora
Secuencia de percepciones [A, Limpio] [A, Sucio] [B, Limpio] [B, Sucio] [A, Limpio][A, Limpio] [A, Limpio][A, Sucio] [A, Limpio][A, Limpio][A, Limpio] [A, Limpio][A, Limpio][A, Sucio]
AGENTES INTELIGENTES
INTELIGENCIA ARTIFICIAL
Cuando se sita un agente en un medio, este pasa por una secuencia de estados. Si es la secuencia deseada, entonces el agente ha actuado correctamente. Ejemplo Una medida del rendimiento para la aspiradora sera la cantidad de suciedad limpiada. Pero el agente podra hacer trampa. Una medida puede recompensar al agente por tener el suelo limpio. Es mejor disear medidas de utilidad de acuerdo con lo que se quiere para el entorno, ms que de acuerdo a cmo se cree que el agente debe comportarse. La seleccin de la medida del rendimiento no es necesariamente fcil. Ejemplo. La medida de la limpieza est basada en un nivel de limpieza medio, pero este nivel de limpieza puede ser alcanzado de varias formas. 2.1.2 Racionalidad
Depende de: La medida del rendimiento que define el criterio del xito El conocimiento del medio en el que habita acumulado por el agente Las acciones que el agente puede llevar a cabo La secuencia de percepciones del agente hasta el momento.
Agente racional Es cada posible secuencia de percepciones, un agente racional deber emprender aquella accin que supuestamente maximice su medida de rendimiento, basndose en las evidencias aportadas por la secuencia de percepciones y el conocimiento que el agente mantiene almacenado. Es siempre racional la aspiradora? 2.1.3 Omnisciencia, aprendizaje y autonoma
Un agente omnisciente conoce el resultado de su accin (no se puede conocer todos los resultados) la racionalidad no implica perfeccin. La racionalidad no requiere omnisciencia ya que la eleccin de la accin solo depende de la secuencia de percepciones hasta la fecha. La recopilacin de la informacin o exploracin es llevar a cabo acciones que modifiquen las percepciones futuras. Un agente no solo debe recopilar informacin sino debe aprender. AGENTES INTELIGENTES 4
INTELIGENCIA ARTIFICIAL
Un agente que se apoya ms en el conocimiento que le da el diseador que en sus percepciones carece de autonoma.
Ejemplo: Agente taxista automtico. Tipo de agente Taxista Medidas de Entorno Rendimiento Seguro, rpido, legal, viaje, confortable, maximizacin del beneficio Actuadores Sensores
Carreteras, otro Direccin, Cmaras, sonar, trfico, acelerador, velocmetro, peatones, freno, seal, GPS, tacmetro, clientes bocina, acelermetro, visualizacin. sensores del motor, teclado.
Un Softbot es un agente robtico software, Ejemplo, un piloto automtico, un spider de google. 2.2.2 Propiedades de los entornos de trabajo Totalmente observable vs parcialmente observable Determinista vs estocstico (tambin puede ser estratgico) Episdico vs secuencial Esttico vs dinmico Discreto vs contnuo Agente individual vs multiagente.
AGENTES INTELIGENTES
INTELIGENCIA ARTIFICIAL
2.3.1 Agentes reactivos simples
Seleccionan las acciones sobre la base de las percepciones actuales. Se basan en reglas de condicin y accin. La desventaja es que podran quedar atrapados en estados inconsistentes o bucles infinitos. Por ejemplo: para la aspiradora se podra definir una funcin como la siguiente. Funcin AgenteAspiradoraReactivo([localizacin, estado])devuelve una accin SI estado = Sucio entonces devolver Aspirar SINO, SI localizacin = A entonces devolver Derecha SINO, SI localizacin = B entonces devolver Izquierda
Sensores
Agente
Medio Ambiente
Actuadores
Otra forma ms general de implementar es definiendo un conjunto de reglas para seguir Funcin AgenteReactivoSimple(percepcion)devuelve una accin reglas, un conjunto de reglas de condicin accin. estado = InterpretarEntrada(percepcin) regla = ReglaCoincidencia(estado, reglas) accin=ReglaAccin[regla] devolver accin 2.3.2 Agentes reactivos basados en modelos
El agente debe mantener un estado interno que dependa de la historia percibida Se necesita informacin para saber cmo cambia el mundo independientemente del agente. Este conocimiento de cmo cambia el mundo se denomina modelo. El agente que utiliza este modelo es un agente basado en modelos.
Estado Cmo evoluciona el mundo? Qu efectos cusan mis acciones? Qu accin debo tomar ahora?
Sensores
Medio Ambiente
Agente
Actuadores
AGENTES INTELIGENTES
INTELIGENCIA ARTIFICIAL
Funcin AgenteReactivoConEstado(percepcion)devuelve una accin estado, una descripcin actual del mundo reglas, un conjunto de reglas de condicin accin. estado = ActualizarEsatdo(estado, accin, percepcin) regla = ReglaCoincidencia(estado, reglas) accin=ReglaAccin[regla] devolver accin 2.3.3 Agentes basados en objetivos
El conocimiento del mundo no siempre es suficiente para tomar decisiones, el agente necesita un objetivo o meta. La meta describe las situaciones deseables El programa del agente se puede combinar con informacin sobre los resultados de las acciones posibles. Estas son habilidades de Bsqueda y Planificacin. El agente basado en objetivos parece menos eficiente pero es mas flexible.
Estado Cmo evoluciona el mundo? Qu efectos cusan mis acciones?
Sensores
Cmo est el mundo ahora?
Medio Ambiente
OBJETIVOS
Agente
Actuadores
AGENTES INTELIGENTES
INTELIGENCIA ARTIFICIAL
2.3.4 Agentes basados en utilidad
Sensores
Cmo est el mundo ahora?
Medio Ambiente
Qu pasa si realizo la accin A? Estar contento con ese estado? Qu accin debo tomar ahora?
UTILIDAD
Agente
Actuadores
Hay muchas secuencias de acciones que pueden llevar al agente a su objetivo, pero algunas son de ms calidad que otras. Una funcin de utilidad proyecta un estado y lo representa en un nmero real. Evaluar esta funcin permite tomar decisiones en situaciones conflictivas. 2.3.5 Agentes que aprenden
Turing propone crear mquinas que aprenden y despus ensearles. Permite que el agente opere en entornos inicialmente desconocidos. Y que progresivamente se haga ms competente.
AGENTES INTELIGENTES
INTELIGENCIA ARTIFICIAL
Ejemplos de problemas 3.1.1 El mundo de la aspiradora Estados: 8 posibles estados del mundo. Estado Inicial: Cualquiera Funcin sucesor: estados legales que resultan de intentar las tres acciones. (izquierda, derecha, aspirar) Test objetivo: comprueba si todos los cuadrados estn limpios Costo del camino: el costo de cada paso es 1 as que el costo del camino es todos los pasos.
3.1.2
8-Puzle Estados: la localizacin de las 8 fichas. Estado Inicial: Cualquiera Funcin sucesor: estados legales que resultan de intentar las tres acciones. (izquierda, derecha, arriba, abajo) Test objetivo: comprueba si comprueba si el estado coincide con la configuracin objetivo Costo del camino: el costo de cada paso es 1 as que el costo del camino es todos los pasos.
INTELIGENCIA ARTIFICIAL
3.1.3
8 Reinas
Estados: cualquier combinacin de cero a 8 tablero Estado Inicial: Cualquiera Funcin sucesor: aadir una reina a cualquier cuadrado vaco Test objetivo: ocho reinas sobre el tablero, ninguna es atacada.
Se expande primero el nodo raz, y a continuacin se expanden los nodos sucesores del nodo raz. Se expanden todos los nodos a una profundidad en el rbol de bsqueda Se debe considerar la cantidad de tiempo y memoria que consume. Considerando un espacio hipottico donde cada estado tiene b sucesores. La raz genera b nodos en el primer nivel, cada uno de ellos genera b nodos ms, se tienen en el tercer nivel, suponiendo que la solucin est en una profundidad d. expandiremos nodos en el nivel entonces el nmero total de nodos generados es ( )
Cada nodo generado debe permanecer en memoria, por tanto la complejidad en espacio es la misma que la complejidad en tiempo. RESOLUCION DE PROBLEMAS MEDIANTE BSQUEDA 10
INTELIGENCIA ARTIFICIAL
Los requisitos de memoria son un problema grande en un bsqueda en anchura Los problemas de bsqueda de complejidad exponencial no pueden resolverse con mtodos sin informacin salvo casos pequeos. 3.2.2 Primero en Profundidad
Expande siempre el nodo ms profundo en la frontera actual del rbol de bsqueda y avanza hasta el nivel ms profundo donde los nodos no tienen sucesor, cuando estos nodos se expanden, son quitados de la frontera. De esta forma la bsqueda retrocede al siguiente nodo ms superficial que todava tenga sucesores no explorados. Tiene requisitos muy modestos de memoria por que slo necesita almacenar un camino. Para un espacio de estados con factor de ramifijcacin b y mxima profundidad m, la bsqueda en profundidad requiere solo bm+1 nodos. Una variante es la bsqueda hacia atrs. Se genera solo un sucesor a la vez. El inconveniente es que puede llevar a un camino muy largo o infinito pese a haber una solucin en un nivel mas bajo del rbol. 3.2.3 Bsqueda de profundidad limitada
Intenta solucionar el problema de los rboles ilimitados con un lmite de profundidad predeterminado . Los nodos de profundidad se toman como si no tuvieran sucesores Si el objetivo est fuera del limite de profundidad no se podr encontrar la solucin El lmite de profundidad puede ser puesto por el conocimiento del problema. 3.2.4 Bsqueda en profundidad iterativa
Aumenta gradualmente el lmite de profundidad. Puede parecer derrochadora por que genera los mismos nodos varias veces. 3.2.5 Bsqueda bidireccional
Ejecuta dos bsquedas simultneas, una hacia adelante desde el estado inicial y otra hacia atrs desde el estado objetivo. Cuando hay un solo estado objetivo se parece mucho a las bsquedas unidireccionales Cuando hay mltiples estados objetivos se puede crear un estado ficticio cuyos predecesores son todos estados objetivos. Comparacin de las estrategias de bsqueda no ifnormada Criterio Completa Tiempo Espacio Optima si no no si si Primero en Primero en Profundidad Profundidad Bidireccional anchura profundidad limitada iterativa SI NO NO SI SI
11
INTELIGENCIA ARTIFICIAL
12