Lectura Evalu Unidad 1

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA

PROTOCOLO ACAEDEMICO CURSO: 90169 Inteligencia Artificial

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS
BASICAS TECNOLOGIA E INGENIERIA PROGRAMA DE INGENIERA DE
SISTEMAS

90169 INTELIGENCIA ARTIFICIAL Lectura Evaluativa Unidad 1
ngela Mara Gonzlez Amarillo
(Director Nacional)

Sogamoso


LECTURA 1

INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL INTRODUCCIN

La Inteligencia Artificial, o IA en trminos cortos, es una combinacin de la ciencia
de los computadores, la sicologa y la filosofa. La IA cubre un espectro amplio,
consistente en campos de estudio diferentes, estos van desde la visin por
computador hasta las redes neuronales y los sistemas expertos. El elemento que
los campos de la IA tienen en comn es la creacin o simulacin de mquinas que
puedan pensar.

Para clasificar las maquinas como pensantes, es necesario definir inteligencia. El
problema que aparenta ser simple es uno de los ms complejos del rea, en el
entendido que la inteligencia puede representar, por ejemplo, la solucin
adecuada de problemas complejos o a establecer generalizaciones y relaciones
entre objetos. Qu se podra decir acerca de la percepcin y la comprensin?
Dnde podr situarse las formas de adquisicin del conocimiento? y, si el pensar
es un acto natural concomitante con la naturaleza Cules son las herramientas
que se necesitan para simular un comportamiento natural del pensar humano?

OBJETIVO GENERAL

Establecer los principios que rigen la inteligencia artificial sus aplicaciones y
evolucin.

OBJETIVOS ESPECIFICOS

Reconocer las diferentes definiciones de inteligencia artificial y la evolucin
histrica de la inteligencia artificial.
Describir y usar las tcnicas de resolucin de problemas con el nimo de
establecer normas para este propsito.
Reconocer el uso de los agentes inteligentes y su aplicacin
Estudiar la complejidad de los problemas y representar su estructura y las
posibles soluciones

ESTRUCTURA TEMATICA

1.1 Objetivos y aplicaciones de la inteligencia artificial
1.1.1 Definicin de Inteligencia Artificial (IA) y evolucin histrica
1.1.2. Tcnicas de resolucin de problemas de IA
1.1.2. Criterios de xito de la IA
1.1.4. Resolucin de problemas de IA
1.1.4.1. Definicin formal del problema


1.1.4.2. Estrategia de control: Mtodos de bsqueda
1.1.4.3. Anlisis del problema
1.2. Agentes Inteligentes
1.2.1 Definiciones y caractersticas de un Agente Inteligente.
1.2.2 Tipos y arquitecturas de agentes.
1.3 Complejidad de los problemas.
1.3.1 Problemas de tiempo polinomial (P)
1.3.2 Problemas no polinomiales (NP)

1. INTELIGENCIA ARTIFICIAL

Resulta obvio que la inteligencia es de por s un concepto bastante complicado de
definir. Por esta razn intentar definiciones para la inteligencia artificial es tambin
compleja.

Quiz la inteligencia artificial debera llamarse inteligencia sinttica para que
concuerde mejor con el lenguaje comercial. As los diamantes artificiales son
falsas imitaciones, mientras que los diamantes sintticos son diamantes
autnticos, slo que manufacturados en lugar de desenterrados. No obstante el
nombre, la inteligencia artificial aspira a una inteligencia autntica, no a una falsa
imitacin.

Marvin Minsky sugiere el carcter prctico de la inteligencia artificial mencionando:
La inteligencia artificial es la ciencia de hacer que las mquinas hagan cosas que
requeriran inteligencia si fueran hechas por seres humanos.
Elaine Rich: La inteligencia artificial es el estudio de cmo hacer que los
ordenadores hagan cosas que por el momento las personas realizan de una forma
ms perfecta.

Otras definiciones que pueden darnos una idea de lo que se llama inteligencia
artificial:

Una de las reas de las ciencias computacionales encargadas de la
creacin de hardware y software con comportamiento inteligentes.
El estudio de las computaciones que permiten percibir, razonar y actuar.
Estudia cmo lograr que las mquinas realicen tareas que, por el momento,
son realizadas mejor por los seres humanos.

Desde el punto de vista de los objetivos, la IA puede considerarse como parte de
la ingeniera o de la ciencia:

El objetivo ingenieril de la IA es resolver problemas reales, actuando como
un armamento de ideas acerca de cmo representar y utilizar el
conocimiento, y de cmo ensamblar sistemas


El objetivo cientfico de la IA es explicar varios tipos de inteligencia. Determinar
qu ideas acerca de la representacin del conocimiento, del uso que se le da a
ste, y del ensamble de sistemas explican distintas clases de inteligencia.

Algunas aplicaciones de la inteligencia artificial:

Tareas de la vida diaria (ms difcil para una mquina que las tareas de un
experto)
Percepcin (visin y habla)
Lenguaje natural (comprensin, generacin, traduccin)
Sentido comn
Control de un robot
Tareas formales
Juegos (ajedrez, backgammon, damas)
Matemticas (geometra, lgica, clculo, demostracin de
propiedades)
Tareas de los expertos (necesitan un conocimiento menor que el
conocimiento necesario en las tareas ms comunes)
Ingeniera (diseo, deteccin de fallos, planificacin de
manufacturacin)
Anlisis cientfico o Diagnosis mdica o Anlisis financiero

Objetivos

Puesto que la meta de la inteligencia artificial es desarrollar sistemas que se
comporten de manera inteligente, es decir de manera similar a los seres humanos,
Cercone & McCalla en 1984 disearon objetivos que cualquier sistema ideal de
inteligencia artificial debe cumplir. Un investigador de la inteligencia artificial debe
ser capaz de:

a) Desarrollar un sistema de trabajo que se comporte de una manera inteligente.

b) Validar el comportamiento del sistema mediante comparaciones con seres
humanos (objetivo de diseo externo);

c) Entender las implicaciones del sistema - su cobertura, lo que puede hacer
(objetivo de diseo interno);

d) Determinar qu es lo que puede ser generalizado acerca del sistema, las
lecciones que ensea, las reas de impacto.


LECTURA 2

Los agentes inteligentes es una de las ramas de la inteligencia artificial que tiene
un gran auge hoy en da. Tuvo su origen a principios de los 80s, y son muchas
las aplicaciones que hoy se desarrollan como contribucin a la industria, el
comercio, la salud, el entrenamiento, entre otras apoyndose al gran desarrollo
que han tenidos las redes.

Los Agentes Inteligentes se caracterizan por desenvolverse en un entorno,
ejecutar acciones sobre l, basndose en percepciones para lograr metas
propuestas.

De otra parte, el agente, segn Hpola y Vargas-Quesada (1999), es una entidad
de software que se basa en su propio conocimiento, realiza un conjunto de
operaciones destinadas a satisfacer las necesidades de un usuario o de otro
programa, bien por iniciativa propia o porque alguno de stos se lo requiere.

Una definicin ms. Segn Labidi, S. y Lejouad, W. (1993), un agente es una
entidad fsica o abstracta que puede percibir su ambiente a travs de sensores, es
capaz de evaluar tales percepciones y tomar decisiones por medio de
mecanismos de razonamiento sencillos o complejos, comunicarse con otros
agentes para obtener informacin y actuar sobre el medio en el que se
desenvuelve a travs de ejecutores.

INTRODUCCION
1

Hoy en da lo que podemos encontrar en Internet son servicios sofisticados y
herramientas para acceder a ellos, como servidores de informacin o
navegadores. Pero lo que los usuarios desean realmente son soluciones
concretas: encontrar en la red el hotel ms cmodo al mejor precio o la mejor
inversin en bolsa.

Para lograr esto los Agentes Inteligentes dialogan con el usuario de forma
sencilla y natural definiendo as lo que este realmente desea, despus de haber
definido el problema, el agente empieza a solucionarlo consultando sus fuentes de
informacin o dialogando con otros agentes, y le va informando de manera
evolutiva las soluciones logradas al usuario. Si ste no queda satisfecho, contina
la bsqueda hasta agotar las fuentes o hasta que el usuario quede satisfecho con
la solucin.

1
Que son agentes inteligentes., Url: http://es.kioskea.net/faq/4474-los-agentes-inteligentes
Inteligencia Artificial., un enfoque moderno., Prentice Hall.


La inteligencia del agente es demostrada a travs de su funcionalidad. El usuario
se dar cuenta de esta a medida que el agente le resuelva las tareas que le
plantee, de manera eficiente; su funcionalidad mejorar a medida que resuelve
mayor nmero de casos. Esta capacidad de adaptacin permite al agente conocer
mejor las preferencias de los usuarios y atenderlos de forma personalizada.

Los Agentes Inteligentes se caracterizan por actuar en un ambiente en particular y
ser capaces de realizar ciertas acciones, basados en su entorno, hasta realizar la
tarea que les fue encomendada, esas tareas van desde recomendaciones para el
usuario hasta solucin de problemas.

A pesar de que los Agentes Inteligente son una rama de la Inteligencia Artificial
relativamente muy nueva, se tienen grandes expectativas sobre estos ya que tiene
enormes perspectivas de aplicacin.

Son muchas las clases de agentes que existen; algunos de los ms mencionados
son:

Los agentes autnomos: Son sistemas que sienten el entorno y actan
sobre l a travs del tiempo, sin perder de vista su objetivo ni afectar lo que
sienta en el futuro.
Los agentes humanos: Son los sistemas que tienen sensores (ojos, odos,
otros rganos). Como por ejemplo robots, cmaras, telmetros infrarrojos; y
efectores (manos, piernas, boca y otras partes del cuerpo). Por ejemplo,
robots con motores.
Los agentes robticos: Son sistemas a los que se les sustituyen los
sensores por cmaras infrarrojas y los efectores por motores.
Los agentes racionales: Son sistemas que hacen lo correcto; es decir, que
puedan medir su propio desempeo.
Los agentes de software: Son sistemas cuyos bits codificados
representan las percepciones y las acciones.
Los agentes Inteligentes: Son sistemas capaces de autoaprender,
autoevaluarse y cambiar de accin de acuerdo con el ambiente en el que se
desenvuelven. Segn Nikola Kasabov, un agente inteligente es el que tiene
capacidad para aprender nuevos problemas e incrementar normas de
solucin; que tiene capacidad de adaptacin en lnea y en tiempo real; que
es capaz de analizar condiciones en trminos de comportamiento, el error y
el xito; el que es capaz de aprender y mejorar a travs de la interaccin
con el medio ambiente; que es capaz de aprender rpidamente de grandes
cantidades de datos que estn en un medio de almacenamiento masivo y
recuperar dicha capacidad de aprender.

Los agentes inteligentes se pueden clasificar segn Russel y Norvig (1999), a su
vez, en:


Agentes reactivos: Son sistemas que no poseen protocolos ni lenguajes
de comunicacin; no son individualmente inteligentes, pero s lo son
globalmente. Slo responden a estmulos, a acciones entre el conjunto de
agentes cognitivos.
Agentes cognitivos: Son capaces de realizar operaciones complejas; son
inteligentes, capaces de razonar sobre la base de su conocimiento, se
comunican con otros agentes y pueden llegar a acuerdos sobre alguna
decisin con algunos de ellos, o con todos. Estos sistemas se componen de
varios agentes cognitivos.
Agentes inteligentes de informacin: Son aquellos que tienen capacidad
de proceso; esto quiere decir que son capaces de descomponer una
consulta en sub consultas, asociar distintos trminos resultantes con otros o
con afines, por medio de su conocimiento y el de otros agentes que se
comuniquen con l, son capaces de conocer el entorno en el que se
encuentran, acceden a informacin, bien sea de otro agente, o de su
conocimiento previo. Existen cuatro caractersticas primordiales en este tipo
de agentes: la primera, que son autnomos, es decir que actan sin
intervencin humana y tienen el control de sus propios actos; la segunda,
que son sociables, es decir, que se comunican con otros agentes o con
humanos por medio de un lenguaje comn; la tercera, que tienen capacidad
de reaccin, es decir, que perciben del entorno y reaccionan para adaptarse
a l; la cuarta caracterstica es que tienen iniciativa, es decir, que
emprenden las acciones necesarias para resolver problemas.
Agentes cooperativos: Son sistemas autosuficientes, que conocen su
entorno, que coopera y se coordinan con otros agentes. Esto lo pueden
hacer a travs de la descomposicin de consultas en sub consultas, que
son encargadas a otros agentes para que las resuelvan.
Agentes mviles: Son sistemas que se mueven por los distintos nodos de
la red; son autnomos para realizar tareas, capaces de ejecutarse en varias
mquinas sin que en ellas se encuentre su cdigo y ste es mvil. Operan
sin conexin, es decir, trabajan sin que la red est funcionando; para ello,
se esperar a que la conexin se reanude. Las funciones que debe ejecutar
el agente no slo las lleva a cabo en el PC donde se encuentre, sino en
otras que estn en la red. Tienen la capacidad de indicar hacia qu servidor
moverse; no necesariamente cambian de estado y pueden ir hacia otro
servidor y seguir en ejecucin. Algunas de las caractersticas ms
importantes de estos agentes: son eficientes, se adaptan al cliente, reducen
el trfico de la red, gestionan grandes volmenes de informacin y permiten
la comunicacin en tiempo real.


LECTURA 3

1.3 COMPLEJIDAD DE LOS PROBLEMAS

Teora De La Complejidad

Definicin: La complejidad se refiere a la condicin del cosmos que - a pesar de
que el principio cuntico (todo interacta con todo) lo integra en una realidad nica
- es demasiado rico y variado como para ser entendido por rutas lineales simples,
que no conducen ni a novedades ni a asombros. Algunas porciones del cosmos se
entienden mediante dichas rutas, pero los fenmenos ms intrincados slo se
pueden entender por sus patrones generales, pero no en detalle. La teora de la
complejidad, dentro de la mecnica estadstica, se preocupa del estudio de los a
tractores asociados a sus dinmicas y de la teora de la innovacin, de la
autoorganizacin, del aprendizaje, de la adaptacin, de los sistemas disipativos
(relacionados con la segunda ley) y no-lineales, de las transiciones de fase (en
especial las que ligan la fase caos con la fase orden), de las roturas de simetra en
condiciones alejadas del equilibrio, de la emergencia de nuevos fenmenos a
partir de redes y de interacciones. Para entender muchos fenmenos hasta ahora
mal explicados, la ciencia se inclina hacia la teora del caos, de los fractales y a
sta de la complejidad.

Aplicada esta teora tan rica al cerebro, ste la pone de manifiesto a travs de su
habilidad impresionante para detectar detalles. Se interpreta que existe una
tremenda presin evolucionaria para que (en los animales con un atractor para su
evolucin del tipo inteligencia-intensivo) los cerebros se vuelvan especialistas en
detalles y logros. Denominamos conciencia a un atributo de la arquitectura del
cerebro que se aplica innovativamente a detectar detalles, atributo que es de por
s autorreferencial y emergente, quizs el ms avanzado en su complejidad, no-
linealidad, auto organizacin y capacidad de aprender del entorno. El logro ms
misterioso es el de combinar una impresionante cantidad de fragmentos
sensoriales de la realidad, parcialmente estructurados, descubriendo a partir de
ellos nuevos detalles, que siempre se pueden aplicar a controlar alarmas. (Ideas
de diversos autores, entre ellos de Jack Cohen y Ian Stewart).

La moderna teora de la complejidad (Chaitin, 1975; Rabin, 1977) se basa en
principios informacionales y computacionales que intentan abordar con cierto nivel
de abstraccin campos tales como el estudio de la naturaleza y consecuencias de
las interacciones y no-linearidades de sistemas con muchas variables, con
muchos objetos y que presentan mltiples objetivos. Incluye tpicos de teora
general de sistemas, vida artificial, autmatas celulares, caos, valles de atraccin


en redes neurales, criticalidad, computacin evolucionaria, algoritmos genticos,
fractales, computacin paralela, sistemas autoorganizantes, sistemas adaptivos
compartimentalizados, sistemas dinmicos, inteligencia artificial, complejidad en
biologa.

Complejidad [
2
]

Definiciones del texto de Barral y von der Becke: "Diversos matemticos y
cientficos han definido la complejidad.

a. Supngase ya un sistema complejo y aplquense a l las ideas del premio
Nobel Herbert Simon. Por ms que se conozcan acabadamente todos sus
subsistemas constituyentes, en realidad ello no alcanza para conocer
la funcin verdaderamente fundamental del sistema. Por qu? Porque el
sistema no es solamente suma ingenua de sus partes. Para ser un sistema,
debe ser ms que la suma trivial. Una bicicleta y un ciclista forman un sistema
con una funcin ms all de la suma de las funciones aisladas de ambos
subsistemas. Cuanto mayor sea la diferencia entre la suma ingenua de las
partes y la operacin total, tanto ms significativa es la complejidad del
sistema.

b. Los sistemas complejos muestran una dinmica propia que los hace acercarse
a (aunque tambin alejarse de) diversos ordenamientos posibles,
ordenamientos que implican a veces auto organizaciones inesperadas para un
observador desinformado. Esos diferentes ordenamientos o estructuras
disipativas de Prigogine, estn separados entre s por transiciones de fase, que
incluso pueden ocurrir en cascada. Cuanto mayor sea el nmero de grados de
libertad de un sistema complejo (que tambin lo es porque los tiene muy
numerosos) tanto mayor es la posibilidad que se vuelque sobre s mismo en el
espacio de grados de libertad y como resultado se obtenga algo inesperado.

c. Gregorio Chaitin identifica complejidad como principio de la codificacin de
longitud mnima. Para codificar todo lo que realiza un sistema complejo se
necesitan mucho ms instrucciones que para codificar lo que ejecuta un
sistema simple. Entonces la longitud de la codificacin de longitud mnima
permite discriminar entre sistema complejo y sistema simple. Un sistema muy
simple es una sucesin de n ceros. Para codificarlo basta con dos
instrucciones muy breves. "Imprimir un cero. Repetir esto n veces." Pero para
codificar lo que hace un cerebro, pese a que un sabio logre finalmente una
codificacin de longitud mnima que lo describa, sin duda que se necesitar
mucho ms longitud en las instrucciones. La codificacin del sistema complejo
"ciclista pedaleando", por ms mnima que sea, aporta elementos nuevos y
realimentaciones que no estn en cada uno de los dos subsistemas. La

2
E. Rich and K. Knight. Articial Intelligence. McGraw-Hill, 2008


bicicleta depende del status econmico del ciclista y el ciclista depende de la
bicicleta que adquiri.

d. Se pueden ubicar en un plano x versus y la siguiente coleccin de
informaciones.

y = b0 (para todo x). Ser una paralela a x ubicada a la altura b0.

y = b0 + b1.x. Ser una recta de ordenada al origen b0 y pendiente b1. y = b0 +
b1.x + b2. x2. Ser una parbola.
y = b0 + b1.x1 + b22.x2. x2 + b3.x1.x2 + b4.x12 + b5. x22 (2)

Ser un paraboloide de revolucin.

Estos son modelos relativamente simples, que se vuelven ms y ms complejos a
medida que se les agreguen nuevos sumandos (como b6.x1.x2) o nuevas
variables independientes (x3 , x4,...). La complejidad se define por la
cantidad de informacin mnima necesaria para su reconocimiento.

Para muchos autores, cuanto ms regular y ordenado sea un modelo, tanto menor
es la cantidad de informacin que encierra. Para describir la posicin y la
velocidad de molculas de gas en el equilibrio, se necesita un juego de
informaciones diferente para cada molcula: hay que enumerarlas a todas para
intentar cumplir con el requisito de lograr una codificacin de mnima longitud. La
distribucin de la direccin y sentido de las trayectorias es muy amplia. Al salir del
equilibrio gaseoso empieza a haber una coherencia de trayectorias (tendencia
hacia la avalancha) para anular las fuerzas impulsoras presentes, por imperativo
de la segunda ley de la termodinmica. La simplicidad, la regularidad y el orden,
as como el apartamiento del equilibrio en el caso de los gases, se caracterizan
todos ellos por su tendencia a requerir comparativamente poca cantidad de
informacin. Todo lo contrario sucede con la complejidad, las irregularidades y el
desorden, as como la aproximacin y acceso al equilibrio en el caso de los gases,
pues, comparativamente, su codificacin de longitud mnima es muy exigente en lo
que se refiere a la cantidad de informacin requerida."

Definir si un sistema es simple o complejo es bastante subjetivo: es observador-
dependiente. Tiene mucho que ver con los intereses que el observador tiene al
considerar la complejidad de un sistema.

Lectura Evalu Unidad 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Lectura Evalu Unidad 1

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA

También podría gustarte