UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA PROTOCOLO ACAEDEMICO CURSO: 90169 Inteligencia Artificial
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
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA PROTOCOLO ACAEDEMICO CURSO: 90169 Inteligencia Artificial
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
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA PROTOCOLO ACAEDEMICO CURSO: 90169 Inteligencia Artificial
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.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA PROTOCOLO ACAEDEMICO CURSO: 90169 Inteligencia Artificial
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.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA PROTOCOLO ACAEDEMICO CURSO: 90169 Inteligencia Artificial
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:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA PROTOCOLO ACAEDEMICO CURSO: 90169 Inteligencia Artificial
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.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA PROTOCOLO ACAEDEMICO CURSO: 90169 Inteligencia Artificial
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
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA PROTOCOLO ACAEDEMICO CURSO: 90169 Inteligencia Artificial
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
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERA PROTOCOLO ACAEDEMICO CURSO: 90169 Inteligencia Artificial
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.