Unidad 1.

- Fundamentos de la
Inteligencia Artificial

Unidad 1.- Fundamentos de la Inteligencia Artificial.







1.1. Historia de la IA.



La Inteligencia Artificial surge definitivamente a partir de algunos trabajos publicados en la dcada de
1940 que no tuvieron gran repercusin, pero a partir del influyente trabajo en 1950 de Alan Turing,
matemtico britnico, se abre una nueva disciplina de las ciencias de la informacin.


Si bien las ideas fundamentales se remontan a la lgica y algoritmos de los griegos, y a las
matemticas de los rabes, varios siglos antes de Cristo, el concepto de obtener razonamiento
artificial aparece en el siglo XIV. A finales del siglo XIX se obtienen lgicas formales suficientemente
poderosas y a mediados del siglo XX, se obtienen mquinas capaces de hacer uso de tales lgicas y
algoritmos de solucin.


En su histrico artculo de 1950, Turing propuso que la pregunta puede pensar una mquina? era
demasiado filosfica para tener valor y, para hacerlo ms concreto, propuso un juego de imitacin.
En la prueba de Turing intervienen dos personas y una computadora. Una persona, el interrogador,
se sienta en una sala y teclea preguntas en la terminal de una computadora. Cuando aparecen las
respuestas en la terminal, el interrogador intenta determinar si fueron hechas por otra persona o por
una computadora. Si acta de manera inteligente, segn Turing es inteligente. Turing, seal que
una mquina podra fracasar y an ser inteligente. Aun as crea que las mquinas podran superar la
prueba a finales del siglo XX.


De todas maneras esta prueba no tuvo el valor prctico que se esperaba, aunque sus repercusiones
tericas son fundamentales. El enfoque de Turing de ver a la inteligencia artificial como una imitacin
del comportamiento humano no fue tan prctico a lo largo del tiempo y el enfoque dominante ha sido
el del comportamiento racional, de manera similar, en el campo de la aeronutica se dej de lado el
enfoque de tratar de imitar a los pjaros y se tom el enfoque de comprender las reglas de
aerodinmica. Aunque desde luego, el enfoque del comportamiento humano y el del pensamiento
humano siguen siendo estudiados por las ciencias cognitivas y continan aportando interesantes
resultados a la Inteligencia Artificial, y viceversa.


1.2. Conceptos y tcnicas (Estado del arte) .

Conceptos
Se define la Inteligencia Artificial como aquella inteligencia exhibida por artefactos creados por
humanos (es decir, artificial). A menudo se aplica hipotticamente a los computadores. El nombre
tambin se usa para referirse al campo de la investigacin cientfica que intenta acercarse a la
creacin de tales sistemas. La Inteligencia Artificial trata de conseguir que los ordenadores simulen
en cierta manera la inteligencia humana. Se acude a sus tcnicas cuando es necesario incorporar en
un sistema informtico, conocimiento o caractersticas propias del ser humano.
La Inteligencia Artificial ha tenido gran auge en nuestros das, teniendo aplicabilidad en la
informtica, la ciencia, la salud y otros campos. Ha sido un gran reto tratar de acercar la mente de
una mquina al pensamiento humano, y sin dudar que en un futuro no muy lejano no sepamos
distinguir si estamos en presencia de una Inteligencia Artificial o una verdadera mente humana.
Tcnicas
A medida que los juegos de vdeos fueron evolucionando, y fueron surgiendo nuevos gneros la
necesidad de tcnicas de Inteligencia Artificial fue aumentando en gran medida.

Uno de los principales objetivos de un juego de vdeo es ofrecer retos al usuario, esto se logra
introduciendo tcnicas de Inteligencia Artificial, ya que ellas son las que deciden cules son las
mejores opciones que pueden tomar los elementos del juego de vdeo a partir de las condiciones del
entorno que los rodea. Las tcnicas que se utilizan para un juego de vdeo dependen mucho del tipo
de juego de vdeo que estemos diseando.

Este Procesamiento del Lenguaje Natural, depende de la lingstica computacional. Por ello, se le
atribuyen numerosas aplicaciones, como: indizacin y traduccin automtica (empleando el lenguaje
natural como punto de partida), creacin de resmenes de textos, respuesta a preguntas
(comunicacin hombre - mquina) o reconocimiento del habla (verificacin del lenguaje natural) entre
otras.

1.3. Desarrollos actuales.
En cuanto al desarrollo actual de la investigacin en el campo de los sistemas expertos, la primera
fase corresponde al desarrollo de sistemas y programas que traten directamente el lenguaje natural,
si bien persisten todava dos escollos importantes. Por un lado, el problema de cmo emplear de un
modo eficaz una gran cantidad de informacin sin necesidad de echar mano de la combinatoria; es
decir, cmo conseguir un sistema dotado de conocimientos (metaconocimientos) que le permitan
utilizar los conocimientos del sistema y que, a su vez, le permitan deducir automticamente nuevos
conocimientos, ya que no cabe pensar en la reunin de todos los conocimientos necesarios en casos
de campos tan sumamente vastos como el del diagnstico en la medicina.
1.3.1. Procesamiento de Lenguaje
Natural (PLN).
El Procesamiento de Lenguaje Natural, es una rama dependiente de la Inteligencia artificial. El PLN,
se encarga de desarrollar la comunicacin entre hombres y mquinas de tal manera que esta pueda
realizarse de un modo natural, es decir, como si fuese una comunicacin entre humanos.
1.3.2. Reconocimiento de
patrones.
Es la asociacin de una observacin, a una experiencia pasada o conocimiento. Para el ser humano,
ciertas tareas de R.P. son naturales y las llevamos a cabo en todo momento: cuando reconocemos la
voz de un conocido en una conversacin telefnica, al recordar la cara de alguien al escuchar su
nombre, cuando resolvemos las tareas cotidianas de cada una de nuestras profesiones en las que
aplicamos una solucin dada a un problema especfico y al recordar el telfono de un amigo, sin
embargo, existen algunas tareas que no son para nosotros tan naturales y fciles como predicciones
ssmicas y predicciones de financieras entre otras.
En el R.P., se llevan a cabo bsicamente dos tipos de tareas de las cuales parten todas las tareas
que se puedan imaginar, es decir, todas las tareas que se resuelvan en R.P. son casos especiales o
se pueden categorizar como uno de estos dos tipos: Clasificacin y Estimacin.
1.3.3. Robtica.
La robtica es la ciencia y la tecnologa de los robots. Se ocupa del diseo, manufactura y
aplicaciones de los robots La robtica combina diversas disciplinas como son: la mecnica, la
electrnica, la informtica, la inteligencia artificial y la ingeniera de control. Otras reas importantes
en robtica son el lgebra, los autmatas programables y las mquinas de estados.
1.3.4. Sistemas Expertos.
En los aos 70 que surgi un nuevo paradigma en la Inteligencia Artificial los Sistemas Expertos,
cuya funcin es desarrollar trabajos similares a los que desarrollara un especialista en un rea
determinada, la idea no es sustituir a los expertos, sino que estos sistemas sirvan de apoyo a los
especialistas en un dominio de aplicacin especfico.
Estos sistemas expertos son en lo esencial sistemas de computacin basados en conocimientos
cuyos componentes representan un enfoque cualitativo de la programacin. Muchas personas
pueden creer que un Sistema Experto (SE) es un sistema compuesto por subsistemas y a su vez
estos por otros subsistemas hasta llegar a los programas, y que los SE se miden por la cantidad de
programas que contienen. Sin embargo la cantidad no es lo que prima en los SE, si no la cualidad del
mismo, esta cualidad est dada por la separacin de las reglas que describen el problema (Base de
Conocimientos), del programa de control que es quien selecciona las reglas adecuadas (Motor de
inferencias).
Podemos decir que un Sistema Experto es una Base de Conocimientos (BC), una Base de Hechos
(BH) y un Motor (o Mquina) de Inferencias (MI). Por otra parte estos sistemas no se miden por la
cantidad de instrucciones o programas sino por la cantidad de reglas que hay contenida en su Base
de Conocimientos.
Para desarrollar los sistemas expertos primero es necesario abordar un rea de inters, dentro de
esta rea se seleccionan a los expertos, que son los especialistas capaces de resolver los problemas
en dicha rea. Por ejemplo el rea de inters de las empresas de proyectos, son precisamente los
proyectos y un especialista podra ser un arquitecto, un ingeniero civil, etc. Ahora bien, casi siempre
estos especialistas, son expertos en un dominio especfico y es sobre este dominio, donde poseen su
mayor experiencia (Dominio de Experticidad), por ejemplo un Ing. civil especializado en cimientos.
Una vez seleccionado al experto o a los expertos y estos estn de acuerdo en dar sus
conocimientos, comienza a jugar su papel el Ingeniero de Conocimientos, que es el encargado de
extraerle los conocimientos al experto y darle una representacin adecuada, ya sea en forma de
reglas u otro tipo de representacin, conformando asi la base de conocimientos del sistema experto.
Formas de representacin de los conocimientos:
Reglas de produccin
Redes semnticas
Marcos (Frames).

1.3.5. Lgica Difusa (Fuzzy logic).

La lgica difusa es una herramienta de gran potencial para el desarrollo de nuevos mtodos o
tcnicas de la Inteligencia Artificial. Como habamos mencionado anteriormente este tipo de lgica
permite valores intermedios para poder definir estados convencionales como s/no, verdadero/falso,
negro/blanco, etc. Este tipo de nociones como ms caliente o poco fro pueden expresarse
matemticamente y ser procesados por computadoras. Al hacer esto se esta realizado el intento de
aplicar la forma del pensamiento humano a la programacin de computadoras, que es lo que busca
la inteligencia artificial con sus aplicaciones en diferentes sistemas.

1.4. Modelos de agente inteligente.
Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales percepciones y
responder o actuar en su entorno de manera racional, es decir, de manera correcta y tendiendo a
maximizar un resultado esperado. En este contexto la racionalidad es la caracterstica que posee una
eleccin de ser correcta, ms especficamente, de tender a maximizar un resultado esperado. Este
concepto de racionalidad es ms general y por ello ms adecuado que inteligencia (la cual sugiere
entendimiento) para describir el comportamiento de los agentes inteligentes. Por este motivo es
mayor el consenso en llamarlos agentes racionales. Un agente inteligente puede ser una entidad
fsica o virtual. Si bien el trmino agente racional se refiere a agentes artificiales en el campo de la
Inteligencia Artificial, tambin puede considerarse agentes racionales a los animales incluido el
hombre.
Es posible clasificar los agentes inteligentes en 5 categoras principales:
- Agentes reactivos
- Agentes reactivos basados en modelo
- Agentes basados en objetivos
- Agentes basados en utilidad
- Agentes que aprenden

La racionalidad es necesaria
En muchos textos se define agente inteligente como todo agente capaz de tener conciencia de su
entorno y actuar sobre l. No obstante es necesario exigir que estas decisiones sean racionales en el
sentido de que persigan algn fin. Vamos a mostrarlo con un contraejemplo: cuando un fotn con la
suficiente energa incide sobre un tomo, puede arrancar de l un electrn. Podramos considerar al
tomo inteligente puesto que percibe su entorno (la incidencia del fotn) y acta sobre su entorno
(emite un electrn). La ausencia de relacin entre la emisin del electrn y cualquier hipottico
inters del tomo muestra que este no es un agente inteligente pese a verificar la definicin de
Bertrand Russell.

La conducta de un agente no suele ser la ptima.

Paradjicamente, la conducta de un agente rara vez es la optima. La razn es muy sencilla calcular
el optimo de un criterio lo suficientemente bueno para ser considerado razonable teniendo en cuenta
las mltiples restricciones que concurren es muy difcil. Ejemplos de ello es lo difcil que es calcular la
mejor ala para un avin, el mejor perfil para un coche o la mejor hlice para un barco. Para un
estudiante es fcil calcular el mximo de un polinomio de segundo grado derivando e igualando a
cero. En este caso el criterio es muy sencillo -es un polinomio de segundo grado- y no concurre
ninguna restriccin.

Cuando el criterio es una funcin real de muchas variables y las restricciones tambin, los clculos
son mucho ms complicados. Algunas veces se puede lograr una buena aproximacin; pero, si un
agente inteligente debe tomar una decisin en muy poco tiempo, deber conformarse con la mejor
aproximacin que pueda calcular en el escaso tiempo de que dispone.
1.5. Heurstica.
Las funcione heursticas son la forma ms comn de transmitir el conocimiento tradicional del
problema al algoritmo de bsqueda.
La capacidad heurstica consiste en la capacidad de realizar innovaciones positivas para conseguir
los fines que se pretenden.
En las ciencias de la computacin, el mtodo heurstico es usado en determinadas circunstancias,
cuando no existe una solucin ptima bajo las restricciones dadas. En general la manera de actuar
de los programas heursticos consiste en encontrar algoritmos con buenos tiempos de ejecucin y
buenas soluciones.
Dadas las caractersticas de la heurstica, sta es muy usada en juegos informticos que se
adelantan a lo que va a hacer el usuario basndose en la experiencia y los pasos que ha seguido en
otras ocasiones.
Muchos algoritmos en la inteligencia artificial son heursticos por naturaleza, o usan reglas
heursticas. Un ejemplo claro son los programas que detectan si un correo electrnico es o no spam.
Cualquiera de las reglas usadas de forma independiente pueden llevar a errores de clasificacin,
pero cuando se unen mltiples reglas heursticas, la solucin es ms robusta y creble.