Está en la página 1de 28

Inteligencia Artificial

I.T. en Informtica de Sistemas, 3


Curso acadmico: 2010/2011
Profesores: Ramn Hermoso y Roberto Centeno
Inteligencia Artificial 3
ITIS 2010/11
Tema 1: Introduccin a la IA
1. Introduccin a la Inteligencia Artificial
1.1 Qu es la IA?
1.2 Agentes Inteligentes
Inteligencia
Artificial 3 ITIS
2010/11
Objetivo: estudiar artefactos inteligentes
Disciplinas relacionadas :
Filosofa
leyes del pensamiento, lgica
relacin entre la mente y la materia (dualismo, materialismo)
relacin entre el conocimiento y la experiencia (empiristas,
positivistas, ...)
relacin entre el conocimiento y la accin
. . .
Matemticas
concepto de algoritmo (al-Jawarizmi)
teorema de incompletitud (Gdel)
intratabilidad y teora de la completitud NP
teora de la decisin (von Neumann / Morgenstern)
Inteligencia Artificial : Disciplinas
Inteligencia
Artificial 3 ITIS
2010/11
Inteligencia
Artificial 3 ITIS
2010/11
Disciplinas relacionadas:
Psicologa:
modelos del comportamiento humano
conductistas: modelos estimulo-respuesta
psicologa cognitiva: creencias, objetivos, pasos de razonamiento, . . .
Lingstica:
modelos de la interaccin verbal humana
reconocimiento y generacin del habla
representacin del conocimiento
Sociologa:
modelos del comportamiento humano en grupo
psicologa social: compromisos, normas, obligaciones, . . .
Ingeniera computacional :
facilita los artefactos (hardware y software) para la IA
. . .
Inteligencia Artificial : Disciplinas
Inteligencia Artificial: Historia
Inteligencia
Artificial 3 ITIS
2010/11
1940/50:
Programas que resuelven tareas bsicas de razonamiento (jugar al ajedrez /
jugar a las damas / probar teoremas geomtricos)
primeros modelos de neuronas artificiales (McCulloch/Pitts)
1960/70:
representaciones especializadas del conocimiento (reglas, marcos, guiones)
primeros sistemas expertos (Dendral, Prospector, Mycin)
declive de la computacin neuronal (anlisis de los Perceptrones de Minsky)
1980:
aplicaciones comerciales de los sistemas expertos (R1)
proyecto de software de quinta generacin en Japn
1990 hasta hoy:
regreso de las redes de neuronas
modelos de incertidumbre (cadenas de Markov, redes Bayesianas)
agentes inteligentes (robots autnomos, sistemas multiagente)
. . .
Inteligencia Artificial
Objetivo: estudiar los entes inteligentes
cientfico: entender los entes inteligentes
ingenieril: construir entes inteligentes
Inteligencia
Artificial 3 ITIS
2010/11
Algunas definiciones:
Sistemas que piensan como humanos
La interesante tarea de lograr que las computadoras piensen...
Mquinas con mente, en su amplio sentido literal (Haugeland 1985)
Sistemas que actan como humanos
El arte de crear mquinas con capacidad de realizar funciones
que realizadas por personas requieren inteligencia (Kurzweil 1990)
Sistemas que actan de forma racional
La rama de la Informtica que se ocupa de la automatizacin del
comportamiento inteligente (Luger & Stubblefield, 1993)
IA fuerte
IA dbil
Actuar como humanos
Prueba de Turing : [Alan Turing, 1950]
Un evaluador humano y un interlocutor estn separados por una mampara
El interlocutor puede ser bien otro persona o bien un ordenador
El evaluador formula preguntas a travs de un teletipo, y el interlocutor da sus respuestas del mismo modo
El ordenador supera la prueba, si el evaluador no es capaz de distinguir entre l y un humano
Inteligencia
Artificial 3 ITIS
2010/11
Capacidades requeridas :
procesamiento del lenguaje natural
representacin del conocimiento y razonamiento
aprendizaje
Prueba total de Turing:
incluye seales de vdeo y objetos fsicos
requiere capacidad de visin computacional y robtica
Pensar como humanos
Modelado cognitivo:
abrir la caja negra de la mente humana
analizar los procesos mentales (introspeccin, experimentos)
desarrollar una teora acerca de los procesos mentales
aplicar esta teora en la simulacin de dichos procesos en un ordenador
Inteligencia
Artificial 3 ITIS
2010/11
General Problem Solver (GPS) [Newell & Simon 1961]:
resuelve problemas mediante la descomposicin en subproblemas ms
simples
se centra en la comparacin de los pasos de razonamiento del GPS con
los pasos seguidos por una persona al resolver el mismo problema
Ciencia Cognitiva:
modelos computacionales (IA) + tcnicas experimentales (psicologa)
construir teoras rigurosas y verificables acerca de los procesos mentales
Actuar de forma racional
Racionalidad:
prescriptivo: cmo las personas deberan actuar
sentido estricto: cmo sacar conclusiones verdaderas?
sentido amplio: cmo actuar y sobrevivir en un entorno?
Inteligencia
Artificial 3 ITIS
2010/11
Pensar de forma racional:
leyes de pensamiento de Aristteles: razonamiento irrefutable
lgica formal :
lenguaje formal para representar todo tipo de entes en el mundo
modelo riguroso para razonar sobre dichos entes
en su estado puro, ms estrechamente relacionado con la
filosofa y las matemticas
Actuar de forma racional:
Inteligencia Artificial: modelar/construir sistemas que actan basndose
en la inferencia lgica automtica
Actuar de forma racional
Agentes Racionales:
enfoque relativo al contexto: actuar de forma correcta en un entorno
no se limita a la inferencia racional (lgica)
a veces es imposible determinar formalmente cul es la mejor accin
en algunas situaciones es racional emprender una accin buena
inmediatamente en vez de esperar hasta determinar la alternativa
ptima
se pueden determinar acciones racionales por inferencias no lgicas
Inteligencia
Artificial 3 ITIS
2010/11
Ventajas:
pone nfasis en una perspectiva ingenieril
destaca la relacin entre comportamientos inteligentes y el entorno en el
que se desarrollan
proporciona criterios transparentes para evaluar conducta inteligente
permite una concepcin integrada de las distintas tcnicas y subreas de la
Inteligencia Artificial
Tema 1: Introduccin a la IA
1. Introduccin a la Inteligencia Artificial
1.1 Qu es la IA?
1.2 Agentes Inteligentes
Inteligencia
Artificial 3 ITIS
2010/11
Agentes
Inteligencia
Artificial 3 ITIS
2010/11
Agente:
ente activo embebido en un entorno
cuerpo:
percibe el entorno por medio
de sensores
acta sobre el entorno por
medio de efectores
mente:
determina las acciones a partir
de las percepciones
medida de rendimiento que gua
dicho proceso
entorno
percepciones
acciones
Tipos de Agentes
Inteligencia
Artificial 3 ITIS
2010/11
Agentes naturales:
cuerpo biolgico y entorno natural
sensores: ojos, odos, lengua, etc.
efectores: piernas, brazos, manos, etc.
medida de rendimiento: sobrevivir, reproducirse, ...
Agentes artificiales:
agentes hardware (robots):
interactan directamente con un entorno fsico
disponen de un cuerpo fsico
sensores: cmaras, telmetros infrarojos, etc.
efectores: ruedas/piernas, manipuladores, etc.
agentes software (softbots):
actan en entornos virtuales (p.e. Internet)
todo software: no necesitan manipular fsicamente el entorno
sensores y efectores: dependientes del entorno
Agente inteligente
Inteligencia
Artificial 3 ITIS
2010/11
Agentes inteligentes:
actan de forma racional en su entorno
determinantes de un comportamiento racional :
medida de rendimiento: define el grado de xito del agente
secuencia de percepciones: la experiencia del agente
conocimientos a priori sobre su entorno
capacidades: las acciones que el agente pueda emprender
Comportamiento racional:
a partir de la secuencia de percepciones hasta el momento, y el
conocimiento a priori sobre el entorno
elegir entre las capacidades la accin que maximice la medida de
rendimiento
Racionalidad ! Omniscencia
la seleccin racional de acciones slo se basa en la informacin disponible
Autonoma
Inteligencia
Artificial 3 ITIS
2010/11
Autonoma:
no bajo el control inmediato de una persona
un agente es ms autnomo...
... cuanto ms se rige su comportamiento por su propia experiencia
... cuanto menos depende de sus conocimientos a priori
Problema:
los conocimientos a priori reflejan la inteligencia del diseador
un agente que no presta atencin a sus percepciones
no sera inteligente
slo podra actuar en entornos extremadamente simples
no puede actuar con xito en situaciones no anticipadas
(Ejemplo: escarabajo)
Agente inteligente = comportamiento racional + autonoma
Programa y Arquitectura de Agente
Inteligencia
Artificial 3 ITIS
2010/11
Arquitectura de agente:
los mdulos que componen el agente
estructura del programa de agente
partes imprescindibles:
componente de percepcin
componente de seleccin de acciones
componente de accin
Programas de Agente:
software que determina el comportamiento del agente
implementa la funcin percepcin-accin
{simple agent program}
memoria " percibir(memoria, percepcin)
accin " seleccin-accin(memoria, medida-rendimiento)
memoria " actuart(memoria, accin)
Tipos de Arquitectura de Agente
Inteligencia
Artificial 3 ITIS
2010/11
Agentes estimulo-reaccin (reactivos) :
calculan las acciones directamente a partir de las percepciones
frecuentemente siguen un enfoque conexionista
en muchos dominios permite generar rpidamente acciones
buenas
Agentes deliberativos:
mantienen un modelo de simblico su entorno
anticipan los efectos potenciales de sus acciones a travs del
modelo
permite evitar emprender acciones equivocadas y irrevocables
Agentes hbridos: combinan ambos enfoques
enfoque reactivo para acciones inmediatas
enfoque deliberativo para acciones estratgicas
Agentes reactivos
Inteligencia
Artificial 3 ITIS
2010/11
Agentes inteligentes de arquitectura reactiva:
la informacin sensorial se comprime en un vector caracterstico del
estado del entorno
la racionalidad est compilado en la funcin de reaccin
tcnicas: autmatas, redes de neuronas, etc.
0
1
1
0
1
Procesamiento
de la percepcin
Funcin de
reaccin
Informacin
sensorial
Vector caracterstico
Accin
Agentes deliberativos
Los agentes inteligentes de arquitectura deliberativa :
mantienen un modelo simblico de su entorno
anticipan los efectos esperados de sus acciones sobre este modelo
eligen la mejor accin con respecto a la medida de rendimiento en base
a este proceso
Inteligencia
Artificial 3 ITIS
2010/11
C
D B A
C
D
B
A
A
C
D
B
Agentes hbridos
Agentes inteligentes de arquitectura hbrida :
Cuando reaccionar de forma reactiva, y cuando es conveniente
deliberar?
Inteligencia
Artificial 3 ITIS
2010/11
Percepcin
Accin
C
D B A
C
D
B
A
A
C
D
B
Nivel
deliberativo
Nivel reactivo
Agentes basados en objetivos
Adems de la descripcin del estado actual, el agente
necesita informacin sobre la meta a la que quiere llegar.
Ejemplo: un conductor que quiere llegar a su destino
Inteligencia
Artificial 3 ITIS
2010/11
Agentes basados en utilidad
Podran existir varias secuencias de acciones posibles
para alcanzar una misma meta
No todas ellas proporcionan un mismo beneficio
Se compara la utilidad que se obtiene en los distintos
estados
Una funcin de utilidad es una funcin del tipo:
Inteligencia
Artificial 3 ITIS
2010/11
!
U : S "#
Tipos de entornos
Inteligencia
Artificial 3 ITIS
2010/11
Tipos de Entornos:
fsico frente a software:
fsico: robot navegando en una sala real /entornos industriales
software: laberinto simulado / juego de vdeo
real frente a simulado
real: el diseador no determina las caractersticas del entorno
ejemplo: Internet, entorno real del robot
simulado: agentes son condenados al xito
ejemplo: videojuegos
manipulacin directa frente a manipulacin indirecta :
el agente interacta inmediatamente con su entorno?
Diagnosis mdica / gestin de trfico / automatizacin de la produccin
Relevancia del entorno:
el tipo y las caractersticas del entorno determinan la arquitectura,
el programa y en general la complejidad del agente inteligente.
Propiedades del entorno
Inteligencia
Artificial 3 ITIS
2010/11
Propiedades:
accesible frente a inaccesible:
El agente puede determinar inequvocamente el estado de su
entorno ?
Accesible: Ajedrez , tres en raya
Inaccesible: Pker, laberinto, juego de vdeo
determinista frente a no determinista:
Los acciones del agente en un estado actual determinan
completamente el estado resultante?
Determinista: Ajedrez, agente software en entorno simulado
No determinsta: gestin de trfico, robot en un entorno real
Propiedades del entorno
Inteligencia
Artificial 3 ITIS
2010/11
esttico frente a dinmico:
El estado del entorno pueda cambiar mientras que el agente
delibera?
Puede cambiar sin que el agente acte?
esttico: agente software en un laberinto simulado (entorno no
cambia)
semidinmico: ajedrez (cambios previsibles)
dinmico: gestin de trfico (cambios imprevisibles)
discreto frente a continuo:
Los conjuntos de posibles percepciones y/o acciones son
discretos?
discreto: ajedrez, agente software en un laberinto simulado
continuo: robot navegando en un entorno fsico real
Subreas de la Inteligencia Artificial
Inteligencia
Artificial 3 ITIS
2010/11
Bsqueda:
actuar de forma racional en entornos bien definidos: espacios de estado
(entornos accesible, deterministas, estticos y discretos)
Representacin del conocimiento y razonamiento
combatir la complejidad : estructurar la representacin del entorno
entornos inaccesibles / no deterministas: razonamiento no-montono
. . .
Planificacin:
combatir la complejidad : representacin estructurada + inferencia especializada
entornos no-deterministas: planificacin condicional
entornos dinmicos: replanificacin
Aprendizaje:
combatir la complejidad: aprender a actuar ms rpido
mejorar el rendimiento: aprender a actuar mejor
mejorar la autonoma: reducir dependencia de conocimientos a priori
Incertidumbre:
entornos inaccesibles/ no deterministas/ continuos: creencias
(lgica difusa, redes Bayesianas...)
medidas de rendimiento basados en la utilidad esperada
(Teora de la Utilidad, inferencia basada en la Teora de la Decisin)
Comunicacin:
entornos en el que el agente interacta de forma flexible con humanos
(procesamiento del lenguaje natural, actos de habla, ...)
entornos multiagente (razonar sobre otros agentes, coordinacin,
lenguajes de comunicacin entre agentes, ...)
Percepcin y actuacin:
robtica: entornos fsicos y agentes hardware
visin computacional
Subreas de la Inteligencia Artificial
Inteligencia
Artificial 3 ITIS
2010/11
Ejercicios
Inteligencia
Artificial 3 ITIS
2010/11

También podría gustarte