Introduccin a

la Inteligencia Artificial
(IA)

Introduccin
z

J.McCarthy: It is the science and engineering

of making intelligent machines, especially
intelligent computer programs [] using
computers to understand human intelligence
Entender y construir agentes inteligentes
Ver:
http://www.aaai.org/AITopics/html/reference.html#on
line

Orgenes
Desde la antigedad: estudio de la memoria, el
aprendizaje, el razonamiento, etc.
Aproximaciones a la IA con la 2 Guerra Mundial.
Denominacin Inteligencia Artificial: J. McCarthy en
conferencia Dartmouth de 1956 J. McCarthy, M. L.
Minsky, N. Rochester, and C.E. Shannon.

Disciplinas relacionadas con Inteligencia

Artificial:
Percepcin (visin, PLN), razonamiento lgico,
resolucin de problemas, demostracin automtica,
aprendizaje, representacin de conocimiento, etc.
2

Historia de la IA, I
z

Gestacin de la IA (1943-1956).
Neuronas artificiales. McCulloch y Pitts (1943).
Programas de ajedrez. Shannon y Turing (1951).
Leonardo Torres Quevedo (1914).
General Problem Solver (Puzzles).
Geometry Theorem Prover. IBM, 1959.
LISP. Creado por John McCarthy en 1958. MIT.
Algoritmo de resolucin de Robinson (1965).
Mundo de bloques:
Visin.
Propagacin de Restricciones.
Lenguaje Natural.
Planificacin.

Historia de la IA, II
z

Entusiasmo (1952-1969)
M.Minsky: Bsqueda heurstica. Aprendizaje (1968)
T.Winograd: Comprensin de LN (1972)
P.Winston: Mundo de bloques (1970/75)

Realismo (1966-1974)
Intratabilidad computacional de las soluciones
Sistemas basados en el conocimiento (1969-1979).
DENDRAL (1969): Buchanan et al. Estructura molecular.
SHRDLU (1971): Winograd.
MYCIN (1974): Buchanan et al. Diagnstico mdico.
Incertidumbre.

IA moderna
IA en la industria (1980-1988).
Sistemas Expertos comerciales (dcada de los 90)
Minera de datos (dcada de los 90).
z Recuperacin de Informacin (Salton, Sprk-Jones).

Redes neuronales
Explotacin de mtodos tericos de mediados de siglo.
z Mecnica estadstica (Hopfield), modelos de memoria
de Rummelhart, redes topolgicas (Kohonen).

Aprendizaje Automtico
Representacin del conocimiento. Tecnologas.
Redes Bayesianas (Pearl 1988)
Agentes (SOAR Newell et al. 1987)
Inteligencia distribuida / colectiva, Redes Sociales, Web
Crawling, , Robots (mascotas, autnomos (DARPA)),
domtica, etc.

Campos relacionados con

IA, I
z

Filosofa (desde 428 a.C.).

Teoras de razonamiento, aprendizaje, etc
Platn, Scrates, Aristteles
Descartes (s. XVI). Distincin entre mente y
materia.
Leibniz (s. XVII). Materialismo.
Francis Bacon (s. XVI). Empirismo.
Bertran Russell (s. XIX). Positivismo lgico.
Matemticas (desde 800).
Teoras formales de Lgica, Probabilidad, Teora de
la Decisin.
Nocin de algoritmo de Al-khowarazmi (matemtico
rabe, s. IX)
Boole (1815)
Frege (1848). Lgica de primer orden.
Hilbert (1862). En 1900, present 23 problemas
para el siglo XX.

Campos relacionados con

IA, II

Gdel (1906).
Teorema de incompletitud (1931).
z En Lgica de Primer Orden con aritmtica
inductiva hay frmulas ciertas no
demostrables.
Psicologa (desde 1879).
Teoras para estudiar la mente. Psicologa cognitiva.
Craik (1943). Etapas de un agente basado en el
conocimiento:
z Transformacin del estmulo a una
representacin interna.
z Derivacin de las representaciones internas.
z Traduccin de las representaciones internas
a acciones.
Lingstica (desde 1957).
Teoras acerca de la estructura y significado del
lenguaje.
Informtica (desde 1940).
Herramientas para hacer realidad IA

Propsito de la IA

SER
HUMANO

SER
RACIONAL

PENSAR 2.
3.
como
Mquinas con Modelos para
procesos
mente
naturales
ACTUAR 1.
4.
como
Diseo de
Androides
mquinas con
comportamient
o inteligente

Definicin de IA, I
z

1) Sistemas que actan como el

hombre.
Test de Turing. Computing machinery and
intelligence, Mind, 59, 433:460, 1950.
Comportamiento inteligente
Incapacidad de diferenciar entre respuestas del
ordenador y repuestas humanas.
Supone:
z Procesamiento del Lenguaje Natural.
z Representacin del Conocimiento.
z Razonamiento Automtico.
z Aprendizaje Automtico.

Test total de Turing.

Se permitira interaccin fsica entre persona y
ordenador.
Supone:
z Visin (para percibir objetos).
z Robtica (para mover objetos).
8

Definicin de IA, II
z

2) Sistemas que piensan como el

hombre.
Teoras de funcionamiento de la mente
humana:
Campos de visin
Lenguaje Natural
Aprendizaje

Se buscan modelos de IA compatibles con

tcnicas experimentales en Psicologa.

Definicin de IA, III

z

3) Sistemas que piensan

racionalmente.
Desarrollo de Lgica Formal a finales del
siglo XIX y principios del XX.
Trata de crear sistemas inteligentes
utilizando la Lgica Formal.
Del estilo de los silogismos de Aristteles:
z Scrates es un hombre.
z Todos los hombres son mortales,
z luego Scrates es mortal

Hacia 1965, haba programas que

resolvan problemas formulados en Lgica
(supuestos memoria y tiempos suficientes).
Inconvenientes:
Necesaria una representacin del conocimiento
informal (o difuso). Uso de probabilidades.
Explosin combinatoria de posibilidades.
10

10

Definicin de IA, IV
z

4) Sistemas que actan racionalmente.

Uso de agentes: percepcin + actuacin.
Se necesita resolver situaciones, que el
pensamiento racional no puede por s solo
hacer:
Acciones reflejas: retirar la mano del fuego.

El estudio de IA como agentes racionales

tiene dos ventajas:
Es ms general que el pensamiento racional.
Es ms cercano al mtodo cientfico que el
comportamiento y el pensamiento humanos.

11

11

Agentes, I
z

Agente: percepcin + actuacin.

Agente racional: persigue xito en sus
objetivos
Ejemplos de agentes racionales:
descripciones PAGE
Sistema de diagnosis mdicas.
z Percepciones: sntomas, respuestas
pacientes
z Acciones: tratamientos, pruebas, preguntas
z Objetivos: la salud del paciente,
minimizacin de costes
z Entorno: el paciente, el hospital
Controlador de una refinera.
z Percepciones: temperatura, presin
z Acciones: abrir, cerrar vlvulas, ajustar
temperatura
z Objetivos: maximizar la pureza, seguridad
z Entorno: una refinera
12

12

Agentes, II
Un tutor interactivo de ingls.
z Percepciones: palabras escritas
z Acciones: crear ejercicios,
sugerencias, correcciones
z Objetivos: maximizar las
calificaciones del alumno
z Entorno: un conjunto de estudiantes
Un taxista automtico.
z Percepciones: cmaras, velocmetro,
micrfono
z Acciones: mover el volante, acelerar,
frenar, hablar al pasajero
z Objetivo: seguridad, rapidez,
legalidad, comodidad
z Entorno: carreteras, autopistas

13

13

Agente simple
z

Algoritmo:
funcin agente-simple (percepcin)
return una accin
memoria
;;;;; variable global
memoria = actualiza-memoria(memoria, percepcin)
accin = elige-mejor-accin(memoria)
memoria = actualiza-memoria (memoria, accin)
return accin

Observaciones:
Se debera mantener una secuencia de
percepciones en memoria (no siempre es
posible)
Se deberan tener criterios externos de
xito (la medida del desempeo no es
parte de la descripcin del agente)
14

14

Agente de bsqueda en
tablas
z
z
z

Implementa un mapa ideal de comportamiento

Dificultad en conseguir que el agente razone
Algoritmo:
funcin agente-de-bsqueda-en-tablas (percepcin)
return una accin
;;;;;;;;;;;;;
variables globales
percepciones ;lista inicialmente vaca
tabla
;indexada por lista de
percepciones
aade-percepcin-al-final-depercepciones(percepcin, percepciones)
accin = busca(percepciones, tabla)
return accin

Inconvenientes:
Tabla enorme (y difcil de generar).
Agente sin autonoma (si el entorno
cambia, la tabla tambin debera hacerlo).
15

15

Agente reflejo simple

z
z

Es imposible construir una tabla de bsqueda

para cualquier secuencia de percepciones.
Incorporan el uso de reglas:
Si coche-de-enfrente-frena entonces frenar
(resume informacin y especifica comportamiento)

Algoritmo:
funcin agente-reflejo-simple (percepcin)
return una accin
reglas
;;;;; variable global
;;; se genera descripcin abstracta de la percepcin
estado = interpreta (percepcin)
;;; selecciona regla que cumple descripcin estado
regla = selecciona-regla (estado, reglas)
accin=aplica-regla(regla)
return accin

El uso de reglas ayuda en la toma de

decisiones del agente
16

16

Un agente reflejo con

estado
z
z

Se mantiene un estado del mundo

(configurado por las percepciones).
Algoritmo:
funcion agente-reflejo-con-estado (percepcin)
returns una accin
estado, reglas
;;;variables globales
;;; se actualiza la descripcin interna del estado que
;;; mantiene el agente
estado = actualiza-estado (estado, percepcin)
regla = selecciona-regla (estado, reglas)
accin=aplica-regla(regla)
estado = actualiza-estado (estado, accin)
return accin

17

17

Otros agentes
z

Agente basado en el objetivo

La informacin del objetivo es relevante
Combinacin de informacin sobre objetivo con
informacin de sus posibles acciones
Ejemplo: En una interseccin, es posible izquierda,
derecha o recto, pero importa el objetivo (no es
nicamente un agente reflejo).

Bsqueda y Planificacin (campos de IA).

Caso simple: Accin implica objetivo
Caso complejo: Varias acciones implican objetivo
z

Agentes basados en utilidad:

Utilidad(estado)=grado de preferencia o satisfaccin
para un estado. N real.
Permiten tomar decisiones racionales en 2
situaciones
Cuando hay varios objetivos en conflicto
Cuando hay varios objetivos alcanzables pero
ninguno con certidumbre

Los agentes basados en el objetivo dan una

solucin pero puede ser un camino no muy
satisfactorio.
Ejemplo: Programas de juego. Dilema del
prisionero.
18

18

Tipos de entorno
z

Accesible/no-accesible:
el agente tiene acceso al estado completo del
entorno?
Si: no necesita mantener un estado interno del
mundo. Uso de sensores. (aspiradora)
No: (8-puzzle)

Determinista/no-determinista:
el estado siguiente del entorno est
completamente determinado por el estado actual y
la cadena de acciones elegidas por el agente?
(D: 8-puzzle; ND: control refinera)

Episdico/no-episdico
Episodios: procesos percepcin-accin
independientes en el tiempo
(E: robot selector de componentes; NE: ajedrez)

Esttico/dinmico/semidinmico:
el entorno puede cambiar mientras el agente
decide?
Semidinmico: esttico + penalizacin por retraso en
la toma de decisin (ajedrez, anlisis imgenes)

Discreto/continuo
nmero finito de percepciones/acciones?
(D: ajedrez; C: robot taxista)

19

19

Sistemas multiagentes
z

Inteligencia artificial distribuida (IAD) :

Parte de la Inteligencia Artificial
Objetivo: estudiar los comportamientos inteligentes
colectivos que son producto de la cooperacin de
diversas entidades denominadas agentes.
En un sistema o entorno con mltiples agentes, se
necesita que entre ellos exista:
Coordinacin
Comunicacin
Negociacin
Etc.
Sistema Multiagente: MAS, Multiagent System.
Objetivo: estudiar la coordinacin de la conducta
inteligente entre un conjunto de agentes inteligentes
autnomos.

20

20

Sistemas multiagentes
z

Aplicaciones de sistemas multiagentes

y de la IAD:
Comercio electrnico.
Optimizacin de procesos de produccin
industrial.
Anlisis de los procesos de negocio entre
empresas.
Monitorizacin y administracin de redes
de telecomunicacin en tiempo real.
Investigacin de los aspectos sociales de la
inteligencia y simulacin de fenmenos
sociales complejos.

21

21