INTELIGENCIA ARTIFICIAL I

M.T.I. DORA ELIA MARTNEZ AGUILAR

OBJETIVO GENERAL DEL CURSO

El estudiante representar problemas basados en conocimiento en trminos formales y disear la solucin a problemas tpicos de la Inteligencia Artificial

CONTENIDO TEMTICO
UNIDAD I.- FUNDAMENTOS DE I. A. UNIDAD II.- REPRESENTACIN DEL CONOCIMIENTO Y RAZONAMIENTO UNIDAD III.- SISTEMAS DE RAZONAMIENTO LGICO UNIDAD IV.- BSQUEDA Y SATISFACCIN DE RESTRICCIONES

UNIDAD I Fundamentos de I. A.
Definicin: I.A. Se define como la inteligencia exhibida por una entidad artificial. Inteligencia: Es la capacidad mental para razonar, planear, resolver problemas, pensar de manera abstracta, comprender ideas y lenguajes y aprender. Artificial: No natural, hecha por el hombre. Generalmente se supone una computadora.

Unidad I Fundamentos de I. A.

1.1 El propsito de la I. A. y su evolucin histrica

EL PROPSITO DE LA IA
La inteligencia artificial intenta comprender las entidades inteligentes (humanos), con el propsito de (a diferencia de la psicologa y la filosofa) construir entidades inteligentes adems de entenderlas.

Diferentes reas han contribuido a la IA en forma de ideas, puntos de vista, y tcnicas.

Filosofa Lgica, mtodos de razonamiento, la mente como un sistema fsico, bases del aprendizaje, lenguaje y racionalidad. Matemtica Representacin formal y prueba de algoritmos, computacin, problemas decidibles, problemas intratables, probabilidad, teora de decisin. Economa Utilidad, teora de juegos Neurociencia Capa fsica para actividades mentales Sicologa Adaptacin, fenmeno de percepcin y control motor Ing. De Sistemas Construir computadoras ms rpidas Teora de Control Sistemas que maximizan una funcin objetivo a travs del tiempo Lingstica Representacin del conocimiento, gramtica

Charles Babbage.- Matemtico (1792-1871) define el concepto de mquina calculadora universal, ancestro del computador moderno y propone los planos.

Se le conoce como el padre de las computadoras.

Desarroll el motor analtico en 1835.

MOTOR ANALTICO

Consista de dos componentes: el almacenamiento y la unidad de procesamiento. Avance en el desarrollo de las computadoras.

1936: mquinas de Turing

El matemtico ingls, Alan M. Turing (19121954) define una mquina abstracta, la "Mquina de Turing", que sirve de base a la nocin de algoritmo y a la definicin de la clase de problemas decidibles. Turing dedic lo principal de sus trabajos a la formalizacin de la teora de los autmatas y a la nocin de calculabilidad.

1943: Primer Computador.- El catalizador que condujo al verdadero nacimiento de la IA fue la aparicin del primer computador, el ENIAC: una mquina electrnica de programa grabado

Enorme en tamao Pesaba 30 toneladas Tomaba el espacio de un cuarto Generaba mucho calor Tena poca memoria
Primera generacin

ENIAC.- PRIMER COMPUTADOR

Historia de la IA.- La historia de la I.A se remonta a pocas remotas, aunque la relacin entre la inteligencia humana y las mquinas tuvo sus inicios a principios de los cincuentas.

HISTORIA DE LA I.A.

1956: nacimiento del nombre de I. A. El trmino de Inteligencia Artificial (IA), aparece por primera vez en agosto de 1956 en el Colegio Dartmouth (EEUU), en la ocasin de una conferencia sobre la inteligencia de los computadores y donde se reunieron grandes cientficos tales como J. McCarthy, M. Minsky, C. Shannon, A. Newell, y H. Simon.

Sistemas basados en conocimiento

1950: TEST DE TURING TURING PROPONE EN UN ARTCULO: CAN A MACHINE THINK

La definicin de la primer experiencia que permitira calificar a una mquina de inteligente. Consiste en que un computador y algn voluntario humano se oculten a la vista de algn (perspicaz) interrogador.

Si en el curso de una serie de tests semejantes la interrogadora es incapaz de identificar la naturaleza de su interlocutor, se considera que el computador ha superado la prueba.

PUEDEN PENSAR LAS MQUINAS?

Qu caractersticas determinan que una mquina sea inteligente?

Primeros avances hacia la IA

LENGUAJES PARA INTELIGENCIA ARTIFICIAL 1956: nocin de listas (LISP)

J. Mc Carthy se da la tarea de construir un lenguaje de programacin adaptable a las necesidades de manipulacin de conocimientos y de la reproduccin de razonamientos basados en la nocin de listas. PROLOG.- PROGRAMACIN LGICA (70s)
Es un lenguaje de programacin simple pero poderoso desarrollado en la Universidad de Marsella como una herramienta prctica para programacin lgica. Desde el punto de vista del usario, la ventaja principal es la facilidad para programar, ya que se pueden escribir rpidamente y con pocos errores, programas claramente lebles.

HEURSTICA ANOS 60S

Aos Sesenta Heurstica

Los 60s marcan la verdadera puesta en marcha de la IA, con algunos resultados significativos: Enumeracin inteligente de soluciones a travs de reglas optativas o heursticas (heurstica: arte de inventar, P. Larousse, 1995). Mtodo Heurstico.- Es un conjunto de procesos cognitivos, propositivos y reflexivos que son necesarios realizar para identificar en el menor tiempo posible alternativas de solucin de alta calidad y flexibilidad para un determinado problema. En IA existen algoritmos heursticos utilizados en Algoritmos Genticos y Redes Neuronales , as como en Ing. del Conocimiento y Sistemas Expertos en donde se realiza el proyecto de un Motor de Inferencia a partir de una bsqueda heurstica

1966: Dificultades en los Lenguajes

Reconocimiento por parte de los investigadores, de la dificultad del reconocimiento de la palabra y de la traduccin de las lenguas. Un trabajo de fondo deber por lo tanto emprenderse sobre el anlisis y la definicin de las estructuras de lengua sobre la base de los trabajos de N. Chomsky.

NOAM CHOMSKY EN MIT

HISTORIA DE LA INTELIGENCIA ARTIFICIAL

HISTORIA DE LA SIST.EXP. INTERPRETA ESTRUCT. MOLECULAR estruct.molecular interpreta la

INTELIGENCIA ARTIFICIAL
ROBOT APRENDIZAJE Y PLANEACIN (SHAKEY)

P cycorp Enhanced virtual reality Improved machine tranPotential Applications Online brokering of goods and services "Smart" interfaces Intelligent character simulation for games Enhanced virtual reality Improved machine translation Improved speech recognition Sophisticated user modelling Semantic data mining Advice Services: E-shopping Assistantslation Improved speech recognition Sophisticated user modelling Semantic data mining Advice Services: E-shopping Assistant

SEGUNDA PARTE

1.2 TEORIAS DE LA
INTELIGENCIA

1.2 Habilidades Cognoscitivas, segn la psicologa

Teoras de la Inteligencia. Las ciencias cognitivas combinan modelos computacionales de la IA y tcnicas experimentales de la psicologa para tratar de construir teoras estables y precisas de cmo trabaja la mente humana. Estas habilidades son facilitadoras del conocimiento: ..Atencin ..Comprensin ..Elaboracin ..Memorizacin/Recuperacin (Leer, recitar y revisar)

TEORAS DE LA INTELIGENCIA

Modelo Conductista y Modelo Cognoscitivo

Teroras de la inteligencia Conductismo

Desde el Enfoque Conductual, los resultados de aprendizaje son las conductas, los procedimientos cognoscitivos no son importantes para este enfoque y las condiciones se refieren a la forma de organizar situaciones estimulantes y refuerzos continuos a las conductas adecuadas.

1.2 Modelo Cognoscitivo (PIAGET)

En toda situacin de aprendizaje espontneo (Pozo,1999), o generado en una experiencia educativa, pueden identificarse tres componentes bsicos: 1) El qu se aprende (resultados) 2) El cmo se aprende (los procesos cognitivos) 3) Y las condiciones del aprendizaje (la accin educativa) que responde a las preguntas cundo, cunto, donde, con quin etc. Estos tres componentes se pueden mirar ya sea desde un enfoque conductual o social cognoscitivo.

ENFOQUE COGNOSCITIVO

Desde el enfoque cognoscitivo los resultados de aprendizaje se refieren a representaciones cognitivas internas . Los procesos cognitivos se refieren a toda aquella actividad mental que hace posible la constitucin de representaciones y las condiciones se refieren a las acciones educativas de carcter social educativo o interaccional y a los diferentes recursos culturales con que se apoya el aprendizaje.

AUSUBEL Y EL APRENDIZAJE SIGNIFICATIVO

Inteligencias mltiples

< No era una, eran 8!! >

Howard Gardner Define la inteligencia como la "capacidad de resolver problemas o elaborar productos que sean valiosos en una o ms culturas". La importancia de la definicin de Gardner es doble: 1) Ampla el campo de lo que es la inteligencia 2) Y reconoce lo que todos sabamos intuitivamente, y es que la brillantez acadmica no lo es todo. A la hora de desenvolvernos en esta vida no basta con tener un gran expediente acadmico. Hay gente de gran capacidad intelectual pero incapaz de, por ejemplo, elegir bien a sus amigos y, por el contrario, hay gente menos brillante en el colegio que triunfa en el mundo de los negocios o en su vida personal. Triunfar en los negocios, o en los deportes, requiere ser inteligente, pero en cada campo utilizamos un tipo de inteligencia distinto. No mejor ni peor, pero s distinto. Dicho de otro modo, Einstein no es ms inteligente que Michel Jordan, pero sus inteligencias pertenecen a campos diferentes.

1.3 El proceso del razonamiento humano (Definicin emprica)

Hablando de razonamiento, podra definirse como un conjunto de operaciones cognoscitivas que nos permiten conocer como las personas expresan alguna opinin, algn juicio alguna conclusin.

Razonamiento (Definicin Tcnica)

El proceso de razonamiento en un sistema basado en reglas es una progresin desde un conjunto inicial de afirmaciones y reglas hacia una solucin, respuesta o conclusin.

El Razonamiento

El razonamiento es una actividad psquica de orden cognitivo por la que se asocia un sujeto a un predicado, cuyo nexo no es del todo evidente. Un ejemplo sera: "Los sistemas operativos que no se bloquean son sistemas robustos, es as que Linux no se me ha bloqueado, por lo tanto Linux es un sistema operativo robusto".

EL RAZONAMIENTO (usando la lgica)

El vehculo normal, por as decirlo, del razonamiento es la lgica. Utilizando una lgica se elaboran razonamientos. Es importante tener en cuenta esto ya que, esto es lo que hace posible simular el razonamiento. Esta es la base terica para que algunas aplicaciones de IA funcionen.

Razonamiento e Intuicin

La inteligencia no es solo razonamiento ya que una parte importante de la inteligencia es la intuicin. Muchas veces decimos que las computadoras son tontas porque para "entender" algo necesitan largos procesos mientras que nosotros lo hacemos rpidamente. La razn es que el intelecto humano tiene una parte racional y otra parte intuitiva; la IA podr simular lo racional pero nunca lo intuitivo.

El proceso del razonamiento

El proceso de razonamiento en un sistema basado en reglas es una progresin desde un conjunto inicial de afirmaciones y reglas hacia una solucin, respuesta o conclusin

Cmo se llega a obtener el resultado

Se puede partir considerando todos los datos conocidos y luego ir progresivamente avanzando hacia la solucin. Se puede seleccionar una posible solucin y tratar de probar su validez buscando evidencia que la apoye.

Razonamiento progresivo

En el caso del razonamiento progresivo, se empieza a partir de un conjunto de datos recolectados a travs de observacin y se evoluciona hacia una conclusin. Se examina cada una de las reglas para ver si los datos observados satisfacen las premisas de alguna de las reglas. Si una regla es satisfecha, es ejecutada derivando nuevos hechos que pueden ser utilizados por otras reglas para derivar hechos adicionales

Razonamiento Progresivo

La interpretacin de reglas es realizada por una mquina de inferencia en un sistema basado en conocimiento. La interpretacin de reglas, o inferencia, en el razonamiento progresivo involucra la repeticin de los pasos que se indican en la siguiente figura.

Razonamiento Progresivo

1.

Unificacin (Matching).- En este paso, en las reglas en la base de conocimientos se prueban los hechos conocidos al momento para ver cules son las que resulten satisfechas. 2. Resolucin de Conflictos.- La resolucin de conflictos involucra la seleccin de la regla que tenga la ms alta prioridad de entre el conjunto de reglas que han sido satisfechas. 3. Ejecucin.- La ejecucin puede dar lugar a uno o dos resultados posibles: nuevo hecho (o hechos) pueden ser derivados y aadidos a la base de hechos, o una nueva regla (o reglas) pueden ser aadidas al conjunto de reglas (base de conocimiento) que el sistema considera para ejecucin.

Razonamiento Regresivo

El razonamiento regresivo es mucho ms adecuado para aplicaciones que tienen mucho mayor nmero de entradas, que de soluciones posibles. Una excelente aplicacin para el razonamiento regresivo es el diagnstico, donde el usuario dialoga directamente con el sistema basado en conocimiento y proporciona los datos a travs del teclado.

1.4 EL MODELO DE ADQUISICIN DEL CONOCIMIENTO SEGN LA FILOSOFA

1.4 EL MODELO DE ADQUISICIN DEL CONOCIMIENTO SEGN LA FILOSOFA

Conocimiento filosfico. Este conocimiento se distingue del cientfico por el objeto de la investigacin y por el mtodo. El objeto de las ciencias son los datos prximos, inmediatos, perceptibles por los sentidos o por los instrumentos, pues, siendo de orden material y fsico, son por eso susceptibles de experimentacin. El objeto de la filosofa est constituido por realidades inmediatas, no perceptibles por los sentidos, las cuales, por ser de orden suprasensible, traspasan la experiencia.

1.4 EL MODELO DE ADQUISICIN DEL CONOCIMIENTO SEGN LA FILOSOFA

En la acepcin clsica, la filosofa estaba considerada como la ciencia de las causas por sus causas supremas. Modernamente, se prefiere hablar del filosofar. El filosofar es un interrogar, un continuo cuestionar sobre s y sobre la realidad. La filosofa es una bsqueda constante de sentido, de justificacin, de posibilidades, de interpretacin al respecto de todo aquello que rodea al hombre y sobre el hombre mismo, en su existencia concreta.

1.4 EL MODELO DE ADQUISICIN DEL CONOCIMIENTO SEGN LA FILOSOFA

Oportunamente Jaspers, en su Introduccin a la Filosofa coloca la esencia de la filosofa en la bsqueda del saber y no en su posesin. La filosofa se traiciona a s misma y se degenera cuando es puesta en frmulas. La filosofa procura comprender la realidad en su contexto ms universal. No da soluciones definitivas para un gran nmero de interrogantes. Habilita, entonces, al hombre en el uso de sus facultades para ver mejor el sentido de la vida concreta.

Qu es el Conocimiento

Qu es el conocimiento

Qu es el conocimiento

TERCERA PARTE

1.6 EL MODELO DEL AGENTE INTELIGENTE

Qu es un agente?

AGENTES EN IA

AGENTES

AGENTES INTELIGENTES - SISTEMAS REACTIVOS

TRABAJO DEL DISEADOR

PERCEPCIN Y ACCIN

SISTEMAS DE PRODUCCIN

Ffuncin accin

MODELOS BASADOS EN AGENTES (Los 2 problemas clave de los agentes inteligentes)

AGENTES INTELIGENTES

Los demonios son procesos que suelen tener las siguientes caractersticas: No disponen de una "interfaz" directa con el usuario, ya sea grfica o textual. No hacen uso de la entradas y salidas estndar para comunicar errores o registrar su funcionamiento, sino que usan archivos del sistema en zonas especiales

AGENTES INTELIGENTES REACTIVIDAD

AGENTES INTELIGENTES PROACTIVIDAD

____

AGENTES INTELIGENTES HABILIDAD SOCIAL

sin

___________________

___________________ ____________________________ ___________________

AGENTES INTELIGENTES OTRAS PROPIEDADES

conciencia

___________________

___

__________________ ______________

AGENTES Y OBJETOS

____________

_____________

_________

1.7 EL PAPEL DE LA HEURSTICA

La heurstica es simplemente el anlisis y la extrapolacin de datos basados en experiencias pasadas y en sus consecuencias, este apartado es de una importancia vital para la IA interna en los juegos de ordenador.

HEURSTICA

HEURSTICA (intentos)
Por ejemplo, un enemigo podr intentar una aproximacin al xito (intento), grabando los resultados de esa aproximacin en su memoria. Si fracasa en su intento de eliminar al jugador(meta), la prxima vez que intente algo parecido sabr que, bajo las mismas circunstancias ha fracasado ya una vez, e intentar otra ruta de aproximacin al jugador.

Heurstica (aprendizaje)
Si por el contrario tiene xito, an podr obtener un aprendizaje de sus actos, y extrayendo aquellas acciones que ms han contribuido a la consecucin del fin, que es eliminar al jugador. As la prxima vez que el ordenador se encuentre en semejante situacin. La heurstica, por tanto, permite tener jugadores, agentes o enemigos con memoria.

Estrategias de los expertos (I)

* Uso de reglas del pulgar o heursticas, proporcionan entre varios cursos de accin uno que presenta visos de ser el ms prometedor, pero no garantiza necesariamente el curso de accin ms efectivo. * Estimacin de probabilidades basndose ms en comparaciones entre ellas que en datos estadsticos, probabilsticos, formales u obtenidos mediante anlisis de decisiones. Generalizaciones o abstracciones de hechos que se encuentran en el proceso de razonamiento. Reconocer patrones que permitan plantear rpidamente hiptesis diagnsticas. Aplicar acciones conjuntas preparadas de antemano

TIPOS DE HEURSTICAS
1. Heursticas de representatividad: la probabilidad de un hallazgo es estimada mediante comparacin con una poblacin.
2. Heursticas de disponibilidad. La probabilidad de un suceso es estimada por la facilidad con que puede ser recordado

3. Heursticas de anclaje y ajuste. El experto realiza una estimacin inicial y posteriormente va ajustndola de acuerdo a las caractersticas que encuentra en el caso, hasta llegar a la valoracin final.

FIN