Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inteligencia Artificial
Unidad 1: Introduccin a la Inteligencia
Artificial
Profesor:
Alumnos:
Carrera:
Ingeniera en Sistemas Computacionales
Septiembre del 2016
NDICE
smbolos fsicos tiene los medios suficientes y necesarios para generar una accin
inteligente>>lo que quiere decir que cualquier sistema (humano o maquina) que
exhibiese inteligencia debera operar manipulando estructuras de datos
compuestas por smbolos.
En IBM, Nathaniel Rochester y sus colegas desarrollaron algunos primeros
programas de la IA. Herbert Gelemter (1959) construyo el demostrador de
teoremas de geometra (DTG). A comienzos de 1952, Arthur Samuel escribi una
serie de programas para el juego de damas chinas que eventualmente
aprendieron a jugar hasta alcanzar el nivel equivalente a de un amateur (su
programa aprendi a jugar mejor que su creador), este fue presentado en
televisin en febrero de 1956 y causo gran impresin.
John McCarthy se traslad al MIT, donde realizo tres contribuciones cruciales en
un ao histrico: 1958.
11
13
Existen varias maneras de conocerse mejor a uno mismo. Te las hemos resumido
en este artculo:
"Inteligencia intrapersonal: qu es y cmo se puede mejorar?
Inteligencia interpersonal
La inteligencia interpersonal nos faculta para poder advertir cosas de las otras
personas ms all de lo que nuestros sentidos logran captar. Se trata de una
inteligencia que permite interpretar las palabras o gestos, o los objetivos y metas
de cada discurso. Ms all del contnuum Introversin-Extraversin, la inteligencia
interpersonal evala la capacidad para empatizar con las dems personas.
Es una inteligencia muy valiosa para las personas que trabajan con grupos
numerosos. Su habilidad para detectar y entender las circunstancias y problemas
de los dems resulta ms sencillo si se posee (y se desarrolla) la inteligencia
interpersonal. Profesores, psiclogos, terapeutas, abogados y pedagogos son
perfiles que suelen puntuar muy alto en este tipo de inteligencia descrita en la
Teora de las Inteligencias.
Inteligencia naturalista
La inteligencia naturalista permite detectar, diferenciar y categorizar los aspectos
vinculados a la naturaleza, como por ejemplo las especies animales y vegetales o
fenmenos relacionados con el clima, la geografa o los fenmenos de la
naturaleza.
Esta clase de inteligencia fue aadida posteriormente al estudio original sobre las
Inteligencias Mltiples de Gardner, concretamente en el ao 1995. Gardner
consider necesario incluir esta categora por tratarse de una de las inteligencias
esenciales para la supervivencia del ser humano (o cualquier otra especie) y que
ha redundado en la evolucin.
16
18
Burrhus Frederic Skinner
El trabajo de Pavlov
Ivn Petrvich Pavlov. 1849-1936 Fisilogo y psiclogo
ruso. Curs estudios de teologa, que abandon para
ingresar en la Universidad de San Petersburgo y
estudiar medicina y qumica. Una vez doctorado, ampli
sus conocimientos en Alemania, donde se especializ
en fisiologa intestinal y en el sistema circulatorio. En
1890 sent plaza de profesor de fisiologa en la
Academia Mdica Imperial.
El condicionamiento clsico es un tipo de aprendizaje y
comportamiento que consiste en aparear un estmulo
natural con su respuesta natural y conectarlo con un
segundo estmulo para generar una respuesta que no
se da naturalmente, de otra manera el condicionamiento
Ivn Petrvich
clsico es el mecanismo ms simple por el cual los
Pavlov
organismos pueden aprender acerca de las relaciones
entre estmulos y cambiar su conducta en conformidad con las mismas. Permite a
los seres humanos y animales aprovecharse de la secuencia ordenada de eventos
de su ambiente y aprender qu estmulos tienden a ir con qu eventos.
Se enfoca en el aprendizaje de respuestas emocionales o psicolgicas
involuntarias, temor, incremento de ritmo cardiaco, salivacin, sudoracin, etc. En
ocasiones llamados respondientes porque son respuestas automticas o
estmulos. A travs del proceso del condicionamiento clsico es posible capacitar a
animales y a humanos para reaccionar de manera involuntaria a un estmulo que
antes no tena ningn efecto. El estmulo llega a producir o generar la respuesta
en forma automtica.
Influencia Del Conductismo
19
20
Que las relaciones enunciadas entre los trminos sean nicamente relaciones
lgicas, permaneciendo independientes del sentido concreto o interpretacin que
pueda darse a los trminos.
AXIOMA O POSTULADO
Es una proposicin primitiva que se admite como cierta. En la construccin de una
teora axiomtica se ha de partir de un conjunto de axiomas, escogidos de tal
forma que dicho conjunto ha de ser: compatible, suficiente, independiente.
TEOREMA
Es una proposicin que ha de demostrarse cierta, mediante un razonamiento
lgico a partir de los axiomas o de otros teoremas previamente justificados.
Se afirma que un teorema es vlido si es deducido correctamente de las premisas
(proposiciones).
TEOREMAS INTERVINCULADOS
Siendo p y q dos proposiciones se obtienen los siguientes teoremas,
intercambiando la hiptesis con la conclusin y luego considerando las negaciones
de las proposiciones originales.
Teorema directo p q
Teorema recproco q p
Teorema inverso p q
Teorema contrarrecproco q p
21
Un teorema es una frmula bien formada, que no es un axioma, y que puede ser
el elemento final de alguna demostracin, es decir, un teorema es una frmula
bien formada para la cual existe una demostracin.
DEMOSTRACIN
El
proceso
demostrativo
consiste
bsicamente
en:
A partir de unas proposiciones dadas que llamaremos premisas, obtener otra
proposicin que llamaremos conclusin mediante la aplicacin de unas reglas
lgicas.
Para demostrar que una proposicin especfica es un teorema en una teora
deductiva
dada
procedemos
as:
1.- Se enuncian explcitamente los axiomas de la teora.
2.- Se fijan las reglas que validan el proceso demostrativo, estas reglas se
denominan reglas
de
validez y
se
reducen
a
las
siguientes:
Regla de validez 1: Todo axioma puede figurar en cualquier paso de una
demostracin.
Regla de validez 2: Si P=>Q figura en una demostracin y P tambin figura en la
misma demostracin, entonces se puede concluir Q en la demostracin. Esta regla
universal se conoce con el nombre de Modus Ponens.
Regla de validez 3: Si dos proposiciones son equivalentes se puede sustituir la
una por la otra en cualquier parte de una demostracin. Esta regla se conoce con
el nombre de sustitucin por equivalencia.
3.- Efectuar una demostracin de una proposicin especfica Q, consiste en
obtener la proposicin Q como la ltima en el proceso demostrativo por aplicacin
reiterada de las reglas de validez 1, 2 y 3.
Ejemplo:
Todas las mexicanas son bellas -------Premisa
Rebeca es mexicana luego:
Rebeca es bella -------------------------Conclusin
Conocimiento sensible:
Conocimiento conceptual:
Conocimiento holstico:
existen esencialmente
tres tipos de
preguntas que
deben
contestarse:
27
29
31
Caractersticas
Los agentes en un sistema multiagente tienen varias caractersticas importantes:
Autonoma: los agentes son al menos parcialmente autnomos
Visin local: ningn agente tiene una visin global del sistema, o el sistema es
demasiado complejo para un agente para hacer un uso prctico de esos
conocimientos
Descentralizacin: no hay un agente de control designado (o el sistema se
reducira a un sistema monoltico)
Normalmente la investigacin de sistemas multiagente se refiere a agentes de
software. Sin embargo, los agentes en un sistema multiagente tambin podran ser
robots,6 seres humanos o equipos humanos.
Sistemas ubicuos
La computacin ubicua es la integracin de la informtica en el entorno de la
persona, de forma que los ordenadores no se perciban como objetos
diferenciados. Desde hace unos aos tambin se denomina inteligencia ambiental.
La computacin ubicua es un modelo de interaccin en el que el procesamiento de
informacin se integra fuertemente en las actividades y objetos cotidianos.
A pesar de que el trmino de computacin ubicua puede parecer demasiado
tcnico, el mismo se basa en un campo que tiene muchas implicaciones para el
proceso de enseanza-aprendizaje. La computacin ubicua y su proceso va
aplicado a la educacin, la cual intenta lograr que la tecnologa sea "invisible" para
el usuario. La meta est en desarrollar entornos transparentes para que de esa
manera todo usuario pueda beneficiarse sin darse cuenta que la est usando. Un
ejemplo se basa cuando se usa un telfono celular y se hace de la manera ms
natural en donde el esfuerzo que toma en su uso es muy mnimo.
Tipos de sistemas ubicuos
Entornos inteligentes
Domtica
Entornos asistenciales
Entornos industriales
32
Ocio
Educacin
Localizacin
Escala
33
1.
2.
3.
4.
Bsqueda Tab
Temple Simulado
Algoritmos Genticos
Redes Neuronales
4. Redes Neuronales
En inteligencia artificial las redes de neuronas artificiales (RNA) son un ejemplo de
aprendizaje y procesamiento automtico basado en el funcionamiento del sistema
nervioso animal. Se trata de simular el comportamiento observado en las redes
neuronales biolgicas a travs de modelos matemticos mediante mecanismos
artificiales (circuitos integrados, ordenadores). Con las RNA se pretende
conseguir que las mquinas den repuestas similares a las del cerebro humano,
caracterizadas por su generalizacin y robustez.
36
37
SOLUCIONAR PROBLEMAS
Para poder solucionar un problema y llegar a la solucin ptima en el
razonamiento del algoritmo necesitamos de 3 pasos fundamentales.
Identificacin y definicin del problema
Identificacin del criterio de evaluacin
Generacin de alternativas
La solucin de muchos problemas en Inteligencia artificial es bsicamente
bsqueda y evaluacin
38
Optimalidad:
Encuentra
la
estrategia
la
mayor calidad cuando haya varias soluciones diferentes?
solucin
de
Loop do
espacio de bsqueda.
end loop.
end
Busqueda exhaustiva
Bsqueda a ciegas
Bsqueda dirigida
En la bsqueda dirigida por datos los nodos contienen los hechos dados
como datos iniciales y los que se van infiriendo, mientras en la bsqueda
dirigida por objetivos los nodos contienen los objetivos y sub-objetivos.
1.8.2 ALGORITMO A*
Algoritmo a* Algoritmo de Bsqueda A. Conocido tambin como A asterisco o A
estrella fue presentado por Peter E. Hart, Nils J. Nilsson y Bertram Raphael en el
ao 1968,se clasifica dentro de los algoritmos de bsqueda en grafos. Su funcin
es encontrar siempre y cuando se cumplan determinadas condiciones, el camino
de menor costo entre un nodo origen y uno objetivo, es la forma ms ampliamente
conocida de la bsqueda primero el mejor, siendo la bsqueda A* tanto completa
como ptima. Caractersticas Principales
Como todo algoritmo de bsqueda en anchura, A* es un algoritmo completo: en
caso de existir una solucin, siempre dar con ella.
40
Si para todo nodo n del grafo se cumple g(n) = 0, nos encontramos ante una
bsqueda voraz. Si para todo nodo n del grafo se cumple h(n) = 0, A* pasa a ser
una bsqueda de coste uniforme no informada.
Para garantizar la optimalidad del algoritmo, la funcin h(n) debe ser admisible, o
sea que no sobrestime el coste real de alcanzar el nodo objetivo.
De no cumplirse dicha condicin, el algoritmo pasa a denominarse simplemente A,
y a pesar de seguir siendo completo, no se asegura que el resultado obtenido sea
el camino de coste mnimo. Asimismo, si garantizamos que h(n) es consistente (o
montona), es decir, que para cualquier nodo n y cualquiera de sus sucesores, el
coste estimado de alcanzar el objetivo desde n no es mayor que el de alcanzar el
sucesor ms el coste de alcanzar el objetivo desde el sucesor.
La complejidad computacional est relacionada con la calidad de la heurstica
que se utilice en el problema. En el caso peor, con una heurstica de psima
calidad, la complejidad ser exponencial, mientras que en el caso mejor, con una
buena h'(n), el algoritmo se ejecutar en tiempo lineal.
El espacio requerido por A* para ser ejecutado es su mayor problema. Dado que
tiene que almacenar todos los posibles siguientes nodos de cada estado, la
cantidad de memoria que requerir ser exponencial con respecto al tamao
del problema. Para solucionar este problema, se han propuesto diversas
variaciones de este algoritmo, como pueden ser RTA*, IDA* o SMA*.
El rendimiento de los algoritmos de bsqueda heurstica depende de la calidad de
la funcin heurstica.
El algoritmo A* es un algoritmo de bsqueda que puede ser empleado para el
clculo de caminos mnimos en una red. Se va a tratar de un algoritmo heurstico,
ya que una de sus principales caractersticas es que har uso de una funcin de
evaluacin heurstica, mediante la cual etiquetar los diferentes nodos de la red y
que servir para determinar la probabilidad de dichos nodos de pertenecer al
camino ptimo. Aplicaciones del algoritmo A* De manera general este algoritmo
se utiliza para encontrar el camino ms corto entre dos puntos dados, pero dentro
de sus otras aplicaciones se utiliza en juegos para determinar el recorrido que un
objeto debe realizar; un ejemplo de ello es el videojuego pacman en el que se
aplicaba al comportamiento de los fantasmitas y en la resolucin de los problemas
de Sudoku de 8 variables. Tambin se puede utilizar para resolver el cubo Rubik
mostrndonos cmo hacerlo con la menor cantidad de movidas. Debemos tener
en cuenta que hay circunstancias en las que no es sencillo encontrar una buena
funcin heurstica pero tambin es vlido especificar que sea cero ya que la
misma debe ser estimada por defecto.
41
menor tiempo, pero para ello se necesitan de operadores, estos pueden maximizar
o minimizar la solucin combinando tambin las restricciones del problema.
Maximizacin
Se maximiza un problema cuando su solucin corresponde directamente al
objetivo, es decir que para hacer ms ptima una respuesta se trata de maximizar
el objetivo.
Minimizacin
Se minimiza un problema cuando su solucin se basa en los costos, por lo cual es
necesario hacerlos lo ms mnimos posibles.
Caractersticas
Paisaje de estados: es donde se encuentra el conjunto de soluciones y sirve para
comprender mejor la bsqueda local, su posicin se basa en el estado y la
elevacin se basa en la funcin de coste del objetivo o de la heurstica.
Estado inicial: es en donde comienza la bsqueda de la solucin.
Operadores: La maximizacin o minimizacin, si la solucin corresponde al costo
entonces se intenta encontrar el mnimo global y si corresponde al objetivo se
intenta encontrar el mximo global.
Estados finales y soluciones: Es la resolucin del problema en s.
Heurstica
En computacin, dos objetivos fundamentales son encontrar algoritmos con
buenos tiempos de ejecucin y buenas soluciones, usualmente las ptimas.
Una heurstica es un algoritmo que abandona uno o ambos objetivos.
Normalmente encuentran buenas soluciones, aunque no hay pruebas de que la
solucin no pueda ser arbitrariamente errnea en algunos casos; o se ejecuta
razonablemente rpido, aunque no existe tampoco prueba de que siempre ser
as. Las heursticas generalmente son usadas cuando no existe una solucin
ptima bajo las restricciones dadas (tiempo, espacio, etc.), o cuando no existe del
todo.
43
Problemas de optimizacin
Para definir un problema de manera correcta primero es necesario tener en claro 4
aspectos indicados y explicados en el siguiente grfico.
44
Tipos
Los tipos de algoritmos de bsqueda de ascensin de colinas son 3.
46
FUENTES BIBLIOGRFICAS
http://inteligenciart1.blogspot.mx/2010/08/13-el-proceso-de-razonamientosegun-la.html
http://docencia.udea.edu.co/cen/logica/capitulo3.htm
Inteligencia artificila ISC: https://iaitj.wordpress.com/2013/06/27/tema-1-4/
Inteligencia
artificial:
http://inteligenciart1.blogspot.mx/2010/08/14-elmodelo-de-adquisicion-del.html
http://inteligenciart1.blogspot.mx/2010/08/17-el-papel-de-la-heuristica.html
http://aipo.es/libro/pdf/15-Evaluacion-Heuristica.pdf
https://g9tics.wordpress.com/2011/11/19/heuristica-e-inteligencia-artificial/
http://www.monografias.com/trabajos74/inteligencia-artificial/inteligenciaartificial2.shtml#ixzz4JyXPKNIb
http://www.lania.mx/~emezura/util/files/tesis_FerminFinal.pdf
http://poiritem.wordpress.com/2010/01/14/6-5-2-busqueda-heuristicaalgoritmo-a/
http://es.scribd.com/doc/19950923/Busqueda-Heuristica
http://www.lawebdelprogramador.com/foros/Inteligencia_Artificial/492749busqueda_heuristica.html
47
http://www.iiia.csic.es/~pedro/busqueda1-introduccion.pdf
https://psicologiaymente.net/inteligencia/teoria-inteligencias-multiplesgardner
https://corrientespsicologicas.wikispaces.com/Conductismo
http://www.biografiasyvidas.com/biografia/w/watson_john.htm
http://icesiconductismo.blogspot.mx/
48