Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4 CAP1Fundamentos PDF
4 CAP1Fundamentos PDF
1. Fundamentos
OBJETIVO:
A
ESTADO DE ARTE DE LAS ÁREAS DE LA MISMA.
P 1.1 Historia de la IA
I 1.3 Desarrollos.
1.3.1 Procesamiento de lenguaje natural.
1.3.2 Reconocimiento de patrones.
T
1.3.3 Robótica.
1.3.4 Sistemas expertos.
1.3.5 Lógica difusa.
L
1.4 Modelos de agente inteligente.
O 1.5 Heurística.
1
INTELIGENCIA ARTIFICIAL
1. Fundamentos
En este capítulo se abordan los conceptos que describen el origen, los distintos enfoques y
el estado actual de los desarrollos de la inteligencia artificial. En los temas que se presentan
se consideran: Historia de la inteligencia artificial, conceptos y técnicas, desarrollos
actuales, modelos de agente inteligente, heurística y arquitectura de un sistema experto
difuso.
2
INTELIGENCIA ARTIFICIAL
1. Fundamentos
En 1950 Alan Turing escribió un artículo en el que se plantea la pregunta ¿Puede una
máquina pensar?, para contestar esta pregunta propuso una prueba llamada ahora la “prueba
de Turing” la cual establece lo siguiente:
“Imagínese Usted en un cuarto donde sólo hay una terminal de computadora. En un cuarto
similar no accesible visualmente para Usted, están un hombre, una mujer y una terminal
similar a la del cuarto donde está Usted. El objetivo es determinar cuál de las dos personas
es el hombre y cuál es la mujer, usando para la comunicación las terminales, pero una de
las personas dice la verdad y la otra trata de engañarlo a Usted. La segunda parte de la
prueba sustituye a una de las personas por una computadora, y se tiene que adivinar quién
es la persona y quién es la computadora, la computadora tratará de engañarlo a Usted,
haciéndole creer que es una persona”.
Turing sostenía que si la razón de éxitos en el caso humano-computadora superaba la razón
de éxitos en el caso hombre-mujer, entonces se podría decir que la computadora pensaba.
En 1958 John McCarthy definió el lenguaje de alto nivel Lisp, que se convertiría en el
lenguaje de programación dominante en la inteligencia artificial. Lisp es el segundo
3
INTELIGENCIA ARTIFICIAL
1. Fundamentos
4
INTELIGENCIA ARTIFICIAL
1. Fundamentos
5
INTELIGENCIA ARTIFICIAL
1. Fundamentos
RAZONAR
EL CONOCIMIENTO
ADQUIRIR
APLICAR
PERCIBIR LA REALIDAD
MANIPULAR
6
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Lingüística
Inteligencia Psicología
Artificial Filosofía
Pedagogía
Ciencias computacionales
7
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Los campos de la inteligencia artificial se relacionan con las actividades intelectuales del
hombre, ya que esta ciencia trata del estudio y la simulación de estas actividades, por
ejemplo:
8
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Utilidad computacional: Puede verse como la meta de hacer que las computadoras
den ayuda no solamente para efectuar el cómputo ordinario, sino también por hacer
computación que exhiba inteligencia.
9
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Inteligencia Artificial
Ciencia: Ingeniería:
Análisis de los procesos Aplicación de tareas y
cognitivos. métodos de solución.
Utilidad computacional
10
INTELIGENCIA ARTIFICIAL
1. Fundamentos
En juegos, Deep Blue de IBM (1997), fue el primer sistema que derrotó a un
campeón mundial en una partida de ajedrez cuando superó a Garry Kasparov por un
resultado de 3.5 a 2.5 en una partida de exhibición. Kasparov dijo que había
percibido un “nuevo tipo de inteligencia” al otro lado del tablero. El valor de las
acciones de IBM se incrementaron en 18 billones de dólares. (Russell, Norvig;
2006).
11
INTELIGENCIA ARTIFICIAL
1. Fundamentos
(Implementar).
12
INTELIGENCIA ARTIFICIAL
1. Fundamentos
13
INTELIGENCIA ARTIFICIAL
1. Fundamentos
¿Qué es el lenguaje?
El lenguaje formal es el que se utiliza para describir los modelos matemáticos y los
lenguajes de programación; son lenguajes en los que se define primero la gramática y a
partir de ésta el lenguaje. Los lenguajes naturales se utilizan comúnmente en la
comunicación de los seres humanos, por ejemplo el español, el inglés, el alemán, etc., en
los lenguajes naturales se define primero el lenguaje y posteriormente la gramática, por lo
que es difícil constituir sus traductores correspondientes.
Los lenguajes formales y los lenguajes naturales asocian una semántica o significado a cada
cadena válida, sin embargo en los naturales se considera además la pragmática de una
cadena: el significado real de la cadena cuando es dicha en una situación determinada, con
lo que se incrementa la complejidad de traducción (Russell, Norvig; 2006).
14
INTELIGENCIA ARTIFICIAL
1. Fundamentos
15
INTELIGENCIA ARTIFICIAL
1. Fundamentos
¿Cuáles son las fases principales en las que se divide el procesamiento del
lenguaje natural?
16
INTELIGENCIA ARTIFICIAL
1. Fundamentos
En los últimos años las máquinas de reconocimiento de patrones que han sido
desarrolladas, se han enfocado hacia aplicaciones en el reconocimiento de caracteres,
diagnóstico médico, percepción remota, identificación de huellas digitales, reconocimiento
de voz e inspección visual y automática.
17
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Una forma o patrón es una descripción cuantitativa o estructural de entidades, y una clase
de formas es un conjunto de formas que poseen propiedades comunes. El objetivo del
reconocimiento de formas es la asignación de formas a sus respectivas clases de manera
automatizada. Así por ejemplo, el problema de reconocer las letras del alfabeto castellano
tiene un conjunto de 27 clases; si se quiere reconocer si un carácter es letra ó dígito, se
tienen dos clases. (Palma, Marín; 2008).
18
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Extractor -----x1
Patrón de de Riesgos. -----x2 Clasificador
entrada. Decisión
---- ...
----- xn
En este enfoque se incluye la capacidad no sólo de asignar el patrón de entrada a una cierta
clase, sino también la capacidad para describir aspectos del patrón que lo hacen inteligible
para asignarlo a otra clase.
19
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Preprocesa Extracción
Patrón de miento. de primitivas Análisis
entrada. Sintáctico
RECONOCIMIENTO
Análisis Patrones Selección de Inferencia
primitivas gramatical
muestra
Este enfoque sugiere una analogía entre la estructura de los patrones y la sintaxis de un
lenguaje. El reconocimiento se hace analizando la estructura de un patrón de acuerdo a un
conjunto de reglas sintácticas; un patrón se representa por una oración en un lenguaje, el
cual está determinado por una gramática.
20
INTELIGENCIA ARTIFICIAL
1. Fundamentos
1.3.3 Robótica
¿Qué es un robot?
Según el Robot Institute of América (RIA) ha adoptado la siguiente definición: “Un robot
es una máquina programable y multifuncional diseñada para mover material, partes,
herramientas, ó equipo especializado mediante movimientos variables y programados para
la ejecución de una variedad de tareas”. La palabra “robot” es una adaptación de una voz
eslovaca Robota que significa trabajador forzado.
Una definición de robot inteligente ajustada a la realidad actual podría ser criatura
mecánica que puede funcionar de manera autónoma. Esta definición elimina la mayoría de
robots que realizan tareas repetitivas: brazos mecánicos utilizados en la industria, vehículos
teleoperados, etc. Un robot autónomo tiene que ser capaz de interactuar con su entorno y de
adaptarse a los posibles cambios sin la necesidad de un operador humano. (Escolano,
Cazorla, et al; 2003).
El primer robot fue creado en la década de los cincuenta por George C. Devel quien patentó
un manipulador reprogramable llamado Unimate (Universal Automation). En la década de
los sesenta Joseph Engleberger adquirió la patente de Unimate y le dio un enfoque de robot
industrial, creando la empresa Unimation. En 1958 en el Stanford Research Institute, se
desarrolló el robot Shakey, capaz de desplazarse por un entorno e interactuar con él.
(Escolano, Cazorla, et al; 2003).
21
INTELIGENCIA ARTIFICIAL
1. Fundamentos
2. Robots con control de punto a punto: Utilizan una unidad de control más sofisticada
en la cual se señalan un conjunto de posiciones en las rutas de movimientos de los
eslabones del robot, los cuales se registran en la memoria para que posteriormente y
durante la ejecución se establezcan acciones ó controles y registrar información de
tales posiciones y acciones en la memoria, es llamado la programación robot.
3. Robots con control de ruta cotidiana: En este caso el control se mantiene en forma
continua a lo largo de la trayectoria, esto se hace mediante el establecimiento de una
serie de puntos de control separados por espacios muy pequeños, y que en conjunto
describen la ruta deseada. Una forma muy común de hacer esto es el movimiento en
línea recta, se le señalan al robot dos puntos y él se mueve a lo largo de la recta que
une esos puntos, también pueden mediante varios puntos indicar trayectorias curvas.
22
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Para aplicaciones industriales, las capacidades del robot básico se pueden ver aumentadas
por medio de dispositivos adicionales, que operan como periféricos del robot y entre ellos
se incluyen los efectores terminales que se refieren a “la mano” ó a la herramienta que es
atada a la muñeca del robot, para efectuar ciertas tareas específicas, y a los dispositivos
sensores, los que pueden incluir tipos muy simples como pueden ser micro interruptores ó
tipos muy sofisticados como los sistemas de visión.
Otra área de aplicación importante es en la medicina, muchos cirujanos utilizan hoy en día
asistentes robot en operaciones de microcirugía. HipNav (1996) es un sistema que utiliza
técnicas de visión por computadora para crear un modelo tridimensional de la anatomía
interna del paciente y después utilizar un control robotizado para guiar el implante de
prótesis de cadera. (Russell, Norvig; 2006).
23
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Un sistema experto puede ser descrito como un conjunto de programas de computadora que
usan el dominio del conocimiento y una serie de técnicas para resolver problemas en los
que se requeriría expertos humanos para su solución (Rolston; 1993).
A mediados de los setentas, como área de la inteligencia artificial, surgen los sistemas
expertos, inicialmente con fines experimentales. Este período fue dominado por la idea de
que unas cuantas leyes de razonamiento acopladas a algoritmos poderosos producirían un
experto. Una prueba de esto fue el General Purpose Problem en el que se intentó crear una
computadora inteligente que simulara el razonamiento humano (Sánchez, Beltrán; 1990).
Poco después de la introducción inicial de los sistemas expertos, en 1975 fue desarrollado
el primer sistema experto médico: MYCIN. Desde entonces los sistemas expertos salieron
de los laboratorios de investigación de inteligencia artificial y progresaron en el mundo
exterior (Sánchez J.P. y Beltrán: 1990). MYCIN fue desarrollado por el Dr. Edward H.
Shortliffe en la escuela de medicina de Stanford. El programa diagnostica enfermedades de
la sangre y asigna tratamiento de la misma forma en que lo haría un experto humano.
24
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Al iniciar los ochenta, la tecnología de los sistemas expertos se aplicó también al área
comercial y surgieron sistemas como: XCON, XSEL y CATS. Muchos programadores
creyeron que, hacia finales de los 80´s, habría un mercado amplio para los sistemas
expertos que pudieran utilizarse en la casa o en la oficina.
La siguiente lista muestra el impacto de los desarrollos en el área de los sistemas expertos
(Benchimal; 1990):
25
INTELIGENCIA ARTIFICIAL
1. Fundamentos
En cuanto a las restricciones de los sistemas expertos típicos se tienen las siguientes
(Rolston; 1993):
Los conocimientos se obtienen de un número pequeño de especialistas.
La aplicación está orientada a una determinada área limitada o a una pequeña
colección de áreas.
El área de aplicación debe tener poca necesidad de razonamientos temporales. El
razonamiento temporal o espacial, es el proceso interno que se lleva a cabo en el
sistema experto para llegar a una solución, en el cual se genera a cada paso nuevo
conocimiento explicito de naturaleza temporal, una vez resuelto el problema el
conocimiento temporal es eliminado.
La tarea no depende del empleo de un gran volumen de conocimientos generales o
de sentido común.
El conocimiento que se requiere para ejecutar la tarea debe ser razonablemente
completo, correcto y estable.
26
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Este campo fue iniciado por Zadeh en su artículo de 1965; desde entonces, el desarrollo
teórico, así como la aplicación práctica de la teoría y lógica difusa, han progresado
rápidamente. En el campo de la medicina, debido a la necesidad de tratar con información
incierta, las técnicas difusas representan una herramienta para el manejo de la
incertidumbre.
Las teorías difusas han sido desarrolladas para aplicarse en un amplio rango de problemas
sin necesidad de realizar cambios substanciales en la metodología. Se han aplicado en el
desarrollo de sistemas de control:
Un controlador experto difuso permanece sobre una línea de trenes en Japón (Reyes; 1994);
Whalen y Schott usaron sistemas de lógica difusa para la predicción de ventas. En la
actualidad existen varios sistemas expertos difusos, entre ellos: CASNET, SPERILL II,
FLOPS (Kandel; 1991).
27
INTELIGENCIA ARTIFICIAL
1. Fundamentos
difusos permite estructurar mejor lo que está separado por fronteras poco precisas, como el
pensamiento, el lenguaje y la percepción del hombre. (Kaufmann; 1982).
28
INTELIGENCIA ARTIFICIAL
1. Fundamentos
El ser humano es un agente que se constituye por diferentes órganos, cada uno con una
función específica, que a su vez se definen como agentes que colaboran entre sí para lograr
objetivos comunes.
Con base en este modelo, en la inteligencia artificial los agentes son componentes
integrados para cooperar entre sí en la definición de un sistema; para que un agente se
considere inteligente, en primera instancia debe percibir su entorno, con base en esta
información tiene que elegir y planificar sus objetivos, determinar la acción
correspondiente para la consecución de sus objetivos; es importante también considerar la
interacción con otros agentes inteligentes.
También se puede definir un agente como una entidad que persigue un objetivo, el
concepto de agente es diferente al concepto de objeto, porque un objeto es una entidad
pasiva que ejecuta los métodos solicitados por el cliente, a diferencia del agente que tiene la
capacidad de decidir por sí mismo que tareas ejecutar, en función de los objetivos que
quiera lograr: “Los objetos lo hacen gratis, los agentes porque quieren”.
29
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Los agentes se definen también como entidades sociales, colaborando entre sí (con base en
una organización y mecanismos de interacción establecidos) para llevar a cabo sus tareas,
constituyendo un sistema multiagente.
Al tratar con agentes se consideran conceptos como estado mental, creencias objetivos,
normas sociales, actos del habla, ontologías, entre otros; que proporcionan una mayor
riqueza expresiva para el modelado de los sistemas que estarán presentes en nuestro
entorno en el futuro próximo (Palma, Marín; 2008).
Los servicios que proporcionan los agentes, se pueden combinar para generar nuevos
servicios, éstos agentes pueden estar distribuidos en diferentes máquinas dispersos
geográficamente a través de redes, a su vez los dispositivos sobre los que se pueden
ejecutar son muy heterogéneos, con distintas capacidades, desde teléfonos móviles hasta
potentes servidores (Palma, Marín; 2008).
30
INTELIGENCIA ARTIFICIAL
1. Fundamentos
AGENTE
Sensor
Eventos
Control
Entorno
Actuador
Acciones
Los sensores le permiten al agente obtener información sobre determinados eventos, con
base en su actuador el agente realiza las acciones correspondientes. El sistema de control es
un sistema de toma de decisiones, mientras el agente delibera, el entorno puede ser
modificado por otros agentes, lo que implica considerar incertidumbre en el sistema.
31
INTELIGENCIA ARTIFICIAL
1. Fundamentos
1.5 Heurística
¿Qué es la heurística?
32
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Generalmente es posible encontrar una buena función de evaluación para “la búsqueda
primero el mejor”.
33
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Métodos exactos:
Primero el mejor (Best First).
Búsqueda en haz (Beam search).
Algoritmo A.
Algoritmo A*.
Métodos Aproximados:
Escalada simple (simple hill climbing).
Escalada profunda (steepest ascent hill climbing).
34
INTELIGENCIA ARTIFICIAL
1. Fundamentos
35
INTELIGENCIA ARTIFICIAL
1. Fundamentos
La función de membresía define la base de todo sistema difuso; esta función es capaz de
manejar incertidumbre en diversas áreas como lo son: el diseño de sistemas inteligentes, el
procesamiento de imágenes y visión por computadora, el reconocimiento de patrones, etc.
(Bezdek; 1993).
Un sistema experto difuso es un sistema experto como tal, en el que se definen de manera
particular los siguientes componentes:
36
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Se caracteriza porque puede manejarse con técnicas de resolución difusas, esto implica que
para cada variable determinada en el sistema se definen sus funciones de membresía
correspondientes. Por ejemplo en un sistema de diagnóstico, para cada síntoma de una
enfermedad (variables de entradas), se deben definir en la base de conocimientos sus
funciones de membresía, también para la variable de salida, en este caso la enfermedad, se
consideran las funciones de membresía en la base de conocimientos. Por ejemplo en la
figura 1.6.1.1. el Síntoma_1 tiene dos funciones de membresía etiquetadas como templada
y caliente respectivamente.
Síntoma_1.
(templada, caliente)
Enfermedad_x .
(moderada, alta)
Síntoma_2.
(normal, alta)
En la base de conocimiento difusa se deben incluir las reglas, éstas se definen en términos
de difusividad y determinan la forma en la que el mecanismo de inferencia deduce la
posible solución. Una manera de plantear las reglas es a través del uso de las matrices
Fuzzy Associative Memories (FAM) (Memorias asociativas difusas).
37
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Evaluar las reglas difusas genera una salida difusa, para la evaluación de las mismas se
consideran diversas técnicas. Las técnicas de reglas conectan los valores de entrada con los
valores de salida, estas reglas se llevan a cabo con proposiciones condicionales; por
38
INTELIGENCIA ARTIFICIAL
1. Fundamentos
¿Qué se desdifusificar?
Desdifusificar es obtener la salida real del sistema con base en la salida difusa que se
obtiene como resultado de evaluar las reglas.
El objetivo del mecanismo de inferencia es manipular las variables de entrada con lógica
difusa y generar salidas al usuario. En un sistema de diagnóstico, la definición del
mecanismo de inferencia implica las tareas de difusificar los síntomas que presente el
paciente, evaluar las reglas que relacionan los síntomas con la enfermedad, y desdifusificar
la salida difusa para obtener la salida real del sistema.
39
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Justificar cada una de las respuestas del sistema experto difuso, considerando la
información de la base de conocimiento difusa. Un sistema experto se caracteriza de
manera singular explicando cada una de sus respuestas, sin el módulo de justificación ó
explicación no se podría considerar experto.
40
INTELIGENCIA ARTIFICIAL
1. Fundamentos
La actualización de conocimientos puede tomar una de las tres siguientes formas básicas
(Rolston; 1993):
41
INTELIGENCIA ARTIFICIAL
1. Fundamentos
RESUMEN
Los campos de la IA se relacionan con las actividades intelectuales del hombre, entre ellos
se consideran: Sistemas expertos, bases de datos inteligentes, juegos, lenguaje natural,
visión artificial, programación automática, robótica, aprendizaje automático, redes
neuronales.
42
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Un sistema experto difuso, se puede definir como un sistema experto que incorpora la
teoría de lógica difusa en el desarrollo de la base de conocimientos y del motor de
inferencia. El desarrollo de sistemas expertos difusos para esquemas de control, de
reconocimiento de patrones, de toma de decisión en el área de medicina, entre otros, han
ido sustituyendo a los sistemas convencionales, debido fundamentalmente a la facilidad de
implementación y a los resultados obtenidos; prueba del éxito de estos resultados es el
controlador experto difuso que permanece sobre una línea de trenes en Japón.
43
INTELIGENCIA ARTIFICIAL
1. Fundamentos
Actividades de aprendizaje
1. Con base en una investigación, presentar un ensayo sobre los diferentes enfoques de
la inteligencia artificial (IA).
4. Con base en una investigación, presentar un ensayo sobre los paradigmas actuales
de la IA y su impacto en la sociedad.
10. Elaborar el mapa conceptual de los temas de la unidad y hacer una presentación del
mismo.
44
INTELIGENCIA ARTIFICIAL
1. Fundamentos
BIBLIOGRAFÍA
Benchimal, Guy; Levine, Pierre; Pomerol, Jean Charles (1990). Los sistemas
expertos en la empresa. Macrobit, México, D.F.
Bezdek, Jim (1993). “Fuzzy Models -What are The, and why?”. IEEE trans.on Fuzzy
Systems, vol 1, No. 1, feb. 1993, pp1-5.
Escolano Ruiz Francisco, Cazorla Quevedo Miguel Ángel, Alfonso Galipienso Ma.
Isabel, Colomina Pardo Otto, Lozano Ortega Miguel Ángel. (2003). Inteligencia
artificial. Modelos, Técnicas y Áreas de Aplicación. THOMSON. Madrid, España.
Kandel, Abraham (1991). Fuzzy Expert Systems. CRC Press, Tampa, Florida.
Kaufmann, A. (1982). Introducción a la Teoría de los Subconjuntos borrosos para el
uso de Ingenieros. cia. Editorial Continental S.A. de C.V., México, D.F.
Nilsson Nils J. (2004). Inteligencia artificial. Una nueva síntesis. McGraw-Hill/
Interamericana de España. Madrid, España.
Palma Méndez José T.; Marín Morales Roque. (2008). Inteligencia Artificial.
Técnicas, métodos y aplicaciones. McGraw-Hill/Interamericana de España. Madrid,
España.
Reyes, García Carlos Alberto. (1994). Lógica difusa. Primer Congreso Internacional
de Investigación en Ciencias Computacionales. Sept. 1994. Instituto Tecnológico de
Toluca.
Rolston David W. (1993).- Principios de Inteligencía Artificial y Sistemas Expertos.
Mc Graw Hill, México, D.F.
Russell Stuart; Norvig Peter. (2006). Inteligencia Artificial. Un enfoque moderno.
Pearson Prentice Hall. Madrid, España.
Sánchez J.P. y Beltrán. (1990).- Los Sistemas Expertos: Una metodología de
Programación. Macrobit Corporation, México., D.F.
Swartout ,William R. (1991). “Explaining and justitying expert consulting programs”.
Laboratory for computer science. Massachusetts Institute of Technology.
45
INTELIGENCIA ARTIFICIAL
1. Fundamentos
46
INTELIGENCIA ARTIFICIAL
1. Fundamentos
47