Unidad 1

Inteligencia Artificial
Eduardo Estrada Kassir MSc.
Universidad Jorge Tadeo Lozano

Facultad de Ciencias Naturales e Ingenierı́a
Programas: Ingenierı́a de Sistemas - Ingenierı́a de Automatización
Enero de 2020
0bjetivo General
Aumentar su capacidad de
análisis lógico deductivo a partir
de la aplicación de técnicas de la
inteligencia artificial (IA) clásica y
de herramientas de cómputo para
la solución de problemas del
mundo real, principalmente que
represente el conocimiento y
comprenda las entidades
inteligentes más que su propia
construcción.
1. Preliminares I.A.
1.1. Introducción
1.1. Introducción
0bjetivos
Conocer el concepto de
sistemas inteligentes y sus
principios
Entender los enfoques de la
Identificar los campos de la
Entender el concepto de
lenguajes a partir de
alfabetos y cadenas.
Diseñar máquinas de estado
finito y autómatas fimitos.
1.1. Introducción
¿Que es I.A?
La Inteligencia Artificial (IA) es la rama de las ciencias de la
computación que se ocupa de construir sistemas que permitan
exhibir un comportamiento cada vez más inteligente.
Propósito de I.A.
Resolución de problemas
Representación de conocimiento
Razonamiento
Aprendizaje
Comunicación
Percepción
1.1. Introducción
Reseña histórica
384-322 AC. Aristoteles primero en formular un conjunto
preciso de leyes que gobernaban la parte racional de la
inteligencia
1315 Ramon Lull Tuvo la idea de que el razonamiento útil se
podrı́a obtener por medios artificiales.
1452-1519 Leonardo Da Vinci diseño una calculadora
mecánica funcional.
1646-1716 Gottfried Wilhelm Leibnitz Construyo un
dispositivo mecánico para llevar a cabo operaciones sobre
conceptos.
1596-1650 Rene Descartes Primera discusión clara sobre la
distinción entre la mente y la materia, y los problemas que
surgen.
1.1. Introducción
Reseña histórica
1950. Turing publica Computing machinery and Intelligence.
1956. Newell, Shaw, y Simon crean IPL-11 el primer lenguaje
de programación para I.A.
1956. Newell, Shaw, y Simon crean The Logic Theorist para
la resolución
1963. Minsky escribe Steps toward Artificial Intelligence.
1965. Dreyfus argumenta en contra de la I.A.
1972. Dreyfus publica What Computers Can’t Do.
1973. Se desarrollada en Francia PROLOG, por Alain
Colmenauer.
1980. Primera conferencia de la AAAI (American Association
on Artificial Intelligence) en Stanford, y primera Conferencia
de Lisp y programación funcional de la ACM.
1.2. Inteligencia
Inteligencia
La palabra inteligencia proviene del latı́n, intellegentia, que
proviene de intellegere, término compuesto de inter ’entre’ y
legere ’leer, escoger’, por lo que, etimológicamente, inteligente
es quien sabe escoger.
La inteligencia consiste no sólo en el conocimiento, sino
también en la destreza de aplicar los conocimientos en la
práctica. (Bunge)
Inteligencia es la capacidad de entender, asimilar, elaborar
información y utilizarla para resolver problemas.
Capacidad que tiene el cerebro de procesar información.
1.2. Inteligencia
Pensamiento
Tipos
Convergente
Divergente
Lateral
Vertical
Inductivo
Capacidad que tiene el ser Deductivo
humano de formar ideas y Sintético
representaciones de la realidad Analı́tico
en su mente, relacionando
Crı́tico
unas con otras.
1.2. Inteligencia
Test y tipos de inteligencia

1.2. Inteligencia
Experimentos mentales
Los experimentos mentales son dispositivos de la imaginación
usados para investigar la naturaleza de las cosas.
Es un razonamiento lógico sobre un experimento no realizable
en la práctica pero cuyas consecuencias pueden ser exploradas
por la imaginación, la fı́sica o las matemáticas.
Para ello, normalmente se utiliza un escenario imaginado para
ayudarnos a comprender como ocurre un determinado
acontecimiento.
Se debe tener en cuenta por que se plantean y la conclusión.
1.2. Inteligencia
Experimentos mentales
El barco de Teseo
El asno de Buridan
La habitación china
El demonio de Maswell
La tierra gemela
El gato de Schrödinger
El cerebro en una cubeta
La paradoja de Zenón
El argumento de Bucket
El dilema del tranvia
La máquina de
La recamara de Mary
experiencias
1.2. Inteligencia
Razonamiento
El objetivo de la inferencia lógica es la validez de los
argumentos
Inferencia: a partir de premisas verdaderas se obtengan
conclusiones verdaderas.
Hacer suposiciones de lo que significan hechos (observados
y/o conocidos)
sacar consecuencias de algo o deducir algo de otra cosa
El paso lógico de las premisas a la conclusión se denomina
deducción.
Tipos de razonamiento
Deductivo: Inferir hechos concretos a partir de otros hechos y
de aserciones generales
Inductivo: Inferir suposiciones generales a partir de (muchos)
hechos concretos
1.2. Inteligencia
Concepto de Inteligencia Artificial

Hacer que las máquinas hagan cosas que requerirı́an
inteligencia si fueran hechas por el hombre. M. Minsky
Intentar hacer las computadoras más útiles y entender los
principios que hacen posible la inteligencia. Winston
Entender y estudiar cientı́ficamente los procesos comunes que
subyacen en el pensar y el percibir ya sea en el hombre como
en la máquina. N. Nilsson
Es la parte de la ciencia de la computación que investiga los
proceso de razonamiento simbólicos y no algorı́tmicos y la
representación de conocimiento simbólica para su uso en
máquinas inteligentes. Buchanan – Feigenbaum
1.2. Inteligencia
¿Qué es inteligencia artificial?
Rama de Ciencias de la
computación
Dotar a las máquinas de
inteligencia.
Máquina que pueda:
Comunicarse con nosotros
Realizar tareas que realiza
un ser humano.
Razonar.
Tomar decisiones.
1.2. Inteligencia
Enfoque humano
Sistemas que actúan como
Sistemas que piensan como
humanos.
humanos.
Arte de desarrollar
Automatización de
máquinas con capacidad
actividades que
para realizar tareas que
vinculamos con procesos
requerirı́an inteligencia en
del pensamiento humano,
caso de que fuesen hechas
como toma de decisiones,
por los seres humanos.
resolución de problemas, y
Kurzweil, 1990.
aprendizaje. Bellman,
1978. Estudio de cómo lograr
que los computadores
Hacer que los
realicen tareas, que por el
computadores piensen. . .
momento los humanos
máquinas con mentes.
hacen mejor. Rich y
Haugeland, 1985.
Knight, 1991.
1.2. Inteligencia
Enfoque racional
Sistemas que piensan
racionalmente. Sistemas que actúan
Estudio de las facultades racionalmente.
mentales mediante el uso Estudio del diseño de
de modelos agentes inteligentes.
computacionales. Poole, 1998.
Charniak y McDermott, Rama de la informática
1985. que trata de la
Estudio de los cálculos automatización del
que hacen posible comportamiento
percibir, razonar y actuar. inteligente. Nilsson, 1998.
Winston ,1992.
1.2. Inteligencia
Enfoque de la prueba de Turin

Propuesta para determinar si
las máquinas pueden pensar.
Capacidades del computador.
Procesamiento de
lenguaje natural.
Representación de
conocimiento.
Aprendizaje automático.
Computador dotado de.
Visión computacional.
Robótica
1.2. Inteligencia
Alan Mathison Turin
Nació en Paddington,
Londrés el 23 de junio de
1912
Murio en Wilmslow,
Reino Unido el 7 de junio
de 1954
Matemático, cientifico de
la computación y filosofo
Informatica
Máquina de Turin
Criptografı́a
Cibernetica
Morfogenesis
1.3. Fundamentos
1.3. Fundamentos
1.3. Fundamentos
Algunas Ramas
Agentes inteligentes
Realidad virtual
Sistemas expertos
Procesamiento de
Lógica difusa lenguaje natural
Redes neuronales Machine learning
artificiales
Colonia de hormigas
Algoritmos genéticos
Visión por computador
Robótica
Autómatas celulares
Inteligencia artificial
Vehı́culos autónomos
distribuida
Vida artificial
Minerı́a de datos
1.4. Modelos de computación
Propósito
Con los conceptos de conjuntos y funciones se estudiara un
modelo abstracto llamado máquina de estados finitos o
circuito secuencial.
Este modelo es uno de los dos tipos básicos de circuitos de
control que se encuentran en un computador.
La máquina recuerda cierta información cuando esta en un
eatado en particular.
La entrada de la máquina es una cadena o un lenguaje.
Alfabetos
Las sucesiones de sı́mbolos o caracteres, juegan un rol clave
en el procesamiento de información en un computador.
Un alfabeto σ es un conjunto finito y no vacio de sı́mbolos
P P
= {0, 1}, = {a, b, c}
P
Si es
PunP ∈ Z entonces:
alfabeto y n P
1
= , n+1 = sum n y 0 = {λ} cadena vacia
P P
P+ Pn
= ∪∞ n=1
P∗ Pn
= ∪∞n=0
Cadenas
Una cadena (o palabra) es una concatenación de sı́mbolos de
un lenguaje
La longitud de una cadena x ∈ + , notada kxk = n, kλk = 0
P
Si x y y pertenecen a + la cadena xy se denomina

P
concatenación de x y y
Si x ∈ + entonces x n es la concatenación de la cadena x, n
P
veces
Si x y y pertenecen a ∗ y w = xy entonces x es un prefijo
P
de w y y es un sufijo de w
Lenguajes
P P∗
Para un alfabeto
P , cualquier subconjunto de es un
lenguaje sobre .
Φ lenguaje vacio
y los lenguajes A, B ⊆ ∗ , la
P P
Para un alfabeto
concatenación de A y B es AB
y los lenguajes A, B ⊆ ∗ , si A ⊆ B
P P
Para un alfabeto
entonces An ⊆ B n para todo n ∈ Z+
Máquinas de estados finitos

Una máquina de estados finitos M = (S, I , O, f , g , s0 ) consta de:
Un conjunto finjito de estados S
Un alfabeto de entradas I
Un alfabeto de salida O
Una función de transición f
Una función de salida g
Un estado inicial s0
Representacion de M
Tabla de estados o de transición Diagrama de estados

Autómatas de estados finitos

Un autómata de estados finitos AM = (S, I , O, f , s0 , F ) consta de:
Un conjunto finjito de estados S
Un alfabeto de entradas I
Un alfabeto de salida O
Una función de transición f
Un estado inicial s0
Un conjunto finito de estados de aceptación F
Representacion de A
Diagrama de estados
Tabla de estados o de
transición

Unidad 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 1

Cargado por

Copyright:

Formatos disponibles

Inteligencia Artificial

Eduardo Estrada Kassir MSc.

Universidad Jorge Tadeo Lozano

Test y tipos de inteligencia

Concepto de Inteligencia Artificial

¿Qué es inteligencia artificial?

Enfoque de la prueba de Turin

Alan Mathison Turin

Si x y y pertenecen a + la cadena xy se denomina

Máquinas de estados finitos

Tabla de estados o de transición Diagrama de estados

Autómatas de estados finitos

También podría gustarte