Está en la página 1de 15

UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

INTRODUCCIÓN A LA INTELIGENCIA
ARTIFICIAL
UNIDAD I

GEZER CABILDO FIGUEROA


INTELIGENCIA ARTIFICIAL
INSTITUTO TECNOLÓGICO SUPERIOR DE XALAPA
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

1.1 Introducción a la Inteligencia Artificial


¿Qué es la Inteligencia Artificial?
Sistemas que actúan como humanos
“El estudio de cómo hacer computadoras que hagan cosas que, de momento, la
gente hace mejor” (RichyKnight,1991).
Sistemas que actúan racionalmente
“Un campo de estudio que busca explicar y emular el comportamiento inteligente
en términos de procesos computacionales” (Schalkoff, 1990).
Sistemas que piensan racionalmente
“El estudio de las facultades mentales a través del estudio de modelos
computacionales” (Charniak y McDermott, 1985).
Sistemas que piensan como humanos
“El esfuerzo por hacer a las computadoras pensar ... máquinas con mentes en el
sentido amplio y literal” (Haugeland, 1985).

Definición:
La inteligencia artificial (IA), es la inteligencia llevada a cabo por máquinas.
En ciencias de la computación, una máquina “inteligente” ideal es un agente
flexible que percibe su entorno y lleva a cabo acciones que maximicen sus
posibilidades de éxito en algún objetivo o tarea.
Coloquialmente, el término inteligencia artificial se aplica cuando una máquina
imita las funciones “cognitivas” que los humanos asocian con otras mentes
humanas, por ejemplo: “percibir”, “razonar”, “aprender” y “resolver problemas”.
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

Agente racional
Entendemos por agente algo que es capaz de razonar, y por agente
racional, aquel que actúa con la intención de alcanzar el mejor resultado o, cuando
hay incertidumbre, el mejor resultado esperado.
Particularizando sobre lo que nos concierne, los agentes informáticos deben
encontrarse dotados de características que aporten una mayor operatividad
respecto a los “programas” convencionales, ya sea mediante atributos que los
distingan, controles autónomos de percepción de su entorno y adaptación a éste
ante cambios que puedan acontecer y repercutan de algún modo en su actuación,
mediante una duración prolongada de su funcionalidad y de una persistencia
mayor en los resultados generados en el tiempo, y por último, de una fiabilidad
completa en la consecución de los objetivos marcados.

La práctica de uso de las teorías que representan a la IA desde el enfoque de


diseño de un agente racional entraña notables beneficios, siendo reseñable el
afirmar que garantiza una mayor proximidad a la racionalidad humana que bajo
sólo las leyes del pensamiento, o que aporta una mayor afinidad al apoyarse en
fines científicos, en constante evolución, frente a enfoques basados en la conducta
o pensamiento humano, claramente definidos, de aplicación general

Test de Turing
El test de Turing es una prueba de la habilidad de una máquina para exhibir un
comportamiento inteligente similar al de un ser humano o indistinguible de
este. Alan Turing propuso que un humano evaluara conversaciones en lenguaje
natural entre un humano y una máquina diseñada para generar respuestas
similares a las de un humano.

El test de Turing consiste en lo siguiente:


Imagina que tenemos dos sujetos en dos habitaciones contiguas, la habitación A y
la habitación B. En la A se encuentra una persona, mientras que en la B hay o
bien una persona o bien una máquina. Se comunican mediante mensajes escritos
(como en un chat) y la persona de la habitación A debe averiguar si en la
habitación B hay una máquina o un ser humano.
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

Observa la imagen de la derecha: el individuo X se encuentra en la habitación  A,


mientras que, al otro lado del tabique, en la habitación B, se halla una máquina (X
ignora si se trata de una máquina o de un humano). X hará preguntas para intentar
averiguar si su interlocutor es humano o mecánico. Si X no es capaz de
averiguarlo entonces la máquina ha superado la prueba de Turing y podemos
afirmar que es inteligente; si consigue averiguarlo, entonces la máquina no ha
superado la prueba, lo que querrá decir que no es inteligente.

En consecuencia, la prueba no tiene por finalidad establecer si la máquina posee


sentimientos y/o pensamientos "conscientes", sino si la máquina es capaz de
actuar mediante mensajes escritos de tal forma que nos haga creer y presuponer
que razona y tiene inteligencia.

Categorías de la Inteligencia Artificial


Sistemas que piensan como humanos: estos sistemas tratan de emular el
pensamiento humano, por ejemplo, las redes neuronales artificiales. La
automatización de actividades que vinculamos como procesos de pensamiento
humano, actividades como la toma de decisiones, resolución de problemas,
aprendizaje.
Sistemas que actúan como humanos: estos sistemas tratando de actuar como
humanos, es decir, imitan el comportamiento humano, por ejemplo, la Robótica.
Sistemas que piensan racionalmente: Es decir con lógica. Idealmente tratan de
imitar el pensamiento de os cálculos que hace posible percibir, razonar y actuar.
Sistemas que actúan racionalmente: Tratan de emitir el comportamiento
humano por ejemplo los agentes inteligentes.
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

1.2 Historia de la Inteligencia Artificial

Cerca de 300 a. C., Aristóteles fue el primero en describir de manera estructurada


un conjunto de reglas, silogismos, que describen una parte del funcionamiento de
la mente humana y que, al seguirlas paso a paso, producen conclusiones
racionales a partir de premisas dadas.
En 250 a. C. Ctesibio de Alejandría construyó la primera máquina autocontrolada,
un regulardor del flujo de agua que actuaba modificando su comportamiento
"racionalmente" (correctamente) pero claramente sin razonamiento.
En 1847 George Boole estableció la lógica proposicional (booleana), mucho más
completa que los silogismos de Aristóteles, pero aún algo poco potente.
En 1879 Gottlob Frege extiende la lógica booleana y obtiene la Lógica de Primer
Orden la cual cuenta con un mayor poder de expresión y es utilizada
universalmente en la actualidad.
En 1940 Alan Turing y su equipo construyeron el primer computador
electromecánico y en 1941 Konrad Zuse creó la primera computadora
programable y el primer lenguaje de programación de alto nivel Plankalkül. Las
siguientes máquinas más potentes, aunque con igual concepto, fueron la ABC
y ENIAC.
En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas
artificiales, el cual se considera el primer trabajo del campo de inteligencia
artificial, aun cuando todavía no existía el término.
1950´s
En 1950 Turing consolidó el campo de la inteligencia artificial con su
artículo Computing Machinery and Intelligence, en el que propuso una prueba
concreta para determinar si una máquina era inteligente o no, su famosa Prueba
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

de Turing por lo que se le considera el padre de la Inteligencia Artificial. Años


después Turing se convirtió en el adalid que quienes defendían la posibilidad de
emular el pensamiento humano a través de la computación y fue coautor del
primer programa para jugar ajedrez.
Década de 1980
En 1980 la historia se repitió con el desafío japonés de la quinta generación, que
dio lugar al auge de los sistemas expertos pero que no alcanzó muchos de sus
objetivos, por lo que este campo sufrió una nueva interrupción en los años
noventa.
Podemos entonces decir que la IA posee características humanas tales como el
aprendizaje, la adaptación, el razonamiento, la autocorrección, el mejoramiento
implícito, y la percepción modular del mundo. Así, podemos hablar ya no solo de
un objetivo, sino de muchos, dependiendo del punto de vista o utilidad que pueda
encontrarse a la IA.
Década de 1990
En los 90 surgen los agentes inteligentes al paso de los años eso fue
evolucionando
Década de 2000
El programa Artificial Linguistic Internet Computer Entity (A.L.I.C.E.) ganó el
premio Loebner al Chatbot más humano en 2000, 2001 y 2004, y en 2007 el
programa Ultra Hal Assistant ganó el premio.
Década de 2010
2010: El programa Suzette ganó el premio Loebner. Algunos programas de
inteligencia artificial gratuitos son Dr. Abuse, Alice, Paula SG, Virtual woman
millenium.
2011: Un ordenador de IBM gana el concurso de preguntas y respuestas
'Jeopardy!': El ordenador de IBM Watson ha salido victorioso de su duelo contra el
cerebro humano. ¡La máquina ha ganado el concurso de preguntas y respuestas
Jeopardy!, que emite la cadena de televisión estadounidense ABC, al imponerse a
los dos mejores concursantes de la historia del programa. Watson les ha vencido
en la tercera ronda, contestando preguntas que le obligaban a pensar como una
persona.
2014: Un ordenador ha logrado superar con éxito el test de turing: Un ordenador
ha logrado superar con éxito el test de Turing haciendo creer a un interrogador
que es una persona quien responde sus preguntas- en un certamen organizado en
Londres por la Universidad de Reading (Reino Unido). El ordenador, con el
programa Eugene desarrollado en San Petersburgo (Rusia), se ha hecho pasar
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

por un chico de 13 años, y los responsables de la competición consideran que es


un “hito histórico de la inteligencia artificial”.
2016: Un ordenador de Google vence al campeón mundial de un juego milenario
“Go”: Un programa informático desarrollado por la compañía británica Google
DeepMind había conseguido vencer, por primera vez, a un campeón profesional
de un milenario juego de origen oriental llamado Go. El reto era enorme para una
máquina, ya que la prueba de estrategia encierra una gran complejidad.
1.3 Las habilidades cognoscitivas según la psicología. Teorías de la
inteligencia (conductismo, Gardner, etc.).
Son las facilitadoras del conocimiento, aquellas que operan directamente sobre la
información: recogiendo, analizando, comprendiendo, procesando y guardando
información en la memoria, para, posteriormente, poder recuperarla y utilizarla
dónde, cuándo y cómo convenga. En general, son las siguientes:

1. Atención: Exploración, fragmentación, selección y contra distractoras.

2. Comprensión (técnicas o habilidades de trabajo intelectual): Captación de ideas,


subrayado, traducción a lenguaje propio y resumen, gráficos, redes, esquemas y
mapas conceptuales. A través del manejo del lenguaje oral y escrito (velocidad,
exactitud, comprensión).

3. Elaboración: Preguntas, metáforas, analogías, organizadores, apuntes y


mnemotecnias.

4. Memorización / Recuperación (técnicas o habilidades de estudio): Codificación y


generación de respuestas.

1.4 El proceso de razonamiento según la lógica (Axiomas, Teoremas,


demostración).
LÓGICA: Ciencia formal y una rama de la filosofía que estudia los principios de la
demostración e inferencia válida.
DEMOSTRACIÓN: Sucesión coherente de pasos que, tomando como verdadero
un conjunto de premisas llamado hipótesis, permite asegurar la veracidad de una
tesis
Estos pasos deben estar fundamentados en la aplicación de reglas de deducción
(fundadas ya sea en axiomas o en teoremas anteriormente demostrados o en
reglas básicas de deducción del sistema en cuestión). El hecho de no conocer
ninguna demostración de un teorema no implica su no veracidad; sólo la
demostración de la negación de este resultado implica que es falso.
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

Teoría de la Demostración o Teoría de la Prueba


Es una rama de la lógica matemática que trata a las demostraciones como objetos
matemáticos, facilitando su análisis mediante técnicas matemáticas. Las
demostraciones suelen presentarse como estructuras de datos inductivamente
definidas que se construyen de acuerdo con los axiomas y reglas de inferencia de
los sistemas lógicos. En este sentido, la teoría de la demostración se ocupa de la
sintaxis, en contraste con la teoría de modelos, que trata con la semántica. Junto
con la teoría de modelos, la teoría de conjuntos axiomática y la teoría de la
recursión, la teoría de la demostración es uno de los “cuatro pilares” de los
fundamentos de las matemáticas.
AXIOMA: Es una “verdad evidente” que no requiere demostración.
Ejemplos:
1+1=2
A es hermano de B
C es hijo de A
Entonces podemos decir que B es tío de C, o bien C es sobrino de B
TEOREMA: Es una afirmación que puede ser demostrada como verdadera dentro
de un marco lógico. Demostrar teoremas es el asunto central en la matemática.
Ejemplo: Si dos rectas paralelas se cortan con una recta secante se cumple la
relación de ángulos siguiente:
1 – Los ángulos alternos/internos son iguales.
2 – Los ángulos alternos/externos son iguales.
3 – Los ángulos correspondientes son iguales.
4 – Los ángulos colaterales internos son suplementarios.
5 – Los ángulos colaterales externos son suplementarios.
COROLARIO: Es una afirmación lógica que sea consecuencia inmediata de un
teorema, pudiendo ser demostrada usando las propiedades del teorema
previamente demostrado.
1.5 El modelo de adquisición del conocimiento según la filosofía.
En el conocimiento se hallan frente a frente la conciencia y el objeto, el sujeto y el
objeto. El conocimiento se presenta como una relación entre estos dos miembros,
que permanecen en ella eternamente separados el uno del otro. El dualismo de
sujeto y objeto permanece a la esencia del conocimiento… la función del objeto
consiste en aprehender el objeto; la del objeto es ser aprehensible y aprehendido
por el sujeto… no en el objeto, sino en el sujeto, cambia algo por obra de la
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

función del conocimiento… visto desde el objeto, el conocimiento se presenta


como una transferencia de las propiedades del objeto al sujeto
TEORÍA DEL CONOCIMIENTO
Es el intento intelectual de explicar la forma en la que adquirimos el conocimiento
del mundo y los procedimientos por los que es generado ese conocimiento, de tal
forma que pueda ser valorado ya como verdadero o como falso.
Conocer
Unos de los grandes temas de la filosofía, es explicar en qué consiste el acto de
conocer, cual es la esencia del conocimiento, cual es la relación cognoscitiva entre
el hombre y las cosas que lo rodean.
La definición más sencilla nos dice que conocer consiste en obtener una
información acerca de un objeto. Conocer es conseguir un dato o una noticia
sobre algo.
Elementos del conocimiento
En todo conocimiento podemos distinguir cuatro elementos:
El sujeto que conoce.
El objeto conocido.
La operación misma de conocer.
El resultado obtenido que es la información recabada acerca del objeto.
LOS TRES NIVELES DEL CONOCIMIENTO
El ser humano puede captar un objeto en tres diferentes niveles, sensible,
conceptual y holístico.
Conocimiento sensible: 
Es aquel que se adquiere a través de la captación de un objeto por medio de los
sentidos, que en el caso de los seres humanos los más desarrollados son el oído y
la vista, de este modo, somos capaces de almacenar en nuestra memoria las
imágenes de todos los objetos que observamos a diario, con sus características
particulares.
Conocimiento conceptual:
Se trata de aquel que se forma a partir de un conjunto de representaciones
definidas como invisibles, inmateriales, universales y esenciales. La diferencia
más significativa entre el conocimiento sensible y el conceptual radica en que el
primero es un conocimiento particular de cada persona, en el que cada uno ve y
define los conceptos y los objetos con las características propias, mientras que el
conceptual hace referencia a la universalidad de los conceptos y objetos, aquellos
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

que todos comprendemos de la misma manera, sin añadirle características


propias.

Conocimiento holístico:
 (También llamado intuitivo, con el riesgo de muchas confusiones, dado que la
palabra intuición se ha utilizado hasta para hablar de premoniciones y
corazonadas). En este nivel tampoco hay colores, dimensiones
ni estructuras universales como es el caso del conocimiento conceptual. Intuir un
objeto significa captarlo dentro de un amplio contexto, como elemento de una
totalidad, sin estructuras ni límites definidos con claridad. La palabra holístico se
refiere a esta totalidad percibida en el momento de la intuición (holos significa
totalidad en griego).

1.6 El modelo cognoscitivo.


El concepto de cognición (del latín: cognoscere, “conocer”) hace referencia a
la facultad de los seres de procesar información a partir de la percepción, el
conocimiento adquirido (experiencia) y características subjetivas que permiten
valorar y considerar ciertos aspectos en comparación de otros.
Proceso Básico del Modelo Cognoscitivo
Conceptualización se refiere a la manera como se define un concepto en relación
con una experiencia asociada o con otro concepto en una proposición o estructura
conceptual.
La interpretación se refiere a la manera como un concepto o conjunto de
conceptos o proposiciones toma significados en relación con un contexto
lingüístico o discursivo o en relación con un fenómeno. Dentro de la interpretación
se juegan procesos cognoscitivos como la deducción, la inferencia, el análisis, la
síntesis y diferentes modalidades de categorización.
La transferencia se refiere a la manera como se aplica un conocimiento a la
solución de problemas surgidos en contextos diferentes a aquellos en donde se
dio la situación de aprendizaje.
La creatividad se refiere a la manera como se reestructura o se proponen
estructuras diferentes a las aprendidas.
Los niveles cognoscitivos del aprendizaje no son totalmente lineales y su recorrido
se puede dar en espiral. Lo cierto es que en términos de organización de las
experiencias educativas definir niveles de aprendizaje permite organizar una
educación para el desarrollo de habilidades cognitivas.
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

1.7 El Modelo del Agente Inteligente

Un agente es todo aquello que puede considerarse que percibe su ambiente


mediante sensores y que responde o actúa por medio de efectores.
Los agentes humanos tienen ojos, oídos y otros órganos que les sirven de
sensores, así como manos, piernas, boca y otras partes del cuerpo que sirven de
efectores. En el caso de los agentes robóticos, los sensores son sustituidos por
cámaras y los efectores reemplazados mediante motores. En el caso de un agente
de software, sus percepciones y acciones vienen a ser las cadenas de bits
codificados.
Tipos de programas de agente.

Agentes reactivos simples (o de reflejo simple)


El tipo de agente más sencillo es el agente reactivo simple. Estos agentes
seleccionan las acciones sobre la base de las percepciones actuales, ignorando el
resto de las percepciones históricas.
Agentes reactivos basados en modelos
Este tipo de agente guarda estados internos sobre la historia percibida lo cual le
sirve para ejecutar una acción. Los sensores no pueden informar a la vez de todos
los estados que maneja el ambiente, por ello el agente necesita actualizar algo de
información en el estado interno.
Agentes basados en metas u objetivos
El conocimiento sobre el estado actual del mundo no es siempre suficiente para
decidir qué hacer. Por ejemplo, en un cruce de carreteras, un taxista puede girar a
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

la derecha o seguir hacia adelante. La decisión correcta depende de a dónde


quiere ir el taxi. En otras palabras, además de la descripción del estado actual, el
agente necesita algún tipo de información sobre su meta que describa las
situaciones que son deseables, en el ejemplo del taxi llegar al destino propuesto
por el pasajero. El programa del agente se puede combinar con información sobre
los resultados de las acciones posibles para elegir las acciones que permitan
alcanzar el objetivo.
Agentes basados en metas u objetivos
El conocimiento sobre el estado actual del mundo no es siempre suficiente para
decidir qué hacer. Por ejemplo, en un cruce de carreteras, un taxista puede girar a
la derecha o seguir hacia adelante. La decisión correcta depende de a dónde
quiere ir el taxi. En otras palabras, además de la descripción del estado actual, el
agente necesita algún tipo de información sobre su meta que describa las
situaciones que son deseables, en el ejemplo del taxi llegar al destino propuesto
por el pasajero. El programa del agente se puede combinar con información sobre
los resultados de las acciones posibles para elegir las acciones que permitan
alcanzar el objetivo.
Agentes basados en utilidad
Son aquellos que utilizan un modelo del mundo, junto con una función de utilidad
que calcula sus preferencias entre los estados del mundo.  Después selecciona la
acción que le lleve a alcanzar la mayor utilidad esperada, entre todos los
resultados posibles

1.8 El papel de la heurística


La palabra heurística procede del término griego εὑρίσκειν, que significa hallar o
inventar.
Como disciplina científica, la heurística es aplicable a cualquier ciencia e incluye la
elaboración de medios auxiliares, principios, reglas, estrategias y programas que
faciliten la búsqueda de vías de solución a problemas es decir resolver tareas de
cualquier tipo para las que no se cuente con un procedimiento algorítmico de
solución.
Según Horst Müller:
Los procedimientos heurísticos son formas de trabajo y de pensamiento que
apoyan la realización consciente de actividades mentales exigentes.
Los procedimientos heurísticos como método científico pueden dividirse en
principios, reglas y estrategias.
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

Principios heurísticos: Constituyen sugerencias para encontrar (directamente) la


idea de solución; posibilita determinar, por tanto, a la vez, los medios y la vía de
solución. Dentro de estos principios se destacan la analogía y la reducción.
Reglas heurísticas: Actúan como impulsos generales dentro del proceso de
búsqueda y ayudan a encontrar, especialmente, los medios para resolver los
problemas.
Las Reglas heurísticas que más se emplean son:
Separar lo dado de lo buscado.
Confeccionar figuras de análisis: esquemas, tablas, mapas, etc.
Representar magnitudes dadas y buscadas con variables.
Determinar si se tienen fórmulas adecuadas.
Utilizar números (estructuras más simples) en lugar de datos.
Reformular el problema. 
Estrategias heurísticas: Se comportan como recursos organizativos del proceso
de resolución, que contribuyen especialmente a determinar la vía de solución del
problema abordado. Existen dos estrategias:
El trabajo hacia adelante: se parte de lo dado para realizar las reflexiones que
han de conducir a la solución del problema.
El trabajo hacia atrás: se examina primeramente lo que se busca y, apoyándose
de los conocimientos que se tienen, se analizan posibles resultados intermedios
de lo que se puede deducir lo buscado, hasta llegar a los dados.
 
En computación, dos objetivos fundamentales son encontrar algoritmos con
buenos tiempos de ejecución y buenas soluciones, usualmente las óptimas.
Una heurística es un algoritmo que abandona uno o ambos objetivos; por ejemplo,
normalmente encuentran buenas soluciones, aunque no hay pruebas de que la
solución no pueda ser arbitrariamente errónea en algunos casos; o se ejecuta
razonablemente rápido, aunque no existe tampoco prueba de que siempre será
así. Las heurísticas generalmente son usadas cuando no existe una solución
óptima bajo las restricciones dadas tiempo, espacio, etc.
Heurística en la Inteligencia Artificial
Muchos algoritmos en la inteligencia artificial son heurísticos por naturaleza, o
usan reglas heurísticas. Un ejemplo reciente es SpamAssassin que usa una
amplia variedad de reglas heurísticas para determinar cuándo un correo
electrónico es spam. Cualesquiera de las reglas usadas de forma independiente
UNIDAD I – INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

pueden llevar a errores de clasificación, pero cuando se unen múltiples reglas


heurísticas, la solución es más robusta y creíble.
TIPOS DE ALGORITMOS HEURÍSTICOS
En una primera clasificación podemos decir que los algoritmos heurísticos pueden
ser simples o complejos. Los algoritmos simples tienden a tener reglas de
terminación bien definidas, y se detienen en un óptimo local, mientras que los
algoritmos más complejos pueden no tener reglas de terminación estándar, y
buscan soluciones mejores hasta alcanzar un punto de parada arbitrario.

También podría gustarte