Inteligencia Artificial y

Aplicaciones
Máster en Museos, Archivos y Bibliotecas
Julián Dorado
Introducción a la Inteligencia Artificial

 Definición
 Inteligencia vs Inteligencia Artificial
 Áreas
 Técnicas de Búsqueda
 IA Simbólica
 IA Conexionista
 Computación Evolutiva
Introducción a la Inteligencia Artificial
 La inteligencia
 Difícil de definir
 https://dle.rae.es/inteligencia
 Capacidad de aprendizaje y de resolver problemas

 Concepto compuesto de varias componentes

 Capacidad de razonamiento
 Posibilidad de generación de conocimiento (de los hechos a la hipótesis -> abductivo) y utilización de reglas causales
(con reglas y datos generar conclusiones -> deductivo)
 Utiliza la lógica clásica y la inferencia

 Resolución de problemas y Aprendizaje

 Se adquieren nuevos conocimientos o destrezas
 Planificación
 Resolución de problemas mediante la realización de pasos
 Reconocimiento de un problema, estudio de alternativas, descomposición del problema, definición del plan y toma de
decisiones
 Comunicación
 Interpretación de lenguaje natural
 Inteligencia emocional (entender y motivar a otras personas)
 Empatía y asertividad

 Creatividad
 Desarrollo de soluciones originales en cada área de la inteligencia a partir de conceptos conocidos

 Concepto de optimización (intrínseco)

 Realizar una tarea de la mejor forma y de la forma más rápida o menos costosa
Introducción a la Inteligencia Artificial

 Inteligencia Artificial
 Ciencia que persigue crear programas que imiten los procesos de la inteligencia humana
 Origen del término y formalización del área
 Conferencia en el Darmouth College 1955: McCarthy, Minsky, Rochester y Shannon
 Áreas de trabajo
 Resolución de problemas
 Búsqueda heurística y Planificación

 Representación del conocimiento

 Reconocimiento de patrones
 Identificación y Predicción

 Inteligencia artificial general

 Un sistema que pueda realizar cualquier tarea que puede desarrollar un ser humano
 Test de Turing (1950)
 Convencer a un evaluador humano mediante comunicación con lenguaje natural
 Introducción a la Inteligencia Artificial

 Test de Turing: Planteado en 1950 por Alan Turing en su artículo

“Computing Machinery and Intelligence”
 Proponía cambiar la pregunta :
 ¿Pueden las máquinas pensar?
 ¿Pueden las máquinas hacer lo que nosotros hacemos?

Una máquina es inteligente si el interlocutor no puede

distinguir sus respuestas de las de un humano
Introducción a la Inteligencia Artificial

 Técnicas de IA
 Técnicas de Búsqueda
 IA Simbólica
 IA Conexionista
 Computación Evolutiva
Introducción a la Inteligencia Artificial

 Búsqueda en Inteligencia Artificial

 Problema NP-difíciles
 Aquellos que para resolverlos de forma exacta requieren la realización de una
búsqueda en un espacio que es de tamaño exponencial
 Ejemplo: secuencia de movimientos para jugar al ajedrez => árbol de posibles
jugadas (crece exponencialmente con el número de movimientos)
 No se sabe como evitar esa búsqueda
 => no existe un algoritmo rápido para resolver el problema
 => si hay un algoritmo se considera que este es “inteligente”

 Primer paso para resolverlo, generar un modelo del problema

 Definición de Espacio de estados (situaciones del problema) y Operadores
aplicables
 Búsqueda del mejor operador a aplicar en cada momento
 Búsqueda de la secuencia de operadores (jugadas en ajedrez o movimientos
cubo Rubik)
Introducción a la Inteligencia Artificial
 Búsqueda en Inteligencia Artificial
 Un problema de búsqueda en IA consta de:
 Espacio de estados (estados posibles)
 Conjunto de operadores
 Acciones y costes

 Estado inicial
 Función objetivo
 Para saber si se ha resuelto el problema

 Número de puntos por comer o piezas del puzle colocadas o sin colocar

 Desarrollar un algoritmo/programa que recorra el espacio de

estados
 Grafo dirigido con las posibilidades que da la aplicación secuencial
de los operadores

 Heurísticas
 Criterios o métodos para decidir qué operadores son más
prometedores para resolver un problema
Introducción a la Inteligencia Artificial
 IA Simbólica
 Se basa en representaciones simbólicas de los problemas
 Utiliza la lógica matemática y la búsqueda
 Los sistemas más conocidos son
 Sistemas basados en reglas y sistemas expertos (SE)
 Utilizan

 Representación del conocimiento como reglas de producción if-then-else

 Necesario elicitar conocimiento de un experto y codificarlo en forma de reglas

 Almacenamiento de la situación (variables de estado) como Base de Hechos

 Método de razonamiento

 Hacia delante, dirigido por los datos disponibles

 Revisa reglas aplicables a los datos que ya se tienen

 Demanda información para aplicación de las reglas para la que le faltan hechos

 Ejemplo: Automobile o Barbacue https://visiruleexamples.com/vregs.html

 Hacia atrás

 Plantea una hipótesis e intenta confirmarla utilizando reglas y hechos (datos)

 Explicación: permite explicar el proceso de razonamiento usando las reglas usadas

 Aplicaciones
 Diagnóstico médico

 Primer ejemplo de SE: Mycin (diagnóstico de enfermedades infecciosas)

Introducción a la Inteligencia Artificial
 IA Conexionista
 Modelo computacional basado en la estructura y funcionamiento de las neuronas biológicas
 Los sistemas más conocidos
 Redes de neuronas artificiales
 Funcionamiento

 Conjunto de neuronas artificiales estructuradas en capas

 Cada neurona recoge señales de entrada y las pondera con los pesos

 El conocimiento se almacena en los valores de estos pesos

 Procedimiento

 Construcción de conjunto de entrenamiento

 Casos de ejemplo con entradas y salidas

 Proceso de aprendizaje

 Aplicar entradas a la RNA y observar las salidas

 Calcular el error entre salida obtenida y deseada

 Retropropagar el error ajustando los pesos

 Deep Learning
 Número de neuronas artificales muy alto

 Entrenamiento mediante GPUs

 Aplicaciones
 Reconocimiento de patrones
 Objetos en imágenes

 Personas o Conducción autónoma

 Diagnóstico médico o detección de fraude

Introducción a la Inteligencia Artificial

 IA Conexionista
 Con cada ejemplo ->
 Utilizar varios ejemplos
 Por categoría de salida

 Hacen falta ejemplos

 Positivos y negativos
 Introducción a la Inteligencia Artificial
 Computación Evolutiva
 Aplicar la idea de la Selección Natural como proceso de optimización en Biología para la
resolución de problemas en Informática
 Sistemas más conocidos
 Algoritmos genéticos y Programación genética
 Población de soluciones
 Conjunto de intentos de solucionar el problema
 Mezclan las soluciones utilizando
 Cruce y mutación de características
 Selección de las mejores soluciones
 Evolución por restricción de recursos (número de individuos en la población)
 Genetic Box2d Car Builder
 De soluciones malas a buenas (https://youtu.be/8z2eiV4Js24) Otro Vídeo
(https://youtu.be/TLTRb2RQnu0 )

 Ejemplo: optimización por colonia de hormigas

 Establecimiento de rutas en hormigas. http://youtube.com/watch?v=ehEzRUu4_RM (0:25 ruta a una fuente.
2:20 explotación simultánea de 2 fuentes)
 Inteligencia distribuida: utiliza agentes con reglas simples para realizar tareas complejas
Aplicaciones Directas

 Chatbots
 Sistemas recomendadores
 Reconocimiento Óptico de Caracteres
Sistemas de Reglas: Chatbots
 Evolución de asistente personal a Inteligencia artificial
 Bots conversacionales (chatbots)
 Automatización de interacción con el usuario en entornos controlados (pedir comida)
 En servicios de mensajería (ej. Facebook, Telegram, etc.) o en herramientas de automatización
IFTTT (IF This Then That) https://ifttt.com/
 Usan palabras clave, patrones y respuestas personalizadas
 Ejemplos: Hubspot (https://www.hubspot.com), ZenDesk (https://www.zendesk.es) y
Gupshup.io (https://www.gupshup.io/es)
 Asistentes personales actuales
 Sistema centralizado de recogida de datos: big data
 Desde guardar datos del usuario, a poder generar un contexto para poder tener una
conversación encadenando preguntas y respuestas
 Watson de IBM
 Ganador en Jeopardy: Elaborar preguntas sobre la respuesta que se indica
 Aplicaciones donde se necesita compresión del lenguaje natural
 Partes de asistencia (seguros, call center)
 Interpretación de textos (informes médicos)
Sistemas de Reglas: Chatbots
 Aplicaciones:
 Responder preguntas sobre temas comunes: horarios, ubicaciones y próximos eventos
 Además de otras cuestiones básicas, que permiten al personal centrarse en otras tareas

 Búsquedas de títulos, autores o campos de estudio

 Búsquedas de otros materiales, como fotografías, películas, manuscritos, etc.

 Búsqueda de Servicios concretos de la biblioteca

 Responder cuándo caducan los préstamos de un usuario
 Recoger Sugerencias de adquisiciones
 Los Chatbots pueden responder
 Desde la página web de la biblioteca
 Desde redes sociales asociadas a bibliotecas concretas
Sistemas Recomendadores

 Tipos
 Libros más prestados
 Probabilísticos: Teoría de Bayes
 Probabilidad que te guste un libro de acuerdo a tu historial de lectura
 Género, autor, colección

 Por gustos similares de lectores similares (coinciden en los libros que leen)

 Generación de nubes de etiquetas

 Etiquetas creadas sobre los datos de los libros prestados
 Permite ver tendencias no solo por libros sino por temáticas

 Personalización mediante perfilado del usuario

Reconococimiento Óptico
de Caracteres - OCR
OCR

 Reconocimiento de Patrones
 Reconocimiento de texto
 Optical Character Recognition (OCR)
 Proceso para digitalización de textos a partir de imágenes para luego almacenarlos como un
documento de texto
 Orientado sobre todo a letra mecanográfica. Más difícil en letra manuscrita
 Funcionamiento
 Digitalización de la imagen
 Segmentación de la imagen en líneas y palabras
 Simplificación de la formas (adelgazamiento)
 Comparación con patrones
 Geométricos, estructurales, otros (entre ellos IA)
 Reconocimiento de tipos de letra y modificadores (negrita, cursiva, etc.)
Escaneado de libros completos

 Escaneado del objeto

 Escaneado 3D
 Genera el modelo 3D

 Escaneado de la superficie
 Fotogrametría
 Se basa en la realización de muchas fotos desde distintos ángulos de referencia

 Sistemas manuales y automatizados

 Permite construir texturas de color para aplicar a los objetos y generar modelo 3D realista

 Reconocimiento de texto
 Textos manuscritos
 TranScriptorium
 Transkribus
 Reconocimiento
de textos manuscritos
 Orientado a textos antiguos
 Más complicado que en texto tipográfico
 TranScriptorium
 Utiliza un OCR avanzado. Es gratuito
 Segmentación en caracteres/palabras
 http://transcriptorium.eu/

 Transkribus
 Nivel de acierto de un 95% y es de pago
 Reconoce patrones y analiza la imagen del documento
 https://readcoop.eu/transkribus/?sc=Transkribus