U102 IA-nup

Objetivos
y Contenidos
Unidad 1: Fundamentos de Inteligencia Artificial
y Agentes Inteligentes
● Objetivos:
● Comprender la noción y características de la Inteligencia Artificial como
ciencia, ingeniería, y tecnología.
Unidad 1: Fundamentos de Inteligencia ● Comprender el concepto de Agente Inteligente y sus características.
Artificial y Agentes Inteligentes
● Contenidos:
1. Inteligencia. Atributos de una entidad inteligente.

Inteligencia Artificial 2. Inteligencia Artificial (IA). Motivaciones. Metas científica e ingenieril. IA
simbólica y no-simbólica. Distintos enfoques de IA. Objeciones y
problemas filosóficos.
Universidad Nacional de Entre Ríos
3. Agentes Inteligentes. Definición y propiedades. Tipos. Teorías y
Facultad de Ciencias de la Administración arquitecturas. Entorno de Trabajo.
Licenciaturas en Sistemas
Inteligencia Artificial - Teoría - 2019 Unidad 1: Fundamentos de IA y Agentes Inteligentes 1/69 Inteligencia Artificial - 2019 U1: Fundamentos de IA y Agentes Inteligentes 2/69
¿Qué es Inteligencia Artificial?
● Resulta muy difícil lograr una definición precisa.
● El problema de la definición tiene, al menos, dos
partes:
Unidad 1: ● La
calidad de ser Artificial
Fundamentos de Inteligencia Artificial y
● La Inteligencia que se debe lograr
Agentes Inteligentes
● Será Artificial por ser esta Inteligencia un producto de
la creación artesanal humana.
Inteligencia Artificial (IA). Motivaciones.
Metas científica e ingenieril. ● La Inteligencia así producida será Artificial en oposición
a la Inteligencia producida en forma Natural.
● La definición de Inteligencia Artificial fue generadora
de varios conflictos y malentendidos.
All text and image content in this document is licensed under the Creative Commons Attribution-Share Alike 3.0 License (unless otherwise specified).
"LibreOffice" and "The Document Foundation" are registered trademarks. Their respective logos and icons are subject to international copyright laws.
The use of these therefore is subject to the trademark policy.
Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 3/69 Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 4/69
El problema de definir IA. El problema de definir IA.
Inteligencia Artificial vs. Inteligencia Natural. Inteligencia Artificial vs. Inteligencia Natural.
● ¿Inteligencia Artificial es “verdadera inteligencia”? ● ¿InteligenciaNatural = Inteligencia Artificial?
● ¿Una perla artificial, es una verdadera perla?. ● Primer problema: confundir el propósito de estudio y el método.
● En este caso sería más adecuado “Inteligencia Sintética” en ● El propósito es entender cómo el comportamiento inteligente es
contraposición a “Inteligencia Natural”. posible.
● La Inteligencia Natural y la Inteligencia Artificial (Sintética), son ● El método es diseñar, construir y experimentar con sistemas
ambas, verdaderas inteligencia, como una perla sintética es tan computacionales que realizan tareas que comúnmente son vistas
real como una perla natural. como inteligentes.
● La IA, como campo de I+D, está interesada en ambas. ● Resulta más adecuado denominarla Inteligencia Computacional.
Computational Intelligence: A Practical Approach. Computational Intelligence: A Practical Approach.

D. Poole, A. Mackworth, R. Goebel. Oxford University Press. 1998. D. Poole, A. Mackworth, R. Goebel. Oxford University Press. 1998.
El problema de definir IA. ¿Qué es IA?
Inteligencia Artificial vs. Inteligencia Simulada. ● Es la Ciencia e Ingeniería de construir artefactos
● ¿Inteligencia Simulada = Inteligencia Artificial?
inteligentes, en especial programas inteligentes de
● La meta no es simular inteligencia.
computadora.
● Por analogía, se relaciona con el uso
● La meta es entender sistemas inteligentes reales (naturales y
de computadoras para entender la
sintéticos) a través de la síntesis de los mismos.
inteligencia humana por medio de la
● Máquinas que vuelan – Máquinas que piensan.
simulación, pero la IA no tiene que
● Imitar a los pájaros vs. Entender los principios de la aerodinámica. limitarse a métodos que sean
biológicamente observables.
John McCarthy
What is Artificial Intelligence? John McCarthy. Computer Science Dept. Stanford University. Rev. Nov 2007.
Computational Intelligence: A Practical Approach. http://www-formal.stanford.edu/jmc/whatisai/whatisai.html
D. Poole, A. Mackworth, R. Goebel. Oxford University Press. 1998.
¿Qué es IA? ¿Qué es IA?
Q. What is artificial intelligence? Q. Isn't AI about simulating human intelligence?
A. It is the science and engineering of making intelligent A. Sometimes but not always or even usually.
● On the one hand, we can learn something about how to make machines
machines, especially intelligent computer programs. It is
solve problems by observing other people or just by observing our own
related to the similar task of using computers to understand methods.
human intelligence, but AI does not have to confine itself to ● On the other hand, most work in AI involves studying the problems the
methods that are biologically observable. world presents to intelligence rather than studying people or animals. AI
researchers are free to use methods that are not observed in people or that
involve much more computing than people can do.
What is Artificial Intelligence? John McCarthy. Computer Science Dept. Stanford University. Rev. Nov 2007. What is Artificial Intelligence? John McCarthy. Computer Science Dept. Stanford University. Rev. Nov 2007.
http://www-formal.stanford.edu/jmc/whatisai/whatisai.html http://www-formal.stanford.edu/jmc/whatisai/whatisai.html
Meta de la Inteligencia Artificial IA Simbólica y nosimbólica
● La inteligencia computacional, es el estudio del diseño de ● IA simbólica es generalmente asociada con:
agentes inteligentes. ● la idea que “la inteligencia es computable” y
● La idea es obtener los fundamentos para la especificación y
● que el “cerebro es una computadora”
diseño de agentes inteligentes para implementar, testear y
mejorar sistemas de información en diferentes dominios de
aplicación. ● IA no-simbólica es asociada con
● La meta científica de la CI es entender los principios que hacen
● la idea que “la inteligencia es comportamiento
posible el comportamiento inteligente, sea en sistemas naturales
o artificiales. La principal hipótesis de esta afirmación es que el adaptativo” y
razonamiento es computable. ● con el hecho que “surge de las interacciones
● La meta ingenieril de la CI es especificar métodos para el diseño
dinámicas de redes de componentes simples”
de artefactos inteligentes útiles.
Computational Intelligence: A Practical Approach.

D. Poole, A. Mackworth, R. Goebel. Oxford University Press. 1998.
IA Simbólica y nosimbólica IA Simbólica y nosimbólica
IA Simbólica IA No-simbólica
● Enfoque tradicional, introducido por Newell y Simon en 1976. ● No manipulan una representación simbólica para encontrar soluciones a
los problemas.
● Describe IA como el desarrollo de modelos que utilizan la
manipulación simbólica. En aplicaciones IA, las computadoras ● Realizan cálculos de acuerdo con algunos principios que han demostrado
procesan símbolos que representan entidades o conceptos del ser capaces de resolver problemas. Sin entender exactamente cómo llegar
mundo real. a la solución.
● Los ejemplos de IA no simbólica incluyen:
● Se centra en construir sistemas artificiales inteligentes cuyo
comportamiento puede generarse dotando al sistema de una ● algoritmos genéticos,
representación simbólica de sí mismo, de su entorno y del ● redes neuronales y
comportamiento deseado del sistema. ● aprendizaje profundo (deep learning).
● Para de esta forma, manipular sintácticamente esta representación. ● Sus orígenes provienen del intento de imitar un cerebro humano y su compleja
● Por ejemplo: esta representación simbólica puede ser basada en red de neuronas interconectadas.
lógica, y descriptas con fórmulas lógicas. Y su manipulación ● También se conoce como "AI conexionista"
sintáctica se correspondería con la deducción lógica, la ● Ejemplos: translate de Google, reconocimiento de rostros de Facebook y hasta la
comprobación de teoremas o u otros esquemas de razonamiento. tecnología automóvil autónomo.
Understanding the difference between Symbolic AI & Non Symbolic AI - Richa Bhatia Understanding the difference between Symbolic AI & Non Symbolic AI - Richa Bhatia
https://analyticsindiamag.com/understanding-difference-symbolic-ai-non-symbolic-ai/ https://analyticsindiamag.com/understanding-difference-symbolic-ai-non-symbolic-ai/
IA Simbólica y nosimbólica ¿Qué es IA?
IA Simbólica vs. No-simbólica ● Es el estudio de los procesos computacionales que hacen
● En la IA simbólica todos los pasos se basan en representaciones simbólicas posible percibir, razonar y actuar.
del problema que utilizan la lógica y la búsqueda para resolver el
problema. Patrick Winston
● La ventaja clave de la IA simbólica es que el proceso de razonamiento se
puede entender fácilmente; i.e. puede explicar fácilmente por qué se llega ● Es el estudio de cómo lograr que las máquinas hagan cosas
a una determinada conclusión y cuáles han sido los pasos de razonamiento.
que por el momento los seres humanos hacen mejor.
● Una desventaja clave de la IA no-simbólica es que es difícil entender cómo
el sistema llegó a una conclusión. Esto es particularmente importante Elaine Rich, Kevin Knight
cuando se aplica a aplicaciones críticas, como automóviles sin conductor,
diagnósticos médicos, entre otros. ● Es la rama de las Ciencias de la Computación que se ocupa
● Una desventaja clave de la IA simbólica es que para el proceso de de la automatización del comportamiento inteligente.
aprendizaje: las reglas y el conocimiento deben codificarse a mano, lo cual
es un problema difícil. George Luger, William Stubblefield
● Hasta ahora, la AI simbólica se ha limitado su desarrollo al mundo
académico. La IA no-simbólica tenido la atención de los gigantes de la
industria.
Understanding the difference between Symbolic AI & Non Symbolic AI - Richa Bhatia
https://analyticsindiamag.com/understanding-difference-symbolic-ai-non-symbolic-ai/
¿Qué es IA? ¿Qué es IA?
Sistemas que piensan como humanos Sistemas que piensan racionalmente
“[La automatización de] actividades que “Es el estudio de las facultades mentales
asociamos con el pensamiento humano, tales utilizando modelos computacionales”
como toma de decisiones, resolución de (Cherniak y McDermott, 1985) Sistemas que piensan como humanos Sistemas que piensan racionalmente
problemas, aprendizaje … ” (Bellman, 1978)
“El estudio de las computaciones que hacen
“…[es] un esfuerzo para hacer que las posible percibir, razonar y actuar”
computadoras piensen… [lograr producir] (Winston, 1992) Foco en los Procesos Mentales y
máquinas con mentes, en un sentido
completamente literal” (Haugeland, 1985)
de Razonamiento
Sistemas que actúan como humanos Sistemas que actúan racionalmente Sistemas que actúan Sistemas que actúan racionalmente
como humanos
“El arte de crear máquinas que realizan “Un área de estudio que busca explicar y
funciones que requieren inteligencia cuando emular el comportamiento inteligente en
son realizadas por seres humanos” términos de procesos computacionales”
(Kurzweil, 1990) (Schalkoff, 1990)
Foco en el Comportamiento
“Es el estudio de cómo hacer que las máquinas “La rama de las ciencias de la computación que
hagan cosas que, por el momento, los seres se ocupa de la automatización
humanos hacen mejor” del comportamiento inteligente”
(Rich, Knight, 1991) (Luger, Stubblefield, 1993)
Artificial Intelligence: A Modern Approach. S. Russell, P. Norvig.
¿Qué es IA? Pensar como Humano: el enfoque del modelo cognitivo
Sistemas que piensan Sistemas que piensan

como humanos racionalmente
Sistemas que piensan como humanos Sistemas que piensan racionalmente
Sistemas que actúan Sistemas que actúan
Foco en la Foco en el ● El modelo cognitivo busca determinar cómo piensan los humanos.
“humanidad” del “desempeño” del ● Para lograr este modelamiento es necesario entender con precisión
sistema sistema el funcionamiento de la mente humana.
● Introspección
● Experimentos psicológicos.
Sistemas que actúan ● Esto
como humanos Sistemas que actúan racionalmente es, desarrollar una teoría del pensamiento humano que
permita modelarlo con exactitud.
● El modelamiento abarca tanto el “hardware” y el “software” humano.
● Una vez modelada esta teoría se programará en un computador.
Pensar como Humano: el enfoque del modelo cognitivo Pensamiento Racional: el enfoque de las “leyes del pensamiento”
● La Ciencia Cognitiva busca elaborar
Sistemas que piensan Sistemas que piensan
teorías precisas del funcionamiento como humanos racionalmente
humano verificables con modelos
computacionales. Sistemas que actúan Sistemas que actúan
● La auténtica ciencia cognitiva se fundamenta en la investigación

● Se considera que el pensamiento es gobernado por leyes formales.
experimental en humanos y animales.
● Aristóteles parece haber sido el primero
● En los comienzos había confusión respecto a los límites que abarcan
las áreas de la Ciencia Cognitiva y la IA. en intentar codificar el ”pensamiento correcto”
● Errores: si un algoritmo resolvía adecuadamente un problema,
● Silogismos
● Las leyes del pensamiento gobiernan
entonces era un buen modelo de representación humana, y
la manera en que opera la mente.
viceversa.
● Para él, “pensar” es un proceso y
● Actualmente trabajan separadas e integradas, por ejemplo en
áreas como la interpretación del lenguaje y la visión. este proceso puede ser formalizado.
Pensamiento Racional: el enfoque de las “leyes del pensamiento” Pensamiento Racional: el enfoque de las “leyes del pensamiento”
● De hecho, esta forma de ver al pensamiento ha alimentado

● En 1854, George Boole publicó un
primero el progreso de la Lógica y luego el de las Ciencias de la
trabajo seminal en Lógica Matemática
Computación.
titulado
● En el siglo XIX se crea la notación formal para describir
“An Investigation of the Laws of
Thought on Which Are Founded the sentencias respecto a los elementos del mundo y sus
Mathematical Theories of Logic and relaciones.
Probabilities”. ● En 1965 ya existían programas que resolvían cualquier
● Este trabajo dio un impulso enorme al problema resoluble escrito en notación lógica.
tratamiento formal de la Lógica. ● Dos problemas de este enfoque:
● Transformación del conocimiento informal en teorías formales.
(Incertidumbre, Temporalidad, cambio de opinión)
● Problemas de resolución automática.
Comportamiento Humano: Test de Turing Comportamiento Humano: Test de Turing
Turing (1950)
Sistemas que piensan Sistemas que piensan “Computing machinery and intelligence”:
● “¿Las máquinas pueden pensar?”
Sistemas que actúan Sistemas que actúan
como humanos racionalmente -> “¿Las máquinas se pueden comportar
de forma inteligente?”
● Alan Turing definió el comportamiento inteligente como “la
habilidad para alcanzar una perfomance a nivel humano en todas ● Test operativo para evaluar el
las tareas cognitivas suficiente como para engañar a un ser pensamiento inteligente:
humano”, y sugirió el test. el Juego de la Imitación.
● La definición operacional, trata de
definir a la inteligencia por la clase
de comportamiento que exhibe el
que la posee.
Computing machinery and intelligence.

Turing, A.M. (1950). Mind, 59, 433-460.
Algo para ver…. Comportamiento Humano: Test de Turing
Alan Turing (1950) :
● Es reconocido por diseñar una prueba que se conserva aún vigente.
● Predijo que en el año 2000, una máquina podría tener un 30 por ciento
de probabilidades de engañar a una persona en un espacio de tiempo de
5 minutos.
● Adelantó los principales argumentos en oposición a la IA que se
formularían en los 50 años siguientes. Sugirió los componentes
fundamentales de la IA: conocimiento, razonamiento, comprensión del
lenguaje, aprendizaje.
● Problema: la prueba de Turing no es reproducible, ni constructiva, ni se
puede someter al análisis matemático.
● Es mas importante entender los principios de la inteligencia.
● Maquina de Volar – Máquina Inteligente.
Comportamiento Humano: Test de Turing Comportamiento Humano: Test de Turing
● El computador que pase el test de Turing debe poseer las siguientes ● Premio Loebner
capacidades: ● En 1990 Hugh Loebner llegó a un acuerdo con The Cambridge
● Procesamiento del lenguaje. Center for Behavioral Studies para financiar una competencia sobre
● Representación del Conocimiento. el Test de Turing.
● El Dr. Loebner aportó un Gran Premio de u$100,000 y una
● Razonamiento Automático.
Medalla de Oro para la primera computadora cuyas respuestas
● Aprendizaje Automático. fueran indistinguibles de las de un ser humano.
● El test original evita la interacción física.
● Test Global de Turing, con interacción física:
● Visión Computacional
● Robótica
Comportamiento Humano: Test de Turing: Objeciones Comportamiento Humano: Test de Turing: Objeciones
Inteligencia Humana vs Inteligencia en General Inteligencia Real vs. Inteligencia Simulada
● El test es antropomórfico. Sólo se comprueba si el sujeto artificial simula ● El testes explícitamente “comportacionista” o “funcionalista”. Solo
un ser humano. El test falla para verificar inteligencia en dos evalúa cómo el sujeto artificial actúa.
circunstancias: ● Una máquina que pasa el test puede ser capaz de simular el
● El test sería pasado con comportamientos que no se considerarían
comportamiento conversacional humano. Pero esa máquina puede
inteligentes, como la susceptibilidad a los insultos o la tentación a mentir. Una
máquina puede ser inteligente sin necesidad de interactuar exactamente conocer reglas de buen trato. Dos argumentos en contra del test:
como un humano. ● John Searle's Chinese room (http://plato.stanford.edu/entries/chinese-room/#3)
● El test falla en capturar las propiedades generales de la inteligencia, como la ● Ned Block's Blockhead.
habilidad de resolver problemas que cuyas soluciones no surgen a simple vista. ● El test no puede indicar si la máquina tiene conciencia o tiene
Si una máquina puede resolver un problema complejo, que ninguna persona intencionalidad. Una no implica a la otra.
resolvió, no pasaría el test.
● El test de Turing falla en capturar una de las principales diferencias
● Analogía de máquinas de volar.
entre la inteligencia de las máquinas y la inteligencia de la gente.
Comportamiento Humano: Test de Turing Actuar en Forma Racional: el enfoque del agente racional
●Observemos que este test no es una definición Sistemas que piensan
Sistemas que piensan
sino un criterio. como humanos racionalmente
●Una definición sería una forma de separar de Sistemas que actúan Sistemas que actúan
racionalmente
como humanos
manera infalible las cosas inteligentes de
aquellas que no lo son. ● Comportamiento racional: hacer lo correcto.
●Un criterio acepta un cierto grado de falibilidad ● Lo correcto: aquello con lo que se espera alcanzar el mejor
en función de acrecentar su utilidad. resultado, dada la información disponible.

● Actual racionalmente: Actuar de manera de alcanzar las metas
●El Test de Turing fue propuesto como uno de deseadas en el contexto de las creencias que se tengan
estos criterios. ● No implica el pensamiento obligatoriamente, por ejemplo el
acto reflejo de parpadear, pero el pensamiento debería estar al
servicio de la acción racional.
Actuar en Forma Racional: el enfoque del agente racional Actuar en Forma Racional: el enfoque del agente racional
●La Inteligencia Computacional (Computational

● El enfoque de las “leyes del pensamiento” esta abarcado en
Intelligence) es el estudio de agentes inteligentes.
este enfoque.
● “Si una acción llega a la meta = > realizar la acción”
(Poole et al.)
● No siempre se puede inferir la acción correcta. En estos casos hay que ● Un agente es algo que actúa en un entorno, hace algo.
decidir.
● Un agente inteligente es un agente que actúa
● Existen acciones correctas que no surgen de la inferencias. Por
ejemplo: Reflejos. inteligentemente: esto es hacer lo apropiado dadas las
● Todas las habilidades presentadas en el test de Turing son circunstancias y su objetivo o propósito; es flexible al cambio
exigidas para emprender acciones: de ambiente y al cambio de objetivos, aprende de la
experiencia, y toma decisiones a pesar de las limitaciones en
● Representar Conocimiento.
● Razonamiento automático
la percepción y computación finita.
● Aprendizaje
Objeciones a la IA
● Contrary Views on the Main Question: "Can machines think?"
● Computing machinery and intelligence. Turing, A.M. (1950). Mind,
59, 433-460.
Unidad 1: ● Independientemente de una valoración subjetiva de su objeto de
estudio, se darán algunas objeciones a su existencia, indicadas por el
Fundamentos de Inteligencia Artificial y mismo Alan Turing.
Agentes Inteligentes ● Es derecho y responsabilidad del alumno, futuro profesional, darle
su valor a cada uno de las ideas expuestas en esta clase.
Objeciones a la IA
La Objeción Teológica La Objeción de la Matemática
“El pensar es una función del alma inmortal del ser humano. “Existen limitaciones en el poder de las máquinas de estados
Dios ha dado un alma a cada ser humano, pero no a los discretos, luego existen preguntas que los seres humanos
animales o las máquinas. pueden responder que las máquinas no pueden.”
Luego, ningún animal o máquina puede pensar” ● El Teorema de la Incompletitud de Gödel, expresa que en
cualquier sistema matemático consistente, siempre habrá
● El pensamiento lógico era una parte esencial de la funcionalidad del verdades que no pueden ser probadas.
alma inmortal que Dios había infundido al Hombre. ● Respuesta de Turing:
● Respuesta de Turing: ● “si bien es cierta para cualquier diseño mecánico, nunca será cierta
● “si Dios era omnipotente, no representaba ningún problema para ni pasible de probar para el intelecto humano y por tanto para la
Él infundir un alma inmortal en una máquina si se le antojaba”. definición de inteligencia.”
● “[Estas] objeciones (…) suponen que la inteligencia artificial debe
ser perfecta, probar todo y no cometer errores ni mostrar
ambigüedades.” Ésto no es esenciales ni para la inteligencia
natural ni artificial, con lo que invalida el argumento.
Computing machinery and intelligence. Turing, A.M. (1950). Mind, 59, 433-460.
La Objeción de la Conciencia La Actitud del Avestruz
“Hasta que una máquina pueda escribir un soneto o componer un “Las consecuencias de que la máquinas pudieran pensar son
concierto en razón de los pensamientos y emociones que sienta, y demasiado atemorizantes. Esperemos, y creamos
no por la manipulación arbitraria de símbolos no podremos esperanzadamente que no lo puedan hacer.”
aceptar que la máquina es igual al cerebro - esto es, no sólo
escribir sino saber que lo ha escrito.” ● Es una falacia lógica conocida como argumentum ad consequentiam:
un tipo de argumento que concluye que una premisa es verdadera
● Argumento fuerte: La inteligencia requiere de la autoconciencia. o falsa dependiendo de si sus consecuencias son buenas o malas.
● ¿Qué pasa con las colonia de hormigas? ● Respuesta de Turing:
● Respuesta de Turing:
● La falacia de la “cabeza en la arena”, oculta el infantil
● Según esta objeción, la única forma de constatar que una máquina piensa es convencimiento de ciertos seres humanos acerca de (...) que su
siendo la máquina misma (solipsismo). Es incomprobable
"talento especial" es precisamente la capacidad de pensar.
● Nadie puede estar seguro de que los demás tienen en verdad emociones.
● “Hay personas que no pueden hablar de corrido y son sumamente inteligentes”.
Aspectos de IA
● Agentes inteligentes.
● Investigación y juegos.
● Sistemas lógicos.
● Sistemas de planificación.
Unidad 1:
Fundamentos de Inteligencia Artificial y ● Incertidumbre: probabilidad y teoría de la decisión.
Agentes Inteligentes ● Aprendizaje.
Aspectos. Fundamentos. Estado del Arte de IA. ● Lenguaje.

● Percepción.
● Robótica.
● Aspectos filosófico
Fundamentos de la IA Estado del Arte
Filosofía Lógica, métodos de razonamiento. ¿Cuál de las siguientes se puede hacer en el presente?
Mente como sistema físico. ● Jugar una partida de tenis de mesa .
Fundamentos de aprendizaje, lenguaje, racionalidad.
● Conducir por un puerto de montaña.
Matemáticas Representación formal y pruebas.
Algoritmos, computación, (in)decisión, (in)flexibilidad. ● Conducir en el centro de Córdoba.
Probabilidad. ● Comprar alimentos para una semana en Despensa Rubén.

Psicología Adaptación. ● Comprar alimentos para una semana en Internet.
Fenómenos de percepción y control motor. ● Jugar una partida de chin chón.
Técnicas experimentales (psicofísica, etc.).
● Descubrir y probar un nuevo teorema matemático.
Economía Teoría formal de las decisiones racionales.
Lingüística Representación del conocimiento. ● Escribir una historieta divertida.
Gramática. ● Ofrecer consejo legal competente en un área legislativa especializada.
Neurociencia Sustrato físico plástico para la actividad mental. ● Traducir simultáneamente del inglés hablado al quechua hablado.
Teoría de control Sistemas homeostáticos, estabilidad.
● Llevar a cabo una operación quirúrgica.
Diseños de agente óptimo simples.
Algunos Problemas a Tratar Algunos Problemas a Tratar
● SEND MORE =MONEY. Codificar cada letra con un dígito de
forma tal que se logre la suma.
● Hay 2 tanques de agua, uno de 3ls. y otro de 5ls., y una fuente.
Los tanques están llenos o vacíos. Hay que poner 4ls. en el
tanque.
● Ubicar 4 reinas en un tablero de 4x4 evitando que estén en
jaque.
● Un hombre vive en un edificio en el décimo piso. Todos los días
toma el ascensor hasta la planta baja para ir a su trabajo.
Cuando vuelve, sin embargo, toma el ascensor hasta el séptimo
piso y hace el resto del recorrido hasta el piso en el que vive (el
décimo) por las escaleras. Si bien el hombre detesta caminar,
¿por qué lo hace?
Algunos Problemas a Tratar Algunos Problemas a Tratar
Unidad 1:
Fundamentos de Inteligencia Artificial y
Agentes Inteligentes
Proyecciones y Motivaciones
Excepto cuando se indique lo contrario, el contenido de esta obra está bajo la Licencia Creative Commons Atribución-CompartirIgual 4.0
Internacional. Para ver la licencia, visita http://creativecommons.org/licenses/by-sa/4.0/.
Los logos de “UNER”, “Universidad Nacional de Entre Ríos” y de “Facultad de Ciencias de la Administración” tienen copyright.
Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 51

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 52/69
Los Límites de la IA
● ¿Es posible para el hombre crear una máquina más inteligente que
el mismo?
● ¿Existen componentes en la inteligencia humana que no se
encuentran en otros animales o puedan ser duplicados en una
Unidad 1: máquina?
Fundamentos de Inteligencia Artificial y ● ¿Es posible duplicar todo comportamiento inteligente
Agentes Inteligentes descomponiendo una tarea en una sucesión de tareas o
subproblemas más simples que puedan ser planteados con
precisión y luego resueltos?
Limites de la Inteligencia Artificial
Los Límites de la IA Bibliografía
● ¿Puede una máquina exhibir comportamiento completamente ● Simari G. Presentación de Clase “Introducción” . Cátedra:
humano sin haber tenido experiencia humana y sin herencia Inteligencia Artificial 2012. Dep. Cs. Computación. UNS.
ancestral? ● John McCarthy. What is Artificial Intelligence? Computer Science
● ¿Es posible lograr comportamiento inteligente con el equipamiento Dept. Stanford University.
computacional que se puede crear? http://www-formal.stanford.edu/jmc/whatisai/whatisai.html
● ¿Es acaso el comportamiento inteligente una propiedad de la ● S. Russell, P. Norvig. Artificial Intelligence: A Modern Approach. 3rd
estructura orgánica y por lo tanto nunca reproducible por Edition. Prentice Hall. 2nd Edition.
maquinaria no-orgánica? ● D. Poole, A. Mackworth, R. Goebel. Computational Intelligence: A
Practical Approach. Oxford University Press. 1998.
● Alan M. Turing. Computing machinery and intelligence. 1950. Mind,
59, 433-460.
“Unidad 1: Fundamentos de Inteligencia Artificial y
Agentes Inteligentes – Inteligencia Artificial.”
©2015-19 Cristian Damián PACIFICO – Cátedra Inteligencia Artificial – FCAD/UNER

Este documento de cátedra adopta una licencia de Creative Commons del tipo “Reconocimiento –
Compartir Igual (by-sa)”, la cual exige el reconocimiento del autoría de la obra, permite el uso
comercial y no-comercial de misma y de las posibles obras derivadas, y la distribución de estas, la
cual debe hacerse con una licencia igual a la que regula la obra original. Véase
http://www.creativecommons.org.ar/licencias.
Excepto cuando se indique lo contrario, el contenido de esta obra está bajo la Licencia
Creative Commons Atribución-CompartirIgual 4.0 Internacional.
Para ver una copia de esta licencia, visita http://creativecommons.org/licenses/by-sa/4.0/.
Los logos de “UNER”, “Universidad Nacional de Entre Ríos” y de “Facultad de Ciencias de la
Administración” están sujetos a leyes de copyright.
Inteligencia Artificial - Teoría - 2019 Unidad 1: Fundamentos de IA y Agentes Inteligentes 70/69

U102 IA-nup

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

U102 IA-nup

Cargado por

Copyright:

Formatos disponibles

Objetivos

1. Inteligencia. Atributos de una entidad inteligente.

Computational Intelligence: A Practical Approach. Computational Intelligence: A Practical Approach.

Computational Intelligence: A Practical Approach.

Artificial Intelligence: A Modern Approach. S. Russell, P. Norvig.

Sistemas que piensan Sistemas que piensan

● La auténtica ciencia cognitiva se fundamenta en la investigación

● De hecho, esta forma de ver al pensamiento ha alimentado

Computing machinery and intelligence.

en función de acrecentar su utilidad. resultado, dada la información disponible.

●La Inteligencia Computacional (Computational

Aspectos. Fundamentos. Estado del Arte de IA. ● Lenguaje.

Probabilidad. ● Comprar alimentos para una semana en Despensa Rubén.

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 51

©2015-19 Cristian Damián PACIFICO – Cátedra Inteligencia Artificial – FCAD/UNER

Inteligencia Artificial - Teoría - 2019 Unidad 1: Fundamentos de IA y Agentes Inteligentes 70/69

También podría gustarte