Unidad 1: Fundamentos de Inteligencia Artificial y Agentes Inteligentes

Unidad
1: Fundamentos de Inteligencia
Artificial y Agentes Inteligentes
Inteligencia Artificial
Universidad Nacional de Entre Ríos

Facultad de Ciencias de la Administración
Licenciaturas en Sistemas
Inteligencia Artificial - Teoría - 2019 Unidad 1: Fundamentos de IA y Agentes Inteligentes 1/69
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.
● Comprender el concepto de Agente Inteligente y sus características.
● Contenidos:
1. Inteligencia. Atributos de una entidad inteligente.

2. Inteligencia Artificial (IA). Motivaciones. Metas científica e ingenieril. IA
simbólica y no-simbólica. Distintos enfoques de IA. Objeciones y
problemas filosóficos.
3. Agentes Inteligentes. Definición y propiedades. Tipos. Teorías y
arquitecturas. Entorno de Trabajo.
Inteligencia Artificial - 2019 U1: Fundamentos de IA y Agentes Inteligentes 2/69

Unidad 1:
Fundamentos de Inteligencia Artificial y
Agentes Inteligentes
Inteligencia Artificial (IA). Motivaciones.

Metas científica e ingenieril.
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.

¿Qué es Inteligencia Artificial?
● Resulta muy difícil lograr una definición precisa.
● El problema de la definición tiene, al menos, dos
partes:
● La
calidad de ser Artificial
● La Inteligencia que se debe lograr
● Será Artificial por ser esta Inteligencia un producto de
la creación artesanal humana.
● 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.

El problema de definir IA.
Inteligencia Artificial vs. Inteligencia Natural.
● ¿Inteligencia Artificial es “verdadera inteligencia”?
● ¿Una perla artificial, es una verdadera perla?.
● En este caso sería más adecuado “Inteligencia Sintética” en
contraposición a “Inteligencia Natural”.
● La Inteligencia Natural y la Inteligencia Artificial (Sintética), son
ambas, verdaderas inteligencia, como una perla sintética es tan
real como una perla natural.
● La IA, como campo de I+D, está interesada en ambas.
Computational Intelligence: A Practical Approach.

D. Poole, A. Mackworth, R. Goebel. Oxford University Press. 1998.

Inteligencia Artificial vs. Inteligencia Natural.
● ¿InteligenciaNatural = Inteligencia Artificial?
● Primer problema: confundir el propósito de estudio y el método.
● El propósito es entender cómo el comportamiento inteligente es
posible.
● El método es diseñar, construir y experimentar con sistemas
computacionales que realizan tareas que comúnmente son vistas
como inteligentes.
● Resulta más adecuado denominarla Inteligencia Computacional.


Inteligencia Artificial vs. Inteligencia Simulada.
● ¿Inteligencia Simulada = Inteligencia Artificial?
● La meta no es simular inteligencia.
● La meta es entender sistemas inteligentes reales (naturales y
sintéticos) a través de la síntesis de los mismos.
● Máquinas que vuelan – Máquinas que piensan.
● Imitar a los pájaros vs. Entender los principios de la aerodinámica.


¿Qué es IA?
● Es la Ciencia e Ingeniería de construir artefactos
inteligentes, en especial programas inteligentes de
computadora.
● Por analogía, se relaciona con el uso
de computadoras para entender la
inteligencia humana por medio de la
simulación, pero la IA no tiene que
limitarse a métodos que sean
biológicamente observables.
John McCarthy
What is Artificial Intelligence? John McCarthy. Computer Science Dept. Stanford University. Rev. Nov 2007.
http://www-formal.stanford.edu/jmc/whatisai/whatisai.html

¿Qué es IA?
Q. What is artificial intelligence?
A. It is the science and engineering of making intelligent

machines, especially intelligent computer programs. It is
related to the similar task of using computers to understand
human intelligence, but AI does not have to confine itself to
methods that are biologically observable.

¿Qué es IA?
Q. Isn't AI about simulating human intelligence?
A. Sometimes but not always or even usually.

● On the one hand, we can learn something about how to make machines
solve problems by observing other people or just by observing our own
methods.
● On the other hand, most work in AI involves studying the problems the
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.

Meta de la Inteligencia Artificial
● La inteligencia computacional, es el estudio del diseño de
agentes inteligentes.
● La idea es obtener los fundamentos para la especificación y
diseño de agentes inteligentes para implementar, testear y
mejorar sistemas de información en diferentes dominios de
aplicación.
● La meta científica de la CI es entender los principios que hacen
posible el comportamiento inteligente, sea en sistemas naturales
o artificiales. La principal hipótesis de esta afirmación es que el
razonamiento es computable.
● La meta ingenieril de la CI es especificar métodos para el diseño
de artefactos inteligentes útiles.


IA Simbólica y nosimbólica
● IA simbólica es generalmente asociada con:
● la idea que “la inteligencia es computable” y
● que el “cerebro es una computadora”
● IA no-simbólica es asociada con

● la idea que “la inteligencia es comportamiento
adaptativo” y
● con el hecho que “surge de las interacciones
dinámicas de redes de componentes simples”

IA Simbólica
● Enfoque tradicional, introducido por Newell y Simon en 1976.
● Describe IA como el desarrollo de modelos que utilizan la
manipulación simbólica. En aplicaciones IA, las computadoras
procesan símbolos que representan entidades o conceptos del
mundo real.
● Se centra en construir sistemas artificiales inteligentes cuyo
comportamiento puede generarse dotando al sistema de una
representación simbólica de sí mismo, de su entorno y del
comportamiento deseado del sistema.
● Para de esta forma, manipular sintácticamente esta representación.
● Por ejemplo: esta representación simbólica puede ser basada en
lógica, y descriptas con fórmulas lógicas. Y su manipulación
sintáctica se correspondería con la deducción lógica, la
comprobación de teoremas o u otros esquemas de razonamiento.
Understanding the difference between Symbolic AI & Non Symbolic AI - Richa Bhatia
https://analyticsindiamag.com/understanding-difference-symbolic-ai-non-symbolic-ai/
IA No-simbólica
● No manipulan una representación simbólica para encontrar soluciones a
los problemas.
● Realizan cálculos de acuerdo con algunos principios que han demostrado
ser capaces de resolver problemas. Sin entender exactamente cómo llegar
a la solución.
● Los ejemplos de IA no simbólica incluyen:
● algoritmos genéticos,
● redes neuronales y
● aprendizaje profundo (deep learning).
● Sus orígenes provienen del intento de imitar un cerebro humano y su compleja
red de neuronas interconectadas.
● También se conoce como "AI conexionista"
● Ejemplos: translate de Google, reconocimiento de rostros de Facebook y hasta la
tecnología automóvil autónomo.
IA Simbólica vs. No-simbólica
● En la IA simbólica todos los pasos se basan en representaciones simbólicas
del problema que utilizan la lógica y la búsqueda para resolver el
problema.
● 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
a una determinada conclusión y cuáles han sido los pasos de razonamiento.
● Una desventaja clave de la IA no-simbólica es que es difícil entender cómo
el sistema llegó a una conclusión. Esto es particularmente importante
cuando se aplica a aplicaciones críticas, como automóviles sin conductor,
diagnósticos médicos, entre otros.
● Una desventaja clave de la IA simbólica es que para el proceso de
aprendizaje: las reglas y el conocimiento deben codificarse a mano, lo cual
es un problema difícil.
● 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.
¿Qué es IA?
● Es el estudio de los procesos computacionales que hacen
posible percibir, razonar y actuar.
Patrick Winston
● Es el estudio de cómo lograr que las máquinas hagan cosas
que por el momento los seres humanos hacen mejor.
Elaine Rich, Kevin Knight
● Es la rama de las Ciencias de la Computación que se ocupa
de la automatización del comportamiento inteligente.
George Luger, William Stubblefield

¿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)
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)
máquinas con mentes, en un sentido
completamente literal” (Haugeland, 1985)
Sistemas que actúan como humanos Sistemas que actúan racionalmente
“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)
“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?
Foco en los Procesos Mentales y

de Razonamiento
Sistemas que actúan Sistemas que actúan racionalmente

como humanos
Foco en el Comportamiento

¿Qué es IA?
Foco en la Foco en el
“humanidad” del “desempeño” del
sistema sistema
Sistemas que actúan

como humanos Sistemas que actúan racionalmente

Pensar como Humano: el enfoque del modelo cognitivo
Sistemas que piensan Sistemas que piensan

como humanos racionalmente
Sistemas que actúan Sistemas que actúan

● El modelo cognitivo busca determinar cómo piensan los humanos.

● Para lograr este modelamiento es necesario entender con precisión
el funcionamiento de la mente humana.
● Introspección
● Experimentos psicológicos.
● Esto 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
● La Ciencia Cognitiva busca elaborar
teorías precisas del funcionamiento
humano verificables con modelos
computacionales.
● La auténtica ciencia cognitiva se fundamenta en la investigación

experimental en humanos y animales.
● En los comienzos había confusión respecto a los límites que abarcan
las áreas de la Ciencia Cognitiva y la IA.
● Errores: si un algoritmo resolvía adecuadamente un problema,
entonces era un buen modelo de representación humana, y
viceversa.
● Actualmente trabajan separadas e integradas, por ejemplo en
áreas como la interpretación del lenguaje y la visión.

Pensamiento Racional: el enfoque de las “leyes del pensamiento”


● Se considera que el pensamiento es gobernado por leyes formales.

● Aristóteles parece haber sido el primero
en intentar codificar el ”pensamiento correcto”
● Silogismos
● Las leyes del pensamiento gobiernan
la manera en que opera la mente.
● Para él, “pensar” es un proceso y
este proceso puede ser formalizado.

● En 1854, George Boole publicó un

trabajo seminal en Lógica Matemática
titulado
“An Investigation of the Laws of
Thought on Which Are Founded the
Mathematical Theories of Logic and
Probabilities”.
● Este trabajo dio un impulso enorme al
tratamiento formal de la Lógica.

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

primero el progreso de la Lógica y luego el de las Ciencias de la
Computación.
● En el siglo XIX se crea la notación formal para describir
sentencias respecto a los elementos del mundo y sus
relaciones.
● En 1965 ya existían programas que resolvían cualquier
problema resoluble escrito en notación 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


● Alan Turing definió el comportamiento inteligente como “la

habilidad para alcanzar una perfomance a nivel humano en todas
las tareas cognitivas suficiente como para engañar a un ser
humano”, y sugirió el test.
● 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.

Turing (1950)
“Computing machinery and intelligence”:
● “¿Las máquinas pueden pensar?”
-> “¿Las máquinas se pueden comportar
de forma inteligente?”
● Test operativo para evaluar el
pensamiento inteligente:
el Juego de la Imitación.

Algo para ver….

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.

● El computador que pase el test de Turing debe poseer las siguientes
capacidades:
● Procesamiento del lenguaje.
● Representación del Conocimiento.
● Razonamiento Automático.
● Aprendizaje Automático.
● El test original evita la interacción física.
● Test Global de Turing, con interacción física:
● Visión Computacional
● Robótica

● Premio Loebner
● En 1990 Hugh Loebner llegó a un acuerdo con The Cambridge

Center for Behavioral Studies para financiar una competencia sobre
el Test de Turing.
● El Dr. Loebner aportó un Gran Premio de u$100,000 y una
Medalla de Oro para la primera computadora cuyas respuestas
fueran indistinguibles de las de un ser humano.

Comportamiento Humano: Test de Turing: Objeciones
Inteligencia Humana vs Inteligencia en General
● El test es antropomórfico. Sólo se comprueba si el sujeto artificial simula
un ser humano. El test falla para verificar inteligencia en dos
circunstancias:
● El test sería pasado con comportamientos que no se considerarían
inteligentes, como la susceptibilidad a los insultos o la tentación a mentir. Una
máquina puede ser inteligente sin necesidad de interactuar exactamente
como un humano.
● El test falla en capturar las propiedades generales de la inteligencia, como la
habilidad de resolver problemas que cuyas soluciones no surgen a simple vista.
Si una máquina puede resolver un problema complejo, que ninguna persona
resolvió, no pasaría el test.
● Analogía de máquinas de volar.

Comportamiento Humano: Test de Turing: Objeciones
Inteligencia Real vs. Inteligencia Simulada
● El testes explícitamente “comportacionista” o “funcionalista”. Solo
evalúa cómo el sujeto artificial actúa.
● Una máquina que pasa el test puede ser capaz de simular el
comportamiento conversacional humano. Pero esa máquina puede
conocer reglas de buen trato. Dos argumentos en contra del test:
● John Searle's Chinese room (http://plato.stanford.edu/entries/chinese-room/#3)
● Ned Block's Blockhead.
● El test no puede indicar si la máquina tiene conciencia o tiene
intencionalidad. Una no implica a la otra.
● El test de Turing falla en capturar una de las principales diferencias
entre la inteligencia de las máquinas y la inteligencia de la gente.

●Observemos que este test no es una definición
sino un criterio.
●Una definición sería una forma de separar de
manera infalible las cosas inteligentes de
aquellas que no lo son.
●Un criterio acepta un cierto grado de falibilidad
en función de acrecentar su utilidad.
●El Test de Turing fue propuesto como uno de
estos criterios.

Actuar en Forma Racional: el enfoque del agente racional


● Comportamiento racional: hacer lo correcto.

● Lo correcto: aquello con lo que se espera alcanzar el mejor
resultado, dada la información disponible.
● Actual racionalmente: Actuar de manera de alcanzar las metas
deseadas en el contexto de las creencias que se tengan
● No implica el pensamiento obligatoriamente, por ejemplo el
acto reflejo de parpadear, pero el pensamiento debería estar al
servicio de la acción racional.

● El enfoque de las “leyes del pensamiento” esta abarcado en

este enfoque.
● “Si una acción llega a la meta = > realizar la acción”
● No siempre se puede inferir la acción correcta. En estos casos hay que
decidir.
● Existen acciones correctas que no surgen de la inferencias. Por
ejemplo: Reflejos.
● Todas las habilidades presentadas en el test de Turing son
exigidas para emprender acciones:
● Representar Conocimiento.
● Razonamiento automático
● Aprendizaje

●La Inteligencia Computacional (Computational

Intelligence) es el estudio de agentes inteligentes.
(Poole et al.)
● Un agente es algo que actúa en un entorno, hace algo.
● Un agente inteligente es un agente que actúa

inteligentemente: esto es hacer lo apropiado dadas las
circunstancias y su objetivo o propósito; es flexible al cambio
de ambiente y al cambio de objetivos, aprende de la
experiencia, y toma decisiones a pesar de las limitaciones en
la percepción y computación finita.

Unidad 1:
Objeciones a la IA

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.
● Independientemente de una valoración subjetiva de su objeto de
estudio, se darán algunas objeciones a su existencia, indicadas por el
mismo Alan Turing.
● Es derecho y responsabilidad del alumno, futuro profesional, darle
su valor a cada uno de las ideas expuestas en esta clase.

La Objeción Teológica
“El pensar es una función del alma inmortal del ser humano.
Dios ha dado un alma a cada ser humano, pero no a los
animales o las máquinas.
Luego, ningún animal o máquina puede pensar”
● El pensamiento lógico era una parte esencial de la funcionalidad del

alma inmortal que Dios había infundido al Hombre.
● Respuesta de Turing:
● “si Dios era omnipotente, no representaba ningún problema para
Él infundir un alma inmortal en una máquina si se le antojaba”.
Computing machinery and intelligence. Turing, A.M. (1950). Mind, 59, 433-460.

La Objeción de la Matemática
“Existen limitaciones en el poder de las máquinas de estados
discretos, luego existen preguntas que los seres humanos
pueden responder que las máquinas no pueden.”
● El Teorema de la Incompletitud de Gödel, expresa que en
cualquier sistema matemático consistente, siempre habrá
verdades que no pueden ser probadas.
● “si bien es cierta para cualquier diseño mecánico, nunca será cierta
ni pasible de probar para el intelecto humano y por tanto para la
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.

La Objeción de la Conciencia
“Hasta que una máquina pueda escribir un soneto o componer un
concierto en razón de los pensamientos y emociones que sienta, y
no por la manipulación arbitraria de símbolos no podremos
aceptar que la máquina es igual al cerebro - esto es, no sólo
escribir sino saber que lo ha escrito.”
● Argumento fuerte: La inteligencia requiere de la autoconciencia.

● ¿Qué pasa con las colonia de hormigas?
● Según esta objeción, la única forma de constatar que una máquina piensa es
siendo la máquina misma (solipsismo). Es incomprobable
● Nadie puede estar seguro de que los demás tienen en verdad emociones.
● “Hay personas que no pueden hablar de corrido y son sumamente inteligentes”.

La Actitud del Avestruz
“Las consecuencias de que la máquinas pudieran pensar son

demasiado atemorizantes. Esperemos, y creamos
esperanzadamente que no lo puedan hacer.”
● Es una falacia lógica conocida como argumentum ad consequentiam:

un tipo de argumento que concluye que una premisa es verdadera
o falsa dependiendo de si sus consecuencias son buenas o malas.
● La falacia de la “cabeza en la arena”, oculta el infantil
convencimiento de ciertos seres humanos acerca de (...) que su
"talento especial" es precisamente la capacidad de pensar.

Unidad 1:
Aspectos. Fundamentos. Estado del Arte de IA.

Aspectos de IA
● Agentes inteligentes.
● Investigación y juegos.
● Sistemas lógicos.
● Sistemas de planificación.
● Incertidumbre: probabilidad y teoría de la decisión.

● Aprendizaje.
● Lenguaje.
● Percepción.
● Robótica.
● Aspectos filosófico

Fundamentos de la IA
Filosofía Lógica, métodos de razonamiento.
Mente como sistema físico.
Fundamentos de aprendizaje, lenguaje, racionalidad.
Matemáticas Representación formal y pruebas.
Algoritmos, computación, (in)decisión, (in)flexibilidad.
Probabilidad.
Psicología Adaptación.
Fenómenos de percepción y control motor.
Técnicas experimentales (psicofísica, etc.).
Economía Teoría formal de las decisiones racionales.
Lingüística Representación del conocimiento.
Gramática.
Neurociencia Sustrato físico plástico para la actividad mental.
Teoría de control Sistemas homeostáticos, estabilidad.
Diseños de agente óptimo simples.

Estado del Arte
¿Cuál de las siguientes se puede hacer en el presente?
● Jugar una partida de tenis de mesa .
● Conducir por un puerto de montaña.
● Conducir en el centro de Córdoba.
● Comprar alimentos para una semana en Despensa Rubén.
● Comprar alimentos para una semana en Internet.
● Jugar una partida de chin chón.
● Descubrir y probar un nuevo teorema matemático.
● Escribir una historieta divertida.
● Ofrecer consejo legal competente en un área legislativa especializada.
● Traducir simultáneamente del inglés hablado al quechua hablado.
● Llevar a cabo una operación quirúrgica.

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?




Unidad 1:
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

Unidad 1:
Limites de la Inteligencia Artificial

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
máquina?
● ¿Es posible duplicar todo comportamiento inteligente
descomponiendo una tarea en una sucesión de tareas o
subproblemas más simples que puedan ser planteados con
precisión y luego resueltos?

Los Límites de la IA
● ¿Puede una máquina exhibir comportamiento completamente
humano sin haber tenido experiencia humana y sin herencia
ancestral?
● ¿Es posible lograr comportamiento inteligente con el equipamiento
computacional que se puede crear?
● ¿Es acaso el comportamiento inteligente una propiedad de la
estructura orgánica y por lo tanto nunca reproducible por
maquinaria no-orgánica?

Bibliografía
● Simari G. Presentación de Clase “Introducción” . Cátedra:
Inteligencia Artificial 2012. Dep. Cs. Computación. UNS.
● John McCarthy. What is Artificial Intelligence? Computer Science
Dept. Stanford University.
● S. Russell, P. Norvig. Artificial Intelligence: A Modern Approach. 3rd
Edition. Prentice Hall. 2nd Edition.
● 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

Unidad 1: Fundamentos de Inteligencia Artificial y Agentes Inteligentes

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: Fundamentos de Inteligencia Artificial y Agentes Inteligentes

Cargado por

Copyright:

Formatos disponibles

Unidad

Universidad Nacional de Entre Ríos

1. Inteligencia. Atributos de una entidad inteligente.

Inteligencia Artificial - 2019 U1: Fundamentos de IA y Agentes Inteligentes 2/69

Inteligencia Artificial (IA). Motivaciones.

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 3/69

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 4/69

Computational Intelligence: A Practical Approach.

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 5/69

Computational Intelligence: A Practical Approach.

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 6/69

Computational Intelligence: A Practical Approach.

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 7/69

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 8/69

A. It is the science and engineering of making intelligent

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 9/69

A. Sometimes but not always or even usually.

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 10/69

Computational Intelligence: A Practical Approach.

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 11/69

● IA no-simbólica es asociada con

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 12/69

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 16/69

Sistemas que actúan como humanos Sistemas que actúan racionalmente

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

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 17/69

Sistemas que piensan como humanos Sistemas que piensan racionalmente

Foco en los Procesos Mentales y

Sistemas que actúan Sistemas que actúan racionalmente

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 18/69

Sistemas que piensan como humanos Sistemas que piensan racionalmente

Sistemas que actúan

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 19/69

Sistemas que piensan Sistemas que piensan

Sistemas que actúan Sistemas que actúan

● El modelo cognitivo busca determinar cómo piensan los humanos.

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 20/69

● La auténtica ciencia cognitiva se fundamenta en la investigación

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 21/69

Sistemas que piensan Sistemas que piensan

Sistemas que actúan Sistemas que actúan

● Se considera que el pensamiento es gobernado por leyes formales.

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 22/69

● En 1854, George Boole publicó un

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 23/69

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

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 24/69

Sistemas que piensan Sistemas que piensan

Sistemas que actúan Sistemas que actúan

● Alan Turing definió el comportamiento inteligente como “la

Computing machinery and intelligence.

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 25/69

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 26/69

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 27/69

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 28/69

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 29/69

● En 1990 Hugh Loebner llegó a un acuerdo con The Cambridge

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 30/69

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 31/69

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 32/69

Inteligencia Artificial - 2018 U1: Fundamentos de IA y Agentes Inteligentes 33/69

Sistemas que piensan Sistemas que piensan

Sistemas que actúan Sistemas que actúan