INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

Dr. Miguel Wister

• Inteligencia humana • Inteligencia artificial

¿Qué es la inteligencia humana?

“La inteligencia es sólo un término genérico para indicar formas superiores de organizaciones de las estructuras cognoscitivas... el comportamiento se hace más inteligente a medida que las sendas entre el sujeto y el objeto sobre el que actúa, dejan de ser simples y se vuelven progresivamente más complejos. La inteligencia constituye el estado de equilibrio hacia el que tienden todas las adaptaciones sucesivas de origen sensoriomotor y cognoscitivo, así como todas las interacciones de asimilación y acomodación entre el organismo y su ambiente”.
Jean Piaget 1950.

¿Qué es la inteligencia humana?

Siete tipos de Inteligencia o Inteligencia Múltiple

-

Inteligencia Inteligencia Inteligencia Inteligencia

Verbal Espacial Kinestésica Musical

- Inteligencia Lógica - Inteligencia Interpersonal - Inteligencia Intrapersonal

Howard Gardner

Adquiere nuevo conocimiento a través de la experiencia.)‫‏‬ – Aprendizaje. • Formas en que las gentes demuestran Inteligencia – Comunicación efectiva (textos. dibujos. .¿Qué es la inteligencia humana? • Aspectos de la Inteligencia humana – “Ellas es inteligente” – “Ella sabe mucho” – “Ella piensa rápido” • “Sus acciones son apropiadas en cada situación”. etc. expresión verbal.

publishes 'Computing Machinery and Intelligence'. which suggests that machines may someday 'compete with men in all purely intellectual pursuits'.AI . • 1950 Alan Turing (the 'Father of AI') and designer of the first electronic computer 'Colossus'. psychiatrists and electrical engineers.) first proposes the term 'Artificial Intelligence'. IBM also begin working on simulated neural networks. • 1943 Warren McCulloch and Walter Pitts modelled a simple neural network. neurologists. • 1956 A Summer conference in Hanover. New Hampshire of mathematicians.Timeline Time Line of 'Significant Events' in Artificial Intelligence Research • 1936 Alan Turing considers the brain as a way of looking at computing. . John McCarthy (a Maths prof. • 1947 Arthur Samuel from IBM began work on a program to play 'Checkers' that was capable of learning from its mistakes.

• 1959 Widrow and Hoff develop 'ADALINE' and 'MADALINE' as the first neural networks in real life application (they filtered noise and echoes from phone lines) • 1961 Arthur Samuel consistently beaten by his own 'checkers' program • 1962 The Perceptron neural network model proposed by Rosenblatt (uses corrective learning).• 1957 Prediction by Rand Corporation that 'within 10 years a digital computer will be the worlds chess champion. US Defence Department forms Defence Advanced Research Projects Agency (DARPA) .military applications for AI to be explored with large injection of funds. • 1963 'Eliza'. the most commonly used AI research language introduced by John McCarthy. unless rules ban it from competition' (still not achieved to date). • 1958 LISP (LISt Processing language). a natural language program by Joseph Weizenbaum of Massachusetts Institute of Technology used to simulate diagnosis by a psychiatrist .

. on-board logic. 1968 'SIR' (Semantic Information Retrieval) . 1970 'CASNET' . 1972 PROLOG is introduced as an artificial intelligence language. television camera. bump detector and antennae for radio linkage Minsky and Papert (author of LOGO) conclude that the Perceptron is unable to solve any useful problems.a program that could make deductions from facts written by Bert Raphael 1969 'Shakey' . 1967 Grossberg developed the Avalanche series of neural networks which were able to control robot arms and perform speech recognition.an expert system for diagnosis and treatment of Glaucoma 1971 'MACSYMA' . is the first expert system. Buchanan and Lederberg work on an 'if.an expert system to perform differential and integral calculus better than most human experts. The result 'DENDRAL'. .an ambulatory robot debuts at Stanford university -equipped with range finder.then' program to assist in analysing spectrograph data.• • • • • • • 1965 Feigenbaum.

'R1' (computer system configuration).an expert system that could diagnose bacterial infections on the basis of symptoms (used 400 rules) • 1976 'Hearsay' .the first 'natural language' PC database.a speech understanding program.8' .a backgammon program defeats the world champion winning $US5000 for its author Hans Berliner. as part of a five year project sponsored by DARPA • 1979 'BKG 9.• 1975 'MYCIN' . • 1985 'Q&A' . 'SAM' (brain haemorrhages and high blood pressure treatment). . 'DART' (computer breakdown support). 'DIPMETER' (geological layer analysis) and 'SIMMIAS' (oil prospecting) • 1982 DARPA outlines a 20-year plan for AI defence systems on earth and in space. by Symantec. • 1981 Expert systems 'ONCOCIN' (cancer treatment).a voice activated computer system capable of dictation with a 5000 word vocabulary by Kurzweil Applied Intelligence. • 1988 'VoiceReport' .

as well as businesses and corporations .not realised to date. released for the PC by Artificial Intelligence Corp.• 1989 'KBMS' (Knowledge Base Management System). allows users to construct expert systems. Neural networks for Defence meeting (re-focus on the Perceptron) • 1990 Targeted as the date for Japans Fifth Generation Project to be integrated into small businesses and homes. .

Inteligencia artificial • ¿Sistema experto? • ¿Un robot? • Técnica moderna para resolver problemas que el hombre no puede resolver. • ¿Fantasía o ciencia ficción? .

Es el estudio de cómo hacer que las computadoras hagan cosas que. maquinas con mente. Luger & Stubblefield. 1992. Winston. Rama de las Ciencias Computacionales que está orientada a la automatización del comportamiento. hasta el momento. es decir. . La interesante tarea de lograr que las computadoras piensen. en su amplio sentido literal. sistemas que nosotros asociamos con inteligencia. Estudio de métodos computacionales que hacen posible percibir.Definiciones El estudio de cómo hacer sistemas computacionales inteligentes. 1991. Faigenbaun. 1985. 1993.. Rich & Knight.. el ser humano hace mejor. razonar y actuar. Haugeland.

1990. aprendizaje.. resolución de problemas.Definiciones • La automatización de actividades que vinculamos con procesamiento humano. 1990. Charniak & Mcdermott.. 1985. Kurzweil. • Un campo de estudio que se enfoca a la explicación y emulación de la conducta inteligente en función de procesos computacionales. • El estudio del comportamiento inteligente de las máquinas. Nilson . actividades tales como toma de decisiones. Bellman. 1978. • El arte de crear maquinas con capacidad de realizar funciones que realizadas por personas requieren inteligencia. Schalkoff. • El estudio de las facultades mentales mediante el uso de modelos computacionales.

(Partridge. 1993).  .  La empresa de construir un sistema de símbolos físicos capaz de aprobar la prueba de Turing (Ginsberg.Definiciones Un conjunto de algoritmos manejables mediante cómputo. 1991). 1986). aproximaciones adecuadas de problemas especificados intratables.  El campo de la informática que estudia qué tanto es posible lograr que las máquinas actúen inteligentemente (Jackson.

1988).  .Definiciones Un campo de estudio que incluye técnicas de cómputo con el fin de realizar tareas que evidentemente requieren de inteligencia cuando las efectúan los seres humanos (Tanimoto.  Lograr que las computadoras hagan aquello que es al parecer inteligente (Rowe. 1989).  Investigación muy general sobre la naturaleza de la inteligencia y de los principios y mecanismos necesarios para su comprensión o reemplazo (Sharples et al. 1990)..

Paradigmas de inteligencia artificial • Inteligencia artificial basada en simbolos • Inteligencia artificial basada en comportamiento • Inteligencia artificial basada en conexionismo .

busquedas heuristicas. logica difusa. razonamiento matemático. • Inteligencia artificial basada en comportamiento – Todas las representaciones del conocimiento deben estar conectadas o “amarradas” con el mundo físico. robots.Paradigmas de inteligencia artificial • Inteligencia artificial basada en simbolos – Colección de patrones y procesos – La inteligencia reside en el conocimiento (simbolos) y la forma adecuada de representar o manipular ese conocimiento. – Interacción : agente / medio ambiente. – Agentes inteligentes. – Redes neuronales. • Inteligencia artificial basada en conexionismo – La inteligencia radica en la interacción colectiva de un extenso número de elementos simples. automatas celulares y algoritmos geneticos. – Sistemas expertos. .

.

La mente humana es muy compleja de duplicar”. .Algunas criticas sobre IA • • • Allan Turing (Test de Turing)‫‏‬ Searle (Cuarto Chino)‫‏‬ Lenat ‘80 “Las computadoras no son capaces de actuar inteligentemente. si no tienen las ideas básicas que la gente tiene acerca del mundo real” • Dreyfus “Nunca seremos capaces de establecer reglas para todas las maneras en que pensamos.

Does a Computer Really Think? Turing Test A B The interrogator .

Does a Computer Really Think? Chinese room .

• Aplicar conocimiento para manipular el medio ambiente.Comportamiento Inteligente • Aprender o entender de la experiencia. • Usar la razón en la solución de problemas y dirigir la conducta en forma efectiva. • Responder rápidamente y exitosamente a una nueva situación. • Dar sentido a mensajes ambiguos y contradictorios. . • Pensar y razonar. • Entender e inferir en forma racional y ordinaria.

. (Engineering orientation). (Scientist orientation). • Representar esos procesos en una máquina.Objetivos de la inteligencia artificial • Estudiar los procesos del pensamiento humano.

10-3 segs. de neuronas.Capacidades máquina vs. 105 compuertas 109 bits disco. Cerebro humano 1011 neuronas 1011 Neuronas 1014 sinapsis. 109 bits/segs. 1014 bits/segs. 105 . cerebro Computadora Unidades de cómputo Unidades de almacenamiento Ciclos de tiempo Ancho de banda Actualización / segs. RAM. 1014 1010 bits 10-8 segs. 1 CPU.

Inteligencia artificial vs. inteligencia natural • Ventajas de la IA – – – – – • Es permanente Fácil de duplicar y diseminar Menos cara Consistente y robusta Puede ser documentada Ventajas de la IN – – – – – Creativa Usa la experiencia sensorial Amplio contexto de la experiencia Emplea sentido común Posee conciencia .

Terminología usada en inteligencia artificial • Algoritmo: Método para resolver problemas y que siempre produce una solución correcta. • Heurística: Método para procesar información que sirve para tomar decisiones y normalmente produce una solución aceptable (rules of Thumb). .

Un símbolo es un conjunto de caracteres que significa algún concepto del mundo real. • Inferencia: Capacidad de razonar usando heurística para la deducción de hechos y reglas. • Espacio de búsqueda: Conjunto de todas las posibles soluciones a un problema.Terminología usada en inteligencia artificial • Símbolo: El conocimiento representado como un conjunto de símbolos. .

Inteligencia artificial vs. Programación convencional DIMENSIÓN Procesamiento Naturaleza de entrada Búsquedas Uso Naturaleza de salida Hardware Capacidad de razonamiento INTELIGENCIA ARTIFICIAL Principalmente simbolico Puede ser incompleto Heurística Conocimiento Puede ser incompleto PC y WS Sí CONVENCIONAL Principalmente cómputo y cálculos Debe ser completo Algoritmos Datos Debe ser correcto Todos los tipos No .

En el sentido más amplio del término. Conocimiento para el filósofo griego Platón. al ser tomados por sí solos. . poseen un menor valor cualitativo. o a través de la introspección (a priori). se trata de la posesión de múltiples datos interrelacionados que. el conocimiento es aquello necesariamente verdadero (episteme). por lo que forman parte del ámbito de lo probable y de lo aparente. En cambio.Conocimiento en la inteligencia artificial ¿Qué es el conocimiento? (1era parte) El conocimiento es un conjunto de información almacenada mediante la experiencia o el aprendizaje (a posteriori). la creencia y la opinión ignoran la realidad de las cosas.

después llega al entendimiento y concluye finalmente en la razón. Se dice que el conocimiento es una relación entre un sujeto y un objeto. operación y representación interna (el proceso cognoscitivo).Conocimiento en la inteligencia artificial ¿Qué es el conocimiento? (2da parte) El conocimiento tiene su origen en la percepción sensorial. El proceso del conocimiento involucra cuatro elementos: sujeto. . objeto.

Conocimiento en la inteligencia artificial alto bajo Gr ad o d e ab s t r ac c i ó n CONOCIMIENTO Sistemas Inteligentes INFORMACIÓN Sistemas convencionales DATOS Cantidad .

.

softbots)‫‏‬ .Resultados de investigaciones de inteligencia artificial – – – – – – – – Tiempo compartido Interacción hombre máquina (Human-Computer Interaction) Procesamiento de lenguaje natural Sistemas expertos Programación lógica Programación orientada a objetos Hojas de cálculo Agentes inteligentes (sistemas multiagentes.

bionica)‫‏‬ Reconocimiento del habla/voz Visión computacional Aprendizaje automático Tecnologías que no trabajaran bien en poco tiempo – – – – – Sentido común Planificación Aprender de la experiencia Analogías Creatividad .Tecnologías que no trabajan bien todavía – – – – – – – Robótica y la fabrica del futuro Dificultad para controlar los robots Sensores para robots Avances en robots orgánicos (cibernética.

psicología. hardware y software de computadora. mecánica.El campo de la inteligencia artificial El desarrollo de máquinas que exhiben características inteligentes involucra muchas ciencias y tecnologías diferentes tales como lingüística. hidráulica y óptica. – – – – Sistemas expertos Tutores inteligentes Algoritmos genéticos Robots inteligentes . filosofía.

Su principal característica es que separan el conocimiento (Knowledge Base) del mecanismo de inferir nuevo conocimiento (Inference Engine). Aplicaciones: • • • • • • • • • • Interpretación Predicción Diagnóstico Diseño Planificación Monitorización Revisión Reparación Instrucción Control .Sistemas expertos Programa computacional que intenta imitar los procesos de razonamiento y conocimiento de los expertos para resolver diferentes tipos de problemas en un dominio especifico.

Tutores inteligentes Programa Inteligente que tiene como propósito proveer un ambiente de instrucción sofisticada. • Capaz de deducir la aproximación del usuario a ese conocimiento. El tutor inteligente debe tener tres componentes principales. Aplicaciones: • • • • • • • SCHOLAR LOGO SOPHIE STEAMER WEST BUGGY GUIDON . • Expertise en un dominio especifico. • Pedagógico para implementar las estrategias para reducir las diferencias de conocimiento entre el experto humano y el usuario.

La combinación de los individuos toman en cuenta la sobrevivencia del más apto. Consiste en un conjunto de strings (individuos) que son combinados utilizando operadores de selección. cruce y mutación para evolucionar la población a través de un número de generaciones. f(x) ---> función de aptitud Generación T Población Intermediaria Generación T + 1 .Algoritmos genéticos Algoritmos de búsqueda basados en la mecánica de selección y genética natural.

Algoritmos genéticos Aplicaciones de algoritmos genéticos son: • • • • • • • Optimización Programación automática Aprendizaje automático Economía Sistemas inmunes Ecología Evolución y sistema sociales .

. Pronósticos financieros.Redes neuronales Es un modelo que emula el funcionamiento de una red neuronal biológica en su forma más simple. Reconocimiento de caracteres escritos a mano y en máquina. Control de vibraciones y sonido. Clasificación de patrones Fraudes en tarjetas de crédito. Aplicaciones: • • • • • • • Telecomunicaciones. Control y optimización.

Basada en los conjuntos difusos de Zadeh. sino existe un área donde la posibilidad de un quizas está presente.Lógica difusa Técnica de IA que está directamente relacionada con aspectos de incertidumbre.      Nunca Casi nunca Algunas veces Frecuentemente Siempre Aplicaciones: • Sistemas expertos • Controlador automático de trenes • Compra y venta de acciones • Aparatos domésticos • Robótica • Tecnología espacial . es decir. toma en cuenta que proceso de decisión no es cuestión de falso o verdadero. Simula el proceso de razonamiento humano normal para permitir a la computadora comportarse de una manera más flexible.

• Tonto (dumb)‫‏‬ • Inteligente Aplicaciones: • • • • Fábricas inteligentes Exploración espacial Automatización de oficinas Hogar .Robótica inteligente Dispositivo electromecánico que puede ser programado para ejecutar tareas manuales y rutinarias.

Visión computacional Proceso computacional para identificación de imágenes. Aplicaciones: • • • • Exploración espacial Procesos industriales Robótica Medicina .

¿? Cuac cuac Aplicaciones: • • • • Tutores Agentes inteligentes Procesadores de palabras Angels .Reconocimiento de voz Técnica para identificar diferentes aspectos del lenguaje hablado y establecer así la comunicación directa entre las computadoras y el ser humano.

Procesamiento de lenguaje natural Técnica de IA que busca establecer las estrategias para comunicarse con las computadoras en lenguaje natural en lugar de usar comandos especiales. Aplicaciones: • • • • Interfaces Resumen de noticias Redacción de documentos Translate (traductores)‫‏‬ . sintaxis o menús.

Sign up to vote on this title
UsefulNot useful