Curso de Inteligencia Artificial (Unidad I)

INSTITUTO TECNOLÓGICO
de nuevo laredo
Curso de
Inteligencia Artificial
Ing. Sergio Garza Carranza M.C.

Curso de Inteligencia Artificial
CONTENIDO
1. Introducción
2. Representación del Conocimiento
3. Lenguajes de Programación para I.A.
4. Estrategias de búsqueda.
5. Sistemas Expertos
Ing. Sergio Garza Carranza M.C. 2

BIBLIOGRAFÍA
INTELIGENCIA ARTIFICIAL Un Enfoque Moderno
Stuart Russell, Peter Norvig
2ª Edición, Pearson Prentice Hall
INTELIGENCIA ARTIFICIAL
Elaine Rich, Kevin Knight
2ª Edición, McGraw Hill
Patrick Henry Winston
3ª Edición., Addison Wesley

EVALUACIÓN
 Exámenes escritos
 Programas
 Tareas
 Exposición de clase
 Participación / asistencia

1.
Introducción

La Inteligencia Artificial y la humana

Antes de describir la inteligencia artificial, conviene distinguir
claramente entre los términos inteligencia artificial e inteligencia
humana.
•Todos los sistemas exitosos de IA se basan
en el conocimiento y la experiencia
humanos, y patrones de razonamiento
seleccionados.
•Los sistemas exitosos de IA son
“naturalmente” inteligentes. Son como libros
de texto y otros artefactos humanos de
inteligencia.


•La mayor parte de los sistemas de IA pueden ser desarrollados solo
cuando la inteligencia humana puede ser expresada en forma
sencilla (por ejemplo : si x entonces y).
•Los sistemas existentes extienden el

poder de los expertos, pero de ninguna
manera los sustituyen ni “capturan”
mucha de su inteligencia.
•A los sistemas inteligentes existentes les
falta el sentido común y la generalidad de
los seres humanos.


•Por su parte, la inteligencia humana es de gran complejidad y de
mucha mayor amplitud que las computadoras o los sistemas de
información.
•Los filósofos, los psicólogos y otros estudiosos
del conocimiento humano han reconocido que
los aspectos claves de la inteligencia humana
van más allá de toda descripción posible, y por
lo tanto, no pueden ser imitados fácilmente por
cualquier máquina diseñada escrupulosamente.
•Si un problema no puede ser descrito, no puede
ser programado.


•Al menos cuatro capacidades importantes quedan involucradas en
la inteligencia humana :
 Raciocinio.
Comportamiento.
Uso de metáforas y analogías.
Creación y uso de conceptos.
Ing. Sergio Garza Carranza M.C.

 
9
Definición
Inteligencia.
•Facultad de entender, de comprender. Aptitud, variable con los
individuos y las especies, para resolver todo tipo de problemas.
•Capacidad para percibir hechos, proposiciones y relaciones, y
razonar sobre ellos.
“La inteligencia distingue al hombre del animal”

Definición
Inteligencia Artificial.
Existen muchas definiciones de
Inteligencia artificial, sin embargo todas ellas giran en torno a una
misma idea. Por ejemplo:
“Conjunto de técnicas que se aplican a la computadora

con el objeto de desarrollar su capacidad para realizar
funciones de aprendizaje y autocorrección”
La siguiente tabla muestra una clasificación de algunas

definiciones de IA con respecto a su enfoque.

“El estudio de las facultades mentales
Procesos mentales
y razonamiento “La automatización de actividades mediante el uso de modelos
que vinculamos con procesos de computacionales”
pensamiento humano, tales como (Charniak y McDermott, 1985).
la toma de decisiones, resolución
de problemas, aprendizaje ...” “Estudio de los cálculos que permiten
(Bellman, 1978). percibir, razonar y actuar”
(Winston, 1992).
“El arte de crear máquinas con “Un campo de estudio que se enfoca
capacidad de realizar funciones a la explicación y emulación de la
que realizadas por personas conducta inteligente en función de
requieren de inteligencia” procesos computacionales”
Conducta
(Kurzweil, 1990). (Schalkoff, 1990).
“El estudio de cómo lograr que “La rama de la ciencia de la

las computadoras realicen computación que se ocupa de la
tareas que, por el momento, los automatización de la conducta
humanos hacen mejor” inteligente”
(Rich y Knight, 1991). (Luger y Stubblefield, 1993)
Eficiencia Humana Racionalidad 12

FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
Filosofía
¿Cómo se genera la inteligencia mental a partir de un cerebro físico?
¿De dónde viene el conocimiento?
¿Cómo se pasa del conocimiento a la acción?
• Lógica, métodos de razonamiento.

• Mente como sistema físico.
• Fundamentos de aprendizaje, lenguaje, racionalidad.

Matemáticas
¿Qué se puede computar?
¿Cómo razonamos con información incompleta?
• Algoritmos
• Computación
• Indecisión, inflexibilidad.
• Probabilidad

Neurociencia
¿Cómo procesa la información el cerebro?
• Neuronas
• Actividad mental
Psicología
¿Cómo piensan y actúan los humanos y animales?
• Conductismo
• Psicología cognitiva
• Ciencia cognitiva

Economía
¿Cómo se debe llevar a cabo el proceso de toma de decisiones para
maximizar el rendimiento?
• Teoría de toma de decisiones

• Teoría de juegos
• Investigación operativa.

Antecedentes.
•En 1956, Marvin Minsky, Claude
Shannon y otros innovadores en los
primeros estudios sobre computadoras y de
la inteligencia se reunieron en el Darmouth
College.
Marvin Minsky
•Jhon McCarthy, entonces profesor

asistente de matemáticas en Darmouth,
acuñó el término inteligencia artificial para
el tema de la conferencia.
Jhon McCarhty

•El punto cumbre fué la presentación del Logic Theorist. Este

sistema procesaba símbolos no numéricos en lugar de números, y
demostró ciertos teoremas de los Principia Mathematica de Alfred
North Whitehead y Bertrand Russell.
•Este fué el primer software en manifestar propiedades de
inteligencia artificial.
Alfred North Whitehead Bertrand Russell

DESARROLLO HISTÓRICO DE LA INTELIGENCIA ARTIFICIAL
Según Jackson (1986)
1950-1965 Periodo “Clásico”

Peter Jackson
•Gestación [McColluck y Pitts, Shannon, Turing]
•Inicio - reunión de Darmouth College en 1956 [ Minsky, McCarthy]
•Redes neuronales, robótica (Shakey)
•Búsqueda en un espacio de estados, Heurísticas, LISP
•Resolvedor general de problemas (GPS) [Newell, Simon]
•Juegos, prueba de teoremas
•Limitaciones de pura búsqueda, explosión combinatoria.

1965-1975 Periodo “romántico”
•Representación “general” del conocimiento.

•Redes semánticas [Quillian]
•Prototipos (frames) [Minsky]
•Perceptrón [Minsky y Papert]
•Lógica [Kowalski]
•Mundo de bloques (SHDRLU) [Winograd]
•Compresión de lenguaje, visión, robótica.
•Dificultades de representación ``general'', problemas de “juguete”.

1975-Hoy Periodo “moderno”
•Inteligencia “especifica” vs “general”.

•Representación explícita del conocimiento específico del dominio.
•Sistemas expertos o basados en conocimiento.
•Regreso de redes neuronales [Hopfield, Rumelhart, Hinton], algoritmos
genéticos [Holland, Goldberg]
•Reconociminto de voz (HMM), incertidumbre (RB, Lógica difusa),
planeación, aprendizaje
•Aplicaciones “reales” (medicina, finanzas, ingeniería, exploración, etc )
•Limitaciones: conocimiento “superficial”, muy específico, falta
“sentido común”.

Según Russell y Norvig (1995)
Stuart Russell Peter Norvig

Gestación (1943-1956):
McCullock y Pitts (43), Hebb (49), Shannon (50), Turing (53), Minsky y
Edmonds (51). Darmouth College (56) McCarthy, Newell y Simon “The
Logic Theorist”
Entusiasmo y grandes expectativas (1952-1969):

Samuel - checkers (52), McCarthy (58): Lisp, time sharing, Programs with
common sense. Minsky y McCarthy en MIT moldearon mucho del area. En 63
McCarthy se fue a Stanford SRI, Shakey, etc. Minsky Evans, Student, Waltz,
Winston, Winograd, etc. Trabajo en RN: Hebb, Widrow, Rosenblatt


Dosis de realidad (1966-1974):
Simon predecía que en 10 años se tendría una máquina inteligente. Predicciones
similares en traducción automática y ajedrez. Teoría de NP-completness.
Experimentos en machine evolution (ahora algoritmos genéticos) (Friedberg, 58)
estaban bien fundados pero no produjeron nada. Minsky y Papert Perceptrons (69)
Sistemas basados en conocimiento (1969-1979):

Dendral , Mycin , HPP, Prospector, Winograd SHDRLU, frames, Prolog, Planner
IA como industria (1980-1988):

R1/XCON, proyecto de la quinta generación, shells y máquinas de Lisp.
Regreso de redes neuronales (1986-presente):

Hopfield, Rumelhart y Hinton y descenso de los SE
Eventos recientes (1987-presente):

Cambio gradual hacia los técnicos y lejos de los rudos (implica cierto grado de
madurez y estabilidad) , reconocimiento de voz (HMM), incertidumbre
(Bayes), planeación (Tweak), robótica, aprendizaje (PAC), etc

DESARROLLO DE LA INTELIGENCIA ARTIFICIAL

• El desarrollo de las técnicas de IA tiene dos fuentes principales:
El Enfoque Ascendente
El Enfoque Descendente
El enfoque ascendente, trata de imitar

al cerebro humano al nivel de máquina.
Las máquinas de “retroalimentación”
de Norbert Wiener, el Perceptrón de
Frank Rosenblatt y las computadoras
neurales actuales se basan en este
enfoque.
Norbert Wiener

DESARROLLO DE LA INTELIGENCIA ARTIFICIAL
•El enfoque descendente, trata de

representar el conocimiento
humano a través de la lógica. El
Logic Theorist de Newell y
Simon, el General Problem Solver
y los sistemas expertos actuales
son los ejemplos más importantes
de este enfoque.
Allen Newell

AREAS DE APLICACIÓN DE LA
•Búsqueda de soluciones •Lógica
•Sistemas expertos •Lógica Difusa
•Procesamiento de •Juegos
lenguaje natural
•Redes neuronales
•Reconocimiento de
patrones •Algoritmos genéticos
•Robótica •Realidad virtual
•Aprendizaje

Búsqueda de Soluciones
El término búsqueda aplicado a la Inteligencia Artificial,
no significa encontrar una pieza específica de
información en una base de datos, sino buscar las
soluciones de un problema. Por ejemplo :
Encontrar la ruta más corta entre

dos ciudades, o el famoso
“problema del agente viajero”

Sistemas Expertos
Son el primer producto viable commercialmente de la
Inteligencia Artificial.
Permiten introducir información acerca de una materia
específica a la computadora (base de conocimientos) , y
actúan como si fueran expertos en la materia.
Un Sistema experto simula el
proceso de razonamiento
humano mediante la
aplicación específica de
conocimientos e inferencias.

Procesamiento de Lenguaje Natural (PLN)

Para muchos investigadores , es el más difícil de alcanzar
de todos los objetivos de la Inteligencia Artificial :
Permitir a la computadora comprender el lenguaje
humano directamente; sin el complicado conjunto de
lenguajes intermedios.

Reconocimiento de Patrones (Visión)

Engloba un conjunto de técnicas de la
matemática aplicada y de la informática, ha
despertado un gran interés en las últimas
décadas por sus numerosas aplicaciones,
entre las que se pueden citar las siguientes:
ayuda al diagnóstico médico, análisis
automático de señales, teledetección,
inspección automática de productos
industriales, sistemas de vigilancia
automática, procesamiento de documentos,
búsqueda automática de información
digitalizada etc.

Aprendizaje
Esta área de la Inteligencia Artificial trata de la
realización de programas que aprendan de sus errores,
de observaciones o por encargo.
En este sentido, aprender simplemente significa hacer a
una computadora capaz de beneficiarse de la
experiencia.

Robótica
Como aplicación a la robótica, la Inteligencia
Artificial es el estudio de cómo controlar
movimiento, lo cual es llamado razonamiento
espacial. El principal problema para los robots
autónomos es el de interactuar con el mundo
humano, con sus obstáculos, sucesos
inesperados y entorno cambiante.

Lógica
Uno de los productos de la I.A. de
gran importancia práctica actual
son aquellos programas que se
pueden usar para estudiar la
corrección lógica de argumentos
mediante la aplicación de reglas
estándar de lógica. Esto incluye
demostraciones matemáticas,
lógica formal y lógica filosófica.

Lógica Difusa
Esta área de la Inteligencia

Artificial estudia los problemas
de hacer que una computadora
sea capaz de tomar decisiones
(“pensar”) usando conocimiento
incompleto o probabilístico.

Juegos
Una de las primeras aplicaciones de I.A.
Fueron los juegos, el primer programa para
jugar damas fue concebido en 1947 pero se
realizó hasta 1962. Se dice que el primer
juego de ajedrez por computadora fue
creado por Claude Shannon en 1953.
Actualmente la pasión por los

videojuegos es dominante en
todo el mundo por niños e
inclusive adultos.

Algoritmos Genéticos
Los Algoritmos Genéticos son una técnica computacional
inspirada en modelos biológicos que han sido utilizados para
realizar búsquedas eficientes en espacios de soluciones
altamente complejos y grandes.
Los Algoritmos Genéticos son métodos adaptivos que pueden
ser utilizados para implementar búsquedas y problemas de
optimización.
Los Algoritmos Genéticos están basados
en los procesos genéticos de los
organismos biológicos, codificando una
posible solución a un problema en un
“cromosoma” compuesto por una cadena
de bits o caracteres.
Redes Neuronales Artificiales

Es una nueva forma de computación que es capaz de manejar las
imprecisiones e incertidumbres que aparecen cuando se trata de
resolver problemas relacionados con el mundo real
(reconocimiento de formas, toma de decisiones, etc..), ofreciendo
soluciones robustas y de fácil implementación.
Las RNA están compuestas de muchos elementos sencillos que
operan en paralelo, el diseño de la red está determinado
mayormente por las conexiones entre sus elementos. Al igual que
las conexiones de las neuronas cerebrales.
La idea de las redes neuronales fue
concebida originalmente como un intento
de modelar la biofisiología del cerebro
humano, esto es, entender y explicar
como funciona y opera el cerebro.
Realidad Virtual
Una de las mas recientes aplicaciones de la I.A. es la
Realidad Virtual. Básicamente consiste en la elaboración de
programas que logran engañar a los sentidos del ser
humano, haciéndolo creer que se encuentra flotando,
corriendo o volando una nave espacial.
Estas aplicaciones han sido de gran
utilidad en la simulación de vuelos
para el entrenamiento de pilotos,
astronautas, buzos, etc.

Programa Inteligente
Es aquel programa que exhibe un
comportamiento similar al de un
humano cuando se enfrenta a un
problema específico; no es
necesario que el programa resuelva
concretamente o intente resolver el
problema de la misma forma que
un humano.

•Los sistemas inteligentes pueden ayudar

a los expertos a resolver problemas de
análisis.
•Los sistemas inteligentes pueden ayudar
a desarrollar nuevos elementos del
conocimiento.
•Los sistemas inteligentes pueden
aprender apartir de ejemplos y realizar
generalizaciones.
Pero...¿Cómo evaluar a un sistema como “inteligente”?

Prueba de Turing
Un procedimiento bien conocido para evaluar el éxito
de un programa de IA es la prueba de Turing.
En esta prueba un entrevistador se comunica vía
textual de entrada/salida, con un sistema de IA y con
otra persona que participa en la prueba. El
entrevistador no se da cuenta cuál respuesta viene de la
computadora y cuál de la otra persona.
Si después de hacer suficientes
preguntas el entrevistador no Allan Turing
puede diferenciar entre el hombre
y la máquina, entonces el sistema
pasa la prueba y se estima que es
exitoso, es decir, “inteligente”.

Objetivos de la Inteligencia Artificial

•Realizar investigaciones sobre el comportamiento humano para
desarrollar herramientas de apoyo que ayuden a mejorar las
actividades del hombre.
•Desarrollar y aplicar técnicas para representar un gran volumen de
conocimientos, para resolver problemas complejos de una manera
rápida y confiable.
•Lograr “crear pensamiento”

(sistemas basados en conocimientos)
y poder desarrollar sistemas
diferentes a los convencionales que
no toman decisiones propias.

Problemas de la IA en México
•Escasez de recursos humanos, de software y de
hardware
•Falta de investigación
•Problemas sociales asociados con la
automatización: desempleo, inconformidad, etc.

Curso de Inteligencia Artificial (Unidad I)

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

Curso de Inteligencia Artificial (Unidad I)

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLÓGICO

Ing. Sergio Garza Carranza M.C.

Ing. Sergio Garza Carranza M.C. 2

Ing. Sergio Garza Carranza M.C. 3

Ing. Sergio Garza Carranza M.C. 4

Ing. Sergio Garza Carranza M.C. 5

La Inteligencia Artificial y la humana

Ing. Sergio Garza Carranza M.C. 6

La Inteligencia Artificial y la humana

•Los sistemas existentes extienden el

Ing. Sergio Garza Carranza M.C. 7

La Inteligencia Artificial y la humana

Ing. Sergio Garza Carranza M.C. 8

La Inteligencia Artificial y la humana

Ing. Sergio Garza Carranza M.C.

Ing. Sergio Garza Carranza M.C. 10

“Conjunto de técnicas que se aplican a la computadora

La siguiente tabla muestra una clasificación de algunas

Ing. Sergio Garza Carranza M.C. 11

(Kurzweil, 1990). (Schalkoff, 1990).

“El estudio de cómo lograr que “La rama de la ciencia de la

Eficiencia Humana Racionalidad 12

FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

• Lógica, métodos de razonamiento.

Ing. Sergio Garza Carranza M.C. 13

FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

Ing. Sergio Garza Carranza M.C. 14

FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

Ing. Sergio Garza Carranza M.C. 15

FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

• Teoría de toma de decisiones

Ing. Sergio Garza Carranza M.C. 16

•Jhon McCarthy, entonces profesor

Ing. Sergio Garza Carranza M.C. 17

•El punto cumbre fué la presentación del Logic Theorist. Este

Alfred North Whitehead Bertrand Russell

Ing. Sergio Garza Carranza M.C. 18

DESARROLLO HISTÓRICO DE LA INTELIGENCIA ARTIFICIAL

Según Jackson (1986)

1950-1965 Periodo “Clásico”

Ing. Sergio Garza Carranza M.C. 19

DESARROLLO HISTÓRICO DE LA INTELIGENCIA ARTIFICIAL

1965-1975 Periodo “romántico”

•Representación “general” del conocimiento.

Ing. Sergio Garza Carranza M.C. 20

DESARROLLO HISTÓRICO DE LA INTELIGENCIA ARTIFICIAL

1975-Hoy Periodo “moderno”

•Inteligencia “especifica” vs “general”.

Ing. Sergio Garza Carranza M.C. 21

DESARROLLO HISTÓRICO DE LA INTELIGENCIA ARTIFICIAL

Según Russell y Norvig (1995)

Stuart Russell Peter Norvig

Entusiasmo y grandes expectativas (1952-1969):

Ing. Sergio Garza Carranza M.C. 22

DESARROLLO HISTÓRICO DE LA INTELIGENCIA ARTIFICIAL

Sistemas basados en conocimiento (1969-1979):

IA como industria (1980-1988):

Regreso de redes neuronales (1986-presente):

Eventos recientes (1987-presente):

Ing. Sergio Garza Carranza M.C. 23

DESARROLLO DE LA INTELIGENCIA ARTIFICIAL

El enfoque ascendente, trata de imitar

Ing. Sergio Garza Carranza M.C. 24