Download Introduccion_IA

Bases de Conocimiento
Maestría en Ingeniería en Sistemas
Noviembre – Diciembre 2008
Guido Fidel Flores Pérez
Maestro en Sistemas de Información UDLAP 1990
Master en Redes y Sistemas de Datos UP Madrid 1996
Doctorando en TI y Análisis de Decisiones UPAEP ----
INTELIGENCIA
ARTIFICIAL
La Inteligencia Artificial es un campo de la ciencia
que trata de realizar, con máquinas, tareas que
pueden ser realizadas por el hombre, aplicando
cualquier tipo de razonamiento.
En cierta media cualquier programa de computadora
puede considerarse inteligente. El problema es
diferenciar entre lo que se considera un “programa
inteligente” y el que no lo es.
Un programa inteligente es aquel que exhibe un
comportamiento similar al humano cuando se
enfrenta a un problema idéntico.
Sistemas que PIENSAN como humanos Sistemas que PIENSAN racionalmente
“El nuevo y exitante esfuerzo de hacer que los
computadores piensen”
“La automatización de actividades que
vinculamos con procesos de pensamiento
humano, actividades como la toma de
decisiones, resolución de problemas,
aprendizaje..”
“El estudios de las facultades mentales
mediante el uso de modelos computacionales”
“El estudio de los cálculos que hacen posible
percibir, razonar y actuar”
Sistemas que ACTÚAN como humanos
Sistemas que ACTÚAN racionalmente
“Desarrollar máquinas con capacidad para
realizar funciones que cuando son realizadas
por personas requieren de inteligencia”
“El estudio de cómo lograr que los
computadores realicen tareas, que por el
momento, los humanos hacen mejor”
“La inteligencia Computacional es el estudio
del diseño de agentes inteligentes”
“Está relacionada con conductas inteligentes en
artefactos”
Pensar como un humano
- Es necesario contar con un mecanismo para determinar cómo piensan los
humanos
- Una vez que se tenga una teoría al respecto, se podrá expresar esa teoría en
la forma de un programa de computadoras
- Si los datos de E/S y los tiempos de reacción del programa son similares a
los de un humano existe la evidencia de que algunos de los mecanismos
del programa se pueden comparar con los del los humanos
- Ciencia cognitiva: Convergen modelos computacionales de IA y técnicas
experimentales de psicología intentando elaborar teorías precisas y
verificables sobre el funcionamiento de la mente humana
Pensar racionalmente
- Intentar codificar la “manera correcta de pensar”. Un proceso de
razonamiento irrefutable
- Aristóteles fue uno de los primeros, a través de sus silogísmos (esquemas
de estructuras de argumentación en las que siempre se llega a
conclusiones correctas si partimos de premisas correctas)
- Lógica. Notación precisa para definir sentencias sobre todo tipo de
elementos del mundo y especificar relaciones entre ellos
- Ya en 1965 habían programas que resolvían cualquier problema que
pudiera expresarse mediante la notación de la lógica
- No es fácil transformar conocimiento informal y expresarlo en términos
formales, sobre todo cuando el conocimiento es inferior al 100%
- Es diferente a resolver un problema “en principio” y hacerlo en la práctica.
Hay problemas que aún con unos pocos datos pueden agotar los recursos
computacionales
Actuar racionalmente
- Un enfoque basado en agentes. Algo que razona
- Los agentes informáticos se deben distinguir de los programas
convencionales
- Perciben su entorno. Persisten en el tiempo. Se adaptan a los cambios y son
capaces de alcanzar objetivos diferentes
- Un agente racional actúan con la intención de alcanzar el mejor resultado,
ó cuando hay incertidumbre, el mejor resultado esperado.
- Las habilidades que se necesitan en la prueba de Turing deben permitir
emprender acciones racionales
- Es necesario contar con la capacidad para representar el conocimiento y
razonar basándonos en él
- El enfoque de la IA basados en las leyes del pensamiento pone todo el
énfasis en hacer inferencias correctas, lo cual podría considerarse como
racional. Sin embargo una inferencia correcta no depende siempre de la
racionalidad. Hay situaciones en las que no hay nada correcto que hacer
y es necesario tomar una decisión También hay maneras de actuar
racionalmente que no implican realizar inferencias
Prueba de Turing
- Alan Turing. 1950
- Proporciona una definición operacional y satisfactoria de
Inteligencia
- Prueba basada en la incapacidad de diferenciar entre
entidades artificiales y seres humanos
- En la actualidad, programar una computadora para que
supere la prueba requiere un trabajo considerable
- El computador supera la prueba si un evaluador humano no
es capaz de distinguir si las respuestas a una serie de
preguntas, son de una persona ó no.
Capacidades que debe tener la computadora:
Procesamiento de lenguaje natural: Para poder
comunicarse satisfactoriamente en lenguaje natural
Representación del conocimiento: Para almacenar lo que se
conoce ó siente
Razonamiento automático: Para utilizar el conocimiento
almacenado para responder a preguntas y extraer nuevas
conclusiones
Aprendizaje automático: Para adaptarse a nuevas
circunstancias y para detectar y extrapolar patrones
Capacidades que debe tener la computadora para
la interacción física entre el evaluador y el
computador:
Prueba Global de Turing:
Visión computacional: Para percibir objetos
Robótica: Para manipular y mover objetos
- La prueba se conserva vigente en la actualidad
- Los científicos han dedicado poco esfuerzo a la
evaluación de los sistemas con la prueba de Turing
- Es mas importante el estudio de los principios
en que se basa la inteligencia que duplicar un
ejemplar
- Los hermanos Wright tuvieron éxito en la búsqueda
de un artefacto que volara, cuando dejaron de
imitar a los pájaros y comprendieron los principios
de la aerodinámica
Fundamentos de la IA
Filosofía
Psicología
Matemáticas
Ingeniería Computacional
Economía
Teoría del Control y la
Cibernética
Neurociencia
Lingüística
Fundamentos de la IA
Filosofía
¿Existen reglas formales para extraer conclusiones válidas?. ¿Cómo se genera la
inteligencia mental? ¿De donde viene el conocimiento? ¿Cómo se pasa del
conocimiento a la acción?
Silogísmos: Aristóteles. Extracción de conclusiones mecánicamente a partir de
premisas iniciales)
Dualismo: Descartes. Existe una parte de la mente que está al margen de la
naturaleza. Los animales no poseen esta cualidad dual; e igualmente a las
máquinas)
Materialismo: Las operaciones del cerebro realizadas de acuerdo con las leyes de
la física constituyen la mente)
Empírico: Nada existe en la mente que no haya pasado por los sentidos
Inducción: Las reglas generales se obtienen mediante la exposición a asociaciones
repetidas entre sus elementos
Positivismo lógico: Todo el conocimiento se puede caracterizar mediante teorías
lógicas relacionadas
Teoría de la confirmación: Intenta explicar cómo el conocimiento se obtiene a
partir de la experiencia
Fundamentos de la IA
Matemáticas
¿Qué reglas formales seguir para obtener conclusiones válidas? ¿Qué se puede
computar? ¿Cómo razonamos con incertidumbre?
Lógica formal: Desarrollo matemático a través de la lógica proposicional ó
Booleana
Algoritmo: El primer algoritmo trivial fue el Euclídeo para calcular el mcd.
Algoritmos para realizar deducciones lógicas
Teorema de incompletitud: En cualquier lenguaje que tuviera la capacidad para
expresar las propiedades de los números naturales, existen aseveraciones
verdaderas no decidibles (no se pueden validar mediante algoritmos)
Intratabilidad: Problemas en los que el tiempo necesario para la resolución de los
casos particulares crecen exponencialmente con el tamaño de los casos
NP-Completitud: Método para identificar problemas intratables.
Probabilidad: Ayuda al tratamiento de mediciones con incertidumbre
Fundamentos de la IA
Economía
¿Cómo tomar decisiones para maximizar rendimiento?
Teoría de la decisión: Combina la teoría de la probabilidad con la teoría
de la utilidad
Teoría de juegos: En algunos juegos, un agente racional debía actuar de
forma aleatoria, o al menos, aleatoria en apariencia con respecto a sus
contrincantes
Investigación operativa: Orienta a la optimización y toma de decisiones
de dirección complejas.
Satisfacción: Toma de decisiones que son “suficientemente buenas”
Fundamentos de la IA
Neurociencia
¿Cómo procesa información el cerebro?
Neurociencia: Estudio del sistema neurológico y en especial el cerebro.
La forma exacta en que el cerebro genera los pensamientos.
Neuronas: El cerebro está formado por células nerviosas llamadas
neuronas que han sido observadas y estudiadas individualmente
Fundamentos de la IA
Psicología
¿Cómo piensan y actúan los humanos y los animales?
Conductismo: Rechaza cualquier teoría en la que intervengan procesos
mentales. Insistieron en el estudio exclusivo de mediciones objetivas
de percepciones (estímulos) y de las acciones resultantes (respuestas)
Psicología cognitiva: Conceptualización del cerebro como un dispositivo
de procesamiento de información. Pone énfasis en que la percepción
entraña cierto tipo de inferencia lógica inconsciente
Ciencia cognitiva: Utilización de modelos informáticos para modelar la
psicología de la memoria, el lenguaje y el pensamiento lógico
Fundamentos de la IA
Ingeniería Computacional
¿Cómo se puede construir un computador eficiente?
Computadora: La IA necesita además de Inteligencia y un Artefacto (la
computadora)
Hardware: Cada generación de dispositivos ha conllevado a un aumento
en la velocidad de proceso y capacidad de almacenamiento
Software: Los Sistemas operativos, los lenguajes de programación y las
herramientas modernas para escribir programas. La investigación en IA
ha generado numerosas ideas importantes: Tiempo compartido,
intérpretes imperativos, interfases gráficas, entornos de desarrollo
rápido, programación simbólica, funcional, dinámica, orientada a
objetos.
Fundamentos de la IA
Teoría del Control y cibernética
¿Cómo pueden los artefactos operar bajo su propio control?
Teoría del control: Ver el comportamiento determinista como algo
emergente de un mecanismo regulador que intenta minimizar el “error”
(la diferencia entre el estado actual y el objetivo)
Cibernética: Modelos cognitivos matemáticos y computacionales
Función objetivo: Teoría del control moderna, basados en diseñar
sistemas que maximizan una función objetivo en el tiempo.
Fundamentos de la IA
Lingüística
¿Cómo está relacionado el lenguaje con el pensamiento?
Lingüística computacional: Convergencia entre la lingüística moderna y la
IA (procesamiento de lenguaje natural)
Historia de la IA
Período de Gestación (1943-1956)
- Modelo de neuronas artificiales (1943)
- Reglas de actualización de aprendizaje (1949)
- Programas de ajedrez para computadoras (1950,1953)
- Primera computadora para simular una red de 40 neuronas a partir de un
computador de tubos de vacío (1951)
- Lenguaje LISP. Primer lenguaje de IA (1958)
Reunión en el Darmouth College (1956)
- Programa capaz de demostrar teoremas de lógica
- Aparece por primera vez el término: “Inteligencia Artificial”
Historia de la IA
Entusiasmo y grandes expectativas (1952-1965)
- GPS. Solucionador general de problemas. Aborda un problema como un
conjunto de subproblemas y posibles cursos de acción.
- Juego de damas con aprendizaje de la experiencia de las partidas jugadas
(1952)
- Contribuciones de McCarthy en el MIT. LISP Compartido y desarrollo
del EC (programa que incorpora conceptos de representación y
conocimiento) (1958)
- Contribuciones de McCarthy en Stanford. Sistema de planificación y
respuesta de preguntas (1969). Solución a problemas limitados
(micromundos ANALOGY: analogía geométrica)
Historia de la IA
Dosis de Realidad (1966-1974)
- Se predijo que en 10 años habría una máquina inteligente
- Teoría de NP-Completos
- Programa ELIZA, en el MIT, que simulaba el comportamiento de un
psicoanalista (1965)
- Experimentos en Machine Evolution (ahora llamados algoritmos
genéticos)
- Perceptrones. Tipo de redes neuronales (1969)
Historia de la IA
Sistemas basados en conocimientos (1969-1979)
- Dendral. Sistema para inferir estructuras moleculares
- Mycin. Sistema para el diagnóstico médico de enfermedades sanguíneas
- Se modela la incertidumbre
- HPP. Proyecto de programación heurística
- SHDRLU. Sistema para la comprensión del lenguaje natural.
- Lenguaje PROLOG (1972)
Historia de la IA
IA como industria (1980-1988)
- R1. Primer sistema experto comercial, para la elaboración de pedidos
- Proyecto de quinta generación en Japón (máquina PROLOG)
- Máquinas optimizadas para ejecutar LISP
- Se produce un impacto industrial en los campos como la robótica y la visión
artificial
Regreso a las redes neronales (1986-presente)
- Hopfield. Rumelhart y Hinton. Nuevos modelos de RN
- Reconocimiento de voz (HMM)
- Incertidumbre (Bayes)
- Robótica
- Aprendizaje
- Realidad virtual
Aplicaciones de la IA
Tratamiento de lenguaje natural
Sistemas Expertos
Demostración de teoremas
Robótica
Programación automática
Problemas de planificación
Reconocimiento de patrones
Manejo de incertidumbre
Resolución de problemas
Visión artificial
Bibliografía
Waterman, D. A.,
A Guide to Expert Systems,
Addison Wesley Reading,
United States, 1990
Chaoniac, E. and McDermont D.,
Introduction to Artificial Inteligence
Addison Wesley Reading,
United States, 1990
Russell J. Stuart y Peter Norving,
Inteligencia Artificial: Un enfoque moderno,
Prentice Hall Hispanoamericana, S. A.,
México, 1996.
Luger F. George and William a. Subblefield
Artificial Intelligence: Structures and Strategies for Complex Problem Solving,
The Benjamin / Cummings Publishing Company, Inc.
United States, 1993.
Barr, A. and Feigenbaum, E. A.,
The Handbook of Artificial Intelligence, Vol. I, II,
Heuris Tech Press,
United States, 1990.