Download Capítulo I - Google Groups
Document related concepts
Transcript
Tópico V Inteligencia Artificial López, Ramsés [email protected] I. Definición de Inteligencia Artificial y Robótica La principal característica que diferencia al ser humano del resto de los animales es, sin duda alguna, su inteligencia. La capacidad que tiene el ser humano para resolver cualquier clase de problema que se le presente, ya sea a través del aprendizaje por ensayo y error, o a través del razonamiento puro, esto fue lo que permitió que impusiera su dominancia sobre el resto de las especies con las que competía por alimento y territorio. Sin embargo, ¿qué es la inteligencia? De acuerdo con el Diccionario de la Real Academia Española (Real Academia Española), la palabra inteligencia se refiere a una sustancia puramente espiritual, aunque también se refiere a la capacidad de entender, comprender, o bien la capacidad de resolver problemas. Este concepto no habla de la capacidad de un individuo de entender y de comprender, sino de la capacidad en sí misma; esto permite inferir que la inteligencia no es un atributo particular de un ser viviente o inclusive que posea conciencia de sí mismo. Durante muchos años, el ser humano ha tratado de entender los procesos que hacen posible el pensamiento, estos que hacen posible percibir, entender y manipular un mundo mucho mas complejo que sí mismo (Russell y Norvig, 2010). El campo de la inteligencia artificial tiene como objetivo principal lograr reproducir esta capacidad de razonamiento y aprendizaje a través de medios creados y diseñados por el ser humano. Se conoce Inteligencia Artificial a la rama de la informática que busca reproducir la capacidad de resolver problemas, la capacidad de aprender o emular a seres inteligentes mediante el uso del uso del computador. (Pereira, 2011) Según los autores Russell y Norvig (Russell y Norvig, 2010), el concepto de inteligencia artificial depende de la aproximación que se tome al enfrentar el problema de construir entes que puedan emular comportamiento inteligente. Ellos afirman que estos esfuerzos pueden agruparse en cuatro grandes grupos, diferenciandose principalmente en si se busca emular el comportamiento o el pensamiento, y de si se busca hacerlo humanamente, o racionalmente. De acuerdo con estas aproximaciones, Russell y Norvig (Russell & Norvig, 2010) reúnen varias definiciones de inteligencia artificial: Pensamiento humano Haugeland, 1985: “El emocionante nuevo esfuerzo de hacer que las computadoras piensen… maquinas con mente, en el sentido completo y literal” Bellman, 1978: “La automatización de las actividades que asociamos con el pensamiento humano, actividades como la toma de decisiones, resolución de problemas, aprendizaje…” Comportamiento humano Kurzweil, 1990: “El arte de crear máquinas que realizan funciones que requieren inteligencia cuando son realizadas por humanos” Rich y Knight, 1991: “El estudio de cómo hacer que las computadoras hagan cosas que, de momento, las personas hacen mejor” Pensamiento racional Charniak y McDermott, 1985: “El estudio de las facultades mentales a través del uso de modelos computacionales” Winston, 1992: “El estudio de la computaciones que hacen posible percibir, razonar y actuar” Comportamiento racional Poole et al, 1998: “La inteligencia computacional es el estudio del diseño de agentes inteligentes” Nilsson, 1998: “IA… se ocupa del comportamiento inteligente en artefactos” II. Tipos de problemas Según Robbins (Robbins, 2004), un problema es la distancia existente entre una situación no aceptable para un individuo y una situación aceptable. Sin embargo, no todos los problemas son iguales. Es posible clasificarlos de acuerdo con la posibilidad o no de que sean resueltos, y por el tiempo en se puede encontrar una solución satisfactoria para el mismo. Problemas decidibles: un problema es decidible cuando existe un algoritmo que permite hallar su solución. Entonces, si el problema es decidible, ¿qué tan rápidamente puede hallarse su solución? Esto lleva a una clasificación de los problemas decidibles Problemas tratables: son aquellos cuya solución puede encontrarse en un tiempo polinomial. Este tiempo puede tratarse de minutos, horas, días o inclusive semanas, dependiendo de la complejidad del problema. Problemas intratables: Aunque el algoritmo para encontrar la solución de un problema, es posible que según número de variables que componen el problema aumente el tiempo de solución de forma exponencial, es decir, a medida que aumenta el número de variables que intervienen, el tiempo necesario para encontrar una solución pasa de horas a años y de años a siglos. Un ejemplo de este tipo de problemas es el juego de las “Torres de Hanoi”. Problemas no decidibles o indecidibles: Dentro del universo de los posibles problemas, la mayor parte de los mismos son problemas no decidibles o indecidibles según (Pereira, 2011), para los cuales no se conoce un algoritmo mediante el cual se pueda hallar una solución. III. Enfoques o Corrientes Existen dos grandes corrientes en el área de la inteligencia artificial: La corriente formalista, la cual defiende la idea de que es posible replicar comportamiento inteligente emulando el funcionamiento mecánico del cerebro, con el objetivo de reproducir sus capacidades de raciocinio y aprendizaje. Sin embargo, para establecer los formulamientos matemáticos necesarios para emular correctamente el funcionamiento del cerebro, es necesario encontrar medios para lidiar con los problemas que normalmente enfrenta un ente inteligente: datos incompletos, información poco precisa e incertidumbre. Cuando un ente inteligente encuentra nueva información respecto a un problema, éste debe evaluar que el nuevo grupo de datos no interfiera con la información que ya posee. En caso de que encuentre un conflicto entre la nueva y la vieja información, el ente puede decidir cuál es la información que debe ser verdadera, basándose en otros conocimientos que posea. Este proceso de evaluación y descarte, es llevado a cabo por los seres humanos a diario, y generalmente sin pensar conscientemente en ello. El problema de modelar esto matemáticamente presenta varios retos. En primer lugar, por cada nueva información, es necesario reevaluar todo el inventario de datos existente, labor que puede rayar en la intratabilidad en los casos de problemas muy complejos. Una de las estrategias utilizadas para manejar la incompletitud es la lógica no monotónica, dado que éste tipo de lógica permite derivar conclusiones plausibles con el uso de operadores retractables según (Rico, 2011). Esto trae como consecuencia que el universo de conclusiones puede crecer o decrecer, a medida que nuevos conocimientos sean agregados al universo, y sean contrastados con los conocimientos existentes. Por otra parte, la imprecisión en la información es otro de los problemas que el ser humano trata diariamente, y es capaz de manejar adecuadamente. Sin embargo, representar la imprecisión matemáticamente con las herramientas tradicionales no resulta posible. Es por ello que Lofti A. Zadeh propuso en 1965 según (Gómez, 2011) la teoría de “lógica difusa” para manejar la imprecisión de los datos. Esta teoría permite expresar matemáticamente conceptos que no están del todo claros, como por ejemplo: ¿Qué es una persona alta? o ¿A partir de qué edad una persona deja de ser joven? La incertidumbre es otro de los problemas que un ente inteligente debe enfrentar, y una de las estrategias más efectivas para manejar la incertidumbre es utilizando cálculo probabilístico. IV. Áreas de conocimiento vinculadas El área de la Inteligencia Artificial (IA), al ser una disciplina que busca la manera de resolver problemas para los puede no existir un algoritmo determinado para encontrar una solución, o bien encontrar la solución al problema en un período de tiempo polinomial, se encuentra relacionado con muchas otras áreas del conocimiento, que o bien han aportado al desarrollo de la misma, o que la inteligencia artificial aporta soluciones a problemas en otras áreas. Russel y Norvig (Russell & Norvig, 2010), afirman que la inteligencia artificial es “campo universal”, haciendo referencia a la gran variedad de problemas a los que la IA pueden ser aplicada, gracias a la gran catidad de subcampos que la forman; pueden ir desde los mas generales, como la percepción y el aprendizaje, o a lo más especifico, como jugar ajedrez, probar algoritmos matemáticos, manejar un vehículo en una calle congestionada, o diagnosticar enfermedades, lo que la hace relevante para una gran variedad de áreas del conocimiento. A continuación se detallan sólo algunas de las áreas del conocimiento relacionadas con la inteligencia artificial, en ningún orden particular. Matemáticas. Las matemáticas es un área de conocimiento que posee fuertes vínculos con la IA, dado que la IA busca modelar inteligencia a través del uso de los computadores, la herramienta utilizada para hacerlo son los modelos matemáticos; El enfoque formalista, una de las corrientes actuales de la IA busca emular los procesos electroquímicos del cerebro a través de formulas matématicas. Minería de datos. De acuerdo con la definición ofrecida por WolframAlpha (Wolfram Alpha, 2011), la minería de datos consiste en el procesamiento de información con herramientas como la inteligencia artificial y algoritmos estadísticos, con el objetivo de encontrar correlaciones entre conjuntos de datos masivos; en otras palabras, la minería de datos busca encontrar nuevos significados dentro de los datos existentes. Desarrollo de juegos de video y simulaciones. En el campo del desarrollo de los juegos de video, la busqueda por emular el comportamiento humano es uno de los principales objetivos de la aplicación de la Inteligencia Artificial. Según Schreiner (Tim Schreiner, 2005), los desarrolladores de juegos de video se apoyan en el uso de innovadoras técnicas de IA para mantener al jugador interesado, aumentando el reto del juego haciendo que sus enemigos virtuales utilicen estrategias cada vez mas elaboradas para vencerlo. Es así como hoy en día pueden encontrarse oponentes virtuales que reconocen cuando deben ocultarse, atacar, aprovechar el terreno que los rodea y coordinarse entre ellos para vencer al jugador. Robótica. La robótica es la ciencia que se encarga del diseño, manufactura y aplicaciones de los robots, como lo indica el ártículo de Wikipedia (Wikipedia, 2011). Un robot, es un dispositivo automático que realiza funciones normalmente asignadas a un ser humano, de acuerdo a la definición del diccionario Merriam-Webster Online (Merriam-Webster Dictionary, 2011). La palabra robot fue utilizada por primera vez por el escritor checoslovaco Karl Capek, en su obra teatral R.U.R. (Rossum's Universal Robots), presentada en Praga en el año 1921 y se deriva de la palabra checa para “trabajo forzados”. En la obra, se presenta una sociedad que disfrutaba de los beneficios del trabajo de robots que realizaban todas las tareas imaginables, hasta que trajo como consecuencia el desempleo y el descontento social (Robotics Research Group, 2011). La robótica es un área del conocimiento multidisciplinaria, que abarca disciplinas como la mecánica, la electrónica, informática, y la inteligencia artificial. Ésta última se encarga de proveer múltiples estrategias y algoritmos para la resolución de problemas como el trazado de rutas, toma de decisiones, posicionamiento, entre otros. V. Principales autores o representantes El área de la inteligencia artificial es, comparado con otras áreas del conocimiento como las matemáticas o la física, relativamente joven. Citando a (Russell y Norvig, AÑO): “… un estudiante de física podría razonablemente pensar que todas las buenas ideas ya fueron tomadas por Galileo, Newton, Einstein y el resto. La inteligencia artificial, por otro lado, aun tiene espacio para varios Einsteins y Edisons a tiempo completo…” (pág XX) A continuación se mencionan algunos de los investigadores más prominentes del área a nivel mundial, sin un orden en particular. Sin embargo, no es una lista definitiva: Alan Turing. Matemático inglés, considerado uno de los padres de las ciencias de la computación moderna. Es el creador, entre otros grandes aportes, de la “prueba de Turing”, la cual se fundamenta en la hipótesis de que si una máquina se comporta inteligentemente, entonces debe ser inteligente. Esta prueba trata de comprobar la capacidad de comportamiento inteligente de un computador: si un ser humano no es capaz de darse cuenta de que está interactuando con un computador a través de sus respuestas, entonces dicho computador puede ser considerado inteligente (Wikipedia, 2011). John McCarthy. Matemático norteamericano nacido en 1921, es el responsable de acuñó el término “inteligencia artificial” en la conferencia de Dartmouth en 1956. Es el inventor del lenguaje de programación LISP, y recibió en 1976 el premio Turing por sus contribuciones al campo de la IA (Wikipedia, 2011). Marvin Minsky. Científico norteamericano nacido en 1927, principalmente conocido por su trabajo “Perceptrones”, el cual establece los fundamentos para las redes neuronales artificiales (Wikipedia, 2011). Judea Pearl. Cíentifico y filósofo israelí, reconocido por su aproximación a la inteligencia artificial a través del cálculo probabilístico, y por el desarrollo de las redes bayesianas (Wikipedia, 2011). Joseph Weizenbaum. Científico alemán, creador del programa ELIZA, el cual mediante procesamiento de lenguaje natural buscaba emular la sensación de empatía (Wikipedia, 2011). VI. Tipos de investigación más frecuentes Existen cinco grandes tipos de investigación en el campo de las ciencias de la computación y la inteligencia artificial según (Sloman, 2007), cada uno con distintos criterios para medir el éxito o fracaso de una investigación en particular. Cada una de estas categorias contribuye con sus aportes al resto, e inclusive existen investigaciones que pueden abarcar mas de una de estas categorias. Estudio de lo posible, de su alcance y sus límites Incluye trabajos que utilizan matemáticas y lógica, como por ejemplo el trabajo sobre la semántica de la computación, teoremas relacionados con los límites de la computación, complejidad, propiedades de mecanismos de criptografía, entre otros. También incluye trabajos posiblemente menos rigurosos, como la arquitectura de máquinas virtuales, formas de comunicación, ontologías, exploración de varias formas de representación o arquitecturas de alto nivel para su uso en sistemas inteligentes. Estudio de sistemas de información no artificiales Conocido también como computación natural, es el intento por entender, modelar o explicar los sistemas naturales que existen en el mundo, como el cerebro, las sociedades, colonias de insectos, sistemas económicos o la misma evoluvión. Un claro ejemplo de este tipo de investigación son los algoritmos genéticos, los cuales buscan emular estrategias de reporducción natural para la solucíon de diversas clases de problemas. Investigación de nuevos tipos de sistemas de información La producción, análisis y evaluación de aplicaciones prácticas es el enfoque mas inclinado hacia la ingeniería que poseen las ciencias de la computación. Estas nuevas aplicaciones pueden proveer artefactos nuevos o mejorados capaces de realizar funciones que previamente sólo eran realizadas por seres humanos, o bien desarrollar tareas que no podían ser realizadas previamente, como la construcción de redes de comunicación globales, predicciones del clima precisas, entre otras. Creación y evaluación de herramientas, formalismos y técnicas para soportar otras investigaciones Esta categoría incluye una diversa gama de actividades, incluyendo el diseño de nuevos lenguajes de programación, nuevos formalismos para expresar requerimientos, compiladores, y otras herramientas para validar o chequear programas u otras especificicaciones. En resúmen, persigue objetivos que no tienen una aplicación obvia a otras áreas del conocimientos externas a las ciencias de la computación y a la inteligencia artificial. Investigación de temas sociales y económicos Este tipo de investigación busca entender las diferentes formas en las que los avances tecnológicos en las ciencias de la computación y la inteligencia artificial han influenciado las estructuras y procesos sociales, educacionales, políticos, económicos o legales. Es necesariamente un tipo de investigación multidisciplinaria. VII. Métodos de investigación más frecuentes El método utilizado para una investigación está necesariamente ligado con el tipo y con el objetivo que se desee alcanzar. Sin embargo, uno de los métodos de investigación más frecuentes es la investigación cuantitativa, la cual consiste en la recolección de datos experimentales para su posterior análisis científico. Es especialmente frecuente en las investigaciones que involucran aspectos sociales y económicos según (Sloman, 2007). En muchos trabajos de investigación del área de inteligencia artificial, se busca crear un algoritmo o estrategia para solucionar un tipo de problema existente. En otras ocasiones, se busca realizar modificaciones para extender o mejorar algoritmos o estrategias presentados por otros investigadores. En ambos casos, el método investigativo utilizado es la investigación cuantitativa, como se mencionó anteriormente. La investigación cualitativa posee ciertas ventajas sobre la investigación cualitativa como lo indica (Beltrán Neira, 2005), por ejemplo, los datos que se acumulan durante la investigación pueden ser considerados objetivos, y por su naturaleza, siempre arrojan números como resultado; su diseño incluye la formulación de una hipótesis, la cual se traduce a su vez en variables que luego pueden ser evaluadas mediante el uso de indicadores; sin embargo, hace la crítica de que este tipo de investigación, aunque muy fuerte en cuanto a la precisión del fenómeno mismo, es débil en cuanto trata el contexto o ambiente de la generación de los datos. VIII. Fuentes de información especializadas Actualmente existen numerosos recursos en línea sobre esta vasta área de conocimiento. A continuación se presenta una resumida lista con sitios y libros de interés. Sitios Web: http://www.google.com/Top/Computers/Artificial_Intelligence/Publications/ El Directorio Académico Google contiene muchas referencias actualizadas a publicaciones, artículos y bases de conocimiento sobre inteligencia artificial y robótica. http://www.dmoz.org/Computers/Artificial_Intelligence Al igual que el directorio académico Google, contiene muchas referencias a publicaciones sobre el área, pero a diferencia del primero, las entradas del directorio son seleccionadas a mano por voluntarios conocedores del área. http://aima.cs.berkeley.edu/ai.html Compendio de todo tipo de recursos en línea sobre IA, desde libros en línea, artículos, y técnicas de programación en diferentes lenguajes. http://www.cs.indiana.edu/~leake/INDEX.html El sitio web de la Universidad de Indiana contiene gran cantidad de publicaciones y artículos disponibles para descarga. http://spectrum.ieee.org/robotics/ Blog orientado al público en general donde se reportan noticias de interés sobre inteligencia artificial y robótica. Instituciones Center for the Study of Language and Information (CSLI) El Centro para el estudio del lenguaje y la información (CSLI por sus siglas en inglés), fue fundado en 1983 por miembros de organizaciones como la Universidad de Stanford, SRI International y Xerox PARC. Es un laboratorio dedicado a la investigación de la ciencia emergente de la información, la computación y el conocimiento. Más información disponible en http://www-csli.stanford.edu MIT Computer Science and Artificial Intelligence Laboratory El MIT Computer Science and Artificial Intelligence Laboratory es una de las instituciones pioneras en el área de la inteligencia artificial, y es el alma máter de muchos de los principales investigadores del área. Cuenta con 90 investigadores principales junto con más de 500 estudiantes. Más información disponible en http://www.csail.mit.edu/ IX. Especialistas venezolanos en el área A continuación se enumeran tres de los grupos que se dedican a realizar investigación sobre inteligencia artificial en Venezuela USB - Grupo de Inteligencia Artificial (http://www.gia.usb.ve/) Miembros o Miguel Castro o Ivette C. Martínez o Carolina Chang o Blai Bonet o Carlos Castillo o Héctor Palacios Publicaciones: http://www.gia.usb.ve/investigacion/publicaciones/ UCV - Laboratorio de Inteligencia Artificial Miembros o Haydemar Nuñez o Esmeralda Ramos o Marcel Castro Publicaciones: http://lia.ciens.ucv.ve/LIA/publicaciones.php UCAB - Grupo de Investigación de IA y Robótica Miembros o Ricardo Casanova o Guillermo García o Wilmer Pereira o Alejandro Luján o Iñaki Mendizábal Publicaciones: http://apps.ucab.edu.ve/ingenieria/informatica/giiar/publicaciones.htm X. Resumen curricular de los ponentes Dra. Haydemar Núñez Profesora e investigadora a dedicación exclusiva desde 1989 hasta la fecha. Tiene un Doctorado por la Universidad Politécnica de Cataluña. Barcelona, España en el año 2003, así como un Diploma de Estudios Avanzados, Mención: Automática de Universidad Politécnica de Cataluña. Barcelona, España en el año 2000. Es Magister Scientiarum en Ciencias, Mención: Ciencias de la Computación. Universidad Central de Venezuela, y es Licenciada en Computación por la Universidad Central de Venezuela. Cargos actuales: Profesora – Investigadora a dedicación exclusiva (1989 – hasta la fecha). Actualmente Categoría Asociado. Escuela de Computación, Facultad de Ciencias, Universidad Central de Venezuela. Coordinadora del Centro Ingeniería de Software y Sistemas (2007- hasta la fecha). Escuela de Computación. Facultad de Ciencias, UCV. Coordinadora del Laboratorio de Inteligencia Artificial (2005 – hasta la fecha). Centro de Ingeniería de Software y Sistemas. Escuela de Computación. UCV Profesora del Postgrado en Ciencias de la Computación (2003 – hasta la fecha). Escuela de Computación, Facultad de Ciencias. UCV. Ha participado y dirigido diversos proyectos de investigación relacionados con el área de inteligencia Artificial, y ha recibido numerosos reconocimientos a su trabajo, incluyendo la Orden “José Maria Vargas” en su Tercera Clase (Medalla) por parte de la Universidad Central de Venezuela en Diciembre de 2005 y la Mención de Honor “Sobresaliente Cum Laude” por su Tesis Doctoral en Diciembre de 2003, entre otras. Dr. Wilmer Pereira Profesor e investigador de la Universidad Católica Andrés Bello, tiene un Doctorado de Informática por la Universidad de Rennes, Francia, es Ingeniero en Computación de la Universidad Simón Bolívar. Cargos desempeñados: Profesor a dedicación exclusiva en la Universidad Católica Andrés Bello (1999 – hasta la fecha) Profesor a tiempo convencional en la Universidad Simón Bólivar (1993 – hasta la fecha) EOI (Escuela de Organización Industrial, España). Profesor internacional desde 2001 UCLA (Universidad Centro Occidental Lisandro Alvarado, Barquisimeto). Profesor en la Maestría en Ciencias de la Computación: Mención Redes desde 2002 URI (Université de Rennes I, Francia). Profesor-Investigador, Oct/92 - Agt/93. Miembro del Comité de Programa de Conferencias Latinoamericanas de Informática Asesor de Rama estudiantil IEEE de la UCAB. las El Dr. Wilmer Pereira ha recibido durante su carrera múltiples méritos por su trabajo, entre ellos el 1er premio al Trabajo de Investigación UCAB 2004-2005 y 2007-2008, y es responsable de más de doce publicaciones en conferencias internacionales y nacionales en el área de inteligencia artificial, seguridad computacional y redes de computadoras. XI. Bibliografía