INTELIGENCIA ARTIFICIAL

Conceptualización de la Inteligencia Artificial

Fundamentos de la Inteligencia Artificial

Historia de la Inteligencia Artificial

Aplicaciones de la Inteligencia Artificial

Conceptualización de IA

La Inteligencia Artificial (IA):•Intenta comprender el comportamiento de entidades inteligentes (es una ciencia)•Se esfuerza en construir máquinas inteligentes (es una ingeniería)•máquinas inteligentes = máquinas capaces de percibir, razonar, aprender, comunicarse y actuar en entornos complejos•La IA es un área reciente (1956)•Estudio de la inteligencia: una disciplina muy antigua

La aparición de las computadoras en los años 50 permitió poner en práctica las ideas surgidas hasta el momento.

Si un problema no puede ser descrito, no puede ser programado.

Qué es la Inteligencia ?Múltiples definicionesCaracterísticas comunes:Resolver problemas

ComplejosHacer GeneralizacionesEstablecer RelacionesAnálisisPercepciónAprendizajeComunicarseComprensiónCreatividadIntuición

DEFINICIONES DE IA (ENFOQUES)

SISTEMAS QUE PIENSAN COMO HUMANOS

SISTEMAS QUE PIENSAN RACIONALMENTE

SISTEMAS QUE ACTUAN COMO HUMANOS

SISTEMAS QUE ACTUAN RACIONALMENTE

Inteligencia Inteligencia ideal. Hace lo ideal. Hace lo correcto en correcto en

función de su función de su conocimientoconocimiento

RAZONAMIENTO

COMPORTAMIENTO

¿Que es inteligencia Artificial ? SISTEMAS QUE PIENSAN COMO HUMANOSLa automatización de actividades vinculadas con procesos de pensamiento humano, como toma de decisiones, resolución de problemas, … Bellman, 1978

SISTEMAS QUE PIENSAN

RACIONALMENTEEl estudio de los

cálculos que hacen posible percibir,

razonar y actuar. Winston, 1992

SISTEMAS QUE ACTUAN RACIONALMENTE El estudio del diseño de agentes inteligentes.

Poole, 1998

¿Que es inteligencia Artificial ?

Objetivos a alcanzar por la IA

• Desarrollar sistemas que piensan como humanos.

• Desarrollar sistemas que actúan como humanos.

• Desarrollar sistemas que piensan racionalmente.

• Desarrollar sistemas que actúan racionalmente.

Pensar como los Humanos ¿Como trabaja la mente? (1)introspección o(2)experimentos psicológicos

El enfoque de la Ciencia Cognitiva : reúne técnicas de IA y psicología

Campos: visión y lenguaje natural (neurofisiología y modelos computacionales)

Actuar como los Humanos

Test de Turing (1950). Comportamiento inteligente.• Incapacidad de diferenciar entre respuestas del ordenador y las repuestas humanas.• Capacidades computadora:–Procesamiento del Lenguaje Natural.–Representación del Conocimiento.–Razonamiento Automático–Aprendizaje Automático.

Poco uso porque es mejor estudiar principios en que se basa la inteligencia en lugar de buscar duplicar un ejemplar

Pensar RacionalmenteLógica: Silogismos, Aristóteles La corriente Lógica en IA trata de construir sistemas inteligentes usando Lógica Formal. Inconvenientes:• Difícil representación del conocimiento informal • Problemas con pocos datos agotan recursos computacionales si no hay una guía de pasos del razonamiento.• Uso de probabilidades y • posibilidades (lógica difusa)

Actuar Racionalmente Uso de agentes: percibir + razonar + actuar Agente racional intenta alcanzar el mejor resultado Ventajas estudio de IA como agentes racionales:

• Es más general que el pensamiento racional.• Es más cercano al método científico que el comportamiento y el pensamiento humanos.

FUNDAMENTOS

FUNDAMENTOS

FILOSOFIA (desde 428 aC)

¿Cómo se genera la inteligencia mental a partir de un cerebro físico?

¿De dónde viene el conocimiento?

¿Cómo se pasa de conocimiento a la acción?

• Lógica, métodos de razonamiento.

• Mente como sistema físico.• Fundamentos de aprendizaje,

lenguaje, racionalidad.

FUNDAMENTOS

MATEMATICA (desde el 800)

¿Qué se puede computar?¿Cómo razonamos con

información incompleta?

• Algoritmos• Computación• Indecisión, inflexibilidad.• Probabilidad• Teorías formales de la Lógica

FUNDAMENTOS NeurocienciaNeurociencia

¿Cómo procesa la información el cerebro?• Neuronas• Actividad mental

Psicología Psicología (desde 1879)Investigación de la mente humana¿Cómo piensan y actúan los

humanos y animales?• Conductismo• Psicología cognitiva• Ciencia cognitiva

FUNDAMENTOS INGENIERIA EN COMPUTACION (1940)herramientas

para poder concretar IA

LINGÜÍSTICA (1957)teorías sobre el

lenguaje (sintaxis-

semántica)

FUNDAMENTOS EconomíaEconomía¿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.

Los inicios (1943-1956) Entusiasmo inicial, grandes expectativas (1952-1969) La dura realidad (1966-1973) Los sistemas basados en el conocimiento (1969-1979) La IA se industrializa (1980- actualidad)

Evolución Histórica de la I A

Los inicios (1943-1956)McCulloch y Pitts: primer

modelo de neurona

Hebb: regla de aprendizaje Hebbiano o de Hebb

Minsky, Edmonds: primer simulador de red neuronal (40 neuronas)

Evolución Histórica de la I A

Los inicios (1943-1956)

Taller de Dartmouth (bautizo de la IA): McCarthy, Minsky, Shannon, Rochester, More, Samuel, Solomonoff, Selfridge, Newell, Simon

Newell, Simon: Teórico Lógico (TL). Demostraron teoremas del libro Principios Matemáticos de Russell

Evolución Histórica de la I A

Evolución Histórica de la I AEntusiasmo inicial, grandes expectativas (1952-

1969)Primeros años llenos de éxitos, aunque con

limitaciones Algunos hitos:• Hipótesis sistema símbolos físicos• Búsqueda en espacio de estados.• Generador de consejos. LISP• Resolvedor general de problemas (GPS) Newell,

Simon.• Redes neuronales, robótica (Shakey)... Hasta 1965 investigación en IA centrada en el

desarrollo de mecanismos de búsqueda de propósito general: Métodos débiles (Juegos y demostración de teoremas)

Evolución Histórica de la I ALa dura realidad 1965-1973Muchos sistemas de IA actuaban de manera

prometedora en problemas sencillos y fallaban ante problemas reales. Faltaba conocimiento del problema

Muchos problemas eran intratables (NP); el tamaño del problema es relevante. Explosión combinatoria.

Los mecanismos generales de resolución de problemas no son practicables (métodos débiles).

Los primeros pasos en evolución automática (algoritmos genéticos) tuvieron poco éxito.

Minsky, Papert: Perceptrons

Evolución Histórica de la I A SISTEMAS BASADOS EN EL

CONOCIMIENTO 1965-1979• Conocimiento específico del

dominio facilita el desarrollo de etapas de razonamiento más largas, pudiendo resolver casos recurrentes en dominios de conocimiento restringido: DENDRAL, MYCIN.

• Algoritmos genéticos: Holland,• Lógica de predicados:

algoritmo de resolución, Robinson, 1965

• Lógica difusa, Zadeh, 1972• Prolog, 1972, Colmerauer

La IA se industrializa (1980 hasta el presente) Primer sistema experto

comercial con éxito: R1 por Digital Equipment Corporation.

En 1981 los japoneses anunciaron su proyecto «Quinta Generación»

Los EEUU constituyeron el MCC (Microelectronics and

Computer Technology Corporation).

Evolución Histórica de la I A

La IA se industrializa (1980 hasta el presente)

Ninguno cumplió completamente sus objetivos.

La industria de la IA creció rápidamente, pasando de unos pocos millones de dólares en 1980 a billones de dólares en 1988.

Poco después llegó la época llamada «El invierno de la IA».

Evolución Histórica de la I A

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)RobóticaAprendizaje etc

Evolución Histórica de la I A

La IA se convierte en una ciencia

• Regreso de las redes neuronales (1986), este enfoque conexionista convivirá con otros diferentes.

Actualmente es más usual el desarrollo de teorías ya existentes y se trabaja también en demostrar la utilidad de las aplicaciones en el mundo real.

La IA se convierte en una ciencia

Reciente revolución en el campo de la IA tanto en el contenido como en la metodología de trabajo.

La IA ya forma parte del ámbito de los métodos científicos.

Surgen o reciben un gran impulso:  Procesamiento de lenguaje, aprendizaje automático, minería de datos, robótica, visión, razonamiento probabilístico

Aplicaciones de la IA

Procesamiento del lenguaje natural

Permitir a la computadora comprender el lenguaje humano directamente; sin el complicado conjunto de lenguajes intermedios.

BÚSQUEDAEl término

búsqueda aplicado a la IA, no significa encontrar una pieza específica de información en una base de datos, sino buscar las soluciones de un problema.

Ejemplo:Encontrar la ruta más corta entre dos ciudades, “problema del agente viajero”Minería de datos

SISTEMAS EXPERTOSSe asume la importancia del

conocimiento específico del dominioSe basan en el conocimiento de un

humano experto en el dominioComprensión teórica del dominio

junto con una colección de reglas heurísticas de resolución de problemas avaladas por la experiencia

Desarrollo mediante refinamientos sucesivos

Centrado en dominios muy especializados, con estrategias bien definidas de resolución de problemas

Reconocimiento de patrones -visión

Engloba un conjunto de técnicas de la matemática aplicada y de la informática, numerosas aplicaciones, entre ellas :

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.

LOGICA 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 impreciso (Ejm. Hace calor, Mateo es alto).

APRENDIZAJE Los programas aprenden

por sí mismos, ya sea a través de la experiencia, por analogía, a través de ejemplos o porque se les “diga” qué hacer

Aplicaciones:Razonamiento basado en casos

Análisis de datosComputación evolutivaRedes de neuronasAprendizaje por refuerzo

ALGORITMOS GENETICOSSon 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 NEURONALESModelan la biofisiología

del cerebro humano, lo que significa entender y explicar como funciona y opera el cerebro.

Las RNA imitan el comportamiento humano para resolver problemas: aprenden un conjunto de ejemplos (adquieren experiencia)

Aplicaciones de la IA Robótica: Videojue

gos

Sistemas de apoyo a la decisión

GRACIAS