ARTIFICIAL

INTELIGENCIA
ARTIFICIAL
1er. Cuatrimestre 2011
PROPÓSITOS DE
FORMACIÓN
Al terminar el curso, el estudiante conocerá los conceptos
básicos en Inteligencia Artificial y estará en capacidad de
aplicar algunas técnicas para la solución de problemas.
El curso tiene una orientación más informativa que formativa y
los trabajos y ejercicios que se darán durante el curso
buscarán que el alumno tome dimensión de la problemática
que se busca abordar.
EVALUACIÓN
Habrán tres trabajos prácticos y un trabajo final.
Los mismos se realizarán de grupos de tres alumnos.
Los tres trabajos prácticos serán sobre: Métodos de Búsqueda,
Representación de Conocimiento y Aprendizaje. Al final de la
presentación de cada tema se darán los ejercicios a resolver.
Tendrán dos semanas para resolverlos.
El trabajo final tendrá por objetivo aplicar en un problema algunas de
las técnicas aprendidas durante el curso. Nosotros propondremos una
serie de problemas para que los alumnos elijan.
Tendrán cuatro semanas para hacerlo.
CRONOGRAMA
Teórica
28/03
04/04
11/04
18/04
25/04
02/05
9/05
16/05
23/05
30/05
06/06
13/06
20/06
27/06
Temas
Introducción: Historia y Motivaciones de IA.
Resolución de Problemas por Búsqueda Desinformada
Resolución de Problemas por Búsqueda Informada
Razonamiento
Representación del Conocimiento
Aprendizaje desde observaciones
Aprendizaje con conocimiento.
Aprendizaje: Redes Neuronales
Aprendizaje por refuerzo
Comunicación
Procesamiento de Lenguaje Natural I
Procesamiento de Lenguaje Natural II
Vision en Robótica
Conclusiones y perpectivas filosófica
Docente a cargo
Ricardo Rodriguez
Ricardo Rodriguez
Ricardo Rodriguez
Ricardo Rodriguez
Ricardo Rodriguez
Ernesto Mislej
Ernesto Mislej
Adrian Martinez
Adrian Martinez
José Castaño
José Castaño
José Castaño
Marta Mejail
A confirmar.
Lectura
Part. I 1-2
Part. II 3-4
Part. II 5-6
Part. III 7-8
Part. III 9-10
Part VI 18
Part VI 19
Part. VI 20
Part VI 21
Part.VII 22
Part VII 23
Part VII 24
Part VII 25
Part VIII
agenda
PARTE 1
Que es la Inteligencia Artificial
Paradigmas de IA
Fundamentos
PARTE 2
Historia
Áreas de la IA
Algunas Aplicaciones
¿Qué es la inteligencia artificial?
¿Qué es la inteligencia artificial?
No existe una definición única.
Podemos clasificar las definiciones
de Inteligencia Artificial de acuerdo
con los siguientes cuatro enfoques.
define: IA
antes de ir a los 4 enfoques, vamos a revisar
algunas definiciones sobre la IA, utilizando el
servicio de Google Define. (archivo externo)
(John McCarthy , Basic Questions)
What is artificial intelligence?
It is the science and engineering of making intelligent machines,
especially intelligent computer programs. It is related to the similar
task of using computers to understand human intelligence, but AI
does not have to confine itself to methods that are biologically
observable.
Yes, but what is intelligence?
Intelligence is the computational part of the ability to achieve goals
in the world. Varying kinds and degrees of intelligence occur in
people, many animals and some machines.
¿Qué es la inteligencia artificial?
• Hollywood sigue creando expectaciones no
realistas para los androides y las máquinas
inteligentes en general.
• Quisiéramos robots como C-3PO que se
parecen a los humanos, y actúan y
responden como ellos (quejándose menos,
posiblemente).
• ¿Por qué no los tenemos y solo tenemos
autómatas capaces de construir coches en
cadenas de montaje?
¿Qué es la inteligencia artificial?
• A pesar de algoritmos sofisticados y
muchos años de experimentación, aún no
somos muy buenos en modelar la vida.
– Los motores no replican los músculos.
– Las cámaras no son ojos.
– Y los ordenadores definitivamente no son
cerebros.
• Sin embargo, seguimos con la idea de
tener robots humanoides.
¿Qué es la inteligencia artificial?
• Estamos perfeccionando continuamente la
bio-imitación, la visión por ordenador y las
técnicas de inteligencia artificial.
• En cada una de estas áreas se ha visto
frustrada la carrera de muchos científicos.
• La disciplina entera parece marchar hacia
un callejón sin salida y las aplicaciones
prometidas son una continua decepción.
¿Qué es la inteligencia artificial?
• No se están obteniendo resultados en
máquinas de propósito general, ni en
robots humanoides que pueden andar.
• Los avances reales son en cambio en:
– la comprensión de cómo funcionan cerebro y
conciencia;
– bots especializados en un único propósito.
• El futuro, de momento, es más Roomba
que Asimo.
Roomba
6
Asimo
http://www.youtube.com/watch?v=P9ByGQ
GiVMg&feature=player_detailpage
Los 4 enfoques
Sistemas que
piensan como
humanos
Sistemas que
piensan
racionalmente
Sistemas que
actúan como
humanos
Sistemas que
actúan
racionalmente
Los 4 enfoques
• Actuar como humano: el enfoque de la
prueba de Turing.
• Pensar como humano: el enfoque del
modelo cognitivo. (Ciencia Cognitiva)
• Pensar racionalmente: el enfoque de las
leyes del pensamiento. (silogismos, lógica)
• Actuar en forma racional: el enfoque del
agente racional. (agentes, percepción,
acciones)
1 - sistemas que actúan como un
ser humano
“El arte de crear máquinas con
capacidad de realizar funciones que
realizadas por personas requieren de
inteligencia” (Kurzweil, 1990)
“El estudio de como lograr que las
computadoras realicen tareas que, por
el momento, los humanos hacen
mejor.” (Rich y Knight, 1991)
2 - sistemas que piensan como
humanos
“la interesante tarea de lograr que las computadoras
piensen... maquinas con mente, en su amplio sentido
literal.” (Haugeland, 1985)
“La automatización de actividades que vinculamos con
procesos de pensamiento humano, actividades tales como
toma de decisiones, resolución de problemas,
aprendizaje...” (Bellman, 1978)
3 - sistemas que piensan
racionalmente
“El estudio de las facultades mentales mediante el uso
de modelos computacionales.” (Charniak y McDermott,
1985).
“El estudio de los cálculos que permiten percibir, razonar
y actuar.” (Winston, 1992).
4 - sistemas que actúan
racionalmente
“Un campo de estudio que se enfoca a la
explicación y emulación de la conducta
inteligente en función de procesos
computacionales” (Schalkoff, 1990).
“La rama de la ciencia de la computación
que se ocupa de la automatización de la
conducta
inteligente”
(Luger
y
Stubblefield, 1993).
Sistemas que actúan como
humanos
• El modelo es el hombre; el objetivo es construir un
sistema que pase por humano.
• Prueba de Turing (1950): si un sistema la pasa es
inteligente.
• Capacidades necesarias:
–
–
–
–
procesamiento del lenguaje natural
representación del conocimiento
razonamiento
aprendizaje
• Pasar la Prueba no es el objetivo primordial de la IA.
• La interacción de programas con personas hace que
sea importante que éstos puedan actuar como
humanos.
La prueba de Turing
el test de Turing
idea: obtener una forma satisfactoria de definir la
inteligencia operacionalmente.
Definición de inteligencia de Turing: “la habilidad de
obtener una performance de nivel humano en todas las
tareas cognitivas de forma a engañar a un interrogador
humano”.
Sistemas que piensan como
humanos
• El modelo es el funcionamiento de la
mente humana.
• Se intenta establecer una teoría sobre el
funcionamiento de la mente
(experimentación psicológica).
• A partir de la teoría se pueden establecer
modelos computacionales.
• Influencia de las neurociencias y de las
ciencias cognitivas.
¿como piensa el ser humano?
Los procesos cognitivos son estudiados a
través de experimentos.
Introspección
Ciencias Cognitivas
Neurociencias
Psicología experimental
El misterio de la conciencia
• Si identificamos el núcleo cognitivo de la
conciencia (que no es el simple conocimiento
de nuestra existencia), ¿podemos incorporarlo
en una máquina?
• Las mayores religiones localizan la conciencia
en un ánima que sobrevive a la muerte del
cuerpo.
• Woody Allen: “No quiero alcanzar la
inmortalidad a través de mi obra. Quiero
alcanzarla no muriéndome”.
• Estas cuestiones, antes objeto solo de
especulaciones teológicas, ahora son
estudiadas por la neurociencia cognitiva.
Problemas fáciles y difíciles
• David Chalmers trata el tema de la conciencia
en términos de dos problemas:
– Problema Fácil: distinguir entre pensamiento
consciente e inconsciente (Freud):
•
•
•
•
•
•
superficies que tenemos delante
planes para el día
sueños con ojos abierto durante las clases
control del latido del corazón
reglas que ordenan las palabras cuando hablamos
secuencias de contracciones musculares
– Problema Difícil: explicar cómo puede nacer
la experiencia subjetiva de la computación
neuronal
El cerebro como máquina
• La “hipótesis asombrosa” de Francis
Crick:
– Nuestros pensamientos, sensaciones,
alegrías, dolores consisten enteramente de
actividad fisiológica en los tejidos del cerebro.
• La conciencia es un producto biológico
natural, tan vacía de elementos
sobrenaturales como la digestión o la
circulación de la sangre.
sistemas que piensan
racionalmente
los humanos no son siempre racionales.
Aristóteles fue el primero en intentar definir un
proceso de raciocinio irrefutable.
El desarrollo los silogismos
Los silogismos establecen estructuras de argumentación
que siempre llevan a conclusiones correctas, a partir de
premisas correctas.
“Sócrates es un hombre”
“Todos los hombres son mortales”
entonces “Sócrates es mortal”.
sistemas que piensan
racionalmente
Esto inicio el campo de la lógica.
Este campo fue expandido en el siglo XIX por
Boole, Pascal, Bayes, etc.
Existen dos problemas con este enfoque:
Dificultad de definir el conocimiento informal y colocarlo
en notación lógica (especialmente cuando el conocimiento
no es 100% preciso).
Existe una gran diferencia entre resolver un problema en
la teoría y en la práctica.
Sistemas que actúan
racionalmente
•
•
•
•
Actuar racionalmente significa conseguir unos objetivos dadas unas
creencias.
El paradigma es el agente racional, que se aplica, por ejemplo, a
muchos sistemas robóticos.
Un agente percibe y actúa, siempre teniendo en cuenta el entorno
en el que está situado.
Las capacidades necesarias:
–
–
–
–
–
•
•
percepción
procesamiento del lenguaje natural
representación del conocimiento
razonamiento
aprendizaje automático
Visión de la actuación general y no centrada en el modelo humano
Ejemplos:
– Stanley (Grand challenge)
– Asimo
sistemas que actúan racionalmente
Comportamiento racional: Cumplir los objetivos a partir
de las informaciones disponibles.
Un agente es algo o alguien que percibe y hace.
El enfoque racional da énfasis a las inferencias correctas.
Para actuar racionalmente, es necesario un proceso de
inferencia racional.
sistemas que actúan racionalmente
La dificultad viene cuando no hay una probable acción
correcta, pero una decisión debe ser tomada de todas
maneras.
Existen formas de actuar racionalmente que no necesitan
inferencia.
Sacar la mano de una hornalla.
Pestañear cuando alguien pasa su mano cerca de nuestros
ojos.
¿Es la IA posible?
¿Es la IA posible?
• La posibilidad de la inteligencia artificial
plantea problemas filosóficos complejos.
• ¿Las máquinas pensantes poseen
consciencia?
• La habitación china (Searle, 1980)
• ¿Es la inteligencia una propiedad
emergente de los elementos biológicos
que la producen?
• No hay una conclusión definitiva.
La habitación china
Paradigmas de IA
Simbólico: metáfora lingüística
Ej.: Sistemas expertos, agentes, ...
Conexionista: metáfora cerebral
Ej.: Redes neuronales.
Evolucionista: metáfora de la naturaleza
Ej.: Algoritmos genéticos, vida artificial.
Estadístico/Probabilístico/Posibilístico:
Ej.: Redes Bayesianas, sistemas difusos.
Paradigma Simbólico
West es criminal o no?
“La ley americana dice que esta prohibido vender armas a una nación
hostil. Cuba posee algunos misiles y todos ellos fueron vendidos por el
Capitán West, que es americano. El Capitán West vendió los misiles a
un traficante de armas español, que se los vendió a Cuba”
Como podemos resolver automáticamente este problema?
Según la IA (simbólica), es necesario:
●
●
●
Identificar el conocimiento del domínio.
Representarlo utilizando un lenguaje formal.
Implementar un mecanismo de inferencia para utilizar este
conocimiento.
Paradigma Conexionista
Definición “Romántica”:
Técnica inspirada en el funcionamiento del cerebro, donde las
neuronas artificiales, conectadas en una red, son capaces de
aprender y de generalizar.
Definición “Matemática”:
Técnica de aproximación de funciones por regresión no lineal.
Paradigma Conexionista
Paradigma Evolucionista
Evolución
La diversidad es generada por cruzamiento
y mutaciones.
Los seres mas adaptados a sus ambientes
sobreviven (selección natural).
Las características genéticas de tales seres
son heredadas por las próximas
generaciones.
Paradigma Evolucionista
Definición:
Método probabilístico de búsqueda para la resolución de
problemas (optimización) “inspirado” en la teoría de la
evolución.
Idea:
Hacer evolucionar un conjunto de individuos mas
adaptados por cruzamiento a través de sucesivas
generaciones.
Paradigma
Estatístico/Probabilístico/Posibilístico
Probabilidades
Razonamiento con Incertidumbre
Posibilidades
Razonamiento con Imprecisión
Fundamentos
Filosofía
Matemática
Lógica
Psicología
Lingüística
Ingeniería computacional
Fundamentos de la IA
• Filosofía. Debate sobre la posibilidad de
una inteligencia mecánica:
• Descartes, Leibniz: la mente está ligada al mundo
físico.
• John Locke: en el principio fue la Mente (1690).
• Hume (1779), Russell: el conocimiento es fruto de
la percepción, se adquiere por la experiencia
(inducción) y está representado por teorías
lógicas.
• Darwin (1857): destrucción del ex nihilo nihil fit a
través de la teoría de la evolución por selección
natural.
Fundamentos de la IA
• Matemáticas. Las bases filosóficas
necesitan reglas formales:
• Boole, Frege: fundamentos de la lógica
matemática.
• Gödel, Turing: límites de lo computable (teorema
de incompletitud).
• Fermat, Bernoulli, Bayes: probabilidad,
razonamiento probabilístico.
Fundamentos de la IA
• Psicología cognitiva. Teorías sobre la
conducta, bases del comportamiento
racional:
• Representación de los estímulos externos
• Manipulación consciente de la representación
• Actuación consecuente
Fundamentos de la IA
• Ingeniería computacional:
• Para la existencia de la IA es necesario un
mecanismo para soportarlo (hardware).
• También son necesarias herramientas para
desarrollar programas de IA.
• Lingüística computacional:
• Chomsky: representación del conocimiento,
gramática de la lengua.
agenda
PARTE 1
Que es la Inteligencia Artificial
Paradigmas de IA
Fundamentos
PARTE 2
Historia
Áreas de la IA
Algunas Aplicaciones
Historia
http://en.wikipedia.org/wiki/History_of_artificial_intelligence
http://library.thinkquest.org/2705/history.html
http://www.aaai.org/AITopics/pmwiki/pmwiki.php/AITopics/BriefHistory
Historia – intentos
La historia original,
publicada por Mary
Shelley en 1818, describe
el intento del Dr.
Frankenstein, de crear
vida.
Historia de la IA
Los inicios (1943-1956)
•
McCulloch y Pitts: primer modelo de neurona, demostración de que
cualquier función es computable por una red de neuronas,
aprendizaje
•
Hebb: regla de aprendizaje Hebbiano o de Hebb
•
Minsky, Edmonds: primer simulador de red neuronal (40 neuronas)
•
Taller de Dartmouth (bautizo de la IA): McCarthy, Minsky, Shannon,
Rochester, More, Samuel, Solomonoff, Selfridge, Newell, Simon
•
Newell, Simon: Teórico Lógico (TL)
el nacimiento de la IA
Dartmouth Conference (1956)
Organizada por John McCarthy para establecer una nueva
área para estudiar computación y la inteligencia.
John McCarthy bautiza el área introduciendo el término
“artificial intelligence” durante la conferencia.
Los siguientes 20 años testimonian el crecimento del área,
siendo conducido por los pioneros que participaron en esta
conferencia.
entusiasmo inicial
(1952-1969)
Alan Newell y Herbert Simon desarrollaron el “General Problem
Solver” (GPS)
Proyectado para imitar protocolos humanos de resolución de problemas.
El GPS fue el primer programa en incorporar el enfoque: “Pensar como
humanos”.
Arthur Samuel (1952) escribió una serie de programas para jugar
damas y probo lo contrario al sentido común de la época:
“la idea que las computadores podían hacer solamente lo ordenado”
Sus programas aprendían rápidamente a jugar mejor que su creador.
Herbert Gelernter (1959) – Geometry Theorem Prover
Desarrolló un demostrador de teoremas
entusiasmo inicial
(1952-1969)
McCarthy (1958) desarrolló el LISP, que se tornó el
lenguaje dominante en la IA.
Robinson (1963) descubrió el método de resolución.
Minsky supervisó a una serie de estudiantes que eligieron
problemas limitados, que parecían requerir inteligencia
para ser resueltos.
Historia de la IA
La dura realidad (1966-1973)
• Muchos sistemas de IA actuaban de manera
prometedora en problemas sencillos y fallaban ante
problemas reales.
• Muchos problemas eran intratables (NP); el tamaño del
problema es relevante.
• La búsqueda exhaustiva es impracticable.
• Minsky, Papert: en Perceptrons se demuestra la escasa
capacidad de representación de los perceptrones.
ELIZA (1966)
• Conversación con ELIZA
-> Hello. I am ELIZA. How can I help you?
+> I am feeling sad.
-> I am sorry to hear you are sad.
+> I had some nightmares tonight.
-> You say you had some nightmares tonight.
+> Yes, my dreams are worrying me.
-> What does that dream suggest to you?
+> Thrill, scare.
-> I am not sure I understand you fully.
+> My dreams annoy me.
-> Do you dream often?
+> Yes, daily.
Historia de la IA
Los sistemas basados en el conocimiento (1969-1979)
• Los mecanismos generales de resolución de problemas
no son practicables (métodos débiles).
• DENDRAL: el conocimiento del dominio del problema
ayuda a resolverlo mejor.
• Sistemas Expertos (MYCIN, PROSPECTOR):
incertidumbre, factores de certeza
• Representación del conocimiento y razonamiento (redes
semánticas, marcos, Prolog, ontologías)
Renacimento
(1969 – 1979)
1971: T. Winograd’s Ph.D. thesis (MIT) crea un
sistema capaz de comprender ingles en un
dominio reducido.
1972: nace PROLOG y se torna una alternativa al
LISP.
Renascimento
(1969 – 1979)
1978: El Version Space algorithm fue desarrollado por
Tom Mitchell en Stanford.
Primer algoritmo de aprendizaje.
Es considerado el padre del “Machine Learning”.
1979: Lógicas no-monótonas.
Formalizadas por John McCarthy y sus colegas.
Historia de la IA
La IA se industrializa (1980 hasta el presente)
• El éxito de los sistemas expertos lleva a su uso
comercial: R1, XCON (sistema de configuración en
Digital Equipment Corporation).
• Japoneses: quinta generación de ordenadores
• Estadounidenses: MCC
• Software para el desarrollo de la IA
• Máquinas de arquitectura dedicada
Eventos recientes
(1987-1995-2000-hoy)
Avances y utilización de tecnología para el reconocimiento
de imágen, voz y sonido.
Belief networks, "probabilidades" que permiten
formalismo para tratar incertidumbre.
Desarrollo de mecanismos lógicos para tratar
incertidumbre.
Ej.: lógica difusa, lógica modal, etc.
IA en la actualidad
• RAZONAMIENTO:
– Satisfacción de restricciones
– Búsqueda heurística
– Razonamiento basado en modelos
– Razonamiento no monotónico
– Planificación de tareas y scheduling
– Razonamiento cualitativo
– Razonamiento con incertidumbre
– Razonamiento temporal y espacial
IA en la actualidad
• APRENDIZAJE AUTOMÁTICO:
– Razonamiento basado en casos
– Análisis de datos
– Computación evolutiva
– Redes de neuronas
– Aprendizaje por refuerzo
IA en la actualidad
• INGENIERÍA DEL CONOCIMIENTO Y
APLICACIONES:
– Lógica
– Sistemas de apoyo a la decisión
– Interacción hombre-máquina inteligente
– Gestión del conocimiento
– Representación del conocimiento
– Ontologías y Web semántica
– Sistemas multi-agente e IA distribuida
IA en la actualidad
• ROBÓTICA, PERCEPCIÓN,
PROCESAMIENTO DEL LENGUAJE
NATURAL:
– Robótica y control
– Procesamiento del lenguaje natural
– Percepción (visión, reconocimiento del habla)
– Creatividad, juegos, inteligencia ambiental
agenda
PARTE 1
Introducción
Que es la Inteligencia Artificial?
Paradigmas de IA
Fundamentos
PARTE 2
Historia
Áreas de la IA ( <<<<)
Algunas Aplicaciones
Redes
Neuronales
Razonamiento
basado en casos
Agentes
Inteligentes
Computación
Evolutiva
Razonamiento
basado con reglas
otros
Lógica
difusa
Robótica
Lenguaje
natural
agenda
PARTE 1
Introducción
Que es la Inteligencia Artificial?
Paradigmas de IA
Fundamentos
PARTE 2
Historia
Áreas de la IA
Algunas Aplicaciones ( <<<< )
Deep Blue
Deep Blue vs Kasparov
En 1997 la Deep Blue venció al gran maestro
Garry Kasparov
un antecedente de la Deep Blue
1915
automata – electromagnetico – 1 rey y 1 torre contra 1 rey
http://en.wikipedia.org/wiki/El_Ajedrecista
control de tráfico aéreo
OASIS – es un sofisticado sistema de
control de tráfico aéreo basado en el
paradigma multiagente, utilizado en
el aeropuerto de Sydney, Australia
para ayudar al director de trafico a
tomar sus decisiones
Robots – Dante II
1994 Dante II (CMU) explora el volcán Mt.
Spurr (Aleutian Range, Alaska). Un ambiente
inhóspito para humanos.
Búsqueda en la Web
¿como hacer para localizar rápidamente la información
relevante?
Recomendación de productos
¿Como hacer recomendaciones personalizadas de
productos?
¿Como modelar el perfil de los compradores?
Predecir comportamientos
Como predecir el valor del dólar (o del clima) de
mañana?
Que datos son relevantes? Hay comportamientos
recurrentes?
Detección de intrusos y filtrado
de Spam
Sistemas de Control
¿Como detener un coche sin que las ruedas se bloqueen?
¿Como enfocar una cámara en función de la luminosidad,
distancia, etc.?
¿Como determinar el tiempo y el programa del lavado a
partir de la ropa que se ha introducido?
¿que tienen en común problemas?
Una enorme complejidad (número de variables,
variedad y naturaleza de las tareas).
A veces no hay una “solución algorítmica”, pero si
existe conocimiento para resolverlo.
Modelado del comportamiento de un ser
inteligente (conocimiento, aprendizaje,
iniciativa, sentido común, etc.)
Lectura sugerida
LIBROS
Russel, Norvig, Artificial Intelligence: A Modern Approach,
Cap. 1.
ARTICULOS
John McCarthy. What is artificial intelligence?.
http://www-formal.stanford.edu/jmc/whatisai.html
Alan Turing "Computing Machinery and Intelligence"
http://cogprints.org/499/0/turing.html
Fin
gracias Eduardo Fermé
actualizado por Ariel Aizemberg (marzo/2010)