Introducción a la Inteligencia Artificial

Introducción a la Inteligencia Artificial
CONTENIDO:
1. Una noción general de IA
2. Una definición operativa de Inteligencia Humana
3. Relación entre la inteligencia humana y la IA
4. Actitudes frente a la IA
a. IA Fuerte
b. IA Débil
5. Importancia de la IA
6. Aportación de la IA al ser humano
7. La IA actual y su futuro inmediato
8. Enfoques de la IA
a. Enfoque clásico
b. Enfoque contemporáneo
c. Nuestro enfoque
9. Disciplinas científicas que estudian a la Inteligencia
10. Aportes de algunas disciplinas a la IA
11. Una breve semblanza histórica de la IA
a. Antecedentes generales
b. Antecedentes inmediatos
c. La competencia de Darthmouth
d. Organizadores de la competencia Darthmouth
e. Personalidades en la competencia Darthmouth
f. Personalidades Post Darthmouth
g. El proyecto de 5ta Generación
h. El proyecto Sprit
i. El proyecto CYC
12. Áreas básicas de la IA
13. Paradigma en IA
14. Elementos comunes a las diversas áreas de la IA
15. Conocimiento
16. Representación del conocimiento
17. Problemas de interés en IA
18. Una teoría de la IA sobre resolución de problemas
19. Una técnica de enfrentamiento de problemas en IA
20. Modelación de problemas en IA
21. Resolución de problemas en IA
22. Búsqueda en IA
a. Búsqueda no informada o ciega
b. Búsqueda informada o heurística
23. Una estrategia general de búsqueda
24. Razonamiento
25. Lógica
a. Lógica clásica
b. Lógico proposicional
c. Lógica de predicados
26. La estrategia general para gestionar líneas de razonamiento
Una noción de IA
Es un ámbito de las ciencias del computador; ámbito cuyo objetivo lo es inducir
en una máquina un comportamiento correspondiente a algún aspecto propio de
la INTELIGENCIA HUMANA.
Una definición operativa de la inteligencia humana
- Es una capacidad de plantear problemas
- Una capacidad de resolver problemas
- Ordenación de recursos para alcanzar objetivos
- Adaptación a situaciones imprevistas a fin de superar tales situaciones
- Capacidad de pensamiento abstracto
- Una facultad del ser humano que le permite ser capaz de:
o Conocer:
Hechos, situaciones, acciones…
o Aprender: Hechos, situaciones y acciones…
o Razonar:
Hechos, situaciones y acciones…
o Reconocer: Hechos, situaciones y acciones…
o Planificar: Hechos, situaciones y acciones…
o Organizar: Hechos, situaciones y acciones…
o Administrar: Hechos, situaciones y acciones…
Hipótesis Fundamental de la IA
En la hipótesis fundamental se asume o supone que algunos aspectos de la
inteligencia pueden ser formalizados; es decir, pueden ser descritos en términos
de símbolos de una manera sistematizada.
Actitudes de los investigadores en IA
IA Fuerte: Los investigadores en este caso asumen o suponen que un
sistema físico que ha alcanzado un grado de complejidad y cierta estructura
apropiados deben presentar como natural atributo o propiedad a la inteligencia.
Observaciones: En este caso la convicción implica en última instancia la
identidad “Mente y Cerebro”; es decir, los procesos y actividades mentales son
procesos del cerebro.
IA Débil: En este caso los investigadores asumen que el comportamiento
inteligente de una máquina es el resultado o consecuencia de un modelo
computacional diseñado por un ser humano he incorporado a la máquina. Es
decir, la iniciativa de la máquina es una materialización de la inteligencia del ser
humano.
Antecedentes Generales de la IA
Están constituidos por los diversos esfuerzos del ser humano respecto a obtener o
emular el comportamiento de seres vivos en estructuras mecánicas, todo ello
previo al siglo 20.
Antecedentes Inmediatos (Siglo XX)
Se refiere al siglo XX y pueden citarse en particular a:
Alan Tuning
Se le considera padre de la IA
1937 Publica “Números Computacionales”
Máquina de Tuning
Establece un algoritmo
1950 Los primeros en hacer un ajedrez para un computador
(Tuning y Shanon)
1950 Escribe “Máquinas, Computadoras e Inteligencia”
“Can machines Think”
Claude Shanon
1937 Representa operaciones de lógica mediante circuitos eléctricos de
interruptores
1950 Teoría de la Información
Robótica
Warren McCulloch y Walter Pitts
1943 Representa operaciones de lógica por redes neuronales
Publica
“Un calculo lógico de las ideas residentes en la actividad Nerviosa
John Von Neumann
Formalizo la teoría cuántica
Sistema de cómputo con programas residentes en memoria (Sistemas
actuales)
Norbert Wiener
1948 “Cybernetics”
Surgimiento de la IA como disciplina con personalidad propia (1956)
La IA se reconoce como disciplina oficialmente en 1956 en una conferencia cuya
convocatoria era del siguiente tipo:
“The DartMouth Research Summer Proyecto n Artificial Intelligence”
Organizadores de la conferencia DartMouth
John McCarthy (Matemático)
Marvin Minsky (Neurología y Psicología)
Nataniel Rochester (Administración de la Información)
Claude Shanon (Razonamiento Automático)
Personalidades Asistentes a la Conferencia de Dartmouth
Investigador
Arthur Samuel
Alex Berenstein
Alen Newell
Simon
y
Proyecto
Samuel’s Checker Player, Capaz de aprender de
sus errores.
Berenstein Chess Player; Capaz de elegir
movimientos vía heurísticos, es decir, criterios del
sentido común.
Herbert Lógico
Teórico;
Revolvedor
General
de
Problemas. (GPS). El primero permite probar
teoremas matemáticos, y el segundo constituye un
marco general para la resolución de problemas
generales.
Personalidades Post-Dartmouth
Década
Investigador
60
Dany Brobow
60
60
Eduard Feigenbaum
Bruce Buchanan
Joshua Lederberg
Joseph Weizebaum
60
Ferry Winograd
60
Frank Rosenblatt
70
Thomas Evans
Proyecto
STUDENT; Permite traducir desde el
lenguaje natural al lenguaje matemático
DENDRAL; Permite investigar y determinar la
estructura
molecular
de
sustancias
orgánicas.
ELIZA: Capaz de emular un siquiatra
Rogeliano
SHRDLU: Procesamiento de Lenguaje
natural involucrando un robot en un universo
de bloques.
PERCEPTRON: Una red neuronal artificial
monocapa, capaz de emular la actividad de
una retina. “Visión Artificial”
“Analogías Geométricas
70
Bruce Buchanan
Ed Shotliffe
70
70
Harry Podle
Jack Myens
Robert Duda
70
Douglas Lenat
70
John MacDermott
MYCIN: Asesora en el diagnostico y
correspondiente terapia de infecciones
provocadas por bacterias.
INTERNIST: Asesora en el ámbito de la
medicina interna.
PROSPECTOR: Asesora en la exploración
de yacimientos naturales
EURISKO: Asesora en procesos de
enseñanza-aprendizaje en matemáticas.
AM: Matemático Artificial.
“R1 o X-Con” Asesora en la configuración de
sistemas de computo.
Década de los 80s
Proyecto de Quinta Generación
Un proyecto nacional en Japón acerca de administración y procesamiento de
conocimiento además de datos. Y vía lógica como lenguaje de programación.
Explosión de Aplicaciones de Redes Neuronales Artificiales
Investigadores Destacados
John Hopfield
Stephen Grosberg
Gail Carpenter
Terrence Sejnowski
Teuvo Kohonen
James McClelland
David Rumelhary
Década de los 90s
Se trabajo en las siguientes líneas:
- Procesamiento de Lenguaje Natural
- Sistemas Expertos
- Robótica
- Redes Neuronales Artificiales
- Algoritmos Genéticos
- Sistemas Distribuidos
- Agentes Inteligentes
- Sistemas Neuro-Difusos
- Realidad Virtual
- Vida Artificial
- Bases de Datos Inteligentes
- Dataware Housing
- Datamining (Minería de datos)
Algunos Eventos de particular interés para la IA
- Principios de los 60s
Se establece una regla de inferencia para desarrollar razonamiento
automático, es decir, razonamiento de máquina. La regla es conocida como
“Principio de resolución de Robinson” colocando a la lógica como un lenguaje para
representar y procesar conocimiento.
En 1965 surge la Fuzzy Logia (Lógica Difusa) -Lofti ZadehComo recurso para procesar información incierta o información ambigua.
En 1975 Surge como disciplina con personalidad propia los sistemas adaptivos,
vía computación genética. (John Hollan)
En 1986 Surge una nueva disciplina científica de nombre “Artificial Life” “Alife”
(Christopher Lanaton)
En 1986 Surge un concepto denominado “Ciencia Cognitiva”
Áreas básicas de Aplicación de la IA
- Representación del conocimiento
- Resolución de problemas
- Procesamiento de lenguaje natural
- Ingeniería del Conocimiento
- Robótica
o De Investigación
o De exploración
o Industrial
o Médica
o Microrobótica
o Nanorobótica
o Androides
- Planeación
- Aprendizaje de Máquina
- Visión Máquina
- Comprensión de Máquina
Representación del Conocimiento
Objetivo: Diseñar y establecer técnicas que permitan describir el conocimiento en
forma apropiada, a fin de hacerlo residir en la memoria física de un computador, y
permitir a tal computador procesar tal conocimiento.
Técnicas de representación del Conocimiento
- Redes semánticas
-
Tripletes (Objeto Atributo Valor)
Expresiones Lógicas
Marcos
Objetos
Hipermedia
Prueba automática de Teoremas
Un proceso de emulación mecanizada del razonamiento humano y que concluye
con un enunciado a partir de otros originalmente disponibles.
Resolución de Problemas
Los problemas que interesan a la IA son aquellos para los cuales al menos en
principio no existe un algoritmo de solución y aquellos para los que además de
exigir procesamiento numérico exige sobre todo, fundamentalmente
procesamiento simbólico , y así mismo presentan información incompleta, incierta
y ambigua en razón de su complejidad.
Procesamiento del Lenguaje Natural
El objetivo en este caso es diseñar sistemas que permitan a un computador el
reconocimiento del lenguaje natural, tanto oral como escrito.
Ingeniería del Conocimiento
Este ámbito tiene la importancia especial de ser el área que ha permitido a la IA
pasar del laboratorio a las aplicaciones reales en la empresa, la industria,
servicios, etc.
Los productos de la “IDC” son técnicamente denominados sistemas expertos y
constituyen asesores en ámbitos específicos de la actividad del ser humano.
Planeación
El objetivo en este caso, lo es la visualización de acciones por considerar en un
orden con una lógica rigurosa a fin de alcanzar objetivos deseados.
Aprendizaje de Máquina
En este caso el Objetivo es diseñar sistemas que permitan a un computador
incorporar nueva información a información ya disponible, y emplear la información
integrada para enfrentar y resolver problemas.
Visión de Máquina
El objetivo en este caso lo es diseñar sistemas que habiliten a un computador a fin
de que sea capaz de capturar, conservar, procesar, reconocer, e identificar o
interpretar imágenes visuales.
Comprensión de Máquina
El objetivo en este caso lo es diseño de sistemas que permitan a un computador
ser capaz de relacionar un conjunto de hechos, con un conjunto de acciones, de
manera que a determinado hecho corresponda una acción específica.
PARADIGMAS EN IA
Un Paradigma en IA es un contexto particular para hacer y desarrollar IA
Tipos de Paradigmas en IA
-
Hipótesis de símbolos físicos
Hipótesis Conexionista
Hipótesis Evolutiva
IA Híbrida
IA Distribuida
Agentes Inteligentes
IA Integrada
Hipótesis de Símbolos Físicos.
En este caso se supone que la función principal de la inteligencia lo es el
procesamiento de la información, entendiendo esto, como una manipulación bajo
reglas de elementos físicos discretos. El procesamiento es en serie y por lo tanto
relativamente lento.
Hipótesis Conexionista
En este caso se asume o supone que la función de la inteligencia es la generación
de redes emergentes de elementos simples, elementos que operan bajo leyes
individuales, y elementos cuyas conexiones varían en intensidad bajo
determinadas reglas. El procesamiento es en paralelo y relativamente rápido.
Hipótesis Evolutiva
En este caso se asume o supone que la función de la inteligencia se traduce en
cambios de conducta vía procesos de adaptación, que se traduce en cambios de
la estructura interna del sistema, cambios que le permiten desempeñarse en forma
mas apropiada en un entorno dinámico.
IA Híbrida
En este caso el objetivo es diseñar sistemas capaces de presentar habilidades
incluidas en 2 o más de los paradigmas anteriores.
IA Distribuida
En este caso el objetivo lo es el diseño de sistemas capaces de enfrentar y
resolver cooperativamente problemas, vía información residente en diversos sitios
y mediante el recurso a redes de computadoras.
IA Integrada
Recurre a la programación convencional y a los paradigmas antes mencionados.
AGENTES INTELIGENTES
Concepto de Agente Inteligente: Una entidad capaz de percibir su entorno, de
procesar la información percibida, y de reaccionar y actuar sobre el entorno.
Propiedades y atributos de un agente inteligente:
CONOCER:
El agente debe ser capaz de relacionarse con su entorno y
conservar atributos propios del entorno.
RAZONAR:
Procesar la información percibida y generar nuevo
conocimiento.
AUTONOMA:
El comportamiento de un Agente debe ser función no solo
del conocimiento original que se le ha incorporado aquel que
lo ha diseñado, sino que también de los propios
experimentos del agente.
PROACTIVIDAD:
Un agente debe ser capaz de adelantarse a los deseos e
intenciones de su usuario.
SOCIABILIDAD
Un agente debe ser capaz de comunicarse con otros
agentes, bien para cooperar o para negociar.