c1 introducciòn

Inteligencia Artificial

Universidad Mariano Gálvez

2

Temática. Definiciones.

Historia y límites de la Inteligencia Artificial.

Solución de problemas con técnicas de IA.

Sistemas basados en conocimiento.

Software.

Análisis de datos. Descubrimiento de conocimiento y Minería de Datos y Texto. Herramienta (Software WEKA)

Las organizaciones Inteligentes y la toma de decisiones.

3

Explorar el estado y perspectivas de la IA y sus aplicaciones .

Valorar la importancia del conocimiento y su gestión en los Sistemas inteligentes.

Familiarizar a los especialistas con los conceptos básicos de IA y su vinculación con otras ciencias y teorías.

Analizar las condiciones para la aplicación de sistemas inteligentes a dominios específicos.

Utilizar software de IA y para el análisis de datos.

Objetivos generales de la asignatura

4

Introducción a la IA

1.Evolución o etapas de la IA

2.Definición de IA ( Inteligencia, Inteligencia múltiple)

3.Dominios de aplicación y tipo de problemas

que resuelve la IA.

4.Papel del conocimiento en los sistemas

inteligentes

Inteligencia

6

Inteligencia ???Difícil de definir porque no existe una clara definición para

inteligencia y para artificial

El LAROUSSE

Inteligencia: Facultad de comprender, de

conocer: la inteligencia distingue al hombre del

animal.

OTROS

La inteligencia es la capacidad de aprehender

hechos y proposiciones de la realidad y su

relación y razonar sobre ellos .

7

Algunas definiciones de inteligencia dadas por

investigadores del tema

Binet: Buen discernimiento, buena comprensión, buen

razonamiento.

Spearman: La inteligencia general supone

principalmente saber relacionar y correlacionar.

Terman: Capacidad para desarrollar conceptos y captar

su significado.

Vernon: Todo lo relacionado con capacidad para

pensar.

Wechsler: Capacidad general o global del individuo

para actuar según un propósito, pensar racionalmente, y

relacionarse eficazmente con su entorno.

Responder de manera flexible a las situaciones

Entender el sentido de mensajes

contradictorios o ambiguos.

Reconocer la importancia de los

diferentes elementos.

Encontrar semejanzas y

diferencias entre distintas

situaciones, relacionando así

nuestra experiencia con nuestros

pensamientos y acciones.

Actuar con sentido

común.

INTELIGENCIA

INTELIGENCIAS MÚLTIPLES

Howard Gardner

“LA CAPACIDAD DE RESOLVER PROBLEMAS O ELABORAR

PRODUCTOS QUE SEAN VALIOSOS EN UNA O MAS CULTURAS”.

Segundo:

reconoce lo

que todos

sabíamos

intuitivamente,

y es que la

brillantez

académica no

lo es todo.

Primero:

amplía el

campo de lo

que es la

inteligencia.

Inteligencia Emocional

12

Inteligencia Artificial

13

Pioneros dela IA:

A. Turing (1912-1954): máquina de

Turing, construcción de “Coloso”, test de

Turing

C. Shannon (1916-2001): padre de teoría

de la información, chess-playing

computer

J. Von Neumann (1903-1957): estructura

básica de computador, automatas celulares

J. McCarthy: acuña término inteligencia

artificial (1956), inventa el LISP (1958).

14

En los 40 y los 50, discusión transdisciplinar sobre la

posible creación de cerebros artificiales. Inspirados en la

descripción del cerebro como una red eléctrica de neuronas

con pulsos todo-o-nada.

La cibernética de Weiner, la teoría de la información de

Shannon, la teoría de la computación de Turing.

Test de Turing (1950).

Es difícil definir la inteligencia.

Primera propuesta seria.

Razonamiento simbólico.

Si una máquina puede manipular números, entonces

puede también manipular símbolos.

1956: Conferencia de de Dartmouth.

Nacimiento de la IA.

1. La primera generación

16

En 1950, Alan Turing propuso el siguientemétodo para determinar si una máquinaes capaz de pensar. Una persona es unentrevistador y se halla en una habitaciónseparado de otra persona y un ordenadora evaluar. El entrevistador hace preguntasa ambos de forma escrita. Si luego de uncierto número de preguntas y respuestas,el interrogador no puede identificar quiénes el computador y quién es la persona,entonces podemos decir que elcomputador piensa.

Test de Turing

Test de Turing

Debate teórico

18

19

Atributos Inteligencia Natural

Inteligencia Artificial

Capacidad de usar detectores Alta Baja

Capacidad de ser creativo Alta Baja

Capacidad de aprender de la experiencia Alta Baja

Capacidad de adaptación Alta Baja

Capacidad de permitirse el costo de adquirir experiencia

Alta Baja

Capacidad de usar diversas fuentes de información

Alta Alta

Capacidad de adquirir una gran cantidad de información externa

Alta Alta

Capacidad de realizar cálculos complejos Baja Alta

Capacidad de transferir información Baja Alta

Capacidad de hacer una serie de cálculos con rapidez y exactitud

Baja Alta

Verano de 1956, un grupo de investigadores -inspirados en la

Prueba de Turing- se reunió en el Darmouth College (Estados

Unidos) para discutir la posibilidad de construir máquinas que

no se limitaran a hacer cálculos prefijados sino operaciones

genuinamente "inteligentes".

Reunión de Darmouth College

1956. John McCarthy invita a todos sus conocidos que estaban

interesados en computadores inteligentes, a pasar dos meses de

discusión y de intercambio de ideas: " The Dartmouth Summer

Research Project on Artificial Intelligence".

Uso del término por primera vez

"De hecho no pudimos

tener reuniones

regularmente...Me llevé

un gran disgusto...

Tampoco hubo, al menos

que yo pudiera ver,

ningún intercambio

efectivo de ideas."

Principales participantes•John McCarthy: quien le dio el nombre a esta nueva

área del conocimiento y estudiaba sistemas capaces de

efectuar razonamientos de sentido común.

•Marvin Minsky: fundador del laboratorio de IA del MIT.

Trabajaba sobre razonamientos analógicos de

geometría

•Claude Shannon: de los laboratorios Bell de EEUU.

•Nathaniel Rochester: de IBM

•Allen Newell: primer presidente de la AAAI (Asociación

Americana de Inteligencia Artificial)

•Herbert Simon: Premio Nobel de Carnegie-Mellon

University.

•Selfridge, que estudiaba el reconocimiento visual por

computador

Dos grandes "escuelas" de IA:

•Newell y Simon Universidad de Carnegie-Mellon,

para desarrollar modelos de comportamiento humano

con aparatos cuya estructura se pareciese lo más posible

a la del cerebro (lo que posteriormente derivó en los

trabajos sobre "redes neuronales" artificiales).

•McCarthy y Minsky (MIT), centrándose más en que los

productos del procesamiento tengan el carácter de

inteligente, sin preocuparse porque el funcionamiento o la

estructura de los componentes sean parecidas a los del

ser humano. (ej: en el ajedrez lo fundamental es que las

computadoras tuvieran sistemas potentes de solución)

24

La época del asombro.

“Construiremos una máquina plenamente inteligente en 20

años”.

Grandes flujos de financiación.

Algunas áreas de trabajo:

Algoritmos de búsqueda.

Lenguaje natural.

ELIZA.

Micro-mundos.

2. Edad de Oro (1956 – 1974.)

No se cumplen las expectativas...

...y la financiación desaparece.

Problemas:

Capacidades limitadas de los ordenadores.

Explosión combinatoria:

Muchos problemas sólo pueden resolverse en

tiempo exponencial.

Necesidad de grandes bases de conocimiento.

La paradoja de Moravec.

Objeciones de los filósofos.

3. El primer invierno(1974 – 1980)

Es fácil comparativamente conseguir

que las computadoras muestren

capacidades similares a las de un

humano adulto en tests de

inteligencia, y difícil o imposible lograr

que posean las habilidades

perceptivas y motrices de un bebé de

un año

Paradoja de Moravec.

La llegada de los sistemas expertos.

Sistemas muy útiles en la práctica.

La inteligencia como manipulación de conocimiento.

El proyecto “quinta generación”.

Proyecto del gobierno japonés.

850 millones de dólares de financiación.

Máquinas que...

...conversasen...

...tradujesen...

...interpretasen imágenes...

...razonasen como seres humanos.

4. El nuevo boom(1980 – 1987)

29

30

Nueva caída en la financiación.

Los sistemas expertos resultaron:

Caros de mantener.

Incapaces de aprender.

Podían cometer grandes errores.

IA no era el camino a seguir...

...según algunos gobiernos.

Fracaso del proyecto “quinta generación”.

Una nueva aproximación basada en la robótica

Una máquina inteligente necesita tener un cuerpo

5. El segundo invierno(1987 – 1993)

2

32

33

34

Un sistema inteligente es un

sistema en el cual se utilizan técnicas

de inteligencia artificial.

36

37

Dominios técnicos

a) se parte de la descripción de la tarea a nivel de conocimiento

b) se busca una representación de ese conocimiento separándolo

de los mecanismos de aplicación del mismo

c) se seleccionan las técnicas adecuadas para su implementación

y se desarrolla un primer prototipo

d) se hace énfasis en el carácter de ingeniería buscando

procedimientos sistemáticos de implantación, evaluación y

refinamiento de esos prototipos

e) se usan lenguajes y entornos de programación que facilitan el

desarrollo rápido y eficiente de aplicaciones

•No exista una solución analítica o algorítmica

conocida.

•Cuando existiendo esa solución, la explosión

combinatoria la haga ineficiente.

•Cuando el conocimiento necesario es muy

grande, incompleto, complejo y difícil de

representar.

•Cuando es necesario el aprendizaje y la

inyección de conocimiento del dominio.

• Siempre que abordemos tareas cognoscitivas

que usen conocimiento de sentido común.

Tenemos un problema de IA siempre que:

42

43

44

El problema de los misioneros y los

caníbales

(problema de dominio formal)El problema consiste en pasar tres caníbales y

tres misioneros por un río en un barco con

capacidad para dos personas. No pueden haber

nunca más caníbales que misioneros en ninguna

orilla porque los caníbales se comen a los

misioneros.

http://download.kiwix.org/portable/wikipedi

a_es_all.zip

La solución

VIDEO

El Problema del Camino

Hamiltoniano

El objetivo es encontrar un camino que vaya del

inicio (start) hasta el final (end) pasando por

todos los demás puntos una sola vez. Este

problema es difícil para computadoras

convencionales (lógica serial) porque deben de

intentar cada camino posible uno por uno.

La solución

El siguiente algoritmo resuelve el problema del

Camino Hamiltoniano, sin importar el tipo de

computadora usada:

• Generar caminos aleatorios a través del grafo.

• Quedarse solo con los caminos que empiezan

en la ciudad inicio (A) y terminan en la ciudad

fin (G).

• Como el grafo tiene 7 ciudades, quedarse solo

con los caminos que tengan 7 ciudades.

• Quedarse solo con los caminos que entran a

todas las ciudades por lo menos una vez.

• Cualquier camino que quede es una solución.

49

Problema de las jarras de agua

El enunciado es el siguiente. Usted tiene 2

jarras de agua, una de cinco galones y una

de tres galones. Ninguna de las jarras tiene

marcas de medida. Hay una bomba que

puede ser usada para llenar las jarras.

¿Cómo puede lograrse exactamente 4

galones de agua en la jarra que posee 5

galones de capacidad ?.

Solución

1) Llenar la jarra de 5 galones.

2)Vaciar todo el contenido de la jarra de 5 galones en la de 3 galones

3)Botar el agua en la de 3 galones

4)Poner los 2 galones que quedan en la jarra de 5 galones en la jarra de 3 galones

5)Llenar la jarra de 5 galones

6)Verter de la jarra de 5 galones, para completar la de 3 galones (1 galón) quedando 4 galones en la jarra grande

La inferencia en inteligencia artificial está asociada

al uso individual o combinado de tres tipos de

razonamiento:

- la deducción lógica: se parte de un conjunto de

fórmulas (axiomas o de validez general) y sobre ellas se

aplican un conjunto de reglas o procedimientos de

demostración que nos permiten obtener nuevas fórmulas

válidas.

- la inferencia inductiva usa pistas (heurísticas) con el

conocimiento del dominio para pasar de lo particular a lo

general. Nunca podemos garantizar la certeza de la

inferencia en este caso.

-en el razonamiento abductivo se parte de una

conclusión conocida y se busca un hecho que la explique

( como en los diagnósticos médicos)(dado un conj. de datos y una

explicación de ellos se toma como una hipótesis razonablemente buena)

Conclusión primaria

“ La inteligencia artificial necesita

conocimiento” primero que técnicas ,

métodos y computadoras.

Papel y Uso del conocimiento

Industrial de

extracción

Industria del

Software

Recurso limitante: la

materia prima

Recurso limitante: el

conocimiento

////////////////

Industrias con necesidades

distintas de conocimiento

Industrias mas exitosas

•Software

•Micro electrónica

•Computación

• Telecomunicaciones

•Industria Farmacéutica

•Biotecnología

•Aeroespacial

Informe del banco central

•Se duplicaron los productos

de las industrias de alta

tecnología

(11% a 22%)

•Se redujo la producción de

productos primarios

(34% a 13%)

Siem

pre

se pu

ede

gen

erar

nu

evo C

.

Puede

entregarse

a varias

persona

El C. no

puede ser

“apropiado”

Dos peculiaridades del conocimiento

Almacenar no es

tan importante

como generar

rápida y

continuamente

nuevo

conocimiento

Dos cualidades hacen mas difícil la apropiación del conocimiento

Disponer del conocimiento es una cosa e invertirlo bien para obtener un beneficio es otra.

Lo fundamental es aplicarlo de manera inteligente en la toma de decisiones

SABIDURÍA/INTELIGENCIA

Algunas definiciones de dato, información y

conocimiento

SABIDURÍA/INTELIGENCIA

Gestión del conocimiento: Combinación sinérgica de datos, información y sistemas, y la capacidad creativa e innovadora de los seres humanos. Malhotra 1997

Estructura y requisitos para el

proyecto de artículo

•Presentación

•Introducción

•Desarrollo

•Conclusiones

•Referencias bibliográficas

•Anexos (opcional)

•Entre 8 y 12 páginas sin

contar los anexos.

•8 citas de los últimos cinco

años sobre el tema.

•Un documento Word,

(tamaño de letra 11, arial)

No puede faltar

1.Una definición de Inteligencia Artificial.

2.Vinculo con las tecnologías emergentes

3.Aplicaciones a su actividad técnica.

Temas a desarrollar

1. Los sistemas basados en reglas y sistemas basados en casos.

Comparación. Estudio de casos

2. Software inteligentes y software de aplicación. Una comparación.

3. Evaluación crítica de los planteamientos de Ray Kurzweil el libro “la

era de las maquinas espirituales”.

4. Computadoras de ADN. (Adelman- 1994, Chapiro – Israel – del

2001 en adelante)

5. Realidad virtual.

6. Algoritmos genéticos.

7. Los Juegos como problemas de búsqueda.

8. Ingeniería del conocimiento.

9. Minería de texto.

10. Ontología

11. Teoría de autómatas

12. Redes neuronales Artificiales

13. Aprendizaje automático.

14. Árboles de decisión

15. Máquinas de Soporte Vectorial

16. Aprendizaje por refuerzo.

17. Razonamiento basado en casos.

18. Lógica borrosa en IA

19. Reglas de producción para representación de conocimiento.

20. La Incertidumbre en Sistemas Expertos

Temas a desarrollar