fundamentos de inteligencia artificial (representación de conocimiento) e. morales/l.e. sucar...

Fundamentos de Inteligencia Artificial

(Representación de Conocimiento)

E. Morales/L.E. Sucar

Departamento de Computación

ITESM Campus Cuernavaca

a) Habilidades

Intenciones Educativas

• análisis y comparación • lectura crítica • autoestudio • resolución de problemas/aplicación de conocimientos

b) Valores

Intenciones Educativas

• trabajo en grupo • responsabilidad

Conceptual:

Identificar los componentes para representar el conocimiento en una aplicación, utilizar una o varias de las técnicas de representación que sean más adecuadas, y decidir sobre los mecanismos de inferencia y control

Objetivos

Procedimental:

Aprender a analizar y comparar las diferentes técnicas y aplicarlas a la solución de problemas.

Aprender a leer, analizar y criticar por cuenta propia artículos científicos.

Objetivos

Actitudinal:

Aprender a trabajar en grupo y fomentar actitudes críticas bien fundamentadas.

Promover responsabilidad y profesionalismo.

Objetivos

1. Introducción a Inteligencia Artificial 2. Introducción a la Representación de Conocimiento* 3. Búsqueda* 4. Lógica* 5. Reglas de producción* 6. Objetos estructurados* 7. Representaciones Híbridas 8. Inteligencia artificial distribuida

Estructuración del contenido

9. Modelos cualitativos* 10. Razonamiento temporal* 11. Representación de Incertidumbre * 12. Adquisición de conocimiento y aprendizaje 13. Ontologías 14. Desarrollos recientes y tendencias futuras

Estructuración del contenido

Reglas

Ontología Lógica

RedesSemánticasClásica

es una

es una

es unaIdentificar

Técnicas de Representación

e Inferencia

tipo

Híbridatipo

Representaciónde

Conocimiento

aplicar

Alternativa

Cualitativatipo

Temporal

es una

es una

Manejo deintercertidumbreBasadas en

aprendizajeEstrategiasde control

es unaDiseñar

Pizarrón

Capas

DAI

tipo

tipo

tipo

Representación

Mecanismoinferenciadecidir

Control

resolver

Problema

Frames/objetos

es una

Figura 0.1: Mapa Conceptual del Cursocenital

• Cada alumno debe de escoger un problema desde el principio de la clase al cual va a estar aplicando y evaluando algunas de las técnicas vistas en clase para representarlo y resolverlo.

Estrategia de Enseñanza y Aprendizaje

• Algunas clases se van a impartir siguiendo el formato de la representación vista en clase.

• Representación del problema para cada una de las técnicas marcadas con “*”(25%)

Evaluación

La evaluación consiste de:

• Examen a mediados del curso (30%).

Evaluación

• Participación en grupos de discusión y presentación artículos en equipo (20%).

• Realización de un proyecto resolviendo el problema planteado (25%)

Evaluación

1. Entregar un documento, en formato de artículo técnico, que contenga (por lo menos) las siguientes secciones:

Proyecto Final de Representación de Conocimiento

a) El problema a resolver y las principales carácterísticas del mismo.

b) Qué elementos están considerando en la representación del problema

c) Qué técnica(s) de representación y qué método(s) de inferencia (y control), y porqué?

d) Mostrar los resultados obtenidos y analizarlos

e) Hacer una breve análisis de las ventajas/desventajas de la representación y método de inferencia utilizado.

f) Dar conclusiones e ideas de posibles extensiones

Proyecto Final (continuación)

2. Realizar una implementación que resuelve su problema (en cualquier lenguaje):

b) Mandar ejecutable

a) Entregar listado de código junto con manual de usuario

3. Hacer una presentación breve que explique el punto (1) y los resultados obtenidos

Lucas, P. y Van der Gaag, L. Principles of Expert Systems. Addison Wesley, 1991. Russel, S., Norvig, P., Artificial Intelligence: A Modern Approach, Prentice-Hall, 1995.

BibliografíaTexto

BibliografíaConsulta

Brachman, R y Levesque, H. Readings in Knowledge Representation. Morgan Kaufmann, 1985.

Jackson, P. Introduction to Expert Systems. Addison-Wesley, 1990 (2a. edición).

Winston, P., Artificial Intelligence. Addison-Wesley (Tercera Edición) 1992.

BibliografíaConsulta

Shapiro, S.C. Encyclopedia of Artificial Intelligence. Wiley, New York (segunda edición), 1992.

“... diseño de sistemas inteligentes, es decir, que exhiben características que asociamos con la inteligencia humana - entender lenguaje natural, aprendizaje, razonamiento, etc.” [Feigenbaum].

Inteligencia Artificial

“... programar computadoras para que realicen tareas que actualmente son hechas mejor por los seres humanos, ... , aprendizaje perceptual, organización de la memoria, razonamiento” [Jackson].

Inteligencia Artificial

“... hacer computadoras más útiles y entender los principios que hacen posible la inteligencia” [Winston].

Inteligencia Artificial

“... es un campo de la ciencia y de la ingeniería que se ocupa de la comprensión a través de la computadora de lo que comunmente llamamos comportamiento inteligente y de la creación de herramientas que exhiben tal comportamiento” [Shapiro].

Inteligencia Artificial

1. Entender y modelar sistemas “inteligentes”

Dos aspectos básicos:

2. Construir máquinas “inteligentes”

(ciencia)

(ingeniería)

habilidad de razonar, adquirir y aplicar conocimiento, percibir y manipular objetos, ...

Pero, qué es inteligencia?

• Sistemas que piensan como humanos (ciencia cognitiva).

Enfoques:

• Sistemas que actuan como humanos (prueba de Turing).

• Sistemas que piensan racionalmente (lógica).

• Sistemas que actuan racionalmente (teoría de decisiones).

Enfoques:

• Comprensión de lenguaje natural. • Interpretación de imágenes. • Manipulación y navegación. • Matemáticas simbólicas. • Planeación. • Solución de problemas complejos.

Tipo de aplicaciones:

• Simbólicos (Lisp) • Lógicos (Prolog)

Tipo de técnicas :

Tipo de lenguajes :

• Manipulación simbólica. • Aprendizaje. • Razonamiento. • Búsqueda heurística.

IA tiene sus fundamentos en áreas tales como:

• Filosofía • Matemáticas • Psicología • Ingeniería Computacional • Linguística

Es multidisciplinaria:Computación + otras áreas

..

• Gestación (1943-1956) • Entusiasmo y grandes espectativas (1952-1969) • Dosis de realidad (1966-1974) • Sistemas basados en conocimiento (1969-1979)

Desarrollo Histórico

Según [Russell, Norvig 95]:

• IA como industria (1980-1988) • Regreso de redes neuronales (1986-presente) • Eventos recientes (1987-presente)

Según [Russell, Norvig 95]:

Desarrollo Histórico

• GPS - Newell, Shaw y Simon • Perceptrón - Minsky y Papert • Chekers - A. Samuel • MACSYMA • AM - D. Lenat • ELIZA - Weisenbaum

Sistemas y/o Desarrollos Importantes

Sistemas históricos

Sistemas y/o Desarrollos Importantes

Sistemas históricos

• Shakey - SRI • SHRDLU - Winogard • MYCIN - E. Shortliffe • Prospector - Duda, Hart • Hearsay II - Erman, Hayes-Roth, Lesser, Reddy • CYC - D. Lenat, R. Guha • ...

• PEGASUS [Zue et al. 94] • MARVEL [Schwuttke 92] • Diagnóstico médico [Heckerman 91] • NAVLAB [Pomerlau 93] • Monitoreo de tráfico [Koller 94] • DEEP BLUE [IBM 97] • TD-Gammon [Tesaruro 94] • Trains/Trips [Allen 95/98]• Ayudante de ventas en LN [Chai 01]

Sistemas actuales

VIDEOS:

SISTEMA TRIPS DE JAMES ALLEN

ROBOTÍCA

IA: áreas actuales de investigación(IJCAI 01)

• Representación y razonamiento (31)– Robótica cognitiva– Causalidad y acción (planes)– Razonamiento espacial– Razonamiento cualitativo– Razonamiento temporal– Revisión de conocimiento– Lógica, grafos conceptuales– Análisis de complejidad– Ontologías

• Búsqueda y satisfacción de restricciones (19)• Modelos cognitivos (6)• Planeación (15)• Juegos (3)• Diagnóstico (6)• Programación lógica y prueba de teoremas (10)• Incertidumbre y razonamiento probabilístico (12)

IA: áreas actuales de investigación(continuación)

• Redes neuronales y algoritmos genéticos (8)

• Aprendizaje y minería de datos (23)

• Razonamiento basado en casos (5)

• Sistemas multi-agente (27)

• Procesamiento de lenguaje natural (14)

• Robótica y percepción (14)

IA: áreas actuales de investigación(continuación)

Disputas internas: lógicos/teóricos vs. prácticos

Disputa externa: ¿se puede lograr una verdadera IA?

Cuestionamientos

Existen dos posiciones:- IA débil- IA fuerte.

• Débil: ¿podemos lograr crear máquinas que actuen como si fueran inteligentes? • Fuerte: ¿podemos tener máquinas inteligentes? (i.e., conciencia...)

• Gödel (teorema de incompletés)

• Dreyfus (la manipulación simbólica no es fundamento de inteligencia) • Winograd y Flores (mejor enfocarse a problemas prácticos)

Críticas

• Searle (pensamiento real y simulado)

Críticas

•Penrose (se requiere conocimiento de física no incluído en las máquinas)

Discusión sobre los aspectos de IA que aparecen en la película y sobre los avances actuales con respecto a la película

Presentación de Video 2001: Odisea del espacio

• Jugar ajedrez () • Síntesis de voz ()• Reconocimiento de voz () • Lectura de labios () • Planificación ()

2001: Odisea del Espacio

• Visión ( X ) • Procesamiento de lenguaje natural ( X ) • Sentido común ( X ) • Emociones ( X )

Stork (ed.), HAL's Legacy, MIT Press, 1997

2001: Odisea del Espacio

Representaciones básicas:

• Reglas de producción • Redes semánticas • Frames (prototipos o marcos) • Lógica de predicados

Técnicas de Representación

Representaciones avanzadas:

• Modelos cualitativos, temporales, causales • Manejo de incertidumbre • Sistemas híbridos, capas, pizarrón • Sistemas multiagentes• Razonamiento basado en casos • Redes neuronales • Sistemas multifuncionales

Técnicas de Representación