intro ducci on
DESCRIPTION
introduccionTRANSCRIPT
INTELIGENCIA ARTIFICIAL
INGENIERIA ELECTRONICA
CONOCIMIENTO
INTRODUCCIÓN
NIVELES DEL CONOCIMIENTO
Datos
Información
Conocimiento
Entendimiento
Es humano.
Es una apreciación del por qué.
Puede generar conocimiento.
Es información útil, contextual, tácita. Es la
aplicación de los datos y la información,
responde a cómo. Se puede aprender.
Son daos con un significado dado por una
relación. El significado puede o no ser útil.
Responde a quién, qué, donde, cuándo.
Los datos son crudos. Existen o no,
pero no tiene significado por si
misma. Es codificable y explicita, es
fácil de ser transferida.
EL CONOCIMIENTO
Datos. Es el registro de un evento. No tiene significado por simismo.
Información. Es el dato más un significado, el significado loadquiere al ser relacionado. Puede o no ser útil.
Conocimiento. [Dato + Información]. Es una colección deinformación útil. Se puede memorizar (amasar conocimiento).
Entendimiento. Es cuando se puede sintetizar nuevoconocimiento desde el conocimiento y la información.
Conocimiento Memorización.
Entendimiento Aprendizaje
Sabiduría. Es el nivel previo de la conciencia. Se relacionacon el futuro.
DIAGRAMA DE TRANSICIÓN DEL
CONOCIMIENTO
datos
información
conocimiento
entendimiento
sabiduría
entendimiento
relación
entendiendo
relaciones
entendiendo
patrones
entendiendo
principios
crítica del
entendimiento
LA INTELIGENCIA
INTRODUCCIÓN
INTELIGENCIA
Es la facultad que tienen laspersonas de conocer, analizar,comprender situaciones.
Es un conjunto de habilidades,destrezas y experiencias sobre
cierto dominio.
Es la capacidad de resolverproblemas.
¿tienen inteligencia los animales?
¿el libre albedrío es inteligencia?
¿la conciencia de si mismo es inteligencia?
Signos de Inteligencia
Aprender de la experiencia
Encontrar sentido a mensajes ambiguos
Responder rápidamente a situaciones
nuevas.
Entender e inferir en forma racional.
Aplicar conocimiento para manipular el
medio que nos rodea.
Aplicar y adquirir conocimiento nuevo.
Pensar y razonar.
Aspectos de la Inteligencia
INTELIGENCIA HUMANA
Percepción
Aprendizaje
Memoria y asociación
El pensamiento abstracto.
Razonamiento
Solución de problemas
Creatividad e imaginación
Conciencia
INTELIGENCIA ARTIFICIAL
• Percepción
• Aprendizaje
• Memoria y asociación
• El pensamiento abstracto.
• Razonamiento
• Solución de problemas
• Creatividad e imaginación
• Conciencia
PENSAMIENTO RACIONAL
EL ENFOQUE DE LAS «LEYES DEL PENSAMIENTO»
La inteligencia consiste no sólo en conocimiento, sino
también en la habilidad de aplicar los conocimientos en la
práctica.
Aristóteles y su silogismo: esquemas de estructuras de
argumentación mediante las cuales siempre se llega a
conclusiones correctas si se parte de premisas correctas.
PENSAMIENTO RACIONAL
LÓGICA: en el s. XIX se elaboró una notación precisa
para
1 definir sentencias sobre todo tipo de elementos del mundo y
2 especificar relaciones entre ellos.
El enfoque de la lógica presenta problemas:
1 ¿Cómo expresar conocimiento informal en términos formales?
2 Existe una gran diferencia entre poder resolver un problema en
principio y hacerlo en la práctica (recursos computacionales).
INTELIGENCIA
“La inteligencia se puede definir como la capacidad de
resolver problemas o elaborar productos que sean
valiosos en una o más culturas.”
Howard Gardner, Universidad de Harvard
INTELIGENCIA ARTIFICIAL
OBJETIVOS DE LA IA
Es la comprensión de nosotros mismos como entidades
inteligentes
Es la construcción de entidades inteligentes.
Es el arte de crear máquinas que realizan funciones que
requieren inteligencia cuando dichas funciones son
realizadas por el hombre.
Es el estudio de cómo hacer que los ordenadores hagan
cosas que, por el momento, los seres humanos lo hacemos
mejor.
PROBLEMAS QUE ABORDA LA IA
“¿Cómo es posible que un diminuto y lento cerebro, seabiológico o electrónico, tenga capacidad para percibir,comprender, predecir y manipular un mundo que entamaño y complejidad le excede con creces?”, “¿Cómo esposible crear apoyándose en esas propiedades?”
¿El investigador de IA tiene pruebas contundentes de quetales entidades existen y son factibles?
EL ESTUDIO DE LA INTELIGENCIA
Es una de las disciplinas más antiguas.
Desde hace más de 2000 años los filósofos han tratado
de entender como se ve, aprende, recuerda y razona, y
cómo debe esto hacerse.
La aparición de los computadores en los 50’s permitió
pasar de la especulación a una disciplina teórica y
experimental.
ALCANCE DE LA IA
La IA abarca desde áreas generales (percepción,
razonamiento lógico) hasta específicas (ajedrez,
demostración de teoremas, etc.)
Permite automatizar el trabajo intelectual a científicos de
otras áreas.
Ofrece a los científicos de IA el aplicarla en cualquier
área donde se aplique el intelecto humano.
CATEGORÍAS Y DEFINICIONES DE LA IA
“La interesante tarea de lograr que las
computadoras piensen... Máquinas con mente,
en su amplio sentido literal” (Haugeland, 1985)
“El arte de crear máquinas con capacidad de
realizar funciones que realizadas por personas
requieren inteligencia” (Kurzweil, 1990)
“[La automatización de] actividades que
vinculamos con procesos de pensamiento humano,
actividades tales como la toma de decisiones,
resolución de problemas, aprendizaje...” (Bellman,
1978)
“El estudio de cómo lograr que las computadores
realicen tareas que, por el momento, los humanos
hacen mejor” (Rich y Knight, 1991)
“El estudio de las facultades mentales mediante el
uso de modelos computacionales” (Carniak y
McDermott, 1985)
“El estudio de los cálculos que permiten percibir,
razonar y actuar” (Winston, 1992)
“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 PIENSAN COMO HUMANOS SISTEMAS QUE PIENSAN RACIONALMENTE
SISTEMAS QUE ACTÚAN COMO HUMANOS SISTEMAS QUE ACTÚAN RACIONALMENTE
CATEGORÍAS PARA LAS DEFINICIONES DE IA
Sistemas que
piensan como
humanos
Sistemas que
piensan
racionalmente
(idealmente)
Sistemas que
actúan como
humanos
Sistemas que
actúan
racionalmente
(idealmente)
Pensamiento
Comportamiento
Humano Racional
1
2 3
4
Razonamiento (Lógica) razonamiento para llegar a conclusiones.
Comportamiento (Acción) acciones para llegar a objetivos.
1. ACTUAR COMO HUMANO
LA PRUEBA DE TURING
Alan Turing, matemático inglés, considerado como uno de los padres de las ciencias de la computación, propuso una prueba o test que en caso de ser pasado por una máquina, indicará que ésta es inteligente.
Turing definió la conducta inteligente como “la capacidad de lograr eficiencia humana en todas las actividades cognoscitivas, suficiente para engañar a un evaluador”.
TEST DE TURING
Escenario: dos seres humanos y un ordenador.
Uno de los seres humanos, el interrogador, debe averiguar cuál de los otros dos participantes es el ordenador; el interrogador puede preguntar cualquier cosa, sin importar el tema o la profundidad, y al ordenador se le permite hacer todo lo posible por provocar la errónea identificación. El ser humano participante debe, sin embargo, responder siempre verazmente a las cuestiones que se le formulen.
LEER: http://www.scielo.cl/pdf/rfilosof/v63/art03.pdf
TEST DE TURING
En su formulación mas general este test establece lo siguiente:
Si un ser humano al comunicarse con una máquina no puede determinar a ciencia cierta si ésta es un ser humano o una máquina, sin ver su apariencia física, entonces significa que la máquina en cuestión a pasado el test y es inteligente.
En esencia lo que este test nos indica es que a través de su comportamiento podemos determinar si una máquina es iinteligente o no.
El tipo de comportamiento que le exijamos a una máquina dependerá de la función para la cual ésta fue diseñada.
TEST DE TURING
Para que un computador pase el test de Turing, debe por lo menos:
Procesar lenguaje natural
Representar el conocimiento
Razonar automáticamente
Auto aprender
Para la prueba total de Turing, el computador debe tener
Vista
Robótica
¿DEEPBLUE PASÓ EL TEST DE TURING?
En 1997 el computador DeepBlue se enfrentó al campeón mundial de ajedrez de la época Garry Kasparov, venciéndolo.
Posteriormente Kasparov comentó que al jugar ajedrez con DeepBlue, muchas veces sintió y pensó que estaba jugando con un ser humano!
Podemos decir que si la tarea en base a la cual evaluaremos la máquina es su capacidad para jugar ajedrez, entonces DeepBlue resulta ser inteligente.
LA PARADOJA DE LA HABITACIÓN CHINA
John Searle establece que hacerse pasar por inteligente no es lo mismo que serlo.
Searle propuso el experimento mental de la habitación china, en el cual “una persona, que no sabe chino, es encerrada en una habitación con manuales de reglas y símbolos para traducir el chino. Fuera de la habitación, alguien le da, a través de una ranura, textos en papel escritos en chino; con la ayuda de los manuales los traduce y responde, haciéndole creer a la persona de fuera que sí sabe chino.
John Searle propone que la máquina realiza las cosas sin entender lo que hace, ni por qué lo hace, simplemente aplica unas reglas que alguien le ha dado.
2. PENSAR COMO HUMANO
EL MODELO COGNOSCITIVO
Primero habría que definirse ¿cómo piensan los
humanos?. Lo hacen mediante
Introspección
Experimentos psicológicos
GPS (General Problem Solver), de Newell y Simon
(1961) vs. Wang (1960).
La ciencia cognoscitiva usa modelos de IA y experimentos
psicológicos.
Aportes:
Visión, lenguaje natural, aprendizaje
3. PENSAR RACIONALMENTE
Aristóteles intentó codificar la “manera correcta de pensar”(silogismos). De ahí surge la lógica.
La tradición logicista de IA trata de hacer sistemasinteligentes basados en la lógica.
Problemas: pasar conocimiento informal e incierto en términoslógicos formales y realizar la solución teórica obtenida en lapráctica.
Representación del conocimiento impreciso
Versus
Notación Lógica
Lógica fuzzy(1968)
4. ACTUAR RACIONALMENTE
El agente racional
Actuar racionalmente es hacerlo de tal manera que se
logran los objetivos deseados.
Un agente es algo que percibe y actúa. De acuerdo a
esto, la IA es el estudio y construcción de agentes
racionales.
Actuar racionalmente no implica sólo actuar por
inferencias lógicas (ejemplo, reflejos).
ALGUNAS DEFINICIONES DE IA
Rick Hayes-Roth: “La Inteligencia Artificial es la
implementación de razonamientos inteligentes mediante
técnicas propias de la Computación.”
Marvin Minsky (M.I.T.) “La Inteligencia Artificial es una
ciencia dedicada a la construcción de máquinas que
implementan tareas propias de humanos dotados de
Inteligencia.
Fundamentos de
Inteligencia
Artificial
CIENCIAS RELACIONADAS
Breve historia de las disciplinas que han contribuido al
desarrollo de la IA con ideas, puntos de vista y técnicas :
• Filosofía
• Matemáticas
• Economía
• Neurociencia
• Psicología
• Ingeniería computacional
• Teoría de control y cibernética
• Lingüística
FILOSOFÍA (desde el año 428 a.C. hasta hoy)
¿Se pueden utilizar reglas formales para extraer conclusiones válidas?
¿Cómo se genera la inteligencia mental a partir de un cerebro físico?
¿De dónde viene el conocimiento?
¿Cómo se pasa del conocimiento a la acción?
Aristóteles: Conjunto preciso de leyes - Lógica
Ramón Llull: Razonamiento útil por medios artificiales
Thomas Hobbe: El razonamiento es como la computación numérica
Leonardo da Vinci: Diseñó una calculadora mecánica
Wilhem Schickard: Primera máquina calculadora conocida
Blaise Pascal: Pascalina (1642)
Wilhelm Leibniz: Dispositivo para operaciones sobre conceptos
FILOSOFÍA (desde el año 428 a.C. hasta hoy)
Considerar la mente como sistema físico
René Descartes (1596-1650): distinción la mente - la materia y los problemas que surgen. ¿Libre albedrío? ¿cerebro físico?
Teorías sobre la mente humana
1. Dualismo: Existe una parte de la mente (alma/espíritu) que está al margen de la naturaleza (leyes físicas).
2. Materialismo: variante, las operaciones del cerebro realizadas de acuerdo a las leyes físicas constituyen la mente.
3. Empírico: Francis Bacon; John Locke: «Nada existe en la mente que no haya pasado antes por los sentidos»
4. Inducción y el positivismo lógico
5. Teoría de la confirmación
MATEMÁTICAS (aprox. desde año 800 al presente)
¿Qué reglas formales son las adecuadas para obtener conclusiones válidas?
¿Qué se puede computar?
¿Cómo razonamos con información incierta?
Pasar de la IA a una ciencia formal necesita de tres áreas matemáticas: lógica, computación y probabilidad.
Algoritmo
Se piensa que el primer algoritmo no trivial es el algoritmo Euclídeo para el m.c.d.
Otros conceptos relacionados: Teoría de Incompletitud, Intratabilidad, NP-Completitud y Probabilidad.
ECONOMÍA (desde el año 1776 hasta el presente)
¿Cómo se debe llevar a cabo el proceso de toma de decisiones para maximizar el rendimiento?
¿Qué se deben llevar a cabo acciones cuando otros no colaboran?
¿Cómo se deben llevar a cabo acciones cuando los resultados se obtienen de un futuro lejano?
Inicios de la Economía (1776)
Adam Smith: «...las economías pueden concebirse como un conjunto de agentes individuales que intentan maximizar su propio estado de bienestar económico.»
No sólo dinero, estudian cómo la gente toma decisiones que les llevan a obtener los beneficios esperados. UTILIDAD.
LA ECONOMÍA EN RELACIÓN CON LA IA
Teoría de la decisión: combina la teoría de la probabilidad con la teoría de la utilidad: «grandes economías»: tratamiento con incertidumbre y «pequeñas economías»: semejante a un juego.
Teoría de juegos: Las acciones de un jugador pueden afectar significativamente a la utilidad de otro. Hay que actuar de forma aleatoria, a veces sólo aparentemente.
Investigación operativa: intenta contestar a la tercera pregunta. Surge con la II Guerra Mundial para la optimización de instalaciones de radar. Posteriormente para aplicaciones civiles. Procesos de decisión de Markov.
Modelos basados en Satisfacción: tomar decisiones que sean «suficientemente buenas» en vez de realizar cálculos laboriosos para alcanzad las óptimas es más cercano a un comportamiento humano.
NEUROCIENCIA (desde el año 1861 hasta el presente)
Neurociencia
Es el estudio del sistema neurológico, y en especial del cerebro. La
forma exacta en la que en un cerebro se genera el pensamiento es uno
de los grandes misterios de la ciencia.
Sólo se conocen algunas evidencias: está involucrado en el proceso del
pensamiento, los cerebros humanos son diferentes, la base de la conciencia.
Una neurona está encargada entre otras cosas de trasmitir el flujo nervioso. Un
cerebro humano contiene unas 100.000 millones de neuronas (1011
).
COMPARACIÓN CEREBRO-MÁQUINA (2003)
Figura: Comparación básica entre los recursos de cómputo generales de que
disponen los computadores y el cerebro. Las cifras correspondientes a los
computadores ya se habían incrementado en un factor de 10 desde ediciones
anteriores del libro seguido, y se espera que suceda lo mismo en esta década.
Las cifras correspondientes al cerebro no han cambiado en los últimos 10.000
años.
PSICOLOGÍA (desde el año 1879 hasta el presente)
¿Cómo piensan y actúan los humanos y animales?
La Psicología científica se aplicó inicialmente al estudio de la vista humana.
A principios del s. XX se dio el movimiento conductista: insistían en el uso
exclusivo de mediciones de estímulos y respuestas.
Psicología cognitiva: elementos a tener en cuenta para diseñar un agente
basado en conocimiento:
1. El estímulo debe ser traducido a una representación interna.
2. Esta se debe manipular mediante procesos cognitivos y generar nuevas
representaciones...
3. ...Que, a su vez se traducen en acciones.
Ciencia cognitiva: modelo computacional. Nacimiento del término
Inteligencia Artificial (1956).
INGENIERÍA COMPUTACIONAL (1940 - presente)
¿Cómo se puede construir un computador eficiente?
Para que la IA sea una realidad es necesario: (1) Inteligencia y (2) Un artefacto Computador/Ordenador.
El computador electrónico digital moderno se inventó casi simultáneamente por científicos en tres países (II G.M.)
Desde 1940 gran evolución en computación: máquinas, lenguajes de programación, hardware,...
La investigación en IA ha generado numerosas ideas novedosas de las que se ha beneficiado la información en general.
Ejemplos: tiempo compartido, los intérpretes imperativos, los computadores personales con interfaces gráficas y ratones, entornos de desarrollo rápido, listas enlazadas, administración automática de memoria,... También conceptos claves de la programación simbólica, funcional, dinámica y orientada a objetos.
CONTROL Y CIBERNÉTICA (1948 hasta el presente)
¿Cómo pueden los artefactos operar bajo su propio control?
Primera máquina auto-controlada: reloj de agua con un regulador que mantenía el flujo de agua circulando por él, con un ritmo constante y predecible. (250 a.C.)
Otros ejemplos posteriores: el termostato (Cornelis Drebbel s.XVI) o la máquina de vapor (James Watt, s.XVIII)
La teoría matemática de los sistemas con retroalimentación estables se desarrolló en el siglo XIX.
Teoría de Control: en los años 40 se exploraron y desarrollaron nuevos modelos cognitivos matemáticos y computacionales.
En 1948 el término cibernética, del libro de Wiener Cybernetics donde ser desveló al público las propiedades de las máquinas con inteligencia artificial.
LINGÜÍSTICA (desde el año 1957 hasta el presente)
¿Cómo está relacionado el lenguaje con el pensamiento?
Teoría de Chomsky: mostró cómo la teoría conductista no abordaba la creatividad en el lenguaje. Su teoría (Syntactic Structures) sí podía explicar lo anterior y, a diferencia de otras teorías, poseía el formalismo suficiente como para permitir su programación.
La lingüística moderna y la IA «nacieron» al mismo tiempo y maduraron juntas: lingüística computacional o procesamiento del lenguaje natural.
El entendimiento del lenguaje requiere la compresión de la materia bajo estudio de su contexto, y no solamente el entendimiento de la estructura de las sentencias.
Gran parte de los primeros trabajos de investigación en el área de la representación del conocimiento.
DESARROLLO HISTÓRICO DE LA INTELIGENCIA
ARTIFICIAL
EVOLUCIÓN HISTÓRICA
Mitos, leyendas e historias de seres artificiales dotados
de inteligencia y consciencia por sus constructores.
Galatea.
Gólem
Golum.
Frankenstein.
Filósofos estudiando el conocimiento y el pensamiento.
Aristóteles.
Descartes.
Hume.
MITOS Y FICCIÓN
Hombres mecánicos y seres artificiales en los mitos griegos.
Autómatas de Hefesto (Vulcano). “Talos”
La Galatea de Pigmalión.: (http://www.thocp.net/reference/robotics/robotics.html)
Los rumores alquímicos y místicos de la Edad Media:
El Takwin de Javir (Geber)
Homúnculos de Paracelso. (http://www.youtube.com/watch?v=Gojo40TAsfk&hl=es)
Los gólems judíos. (http://www.youtube.com/watch?v=7r58EtF-5II)
La primera ciencia ficción:
El Frankenstein de Mary Shelley.
(http://www.youtube.com/watch?v=xS6CA9ZpWZY&hl=es)
Los robots de Karel Capek. (http://www.biografiasyvidas.com/biografia/c/capek.htm)
(http://www.youtube.com/watch?v=WJGOQeK21ts&feature=related)
Isaac Asimov
(http://www.youtube.com/watch?v=-WQ2BA_kTuc&feature=related) (http://www.youtube.com/watch?v=qUJGaZHdXO0&NR=1 http://www.youtube.com/watch?v=FpY9T8xRGg0&feature=related)
Y la ciencia ficción moderna:
HAL-9000., ….
FECHA AVANCE
1943 McCulloch & Pitts: circuito booleano para modelar el cerebro
1950 La “Inteligencia computacional” de Turing
1950s Primeros programas de IA, incluido el testeador de programas de
Samuel, la Teoría Logista de Newell & Simon, y el Motor Geométrico de
Gelernter
1956 Conferencia de Dartmouth: se adopta el término “Inteligencia Artificial”
1965 Algoritmo completo de Robinson para razonamiento lógico
1966–74 La IA descubre la complejidad computacional La investigación en redes
neuronales casi desaparece
1969–79 Primeros desarrollos de sistemas basados en conocimiento
1980–88 El boom de los sistemas expertos en industria
1988–93 La quiebra/crisis de los Sistemas expertos en industria: “El invierno de la
IA”
1985–95 Las redes neuronales vuelven a popularizarse
1988– Resurje la probabilidad; un aumento general en cuanto a profundidad
técnica. “Nouvelle AI”: ALife, GAs, soft computing
1995– Agentes, agentes, por todas partes . . .
2003– De nuevo la IA a Nivel humano sobre la mesa
CRONOLOGÍA
300 a.C.
Aristóteles y sus silogismos.
250 a.C.
Ktesibios de Alejandría construye la primera máquina
autocontrolada.
Un regulador de flujo de agua.
1315, Ramón Llull:
El razonamiento puede efectuarse de manera artificial.
1847:
George Bool y su lógica proposicional (booleana).
(Extendida en 1879 por Gottlob Frege: Lógica de Primer Orden).
CRONOLOGÍA
1903:
Lee de Forest inventa la válvula de vacío.
1937 Alan Turing:
“Números calculables”. Teoría de la Computabilidad.
Máquina de Turing.
1940: uno de los primeros computadores electromecánicos.
1943:
Modelo de neuronas artificiales de McCulloch y Pitts.
1950: Alan Turing.
“Computing Machinery and Intelligence”.
1951.
Shockley inventa el transistor.
CRONOLOGÍA
1956.
Conferencia de Dartmouth
Se acuña el término “Inteligencia Artificial”.
Nacimiento de la IA.
Previsiones exageradas…
Igualar la inteligencia humana en una generación.
…y abandono.
1956 – 1974.
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.
1980.
Los japoneses y su quinta generación.
Nueva interrupción.
1987: Fischles y Firschein.
Atributos de un agente inteligente.
1974-1980.
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.
GÉNESIS DE LA IA (1943-1955)
Warren McCulloch y Walter Pitts: 1er trabajo de IA
Tres fuentes
1 Conocimientos sobre fisiología básica y funcionamiento de las neuronas.
2 Análisis formal de la lógica proposicional (Russel & Whitehead)
3 Teoría de la computación de Turing.
Modelo constituido por neuronas artificiales que estaban interconectadas en red.
Minsky y Edmons: primer computador a partir de una red neuronal en 1951, el SNARC.
Posteriormente Minsky probó las limitaciones de la investigación con redes neuronales.
Alan Turing primero en articular una visión de la IA, Machinery and Intelligence (1950), prueba de Turing, el aprendizaje automático, los algoritmos genéricos y el aprendizaje por refuerzo.
Nacimiento de la inteligencia artificial (1956)
Darthmouth College: taller de verano de dos meses, con solo 10 asistentes.
No se produjo ningún avance notable, pero sirvió para poner en contacto a las figuras más importantes en el campo.
Consenso de adoptar un nuevo nombre (McCarthy): Inteligencia Artificial.
Se bautizó con un nombre diferente porque se consideró que no era una continuación de ninguna de las anteriores, ya que
1 Se abarcó la idea de intentar duplicar facultades humanas.
2 La IA era la única de los campos relacionados que se trataba claramente de una rama de la informática.
3 Finalmente, la IA es el único campo que persigue la construcción de máquinas que funcionen automáticamente en medios complejos y cambiantes.
Evolución en sus primeros años. Desde 1952-
1969
Los primeros años estuvieron llenos de éxitos, aunque con ciertas limitaciones.
Entusiasmo general y grandes esperanzas.
Algunos «hitos»:
Hipótesis del sistema de símbolos físicos.
Lenguaje de alto nivel LISP.
Generador de consejos.
Micromundos, destacando el mundo de los bloques.
RNs como adalines o perceptrones.
...Pero aún así las predicciones muy optimistas se chocaron con una realidad difícil de modelar y excesivamente compleja en muchos casos: traducción, búsqueda de soluciones genérica, la explosión combinatoria, capacidad de representación limitada,....
Sistemas Basados en conocimiento
¿clave del poder? (1969-1979)
Hasta este momento la investigación en IA estaba centrada en el desarrollo de mecanismos de búsqueda de propósito general: métodos débiles.
Alternativa: uso de conocimiento específico del dominio que facilita el desarrollo de etapas de razonamiento más largas, pudiendo así resolver casos recurrentes en dominios de conocimiento restringido: DENDRAL.
sistemas expertos.
Surge esta nueva metodología que puede aplicarse a distintas áreas de la actividad humana. Muy empleado en diagnóstico médico: MYCIN.
Se incorporan también los factores de certeza.
Aparecen los marcos de Minsky.
La IA se convierte en una industria
(desde 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).
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».
La IA se convierte en una ciencia
En 1986 se produce un regreso de las redes neuronales,
y este enfoque denominado conexionista convivirá con
otros diferentes.
Recientemente ha habido una revolución en el campo de
la IA tanto en el contenido como en la metodología de
trabajo.
Actualmente es más usual el desarrollo de teorías ya
existentes y trabaja también en demostrar la utilidad de
las aplicaciones en el mundo real.
La IA ya forma parte del ámbito de los métodos
científicos.
La IA como campo científico
Ejemplos
Reconocimiento del habla.- Años 70: gran variedad de arquitecturas y enfoques, y hoy por hoy aproximaciones basadas en matemáticas + grandes corpus para aprender.
Minería de Datos.- Nueva y vigorosa industria, intenta extraer conocimiento a partir de ingentes cantidades de datos.
Probabilidad y teoría de la decisión (Judea Pearl, 1988): las redes Bayesianas aparecen para facilitar la representación eficiente y el razonamiento riguroso con conocimiento incierto. Domina la investigación en el razonamiento incierto y los sistemas expertos.
Se apunta al aprendizaje a partir de la experiencia.
Revoluciones similares se han dado en robótica, visión por computador y aprendizaje automático.
Resurgimiento de los «sistemas inteligentes»
(desde 1995 hasta el presente)
Los investigadores en IA han retomado el problema del agente total.
Definición
Genéricamente se puede decir que un agente es una entidad que percibe y actúa sobre un entorno
El concepto de un agente provee una forma conveniente y poderosa de describir una compleja entidad de software, que es capaz de actuar con cierto grado de autonomía, para cumplir tareas en representación de las personas. Pero a diferencia de los objetos (que son definidos por métodos y atributos), un agente es definido por su propio comportamiento.
ESTADO DEL ARTE
LOS ÚLTIMOS AVANCES
INTELIGENCIA ARTIFICIAL
LOS ÚLTIMOS AVANCES
El gran maestro internacional Arnold Denker estudia las piezas que tiene ante sí en el tablero. Reconoce que no hay esperanza alguna, perderá el juego. Su oponente, HITECH, se convierte así en el primer programa de computador que logra derrotar a un gran maestro de la talla de Denker en un juego de ajedrez (Berliner, 1989).
'Quiero ir de Boston a San Francisco', dice el viajero a través de un micrófono. '¿Qué datos tiene para el viaje?', es la respuesta. El viajero explica que desea salir el 20 de octubre, en vuelo directo, con la tarifa más barata y regresar el domingo siguiente. PEGASUS, un programa para comprensión del lenguaje se hace cargo de todo y el resultado es una reserva confirmada que le permite al viajero ahorrarse $894 del precio normal del boleto. Dado que de diez palabras, este intérprete entiende mal una, es capaz de recuperarse de estos errores gracias a su conocimiento sobre la forma en la que se estructura un diálogo (Zue et al, 1994).
LOS ÚLTIMOS AVANCES
Uno de los más reconocidos expertos en patología de nodos linfáticos plantea un caso extremadamente difícil al sistema experto y evalúa la respuesta dada por éste. La respuesta del sistema le causa risa. Ligeramente preocupados, los creadores del sistema le sugieren que pida al computador una explicación del diagnóstico dado. La máquina señala los principales factores que llevaron a esa decisión y explica la sutil interacción de varios de los síntomas en este caso. El experto, después de un tiempo, admite su error (Heckerman, 1991).
LOS ÚLTIMOS AVANCES
Desde una cámara suspendida en un semáforo de un cruce, el monitor de tráfico observa el panorama. Si alguien observara el monitor principal leería: ''Citroen AX está dando la vuelta a la Plaza de la Concordia en los Campos Alíseos''; ''Camión carguero grande se ha detenido en la Plaza de la Concordia'', y así durante toda la noche. Ocasionalmente, leerían: ''Grave incidente en la Plaza de la Concordia, una camioneta que avanzaba rápidamente se ha estrellado contra una motocicleta'', y se haría una llamada automática a los servicios de emergencia (King et al, 1993; Koller et al, 1994).
Se han citado sólo algunos ejemplos del tipo de sistemas de inteligencia artificial que existen en la actualidad. No se trata de magia ni de ciencia ficción: es ciencia, ingeniería y matemáticas.
LOS ÚLTIMOS AVANCES
Planificación Autónoma
El programa de la NASA Agente Remoto se
convirtió en el primer programa de planificación
autónoma a bordo que controlaba la planificación
de las operaciones de una nave espacial desde
abordo (Jonsson et al, 2000).
Este agente generaba planes a partir de objetivos
especiales especificados desde tierra.
LOS ÚLTIMOS AVANCES
Juegos
Deep Blue de IBM fue el primer sistema que derrotó a un campeón del mundo en una partida de ajedrez, cuando superó a Gary Kasparov en una partida de exhibición en 1997.
El valor de las acciones de IBM se incrementó en 18 millones de dólares.
LOS ÚLTIMOS AVANCES
Control Automático
El sistema de visión por computador ALVINN fue entrenado para dirigir un coche de forma que siguiese una línea. Se instaló en una furgoneta controlada por computador y se utilizó para dirigir al vehículo por EEUU.
Durante 2850 millas controló la dirección del vehículo en el 98% del trayecto. Una persona lo sustituyó en el 2% restante, principalmente en vías de salida.
LOS ÚLTIMOS AVANCES
Planificación Logística
Durante la crisis del Golfo Pérsico de 1991, las
fuerzas armadas de los Estados Unidos
desarrollaron la herramienta Dynamic Analysis
and Replanning Tool (DART) para automatizar
la planificación y organización logística del
transporte, lo que incluía hasta 50000
vehículos, carga y personal a la vez.
LOS ÚLTIMOS AVANCES
Robótica
Muchos cirujanos utilizan hoy en día asistentes robot en operaciones de microcirugía. HipNav (1996) es un sistema que utiliza técnicas de visión por computador para crear un modelo tridimensional de la anatomía interna del paciente y después utiliza un control robotizado para guiar el implante de prótesis de cadera.
LOS ÚLTIMOS AVANCES
Procesamiento de Lenguaje y resolución de problemas
PROVER B (1999) es un programa que resuelve crucigramas mejor que la mayoría de los humanos, utilizando restricciones en programas de relleno de palabras, una gran base de datos de crucigramas, varias fuentes de información como diccionarios y bases de datos online, que incluyen la lista de películas y actores que intervienen en ellas entre otras cosas.
PROBLEMAS DE IA
INTELIGENCIA ARTIFICIAL
PROBLEMAS DE IA
Inicialmente se trabajo en tareas formales como juegos y demostración de teoremas, juegos como las damas y el ajedrez. La geometría fue otro punto de interés y se hizo un demostrador llamado: El demostrador de Galenter.
Luego se centró en problemas cotidianos denominados de sentido común. Se enfocaron los esfuerzos hacia el problema de Comprensión del lenguaje natural. No obstante el éxito que ha tenido la IA se basa en la creación de los sistemas expertos.
Algunas cuestiones importantes de la IA que son: ¿Cuáles son nuestras suposiciones fundamentales sobre la Inteligencia?
¿Qué tipo de técnicas son las mas adecuadas para resolver los problemas de la IA?
¿A qué nivel de detalle, si es que no por completo, se puede intentar modelar la Inteligencia humana?
¿Cómo se puede saber cuando se ha tenido éxito en la construcción de programa inteligente?
PROBLEMAS DE IA
Tareas de la vida diaria Percepción: visión, habla
Lenguaje natural: comprensión, generación, traducción
Sentido común.
Control de robots.
Tareas formales Juegos: ajedrez, damas, etc.
Matemáticas: geometría, lógica, cálculo integral, demostración de las propiedades de un programa.
Tareas de los expertos Ingeniería: diseño, detección de fallas, planificación de
manufacturación.
Análisis Científico
Diagnosis Médica
Análisis Financiero
PROBLEMAS DE IA
Características
La resolución de un problema debe estar restringido a
un dominio finito.
Deben existir expertos que conozcan el dominio de un
problema para aportar el conocimiento para poder
resolverlo.
El problema debe ser complejo y con muchas variables
porque si son problemas sencillos no necesita que lo
haga una máquina.
ESCUELAS DE PENSAMIENTO DE LA IA
ESCUELAS DE PENSAMIENTO / IA SIMBÓLICA
La IA se divide en dos escuelas de pensamiento: la Inteligencia artificial SIMBÓLICA y la Inteligencia artificial SUBSIMBÓLICA
La inteligencia artificial simbólica: tiene que ver con métodos que actualmente se conocen como máquinas de aprendizaje, se caracteriza por el formalismo y el análisis estadístico. Algunos métodos de esta rama incluyen: Sistemas expertos: aplican capacidad de razonamiento para lograr
una conclusión. Un sistema experto puede procesar una gran cantidad de información conocida y proveer conclusiones basadas en ésta.
IA SIMBÓLICA
Razonamiento basado en casos: es la parte de la inteligencia
artificial que se ocupa del estudio de los mecanismos mentales
necesarios para repetir lo que se ha hecho o vivido con
anterioridad, ya sea por experiencia propia o por casos concretos
recopilados en la bibliografía o en la sabiduría popular. Los
diversos casos son del tipo "Si X, entonces Y" con algunas
adaptaciones y críticas según las experiencias previas en el
resultado de cada una de dichas reglas.
Comportamiento basado en Inteligencia Artificial: método modular
para construir sistemas de IA manualmente
Red Bayesiana: un modelo de representación del conocimiento basado en teoría de la probabilidad.
IA SUBSIMBÓLICA
Inteligencia Artificial SUBSIMBÓLICA: Implica el aprendizaje interactivo. Este aprendizaje esta basado en datos empíricos y esta asociado con una inteligencia artificial no simbólica. Algunos métodos de esta rama incluyen: Redes neuronales: sistemas con grandes capacidades de
reconocimiento de patrones.
Sistemas difusos: técnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras, asimismo es extremadamente popular en robótica porque permite la creación acertada de los sistemas dinámicos en tiempo real que pueden funcionar en ambientes complejos. Por ejemplo, es la base de la inteligencia de Sony Aibo.
IA SUBSIMBÓLICA
Computación evolutiva: aplica conceptos inspirados en la biología,
tales como población, mutación y supervivencia del más apto para
generar soluciones sucesivamente mejores para un problema. Estos
métodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genéticos) e inteligencia colectiva (ej. algoritmos hormigas)