INTELIGENCIA
ARTIFICIAL
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.
CRONOGRAMA
Teórica Temas Docente a cargo Lectura
28/03 Introducción: Historia y Motivaciones de IA. Ricardo Rodriguez Part. I 1-2 04/04 Resolución de Problemas por Búsqueda Desinformada Ricardo Rodriguez Part. II 3-4 11/04 Resolución de Problemas por Búsqueda Informada Ricardo Rodriguez Part. II 5-6 18/04 Razonamiento Ricardo Rodriguez Part. III 7-8 25/04 Representación del Conocimiento Ricardo Rodriguez Part. III 9-10 02/05 Aprendizaje desde observaciones Ernesto Mislej Part VI 18
9/05 Aprendizaje con conocimiento. Ernesto Mislej Part VI 19 16/05 Aprendizaje: Redes Neuronales Adrian Martinez Part. VI 20 23/05 Aprendizaje por refuerzo Adrian Martinez Part VI 21 30/05 Comunicación José Castaño Part.VII 22 06/06 Procesamiento de Lenguaje Natural I José Castaño Part VII 23 13/06 Procesamiento de Lenguaje Natural II José Castaño Part VII 24 20/06 Vision en Robótica Marta Mejail Part VII 25 27/06 Conclusiones y perpectivas filosófica A confirmar. Part VIII
agenda
PARTE 1
Que es la Inteligencia Artificial
Paradigmas de IA
Fundamentos
PARTE 2
Historia
Áreas de la IA
Algunas Aplicaciones
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
(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
Asimo
http://www.youtube.com/watch?v=P9ByGQ
GiVMg&feature=player_detailpage
Los 4 enfoques
Sistemas que
piensan
racionalmente
Sistemas que
actúan
racionalmente
Sistemas que
piensan como
humanos
Sistemas que
actúan como
humanos
• 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,
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.
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
¿como piensa el ser humano?
Los procesos cognitivos son estudiados a
través de experimentos.
Introspección
Ciencias Cognitivas
Neurociencias
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?
• 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?
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:
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
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”:
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
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
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.
• 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.
• Psicología cognitiva. Teorías sobre la
conducta, bases del comportamiento
racional:
• Representación de los estímulos externos
• Manipulación consciente de la representación • Actuación consecuente
• 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
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
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.
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
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.
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
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
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 Lógica difusa Computación Evolutiva Agentes Inteligentes Lenguaje natural Robótica Razonamiento basado en casos Razonamiento basado con reglas
agenda
PARTE 1
Introducción
Que es la Inteligencia Artificial?
Paradigmas de IA
Fundamentos
PARTE 2
Historia
Áreas de la IA
Algunas Aplicaciones ( <<<< )
Deep Blue vs Kasparov
En 1997 la Deep Blue venció al gran maestro
Garry Kasparov
un antecedente de la Deep Blue
http://en.wikipedia.org/wiki/El_Ajedrecista
automata – electromagnetico – 1 rey y 1 torre contra 1 rey
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?
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
¿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"
