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. 2
3. Objetivos generales de la asignatura
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 especialistascon 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.
Utilizarsoftware de IA y para el análisis de
datos.
3
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
4
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 . 6
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.
7
8. INTELIGENCIA
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.
9.
10. INTELIGENCIAS MÚLTIPLES
Howard Gardner
“LA CAPACIDAD DE RESOLVER PROBLEMAS O ELABORAR
PRODUCTOS QUE SEAN VALIOSOS EN UNA O MAS CULTURAS”.
Primero:
amplía el
campo de lo
que es la
inteligencia.
Segundo:
reconoce lo
que todos
sabíamos
intuitivamente,
y es que la
brillantez
académica no
lo es todo.
13. Pioneros de la IA:
A. Turing (1912-1954): máquina de
Turing, construcción de “Coloso”, test de
Turing
C. Shannon (1916-2001): padre de teoría
de la información
J. Von Neumann (1903-1957): estructura
básica de computador, autómatas celulares
J. McCarthy: acuña término inteligencia
artificial (1956), inventa el LISP (1958).13
14. 1. La primera generación
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.
15. Test de Turing
En 1950, Alan Turing propuso el siguiente
método para determinar si una máquina
es capaz de pensar. Una persona es un
entrevistador y se halla en una habitación
separado de otra persona y un ordenador
a evaluar. El entrevistador hace preguntas
a ambos de forma escrita. Si luego de un
cierto número de preguntas y respuestas,
el interrogador no puede identificar quién
es el computador y quién es la persona,
entonces podemos decir que el
computador piensa.
16
16. TEST DE TURING
(prueba de la habilidad de
un máquina de exhibir un
comportamiento inteligente
similar del de un ser
humano)
17. TEST DE TURING
Si una máquina se comporta en todos los
aspectos como inteligente,entonces debe ser
inteligente:
A. M.Turing (1950)
B A c
A,el interrogador, puede comunicarse con B y C
pero no sabe quiénes son.
A debe decidir quién es quién
18. Eliza y Parry
El concurso anual Loebner
Prize premia el programa
que más se acerca a pasar la
prueba de Turing.
19. Trabajo independiente
Estudie el comportamiento de la máquina de
Turing y comente sus impresiones en el blog
de la asignatura, disponible en http://ia-
quetzaltenango.blogspot.com/
20. Inteligencia
Natural
Alta
Alta
Alta
Alta
Alta
Alta
Alta
Baja
Baja
Baja
Atributos Inteligencia
Artificial
Capacidad de usar detectores Baja
Capacidad de ser creativo Baja
Capacidad de aprender de la experiencia Baja
Capacidad de adaptación Baja
Capacidad de permitirse el costo de adquirir
experiencia
Capacidad de usar diversas fuentes de
información
Capacidad de adquirir una gran cantidad de
información externa
Capacidad de realizar cálculos complejos
Baja
Alta
Alta
Alta
Capacidad de transferir información Alta
Capacidad de hacer una serie de cálculos con
rapidez y exactitud
Alta19
21. Reunión de Darmouth College
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".
22. Uso del término por primera vez
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".
"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."
23. 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, estudiaba el reconocimiento visual por
computador
24. 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)
25. ¿En qué se equivocaron?
• Necesidad de CONOCIMIENTO
• Escalabilidad y el problema de Ia
COMPLEJIDAD y el crecimiento
exponencial
• Necesidad de PERCIBIR el
mundo
• Etc.
26. 2. Edad de Oro (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.
27. 3. El primer invierno (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.
28. Paradoja de Moravec
Es fácil comparativamente conseguir
que las computadoras muestren
capacidades similares a las de un
humano adulto en test de inteligencia,
y difícil o imposible lograr que posean
las habilidades perceptivas y motrices
de un bebé de un año
29. 4. El nuevo boom (1980 – 1987)
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.
30. (¿Qué es lA?
Sistemas que
piensan como
hu1manos
Sistemas que
piensan de
forma racional
Sistemas que
actúan como
humanos
Sistemas que
actúan de forma
racional
31. I Algunas definiciones de lnteligencia Artificial I
“ Elexcitante nuevo esfuerzo por hacer pensar a las
computadoras ... máquin.as con mente, en el
sentido literaI"
Haugeland, 1'985.
"La automatización de actividades que .asociamos
con el pensamiento humano, activjdades como Ia
toma de decisión, solución de probIemas,
aprendizaje ..."
"EI arte de crear máquinas que realizan tareas que
requieren inteligencia cuando son realizadas por
personas”
Kurzvveill, 1990.
"EI estudio de cómo hacer que las computadoras hagan
cosas que, actualmente, las personas hacen mejor”
Rich y Knight, 1991.
“El estudio de las facultades mentales median eluso de
modelos computacionales"
Charniak y McDermott 1985.
"EI estudiode la computación que hace posible percibir,
razonar y actuar"
Winston, 1992.
“Un campo de estudio quebusca explicar yemular
comportamiento inteligente en términos deprocesos
computacionales”
Schalko, 1990.
“Larama de Ias Cienciasde IaComputación que se ocupa
de Ia automatización del comportamiento inteligente"
Luger y Stubblefield,1993.
32. 2
5. El segundo invierno (1987 – 1993)
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.
Una nueva aproximación basada en la robótica
Una máquina inteligente necesita tener un cuerpo
33. Un sistema inteligente es un
sistema en el cual se utilizan técnicas
de inteligencia artificial.
34.
35. • Dominiosformales
• Dondese pretendensolucionar problemas mediante
modelos de búsquedasen unespacio de estados, ya
sean modelos de tipo algorítmico o heurístico. Estos
problemas puedenser juegos o demostración de
teoremas.
• Dominios técnicos
• Donde utilizaremos conocimiento cientifico-
técnico, posiblemente deducido de un expertoe
intentaremos solucionar problemas del tipo de
diagnósticos médicos, robótica...Típicamente
hablamos de Sistemas Expertos (SSEE).
36. 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
37. • Dominios cognitivos
• Dondese intenta comprender el funcionamiento
de nuestro cerebro y sus funciones cognitivas
(razonar, oir, hablar o incluso emocionarnos)
emulando dichos procesos con modelos
computacionales.
•Se crea una nueva ciencia llamada Ciencia Cognitiva.
38. Tenemos un problema de IA siempre que:
• 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.
39. • Siempre que abordemos tareas
cognoscitivas que usen conocimiento de
sentido común.
42. 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.
44. 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.
45. 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 sólo 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.
46. 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 ?.
47. Solución
1) Llenar la jarra de 5 galones.
2) Vaciar todo el contenido de la jarra de
5 galones en la de 3 galones
48. 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
49. 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
50. 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 conjunto de datos y
una explicación de ellos se toma como una hipótesis razonablemente buena)
52. Papel y Uso del conocimiento
Industrias con necesidades
distintas de conocimiento
Industria de
extracción
//////////
//////
Industria del
Software
Recurso limitante: la
materia prima
Recurso limitante: el
conocimiento
53. Industrias más
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%)
55. Dos cualidades hacen más difícil la apropiación del
conocimiento
Almacenar no es
tan importante
como generar
rápida y
continuamente
nuevo onocimiento
56. 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
58. Dato, información y conocimiento
Trabajo en el salón de clases.
Busque en la web las principales
diferencias entre Dato, información y
conocimiento y preséntelo a sus
compañeros.
62. 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)
63. No puede faltar
1.Una definición de Inteligencia
Artificial.
2.Vinculo con las tecnologías
emergentes
3.Aplicaciones a su actividad técnica.
64. 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
65. Temas a desarrollar
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