Upload
orestes-febles-diaz
View
1.107
Download
3
Embed Size (px)
DESCRIPTION
rt
Citation preview
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