Unidad I Conceptos Básicos
M.C. Juan Carlos Olivares Rojas
Agenda
1.1 Conceptos Básicos
1.2 Aplicaciones
1.3 Los Sistemas Inteligentes y el Aprendizaje
1.4 Redes Semánticas
1.5 El Método de Descripción y Pareamiento
Agenda
1.6 Problemas de Analogía
1.7 Reconocimiento de Abstracciones
1.8 Interpretación del Conocimiento
1.1 Conceptos Básicos
• Antes de comenzar se debe hacer distinción entre
la Inteligencia Artificial (IA) y la Inteligencia
Humana
• Todos los sistemas exitosos de IA se basan en el
conocimiento y la experiencia humanos, y
patrones de razonamiento seleccionados.
Conceptos Básicos
• Los sistemas exitosos de IA son “naturalmente”
inteligentes. Son como libros de texto y otros
artefactos humanos de inteligencia.
• La mayor parte de los sistemas de IA pueden ser
desarrollados solo cuando la inteligencia humana
puede ser expresada en forma sencilla (por
ejemplo : si x entonces y).
Conceptos Básicos
• Los sistemas existentes extienden el poder de los
expertos, pero de ninguna manera los sustituyen
ni “capturan” mucha de su inteligencia.
• A los sistemas inteligentes existentes les falta el
sentido común y la generalidad de los seres
humanos.
Conceptos Básicos
• Por su parte, la inteligencia humana es de gran
complejidad y de mucha mayor amplitud que las
computadoras o los sistemas de información.
• Los filósofos, los psicólogos y otros estudiosos del
conocimiento humano han reconocido que los
aspectos claves de la inteligencia humana van
más allá de toda descripción posible, y por lo
tanto, no pueden ser imitados fácilmente por
cualquier máquina diseñada escrupulosamente.
Conceptos Básicos
• Si un problema no puede ser descrito, no puede
ser programado.
• Al menos cuatro capacidades importantes
quedan involucradas en la inteligencia humana :
–Raciocinio.
–Comportamiento.
–Uso de metáforas y analogías.
–Creación y uso de conceptos.
Inteligencia
• Facultad de entender, de comprender. Aptitud,
variable con los individuos y las especies, para
resolver todo tipo de problemas.
• Capacidad para percibir hechos, proposiciones y
relaciones, y razonar sobre ellos.
• “La inteligencia distingue al hombre del animal”
Inteligencia Artificial
• “Conjunto de técnicas que se aplican a la
computadora con el objeto de desarrollar su
capacidad para realizar funciones de aprendizaje
y autocorrección”
• La IA se basa en la filosofía, matemáticas,
neurociencia, psicología, economía.
Inteligencia
• Capacidad para resolver problemas de cualquier
tipo.
• Otra cuestión que la IA aun no ha podido
desarrollar de buena forma es la capacidad de
reproducirse.
• Alan M. Turing definió en 1950 una forma de
comprobar si una máquina piensa, esto lo hizo a
través del Test de Turing.
Test de Turing
• Consiste en colocar dos hombres y una
computadora en un lugar en el cual no estén
visibles los tres elementos, se ocultan las
identidades.
• Uno de los participantes funciona como
interrogador. La prueba se pasa cuando el
interrogador no sabe distinguir entre las
respuestas de la computadora y del otro hombre.
Test de Turing
• Extracto del diálogo del Ensayo de Turing:
• P: Por favor, redacte un soneto sobre el tema del
Fuerte Bridge
• R: No me incluya. Nunca pude escribir poesía.
• P: Sume 34957 y 70764
• R: (Pausa de 30s seguida de la respuesta) 105621
• P: ¿Juega Ajedrez?
• R: Sí
• ….
Génesis de la IA
• Muchos investigadores han ayudado a la
definición y ampliación de la IA. A continuación se
muestra la historia resumida de la IA.
• Martin Minsky hizo aportaciones para definir
modelos de cerebro en computadoras.
• ELIZA de Joseph Weizenbaum y JULIA de Mauldin
fueron los primeros sistemas de IA en tener
diálogos inteligentes.
Génesis de la IA
• Los primeros programas de IA se diseñaron para
resolver juegos con cierto nivel de destreza como
el ajedrez o las damas.
• En 1956 John McCarthy y Claude Shanon
publicaron “Automata Studies” que define la
teoría de autómatas ampliamente utilizada en
computación.
• En 1956 John McCarthy acuñó el termino IA por
lo que se le considera el padre de ésta.
Génesis de la IA
• La IA se ha desarrollado desde mucho tiempo
atrás. Aristóteles comenzó a explicar y codificar
ciertos estilos de razonamientos como el
deductivo.
• Los filósofos griegos ayudaron a plantear la lógica
clásica. El Silogismo se convierte en la primera
gran herramienta de la IA.
P->Q y Q->S = P->S
Génesis de la IA
• Chomsky en 1965 ayudó a definir las teorías de
los lenguajes formales.
• McCulloh y Pits en 1943 ayudaron a definir las
relaciones entre neuronas y elementos
computacionales simples.
• En 1962 Rosenblatt definió el Perceptón y con ello
la teoría de redes nueronales.
1.2 Aplicaciones
• Búsqueda de soluciones
• Sistemas expertos
• Procesamiento de
lenguaje natural
• Reconocimiento de
patrones
• Robótica
• Aprendizaje
• Lógica
• Lógica Difusa
• Juegos
• Redes neuronales
• Algoritmos genéticos
• Realidad virtual
Búsqueda de Soluciones
• El término búsqueda aplicado a la Inteligencia
Artificial, no significa encontrar una pieza
específica de información en una base de datos,
sino buscar las soluciones de un problema. Por
ejemplo:
• Encontrar la ruta más corta entre dos
ciudades, o el famoso “problema del agente
viajero”
Sistemas Expertos
• Son el primer producto viable comercialmente de
la Inteligencia Artificial.
• Permiten introducir información acerca de una
materia específica a la computadora (base de
conocimientos), y actúan como si fueran expertos
en la materia.
• Un Sistema experto simula el proceso de
razonamiento humano mediante la aplicación
específica de conocimientos e inferencias.
Procesamiento de Lenguaje Natural
• Que las computadoras utilicen el lenguaje
humano es un sueño difícil de alcanzar, dado que
se presentan muchas complicaciones:
• “Ideas
verdes
furiosamente”,
descoloridas
• “Ideas
furiosamente
duermen”.
verdes
duermen
descoloridas
Procesamiento de Lenguaje Natural
• “El banco cierra a las 3:00”
• “Las almejas están listas para comer”
• “Las almejas están listas para [ser] comidas [por
nosotros]”
Visión Artificial
• Es un ejemplo más del reconocimiento de
patrones, tiene muchas aplicaciones como:
•
•
•
•
•
Diagnóstico médico
Análisis automático de señales
Inspección automática de productos industriales
Sistemas de vigilancia automática
OCR (Reconocimiento Óptico de Caracteres)
Robótica
• Como aplicación a la robótica, la Inteligencia
Artificial es el estudio de cómo controlar
movimiento, lo cual es llamado razonamiento
espacial.
• El principal problema para los robots autónomos
es el de interactuar con el mundo humano, con
sus obstáculos, sucesos inesperados y entorno
cambiante.
Aprendizaje
• Esta área de la Inteligencia Artificial trata de la
realización de programas que aprendan de sus
errores, de observaciones o por encargo.
• En este sentido, aprender simplemente significa
hacer a una computadora capaz de beneficiarse
de la experiencia.
Lógica
• Uno de los productos de la I.A. de gran
importancia práctica actual son aquellos
programas que se pueden usar para estudiar la
corrección lógica de argumentos mediante la
aplicación de reglas estándar de lógica.
• Esto incluye demostraciones matemáticas, lógica
formal y lógica filosófica.
Lógica Difusa
• Esta área de la Inteligencia Artificial estudia los
problemas de hacer que una computadora sea
capaz de tomar decisiones (“pensar”) usando
conocimiento incompleto o probabilístico.
JUEGOS
• En los juegos se pueden aplicar ciertos elementos
para que den mayor realismo y complejidad.
También sirve para la “física” del juego.
Algoritmos Genéticos
• Los
Algoritmos Genéticos son una técnica
computacional inspirada en modelos biológicos
que han sido utilizados para realizar búsquedas
eficientes en espacios de soluciones altamente
complejos y grandes.
• Los Algoritmos Genéticos son métodos adaptivos
que pueden ser utilizados para implementar
búsquedas y problemas de optimización.
Algoritmos Genéticos
• Los Algoritmos Genéticos están basados en los
procesos genéticos de los organismos biológicos,
codificando una posible solución a un problema
en un “cromosoma” compuesto por una cadena
de bits o caracteres.
• Esto ha dado el surgimiento de áreas como el
cómputo evolutivo y el swarm computing que
basan sus algoritmos en eventos de la naturaleza.
Redes Neuronales
• Es una nueva forma de computación que es capaz
de manejar las imprecisiones e incertidumbres
que aparecen cuando se trata de resolver
problemas relacionados con el mundo real
(reconocimiento de formas, toma de decisiones,
etc..), ofreciendo soluciones robustas y de fácil
implementación.
Redes Neuronales
• Las RNA están compuestas de muchos elementos
sencillos que operan en paralelo, el diseño de la
red está determinado mayormente por las
conexiones entre sus elementos. Al igual que las
conexiones de las neuronas cerebrales.
Realidad Virtual
• Una de las más recientes aplicaciones de la I.A. es
la Realidad Virtual. Básicamente consiste en la
elaboración de programas que logran engañar a
los sentidos del ser humano, haciéndolo creer
que se encuentra flotando, corriendo o volando
una nave.
• Estas aplicaciones han sido de gran utilidad en la
simulación de vuelos para el entrenamiento de
pilotos, astronautas, buzos, etc.
1.3 Los Sistemas Inteligentes y el
Aprendizaje
• La inmensa mayoría de los sistemas actuales
dicen ser inteligentes (“smart”).
• Las aplicaciones inteligentes son muy variadas. Si
una aplicación puede tomar decisiones
autónomas en tiempo real de manera
independiente se llega a considerar inteligente. La
característica principal de estos sistemas es la
“adaptabilidad” cómo lo es el ahorro de energía.
Sistemas Inteligentes y Aprendizaje
• La característica más importante que deben tener
estos Sistemas Inteligentes (SI) son la forma de
representar el conocimiento, la forma en que se
recupera la información y la forma en como se
puede
adquirir
nuevo
conocimiento
(aprendizaje).
• Las formas de representación (“explicitación”) de
conocimiento son muy variadas y de ellas
dependerá la forma en que se recupere la
información y el cómo se aprende.
SI y Aprendizaje
• Siempre que se desarrolla un modelo se tiene dos
representaciones: lógica y física.
• Dichas representaciones se necesitan “mapearse”
para poder trabajar en conjunto.
• Cuando se tiene un problema de la vida real, éste
debe mapearse al esquema de una computadora
para poderse realizar un sistema computacional.
SI y Aprendizaje
• Imaginemos que deseamos desarrollar un juego
de laberintos (modelo físico), ¿Cómo quedaría
representado su conocimiento (modelo )?
• Se puede representar como una matriz, como un
grafo, máquinas de estado finito, etc. Además, se
deben tener reglas de cómo es el juego.
• Sino tenemos las dos representaciones no
podemos comprender ni aprender el juego.
SI y Aprendizaje
• En general el conocimiento está definido por
leyes y por un lenguaje muy particular. Los
lenguajes a su vez definen reglas.
• El mismo conocimiento puede estar estructurado
en diferentes representaciones como por ejemplo
una base de datos, una red semántica, un frame,
un mapa conceptual, etc. Pero al final de cuentas
deben tener el mismo significado (semántica).
1.4 Redes Semánticas
• Las redes semánticas son una forma sencilla de
explicitar conocimiento, están conformadas por
grafos que codifican el conocimiento en forma
taxonómica.
• Los nodos nos representan categorías y las aristas
relaciones entre esas categorías.
• Existen dos tipos de relaciones muy especiales IsA y la Have-A.
Redes Semántica
• Se puede acceder a través de cada uno de los
conceptos para inferir conocimiento.
• Los guiones (script) son otra forma de representar
conocimiento.
Están
conformados
por
componentes llamados “ranuras” (slots) que es
un conjunto de pares atributo-valor.
• Los guiones son más fáciles de introducir en
muchos casos que un mapa conceptual.
Redes Semánticas
• Ejemplo de un guión:
• Impresoras
– Subconjunto_de: Máquina_Oficina
– Superconjunto_de:
{Impresora_Laser,
Impresora_Inyección}
– Fuente_alimentacion: Toma_Pared
– Autor: Juan_Perez
– Fecha: 07_Febrero_2008
Redes Semánticas
• Una forma de explicitar conocimiento con gran
difusión en la actualidad es a través del uso de
ontologías, las cuales consiste de relaciones entre
distintos conceptos como definiciones.
• Las ontologías pueden ser representadas a través
de lenguajes como XML.
• La representación del conocimiento tiene una
gran importancia a tal punto de actualmente se
habla de la Ingeniería del Conocimiento.
Redes Semánticas
• Los frames son una estructura en la cual se
pueden representar valores, restricciones,
procesos, tienen relaciones de pertinencia y
herencia (por lo que se parecen a la
programación orientada a objetos).
1.5 El Método de Descripción y
Pareamiento
• El método descripción y pareamiento se utiliza
para solucionar problemas de IA y es de los más
básicos.
• El primer paso consiste en identificar todas las
características de un objeto.
• Después se realiza una búsqueda con un conjunto
de objetos ya definidos.
Método de Descripción y
Pareamiento
• En realidad se utilizan dos métodos muy
importantes: el extractor y el evaluador de
conocimientos.
• Al realizar el pareamiento de los objetos puede
ser que no caigan exactamente en el patrón de
conocimiento por lo que se tiene que tener una
medida de similitud.
Método de Descripción de
Pareamiento
• AMOR
– Querer a una persona o cosa sobre todas las cosas
– Palabra de 4 caracteres: ‘A’, ‘M’, ‘O’ y ‘R’ yuxtapuestos
•
•
•
•
•
AMOR = AMOR
AMOR = ROMA
Amor = AMOR
Amor = Cariño
Amor = Amar Distancia Léxica 1
Método de Descripción de
Pareamiento
Círculo
Descripción:
Figura formada por todos los puntos comprendidos a una
distancia equidistante del centro correspondidos en un
ángulo de 0 a 360 grados.
Propiedades
Centro (punto)
Diámetro (dos veces radio)
Áreas
Métodos de Descripción y
Pareamiento
=
=
=
=
Similitud de 75%
Método de Descripción y
Pareamiento
• Se utiliza en otras múltiples ramas como:
– Reconocimiento de huellas digitales
– Reconocimiento de Voz
– Reconocimiento de Lenguaje Natural
– Validación de Requerimientos de Software
– Etc.
• Se debe de representar de manera adecuada el
conocimiento para poder compararlo.
El granjero, la zorra, el ganso y el trigo
• Un granjero quiere cruzar un rió llevando consigo
una zorra, una ganso y un saco de trigo. Por
desgracia, su bote es tan pequeño que sólo
puede transportar una de sus pertenencias en
cada viaje. Peor aún, la zorra, si no se le vigila, se
como al ganso, y el ganso, si no se le cuida, se
come el trigo; de modo que el granjero no debe
dejar a la zorra sola con el ganso o al ganso solo
con el trigo.
El granjero, la zorra, el ganso y el trigo
Granjero
Zorra
Ganso
Trigo
Granjero
Zorra
Ganso
Trigo
¿Se puede utilizar el método de descripción y
pareamiento?
El granjero, la zorra, el ganso y el trigo
Trigo
Granjero
Zorra
Ganso
Granjero
Zorra
Ganso
Trigo
Zorra
Granjero
Ganso
Trigo
Zorra
Trigo
Granjero
Ganso
Zorra
Ganso
Trigo
Granjero
Ganso
Trigo
Zorra
Granjero
Trigo
Granjero
Zorra
Ganso
Granjero
Zorra
Trigo
Ganso
Zorra
Ganso
Trigo
Granjero
Granjero
Ganso
Trigo
Zorra
Ganso
Trigo
Granjero
Zorra
Granjero
Zorra
Ganso
Trigo
Granjero
Ganso
Zorra
Trigo
Granjero
Zorra
Ganso
Zorra
Ganso
Trigo
Trigo
Granjero
Granjero
Zorra
Ganso
Trigo
1.6 Problemas de Analogía
• Otra forma de resolución de problemas utilizado
en la IA consiste en las Analogías.
• Las analogías son un tipo especial de relación que
define como están representados los objetos de
una categoría y como obtener sus predecesores y
antecesores inmediatos.
• Generalmente se habla de análogo cuando se
tiene el mismo tipo de relación aun cuando sean
entidades diferentes.
Problemas de Analogías
• Alguna vez nos hemos preguntado ¿por qué en la
mayoría de los exámenes de admisión
generalmente son más importantes que los de
conocimientos?
• Por que en la mayoría de los casos el
conocimiento de cierta forma se puede adquirir
pero la forma de aprender y razonar es
sumamente complicado. En muchos casos son
más importantes las reglas que el conocimiento.
Problemas de Analogías
• En matemáticas y en el área de programación se
utiliza mucho la analogía para resolver
problemas.
• De acuerdo con Polya, para resolver problemas se
necesita de los siguientes pasos:
1) Comprender el problema
2) Concebir un plan
3) Ejecutar el plan y,
4) Examinar la solución.
Problemas de Analogías
A
B
C
1
2
3
¿Cómo quedarían D y 5?
4
Problemas de Analogías
• ¿Qué problemas se presentan con la Abstracción
de la Figura D o bien de la Figura 3?
A
B
C
1
2
• La resolución de problemas por analogía tiene
como base cierto conocimiento previo en
ocasiones difícil de obtener.
1.7 Reconocimiento de Abstracciones
• A lo largo de esta presentación se ha podido
comprobar que prácticamente el problema está
resuelto si el problema está descrito.
• El reconocimiento de abstracciones es un
concepto muy subjetivo dado que éstas son
combinaciones de estados mentales y eventos.
• Los SI se basan fundamentalmente en reglas ECA
(Evevento-Condición-Acción)
Reconocimiento de Abstracciones
• Generalmente
respondemos
a
estímulos
(eventos), y en base a ellos vemos cuales son
importantes para nosotros y nos comportamos de
cierta manera.
• Para lo que a una persona le representa algo para
otra representa cosas totalmente distintas.
• La abstracción permite llegar a cierto tipo de
conclusiones y preguntas resueltas.
1.8 Interpretación del Conocimiento
• La interpretación del conocimiento, es decir la
utilización de ese conocimiento es un factor muy
importante que aun la IA no ha podido definir
bien.
• El conocimiento se puede interpretar de muchas
formas y sus áreas de aplicación son diversas.
• Existen muchas corrientes filosóficas que le tratan
de dar sentido al conocimiento: empirismo y
racionalismo científico.
Interpretación del Conocimiento
• Se pretende que las reglas y hechos (base de
conocimientos) permitan resolver problemas y
que a su vez de la resolución de estos problemas
se obtenga nuevos conocimientos.
Actividad Integradora
• Es sumamente complicado en la mayoría de los
casos definir requerimientos de los productos
sobretodo en cosas tan abstractas como es el
software.
• Para mejorar la obtención de requerimientos se
sugiere utilizar algún método que pretende
cuantificar cada uno de los aspectos posibles que
se tienen en un producto.
Actividad Integradora
• Una buena técnica para la obtención de
requerimientos que también sirve para la
evaluación de los mismos es el uso de rúbricas.
• Una rúbrica es un elemento que nos permite
definir en forma tabular los requisitios que debe
tener un producto en general y evaluarlos en
base a un criterio determinado.
Ejemplo de Rúbrica
Actividad
• Imaginemos que somos un grupo de
emprendedores que deseamos incursionar en el
mercado de las galletas de chocolate.
• Antes de comenzar nuestro negocio, nuestro
equipo directivo se reúne para tratar de
especificar los requerimientos básicos que deban
tener nuestras galletas que las hagan especiales y
se pueda tener un buen nicho de mercado.
Actividad
• Para poder definir la rúbrica, la empresa ha
decidido hacer un benchmark de las diferentes
marcas de galletas de chispa de chocolate. Con
esta rúbrica se pretende construir un Sistema
Experto que mida la calidad de las nuevas
galletas.
• Para elaborar la rúbrica, primero se deben definir
una lista de 10 características que se desea
evaluar de cada producto y el criterio de
búsqueda.
Actividad
• Después se deben elegir las 4 características
fundamentales para poder realizar la rúbrica.
• Con la misma rúbrica se debe evaluar cada
galleta, al final se debe decir que galleta ganó.
• El formato de la rúbrica generalmente consiste
en definir características y rango de atributos
deseables.
Bibliografía
• Decker, R. y Hirshfield, S. (2001). Máquina
Analítica. Introducción a las Ciencias de la
Computación con Uso de Internet, Thomson,
México. Capítulo 9 Inteligencia Artificial pp. 295325.
• Hernández, V. (2007). Mapas Conceptuales La
gestión del Conocimiento en la Didáctica.
Segunda Edición, México: Alfaomega.
Bibliografía
• G. Polya, (1982), “Cómo Plantear y Resolver
Problemas”, traducción al español de “How to
Solve It”, Ed. Trillas, México, 1982, ISBN: 968-240064-3.
• Montes, M. y Villaseñor L. (2008) Fundamentos
de Inteligencia Artificial Métodos básicos de
solución de problemas, Instituto Nacional de
Astrofísica, Óptica y Electrónica, Puebla, México.
Bibliografía
• Winston, P. (1992) Artificial Intelligence, 3ra.
Edición, Addison-Wesley.
¿Preguntas, dudas y comentarios?
Descargar

1.5 El Método de Descripción y Pareamiento