Fundamentos Inteligencia Artificial, Apuntes de Ingeniería Infórmatica

¡Descarga Fundamentos Inteligencia Artificial y más Apuntes en PDF de Ingeniería Infórmatica solo en Docsity!

Fundamentos de

Inteligencia Artificial

Ing. Sup. en Informática, 3º

Curso académico: 2011/

Profesores: Holger Billhardt,

Rubén Ortiz

Tema 1: Introducción

1. Introducción

1.1 Qué es la IA?

1.2 Agentes de resolución de problemas

1.3 Juegos y sus características

Resumen:

• Pregunta a varias personas “Que es inteligencia?”
• ¿Dónde están los límites de la inteligencia?
  • Aristóteles: el hombre es un ser racional porqué algunas personas saben sumar
  • Minsky: inteligencia es la forma de resolver problemas que aún no se entienden
• Una vez que un ordenador es capaz de realizar algo “inteligente”, la

gente deja de considerarlo inteligencia.

• La IA es todo lo que no se ha hecho hasta ahora.
• ¿Cual es la diferencia entre el comportamiento instintivo y el

comportamiento inteligente?

¿Que es Inteligencia (Artificial)?

Objetivo : estudiar los entes inteligentes

• científico: entender (modelar, describir) los entes inteligentes
• ingenieril: construir entes inteligentes

Disciplinas relacionadas :

• Filosofía
  • leyes del pensamiento, lógica
  • relación entre la mente y la materia (dualismo, materialismo)
  • relación entre el conocimiento y la experiencia
  • relación entre el conocimiento y la acción
• Matemáticas
  • concepto de algoritmo (al-Jawarizmi)
  • teorema de incompletitud (Gödel)
  • intratabilidad y teoría de la completitud NP
  • teoría de la decisión (von Neumann / Morgenstern)

¿Que es Inteligencia (Artificial)?

Entender los entes inteligentes:

• Facultades de los seres inteligentes
  • Comunicación
  • Conocimiento de si mismos
  • Conocimiento y percepción del entorno
  • Interacción con el entorno
  • Intencionalidad
    • comportamiento dirigido por metas
  • Creatividad
  • Capacidad de usar y aplicar su conocimiento
    • Razonamiento e inferencia

Inteligencia Artificial: Objetivos

Inferencia:

• hacer suposiciones de lo que significan hechos (observados y/o conocidos)
• sacar consecuencias de algo o deducir algo de otra cosa

Razonamiento:

• Capacidad de derivar inferencias a partir de conocimiento y de observaciones con el propósito de alcanzar una meta o resolver un problema.

Tipos de razonamiento:

• Deductivo
• Inductivo

Razonamiento e inferencia

• Razonamiento inductivo:
  • Inferir suposiciones generales a partir de (muchos) hechos concretos (aprendizaje)
  • Ejemplo:

Conclusión: Animales que son pájaros y pequeños pueden volar.

Tipos de Razonamiento

Animal Especie Tamaño Puede volar elefante mamíferos grande no avestruz pájaro grande no paloma pájaro pequeño si urraca pájaro pequeño si tiburón pez grande no gaviota pájaro pequeño si

Inteligencia Artificial: Objetivos

Construir entes inteligentes:

Diferentes enfoques :

• Sistemas que piensan como humanos

“La interesante tarea de lograr que las computadoras piensen... Máquinas con mente, en su amplio sentido literal” (Haugeland 1985)

• Sistemas que actúan como humanos

“El arte de crear máquinas con capacidad de realizar funciones que realizadas por personas requieren inteligencia” (Kurzweil 1990)

• Sistemas que actúan de forma racional

“La rama de la Informática que se ocupa de la automatización del comportamiento inteligente” (Luger & Stubblefield, 1993)

“IA fuerte”

“IA débil”

Actuar como humanos

Prueba de Turing : [Alan Turing, 1950]

• Un evaluador humano y dos interlocutores están separados por mamparas
• Un interlocutor es una persona y el otro un ordenador
• El evaluador formula preguntas a través de un teletipo, y los interlocutores

dan sus respuestas del mismo modo

• El ordenador supera la prueba, si el evaluador no es capaz de distinguir

entre él y el humano

Capacidades requeridas :

• procesamiento del lenguaje natural
• representación del conocimiento y razonamiento
• aprendizaje

Prueba total de Turing :

• incluye señales de vídeo y objetos físicos
• requiere capacidad de visión computacional y robótica

Actuar de forma racional

Racionalidad:

• prescriptivo: como las personas deberían actuar
• sentido estricto: ¿cómo sacar “conclusiones verdaderas”?
• sentido amplio: ¿cómo actuar y “sobrevivir” en un entorno?

Pensar de forma racional:

• leyes de pensamiento de Aristóteles: razonamiento irrefutable
• lógica formal :
  • lenguaje formal para representar todo tipo de entes en el mundo
  • modelo riguroso para razonar sobre dichos entes
• en su estado “puro”, más estrechamente relacionado con la

filosofía y las matemáticas

Objetivo de IA:

• modelar/construir sistemas que actúan de forma racional

Inteligencia Artificial: Historia

• 1940/50:
  • Programas que resuelven tareas básicas de razonamiento (jugar al ajedrez / jugar a las damas / probar teoremas geométricos)
  • primeros modelos de neuronas artificiales (McCulloch/Pitts)
• 1960/70:
  • representaciones especializadas del conocimiento (reglas, marcos, guiones)
  • primeros sistemas expertos (Dendral, Prospector, Mycin)
  • declive de la computación neuronal (análisis de los Perceptrones de Minsky)
• 1980:
  • aplicaciones comerciales de los sistemas expertos
  • proyecto de software de “quinta generación” en Japón
• 1990 hasta hoy:
  • regreso de las redes de neuronas
  • modelos de incertidumbre (cadenas de Markov, redes Bayesianas)
  • agentes inteligentes (robots autónomos, sistemas multiagente) -...

Inteligencia Artificial: Subáreas

• Resolución de problemas mediante búsqueda:
  • actuar de forma racional en entornos bien definidos: espacios de estado (entornos accesibles, deterministas, estáticos y discretos)
• Representación del conocimiento y razonamiento
  • combatir la complejidad : estructurar la representación del entorno
  • entornos inaccesibles / no deterministas: razonamiento no-monótono -...
• Planificación :
  • combatir la complejidad : representación estructurada + inferencia especializada
  • entornos no-deterministas: planificación condicional
  • entornos dinámicos: replanificación
• Aprendizaje:
  • combatir la complejidad: aprender a actuar más rápido
  • mejorar el rendimiento: aprender a actuar mejor
  • mejorar la autonomía: reducir dependencia de conocimientos a priori

Tema 1: Introducción a la IA

1. Introducción

1.1 Qué es la IA?

1.2 Agentes de resolución de problemas

1.3 Juegos y sus características

Resumen:

Agentes

Agente:

• ente activo embebido en un entorno
• “cuerpo”:
  • percibe el entorno por medio de sensores
  • actúa sobre el entorno por medio de efectores
• “mente”:
  • determina las acciones a partir de las percepciones
  • medida de rendimiento que guía dicho proceso

entorno

percepciones

acciones