Sistemas Inteligentes

Universidad de Oviedo
Centro de Inteligencia Artificial
SISTEMAS INTELIGENTES
T1: Introduccin a los SSII
{jdiez, juanjo} @ aic.uniovi.es
Sistemas Inteligentes - T1: Introduccin
Sistemas Inteligentes: Introduccin
Definiciones de Inteligencia Artificial Breve historia Objetivos Metodologas Agentes
Definiciones de IA (I)
Humanidad Razonamiento Racionalidad
Comportamiento
Test de Turing (1950) Interrogador A B
Cul de los dos, A B, es un sistema inteligente?
Para engaar al interrogador la mquina debera tener desarrolladas ciertas cualidades: Procesamiento de lenguaje natural, visin, robtica Representacin del conocimiento, razonamiento automtico, aprendizaje automtico
Pensando como humanos

Cmo piensan los humanos?
Introspeccin Experimentos
psicolgicos
Ciencia cognitiva
Combina tcnicas de IA y psicologa para construir teoras sobre el modo de pensar de los humanos
Una vez establecidas teoras sobre la forma de pensar humana, se traduce a un programa GPS (General Problem Solver) Newell y Simon
Los pasos del razonamiento del GPS deberan ser anlogos a la traza del pensamiento humano cuando resuelve los mismos problemas
Pensando racionalmente
Aproximacin de las leyes del pensamiento

Aristteles.
Silogismos (patrones de estructuras argumentales correctas)

Se supona que estas leyes gobernaban las operaciones de la mente Primeros desarrollos en el campo de la lgica
Desarrollo de la lgica Notacin precisa Programas lgicos
(s. XIX y XX)
Dificultades Es difcil formalizar mediante lgica Recursos computacionales excesivos

Actuando como humanos
Fundamental cuando se desea que un sistema inteligente interacte con humanos

Dialogar Ofrecer
explicaciones
Convenios de mnimos para facilitar el entendimiento La representacin subyacente no tiene por qu seguir modelos humanos
Actuando racionalmente
Concepto de Agente Inteligente Deben cumplir dos objetivos:

Ser
capaces de percibir su entorno, y
actuar
racionalmente de acuerdo con el entorno percibido

requiere razonar (lgicamente), actuar a partir de las conclusiones obtenidas, no siempre usan inferencia lgica (actos reflejos)
Es ms general que la lgica

No
es la nica forma de actuar racionalmente

Definiciones de IA (II)
Producir sistemas capaces de adoptar comportamientos que, si fuesen realizados por seres humanos no dudaramos en calificar de inteligentes Nilsson
Fundamentos de la I.A.
FILOSOFA
Teora del razonamiento y del aprendizaje
MATEMTICAS
Teoras formales de la lgica, probabilidad, toma de decisiones
BIOLOGA
Funcionamiento del sistema nervioso y de otros sistemas biolgicos
I.A.
COMPUTACIN
Hace posible la implementacin real de las soluciones
PSICOLOGA
Investigacin de la mente humana
LINGSTICA
Estructura y significado del lenguaje
Gnesis de la IA (1943-1955)
McCulloch y Pitts (1943) proponen un modelo constituido por neuronas artificiales. Mostraron, entre otras cosas, que los conectores lgicos podran implementarse usando redes sencillas Hebb (1949) propuso y demostr una sencilla regla que permita que redes adecuadamente definidas pudiesen aprender Turing (1950) introduce el test que debera pasar un computador para considerarse inteligente: la prueba de Turing Minsky y Edwards (1951) construyen el SNARC, el primer hardware neuronal
Nacimiento de la IA (1956)
McCarthy, Minsky, Shannon y Rochester (1956) organizaron un curso de 2 meses en el Darmouth College Newell y Simon presentan el Logic Theorist (LT), capaz de demostrar gran parte de los teoremas del captulo 2 del Principia Matemtica En ese taller se acu el nombre de Inteligencia Artificial Por qu una disciplina separada?
Desde
el primer momento abarc la idea de duplicar facultades humanas: creatividad, auto-mejora, uso del lenguaje Es la nica disciplina que persigue la construccin de mquinas que funcionen automticamente en medios complejos y cambiantes
Entusiasmo inicial, grandes esperanzas (1952-1969)

La mayor parte de la comunidad cientfica pensaba que una mquina nunca podra hacer tareas . Los investigadores en IA respondan demostrando la realizacin de una tarea tras otra. Era la poca de Mira mam, ahora sin manos segn McCarthy Al Logic Theorist del Newell y Simon sigui el GPS (General Problem Solver), el primero que incorpor el enfoque de pensar como un humano Samuel (1952) escribi una serie de programas que aprendieron a jugar a las damas a nivel amateur McCarthy (1958) defini el lenguaje Lisp, describi el Generador de consejos, que incorporaba principios de representacin de conocimiento general y razonamiento Robinson (1965) propone el mtodo de Resolucin (completo) para demostrar teoremas usando lgica de predicados
Entusiasmo inicial, grandes esperanzas (1952-1969)

Gelernter (1959) construyo el DTG, capaz de probar teoremas de geometra que muchos estudiantes consideraban muy complejos Se proponen algunos micromundos que parecen requerir inteligencia para resolver problemas en ellos: uno de los ms conocidos es el mundo de bloques Los mtodos de aprendizaje de Hebb se reforzaron con los adalines (Widrow y Hoff, 1960) y los perceptrones (Rosenblatt, 1962)
Una dosis de realidad (1966-1973)

Los primeros sistemas fallaron estrepitosamente al utilizarlos en problemas ms variados y complejos
Les faltaba conocimiento del problema Los problemas eran intratables
Los primeros pasos en evolucin automtica (ahora llamados algoritmos genticos) tuvieron escaso exito El informe Lighthill (1973) critic principalmente la incapacidad para tratar con la explosin combinatoria: el gobierno britnico retir ayudas a la investigacin en IA Otro obstculo se deriv de las limitaciones inherentes a las estructuras bsicas:
Minsky y Papert demostraron la incapacidad de un perceptrn con dos entradas de resolver el problema del XOR
Sistemas basados en el conocimiento (1969-1979)

Buchanan, Lederberg y Feigenbaum (1969) construye el DENDRAL, capaz de inferir una estructura molecular a partir de informacin de un espectrmetro de masas: fue uno de los primeros sistemas de reglas Le sigui MYCIN (Feigenbaum, Buchanan y Shortlife), capaz de hacer diagnsticos tan buenos como los de un experto en infecciones sanguneas (y mejor que los de un mdico novato)

Las reglas se extrajeron de entrevistas con expertos Contaban con factores de certeza, usaba razonamiento con incertidumbre
Se avanz en procesamiento de lenguaje y en planificacin Se desarrollaron nuevos lenguajes y esquemas de representacin (Prolog, Planner, los marcos de Minsky)
La IA se convierte en industria (1980-actualidad)

R1 (McDermott, 1982) es el primer sistema experto comercial con xito
Se usa en la elaboracin de pedidos informticos, ahorrando aproximadamente 40 mill. de dlares al ao a Digital Equipment Corp.
En 1988 el grupo de IA de la DEC ya haba distribuido 40 sistemas expertos y Du Pont utilizaba ms de 100
Regreso de las redes neuronales (1986-actualidad)

A mediados de los 80 se retoma el algoritmo de retropropagacin, mencionado por primera vez en 1969 (Bryson y Ho) La difusin de los xitos obtenidos suscit gran entusiasmo Surgi cierta rivalidad entre la aproximacin conexionista de las redes neuronales y la aproximacin simblica La tendencia actual es que ambas son complementarias, no competidoras
La IA se convierte en ciencia (1987-actualidad)

Se produce una revolucin tanto en el contenido como en la metodologa
Es ms usual el trabajo sobre teoras ya existentes que proponer teoras nuevas
La IA ya forma parte del mbito de los mtodos cientficos

Formulacin formal, experimentacin, anlisis estadstico de resultados, se usan repositorios de datos y cdigo
Surgen o reciben un gran impulso

Procesamiento de lenguaje, minera de datos, razonamiento probabilstico, robtica, visin, aprendizaje automtico, etc
Caracterizaciones de la IA
Objetivos a largo plazo En qu se inspira Metodologa empleada Tareas generales que aborda
Objetivos a largo plazo (I)

Se ha dado en hablar de Gran IA y Pequea IA
La Gran IA persigue construir robots de inteligencia igual a la humana La Pequea IA trata de resolver problemas especficos de forma inteligente y de generalizar las tcnicas para aplicarlas a otros problemas. Las investigaciones se centran generalmente en alguno de los siguientes objetivos
1. Producir mquinas que exhiban comportamiento inteligente 2. Comprender la inteligencia humana en el contexto social 3. Dar paso a formas de vida artificiales 4. Incrementar el conocimiento cientfico
Objetivos a largo plazo (II)

Producir mquinas que exhiban comportamiento inteligente puede ser til:
pueden pueden
llevar a cabo tareas para las que los humanos somos propensos a cometer errores permitirnos acometer tareas que antes no podamos afrontar
Comprender la inteligencia humana en la sociedad

Los estudios en Inteligencia Artificial pueden ayudar a comprender mejor la inteligencia humana Cuntas de las actividades que denominamos inteligentes puedes ser replicadas por algoritmos?
El
estudio de sistemas multi-agente, que cooperan y se comunican para resolver problemas es un ejemplo de inteligencia social
Objetivos a largo plazo (III)

Dar paso a formas de vida artificiales
El estudio de vida artificial (ALife) est ntimamente relacionado con el concepto de evolucin Puede surgir comportamiento inteligente dando suficiente tiempo para que evolucionen formas de vida artificiales?
Incrementar el conocimiento cientfico

Las tcnicas de IA hacen surgir problemas interesantes en s mismos, como puede ser la complejidad algortmica, etc.
Muchos
investigadores en IA no se dedican en absoluto a desarrollar sistemas inteligentes, ni a estudiar la inteligencia humana o la vida artificial
En qu se inspira
Cmo conseguir que un ordenador acte con inteligencia?
Utilizando la lgica Deduccin formal Imitando el razonamiento humano Sistemas expertos, planificacin, razonamiento, aprendizaje, procesamiento de lenguaje natural Imitando la actividad biolgica del cerebro Redes de neuronas artificiales (ANNs) Usando los fundamentos de la evolucin Algoritmos genticos, robtica basada en comportamiento Construyendo agentes que cooperen/compitan entre ellos Sistemas multiagente Modelos computacionales basados en fuerza bruta Decir que Deep Blue no piensa en el ajedrez es como decir que un avin no vuela porque no agita sus alas (Drew McDermott, New York Times)
Metodolga empleada
Dos aproximaciones
Cientfica ( pulcra ) Se formula una hiptesis, se demuestra formalmente si la hiptesis es cierta o falsa y se ejemplifica
Es una aproximacin robusta, pero el progreso para automatizar tareas complejas es lento
Tecnolgica ( desaliada ) Se aplica en problemas muy grandes y no bien definidos, donde suelen combinarse diversas tcnicas. A menudo las tareas son tan complejas que se considera un xito el poder automatizarlas RHINO: un robot gua interactivo
Durante seis das gui a los visitantes de un museo en Bonn, evitando obstculos, movindose entre los visitantes e interaccionando con ellos. Naveg en total ms de 18 Km., y gui a ms de 2000 personas
Tareas generales que aborda la IA

Hacer que un agente
Razone de forma racional prueba automtica de teoremas, satisfaccin de restricciones, razonamiento basado en casos, etc. Aprenda y descubra nuevo conocimiento aprendizaje automtico, data mining Juegue bien (ajedrez, backgammon, etc.) tcnicas de bsqueda en juegos con adversarios Se comunique con los humanos procesamiento de lenguaje natural y sntesis del habla Muestre signos de vida algoritmos genticos, programacin gentica Maniobre de forma inteligente en el mundo real robtica, planificacin, visin artificial
Agentes
Un agente es cualquier cosa capaz de percibir su entorno con la ayuda de sensores y actuar sobre dicho entorno mediante actuadores
Percepciones Sensores
Entorno
Agente
Actuadores
Acciones
Agentes: algunos conceptos

Funcin del agente: define el comportamiento del agente; proyecta una percepcin dada en una accin Programa del agente: implementa la funcin del agente Agente racional: en cada posible secuencia de percepciones, un agente racional deber emprender aquella accin que supuestamente maximice su medida de rendimiento, basndose en las evidencias aportadas por la secuencia de percepciones y en el conocimiento que el agente mantiene almacenado Autonoma: se mide por el grado en que su comportamiento viene determinado por su experiencia
se requiere un balance entre la falta de autonoma y la autonoma absoluta
Propiedades de los entornos

Totalmente/parcialmente observable
Los sensores acceden al estado completo del entorno?
Determinista/estocstico
El siguiente estado est totalmente determinado por la accin?
Episdico/secuencial
Se puede dividir la experiencia del agente en episodios atmicos, tales que la eleccin de accin en cada episodio depende solo de ste?
Esttico/dinmico
Puede cambiar el entorno mientras el agente elige una accin?
Discreto/continuo
Cmo se maneja el tiempo, las percepciones, las acciones?
Individual/Multiagente
Hay un solo agente interaccionando en el entorno?Es un entorno competitivo o cooperativo?
Ejemplos de entornos
Totalmente observable: algunos problemas de juguete Parcialmente observable: conducir Episdico: clasificacin Secuencial: jugar al ajedrez Esttico: resolver un crucigrama Dinmico: conducir Discreto: ajedrez Continuo: conducir Individual: buscar una ruta en un mapa Multiagente:
competitivo: parchs, ajedrez cooperativo: varios robots autnomos en un almacn
Estructura de los agentes

Agentes reactivos simples Agentes reactivos basados en modelos Agentes basados en objetivos Agentes basados en utilidad
Agentes que aprendan

Agentes reactivos simples

Sensores
Agente
Cmo es el mundo ahora
Entorno
Reglas de condicin-accin
Qu accin debo tomar ahora
Actuadores
Agentes reactivos basados en modelos

Sensores
Estado Cmo evoluciona el mundo Cmo es el mundo ahora
Entorno
Qu efectos causan mis acciones
Reglas de condicin-accin
Agente
Actuadores
Agentes basados en objetivos

Sensores
Entorno
Qu pasar si realizo la accin A
Objetivos
Agente
Actuadores
Agentes basados en utilidad

Sensores
Entorno
Qu pasar si realizo la accin A Estar contento en este estado Qu accin debo tomar ahora
Utilidad
Agente
Actuadores Actuadores
Agentes que aprenden

Nivel de actuacin Crtica
Sensores
retroalimentacin
Entorno
Elemento de aprendizaje objetivos a aprender Generador de problemas
cambios conocimiento
Elemento de actuacin
Agente
Actuadores

Sistemas Inteligentes

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Sistemas Inteligentes

Hochgeladen von

Copyright:

Verfügbare Formate

Universidad de Oviedo

Centro de Inteligencia Artificial