Tema 1

Tema 1.
Introduccin a los Sistemas Inteligentes

Mster de Ingeniera de Sistemas y Control Javier Arroyo y Rubn Fuentes
Introduccin
Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)
La inteligencia
Segn el diccionario de la R.A.E.:
la inteligencia es la capacidad para entender o comprender y la
capacidad para resolver problemas.
La inteligencia est relacionada con otras funciones mentales
bsicas como la percepcin y la memoria
La percepcin es grosso modo la capacidad para recibir
informacin, mientras que la memoria es la capacidad para almacenarla
Los sistemas inteligentes son la respuesta a una pregunta que
viene hacindose la humanidad desde hace siglos

Puede una mquina pensar?
Esta cuestin es en el fondo de ndole filosfico.

Sin embargo tambin se ha acometido desde el rea de las ciencias
dando lugar a la disciplina de la inteligencia artificial (IA)
La Prueba de Turing
Alan Turing es uno de los padres de las ciencias de la computacin por
sus aportaciones a los campos de la algortmica y la computacin

Tambin realiz una contribucin de ndole filosfica y fundacional en
el campo de la inteligencia artificial al proponer una prueba para determinar si una mquina es o no inteligente
La prueba, publicada en 1950, se basa en la idea de que si las
facultades mentales de una mquina son indiscernibles de las de un ser humano, entonces es que sta es inteligente
La prueba requiere de un juez, de un participante humano y de una
mquina
La prueba consiste en que el juez debe descubrir mediante preguntas
formuladas en lenguaje natural, si quien le est respondiendo sus preguntas es una mquina o un ser humano
4 Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)
Curiosidades sobre la prueba de Turing

Estos sistemas, a los que se conoce como chatterbots, han sido
capaces de engaar a jueces inexpertos Sin embargo, ninguno ha sido capaz de batir a jueces expertos. A finales de los 60 se hicieron esfuerzos notables como fueron ELIZA del MIT y PARRY de la Universidad de Stanford Estos sistemas llegaron a conversar entre s en 1972 Aunque no es un rea de trabajo muy significativa dentro de la IA, la prueba de Turing an se conserva vigente En 1990 se creo el premio Loebner para premiar anualmente a los mejores chatterbots. A.L.I.C.E. (Artificial Linguistic Internet Computer Entity) gan la competicin en 2000, 2001 y 2004 y es un proyecto de cdigo abierto que usa un lenguaje de esquema basado en XML para especificar reglas que permitan modelar conversaciones Hoy en da existen chatterbots, como Anna en la web de Ikea, que son capaces de conversar satisfactoriamente sobre temas concretos
Implicaciones de la prueba de Turing

Al eliminar el contacto fsico entre el juez y los entes evaluados, la
prueba de Turing pretende aislar la inteligencia en su esencia Mediante su prueba, Turing sortea el espinoso asunto de definir la inteligencia o de limitarse a enumerar de forma exhaustiva sus capacidades Por otro lado, para que una mquina supere esta prueba tendra que estar dotada de al menos las siguientes capacidades Debe ser capaz de comunicarse satisfactoriamente en la lengua del juez Debe ser capaz de almacenar y recordar lo que conoce Debe utilizar la informacin almacenada para razonar sobre ello y responder preguntas Debe ser capaz de aprender y extraer conocimiento adaptndolo a nuevas circunstancias Estas facultades junto a otras relacionadas con la percepcin de estmulos fsicos y la capacidad de moverse y de manipular objetos constituyen hoy en da reas de estudio de la IA
Reproduciendo la inteligencia
Hoy en da, se considera que no tiene sentido reproducir la
inteligencia humana en una mquina. Sin embargo, s se pretende dotar a las mquinas de inteligencia Para ello, se debe profundizar en los principios en los que se basa la inteligencia
Algo parecido sucedi en la aviacin que tuvo xito cuando se dej
de intentar imitar a los pjaros y se comprendieron mejor las leyes de la aerodinmica

Por ello, el estudio de la IA se ha ramificado en distintos campos
que trabajan sobre facultades que caracterizan la inteligencia
Las ramas de la inteligencia artificial

Las ramas ms populares en las que se divide la inteligencia artificial son las
siguientes:

Representacin del conocimiento Razonamiento y resolucin de problemas Aprendizaje Procesamiento de lenguaje natural (i.e. lenguaje humano) Planificacin automtica
Percepcin artificial
Sensores, visin artificial y reconocimiento del habla
Robtica Computacin afectiva Creatividad computacional
Estas ramas son campos activos de investigacin donde se ha avanzado
significativamente pero que tienen por delante muchos retos pendientes

Existe otra rama conocida como Inteligencia General Artificial que persigue el
desarrollo de sistemas que, integrando las facultades anteriores de una forma similar a como lo hace el hombre, sea capaz de obrar de forma inteligente
En otras palabras, su objetivo es hacer dispositivos con una inteligencia
global igual o superior a la del hombre

El propsito de los sistemas inteligentes es mucho ms modesto
Perspectiva histrica
Recorrido histrico El sustrato de los mitos

Los sistemas inteligentes reflejan una pulsin del hombre que le
lleva a intentar crear un ser como l por medios artificiales

Esta idea puede verse en diferentes culturas a lo largo de la historia
en muchos casos acompaada de un final trgico

La mitologa griega contiene varios ejemplos
Los autmatas del taller de Hefestos, como Talos el hombre de
bronce encargado de patrullar las playas de Creta La historia de Pigmalin que se enamora de Galatea, su ms perfecta escultura de mujer, la cual cobra vida gracias a Afrodita
En el medievo, segn la leyenda, el rabino Lw construy un
hombre de barro (el Golem) para proteger el gueto judo de Praga y que el golem escap de su control y destroz el gueto
Recorrido histrico El sustrato de los mitos

En el s.XIX la novela de Frankenstein de Mary Shelley aborda
esta idea y refleja el dilema moral del cientfico que consagra su vida a dar a luz una idea sin pensar en las consecuencias y que considera que ha fracasado en su empeo Karel Capek en su obra teatral R.U.R. de 1923 acua el trmino robot para referirse a los androides capaces de pensar por s mismos que trabajaban en las factoras y cuyas revueltas acarrean el fin de la raza humana Todos estos ejemplos enmarca el deseo de replicar seres humanos en el contexto social del momento
Por ejemplo, Shelley se centra en el conflicto del hombre de ciencia
11
influenciada por el romanticismo, mientras que en la obra de Capek subyacen preocupaciones propias del movimiento obrero de principios del s.XX
Recorrido histrico Aportaciones desde la ciencia esotrica

En la antigedad la ciencia y el esoterismo se entremezclaban
de una forma que hoy consideraramos inaceptable Las leyendas sobre cabezas parlantes se repitieron en la Edad Media
El Papa Silvestre II (s.X) deca haber construido una cabeza de oro
que era capaz de responder preguntas sobre el futuro El monje y hombre de ciencia Alberto Magno (s.XIII) dijo haber construido una cabeza parlante mediante la invocacin de fuerzas sobrenaturales De Roger Bacon (s. XIII) que fue, paradjicamente, uno de los precursores del empirismo, se deca que construy una cabeza que haca clculos matemticos, pero que sta se neg a hablar
12
Recorrido histrico Aportaciones desde la ciencia esotrica

Paracelso, mdico y alquimista del s.XVI, elabor una receta
para crear seres humanos (homnculos) partiendo de un frasco de semen humano enterrado en excrementos de caballo En el medievo, los hombres sabios se dedicaban al estudio de ingenios mecnicos capaces de resolver diferentes cuestiones
Los astrnomos rabes hablaban de la zairja un dispositivo que
serva para crear ideas por medios mecnicos En el mundo cristiano Ramn Llull (s.XIII) dise la Ars Magna et Ultima que tena como objetivo determinar la veracidad de proposiciones lgicas referentes a diferentes reas del conocimiento
13
Recorrido histrico Autmatas y calculadoras

Los primeros intentos serios de replicar el comportamiento
humano fueron los autmatas y las mquinas calculadoras, que si bien se encuentran fuera de la inteligencia artificial obedecen a una motivacin humana parecida y son precursores de la robtica y de la computacin Los autmatas mecnicos gozaron de gran xito entre los s. XVI y XVIII
En el s. XVII eran clebres los autmatas a vapor de Salomn de
Caus El cenit lo constituye el pato mecnico Vaucanson s. XVII que era un autmata de gran realismo que coma maz y beba agua y que a partir de estos generaba excrementos
14

En el s. XVII Pascal y Leibniz implementaron mquinas capaces de
realizar clculos aritmticos sencillos Leibniz dijo Es indigno de hombres excelentes perder horas como esclavos en el trabajo del clculo, que, si fueran usadas las mquinas, podra ser relegado con seguridad a cualquier persona En el s. XIX Charles Babbage, que desde su infancia estuvo fascinado por los autmatas, dise una serie de mquinas calculadoras Su construccin estuvo financiada por el gobierno britnico interesado realizar clculos fiables para la navegacin y la balstica Pese a que los diseos de Babbage eran correctos, la tarea sobrepasaba la tecnologa de la poca y nunca se llegaron a construir La mquina diferencial evaluaba polinomios por aproximacin La mquina analtica era ms sofisticada e incorpora la idea de programa y memoria externos

En el s. XIX Ada Lovelace realiz el primer algoritmo para la mquina analtica
de Babbage

Lo hizo partir de unas notas incompletas de un discpulo de Babbage, ya que nunca lleg a ver la mquina construida Por ello es considerada el primer programador
A finales del s. XIX y principios del s. XX surge en Espaa un discpulo de
Babbage, Leonardo Torres Quevedo que crea mquinas analgicas de clculo

En sus mquinas los nmeros son representados mediante magnitudes fsicas (rotaciones de determinados ejes, estados elctricos, etc.) Las operaciones tratan esas magnitudes fsicas y devuelven el resultado expresado como otra magnitud fsica Uno de sus autmatas ms clebres es el ajedrecista que jugaba automticamente al ajedrez manejando rey y torre contra un humano que manejaba el rey
16
Recorrido histrico Algunas farsas clebres

La historia tambin nos ha dado casos de falsos ingenios inteligentes
pseudomecnicos con las que algunas personas se aprovecharon de la ingenuidad de la gente A principios del s.XVII Von Kempelen dijo crear una mquina que jugaba al ajedrez. La mquina era un androide semejante a un turco sentado frente a una mesa de ajedrez que en realidad ocultaba a una persona El turco gan muchas partidas de ajedrez en Europa y se cuenta que derrot al mismsimo Napolen La mquina ardi en un incendio en Philadelphia en 1854 En la segunda mitad del s.XX un robot capaz de realizar tareas domsticas hizo un tour en EEUU demostrando sus habilidades Dos estudiantes de la Carnegie-Mellon destaparon el fraude en 1977 Los promotores del invento nicamente alegaron que su robot sera posible algn da Curiosamente, muy pocos de los medios de comunicacin que se hicieron eco de las maravillas del robot dieron la noticia del fraude
Recorrido histrico La prehistoria de la IA (1943-1955)

En 1943 McCulloch y Pitts presentan un modelo neuronal
artificial considerado hoy como el primer trabajo de IA

Cada neurona tena un estado binario (activada y desactivada) Los conectores lgicos (AND, OR, etc) se implementaban mediante
redes sencillas Estos autores demostraron que su modelo neuronal era equivalente a la mquina de Turing y que por tanto era capaz de procesar cualquier funcin computable
En 1949 Hebb propone una regla de actualizacin de los pesos
de las conexiones entre las neuronas que les permitan aprender
18
Recorrido histrico La prehistoria de la IA (1943-1955)

En 1951 Minsky y Edmons contruyen el primer ordenador que
implementa una red neuronal

La investigacin en redes neuronales declino en los 70 para resurgir
con fuerza en los 80

En 1950 Shannon calcula que un juego de ajedrez supone unos
10120 posibles movimientos y que en el caso de que una mquina de Von Neumann examinase un movimiento por microsegundo le llevara 3106 aos realizar el primer movimiento
Como conclusin a su trabajo pone de manifiesto la necesidad de
tcnicas heursticas que ayuden a encontrar soluciones en problemas de esta naturaleza
19
Recorrido histrico El nacimiento de la IA (1956-1969)

En 1956, John McCarthy convence a Minsky y a Shannon para
organizar en verano en el Darmouth College un taller que congregase investigadores que trabajaban en la inteligencia de las mquinas, redes neuronales y teora de autmatas ste es considerado hoy da el acontecimiento fundacional de la IA Los primeros aos de la IA fueron caracterizados por un gran entusiasmo pero por resultados limitados. Los ordenadores ya realizaban clculos matemticos pero se postulaba que podan hacer mucho ms McCarthy y Minsky se instalan en el MIT donde siguen distintas lneas de trabajo McCarthy defini el lenguaje LISP lenguaje fundamental en los primeros aos de la IA y en 1958 publica un artculo en el que propona un programa, el Advice Taker, para buscar soluciones a problemas generales mediante axiomas sencillos A diferencia de McCarthy, Minsky trabajo en un enfoque anti-lgico sobre representacin del conocimiento y del razonamiento que dio lugar a la teora de marcos en 1975
Recorrido histrico El nacimiento de la IA (1956-1965)

Durante los primeros aos, otros investigadores fuera de la
rbita del MIT hicieron contribuciones fundacionales
En 1961 Newell y Simon de la Carnegie Mellon presentan el General
Problem Solver un programa que emulaba la forma de resolver problemas de los seres humanos
que permite pasar por estados intermedios
Se basaba en considerar estados inicial y final y el uso de operadores
En el campo de las redes neuronales Rosenblatt de la Universidad
de Cornell propone en 1962 un algoritmo de aprendizaje para los perceptrones En 1965 Lotfi Zadeh de la Universidad de Berkeley con su artculo Fuzzy sets dar lugar al rea de la teora de los conjuntos borrosos
El periodo se caracteriz porque los investigadores intentaron
abordar grandes problemas que debido a la capacidad de los ordenadores no podan ser desarrolladas
Las ideas funcionaban en problemas de juguete
21
Recorrido histrico El periodo de desengao (1966-1973)

La ausencia de resultados de ndole prctica llev a un periodo
de desengao en el que se cancel gran parte de la financiacin para proyectos de IA La euforia inicial llev a un exceso de ambicin, concretamente:
Los mtodos propuestos prcticamente no utilizaban conocimiento
sobre el dominio del problema que abordaban Los mtodos propuestos se basaban en estrategias de bsqueda funcionaban bien en problemas de juguete pero que no escalaban bien en problemas de mayor envergadura Los problemas que se intentaron resolver eran demasiado generales y demasiado complejos
ausencia de resultados llev al gobierno de los EEUU a cancelar la financiacin en 1966
Un ejemplo paradigmtico es el de la traduccin automtica que tras la
22
Recorrido histrico El auge de los sistemas expertos (1969-1979)

Como reaccin a la etapa anterior surgen los sistemas expertos que
tenan un propsito ms modesto, centrado en la aplicacin prctica y que empleaban el conocimiento de un dominio restringido de forma intensiva DENDRAL creado en 1969 en Stanford para inferir una estructura molecular a partir de la informacin proporcionada por un espectrmetro de masas Basado en un conjunto de reglas especficas proporcionadas por expertos Fue una herramienta utilizada por los qumicos y que se desarroll comercialmente En 1976 tambin en Stanford se cre MYCIN para apoyar al diagnstico mdico de enfermedades sanguneas infecciosas Estaba basado en 450 reglas IF-THEN independientes Separaba claramente el conocimiento de los mecanismos de razonamiento
Esto permiti generalizarlo en 1979 para el diagnstico de otras
enfermedades
23

PROSPECTOR tambin de Stanford fue desarrollado en 1979
con el fin de ayudar a la exploracin mineral

Plasmaba el conocimiento experto mediante ms de mil reglas y
una red semntica Peda informacin sobre el problema al usuario y poda solicitar informacin extra si era necesario Incorporaba reglas bayesianas para propagar la incertidumbre proveniente de conocimiento incompleto
El xito de estos sistemas aument su demanda y propici la
aparicin de lenguajes de representacin y razonamiento:

El desarrollo de Prolog lenguaje de programacin lgica El desarrollo de la teora de marcos propuesta por Minksy
Los marcos permiten recopilar informacin estructurada sobre objetos y
organizarlos en jerarquas similares a las taxonomas de biologa


El desarrollo comercial de los sistemas expertos dio lugar a un
nacimiento de una industria basada en IA Sin embargo, conviene recordar que los sistemas expertos tienen capacidades limitadas
Los sistemas expertos se restringen a un dominio muy concreto y
sirven para resolver tareas muy concretas Su capacidad de explicacin es limitada. Pueden mostrar las reglas desencadenadas hasta llegar a la solucin pero no relacionar el conocimiento heurstico acumulado de otra forma Es difcil validar y verificar un conocimiento experto de forma que se determine su correccin, su completitud y su consistencia En los primeros momentos no eran capaces de aprender de la experiencia
Recorrido histrico El aprendizaje de las mquinas (1980- )

La nula capacidad de aprendizaje de los sistemas expertos y el
desarrollo de los ordenadores propici un resurgir de las redes neuronales como paradigma del aprendizaje mquina El aprendizaje mediante retropropagacin es clave para relanzar los perceptrones que permanecan olvidados desde los ao 60 Adems en los 80 surgen otras aportaciones clave como las redes con retro-alimentacin, las redes auto-organizadas y las redes neuronales con funcin de base radial Otras tcnicas de aprendizaje surgieron en los 80 y primeros 90, entre ellas se pueden destacar los rboles de decisin, las reglas de asociacin y las redes bayesianas El paradigma evolutivo o gentico que tiene su auge en los 90 permite, entre otras cosas, resolver problemas de bsqueda y optimizacin muy complejos Este paradigma permite adems que los ordenadores resuelvan problemas para los que no han sido programados explcitamente
Recorrido histrico La situacin actual

La IA est alcanzando la madurez como ciencia y como industria La IA ha logrado penetrar con xito en otras reas como la ingeniera, la
gestin, la economa, o las finanzas
La IA se encuentra presente en nuestra vida diaria principalmente en
una gran cantidad de aplicaciones, e.g. traductores automticos, motores de bsqueda, recomendadores, aplicaciones de reconocimiento de voz, filtros de SPAM, planificacin logstica, controladores de vehculos, etc Las ramas de la IA, muchas de ellas no recogidas en esta perspectiva histrica, conviven y se combinan para afrontar los retos actuales Ej. los sistemas expertos pueden incorporar conceptos del paradigma de los conjuntos borrosos para representar y modelar la incertidumbre Dada la disponibilidad de grandes cantidades de datos y del aumento de la capacidad para procesarlos, se est cambiando el enfoque de forma que hoy da se considera que el conocimiento debe aprenderse de esos datos en lugar de ser codificado explcitamente
Qu es un sistema inteligente?
28
La inteligencia artificial y los sistemas inteligentes

La inteligencia artificial es considerada como el rea de las ciencias de la
computacin que aborda el estudio y el diseo de sistemas inteligentes

Los sistemas inteligentes perciben su entorno y toman decisiones para
maximizar las posibilidades de xito de sus acciones

Para que la inteligencia artificial sea una realidad hace falta:
1. 2.
Reproducir los procesos mentales que caracterizan a la inteligencia Un dispositivo que sea capaz de realizar dichos procesos mentales
El dispositivo que hace posible la inteligencia artificial es el ordenador debido a su elevada capacidad para procesar informacin y a la versatilidad que le confiere su capacidad de ser programado En esta asignatura abordaremos algunos de esos procesos o tcnicas que nos permiten reproducir inteligencia de forma artificial
Algunas otras tcnicas de IA son impartidas en otras asignaturas del Master
29
Caractersticas de un sistema inteligente

A modo de definicin sencilla podemos decir que un sistema
inteligente es un sistema dotado de inteligencia artificial En esta asignatura asociaremos el concepto sistema inteligente al concepto de agente inteligente, tal y como lo definen obras como Russell & Norvig (2004) Un agente ser un sistema autnomo capaz de percibir por medio de sensores su medioambiente y de actuar en dicho medio por medio de actuadores con el fin de alcanzar sus objetivos
Este comportamiento se conoce como racional
En el agente deber estar programado cmo actuar ante
diferentes percepciones
Es en dicho programa donde se codifica la inteligencia del agente
30
Esquema de un sistema inteligente

Sistema
Sensores Percepciones
Medioambiente
?
Actuadores Acciones
Fuente: Russell y Norvig 2004

El concepto de racionalidad
Un comportamiento racional es aquel que el agente realiza con
el fin de acercarse a sus objetivos La racionalidad viene determinada por cuatro factores:
La medida de rendimiento que define el xito o no de las acciones
de un agente El conocimiento acumulado del medio en el que habita el agente Las posibles acciones que el agente puede llevar a cabo en un determinado momento La secuencia de percepciones del agente hasta ese momento
El agente, dada una secuencia de percepciones, utilizando su
experiencia previa, debe elegir de entre todas las posibles aquella accin que maximizar su medida de rendimiento
La racionalidad, el aprendizaje y la autonoma

Los agentes racionales no son omniscentes, es decir tienen
racionalidad y razonamiento limitados y no pueden anticipar los resultados de sus acciones y actuar de acuerdo a ello Sin embargo, un agente racional debera, en la medida de lo posible, recopilar informacin y aprender de sus percepciones La racionalidad est ligada al concepto de autonoma, segn el cual un agente no solo depende del conocimiento inicial con el que ha sido programado, sino que es capaz de ir completando dicho conocimiento en base a su experiencia
33
Ejemplos de sistemas inteligentes

Sistema
Sistema experto de diagnstico mdico
Medida de rendimiento
N de diagnsticos acertados y fallados (y gravedad de los errores) Superficie cosechada, distribucin correcta de las semillas y consumo eficiente % de residuos bien separados
Entorno
Mdicos y pacientes
Actuadores
Pantalla para visualizar preguntas, pruebas y diagnstico Controles de velocidad y direccin del vehculo, expendedor de semillas Brazo robtico
Sensores
Teclado para introducir sntomas y mediciones GPS y cmara
Cosechadora automtica
Vehculo y campo a cosechar
Robot de separacin de residuos
Cinta transportadora con residuos
Cmara y sensores de posicin del brazo
34
Propiedades del entorno de trabajo

Totalmente observable vs Parcialmente observable
Si todos los aspectos relevantes a la toma de decisiones pueden ser
captados por los sensores

Determinista vs Estocstico
Si su estado futuro est plenamente por el estado actual o no
Si es determinista excepto por las acciones de otros agentes se le
conoce como estratgico
Episdico vs Secuencial
Si la experiencia (percepcin y accin) puede dividirse en episodios
atmicos en los que no tiene repercusin los episodios propios, solo el actual
Ej. Un sistema experto es episdico y una cosechadora automtica es
secuencial
Propiedades del entorno de trabajo

Esttico vs Dinmico
Si el entorno puede permanece igual cuando el agente est
deliberando o no
Discreto vs Continuo
Define la forma en la que el entorno maneja el tiempo y las
percepciones y acciones del agente, p.ej. un jugador de ajedrez automtico es discreto

Agente vs multiagente
Si el agente no es nico, el resto de agentes constituyen tambin su
entorno
El entorno ser competitivo si compiten por un mismo fin o por fines
encontrados y cooperativo en caso contrario
36
Estructura de los sistemas inteligentes

Un sistema inteligente consta de una arquitectura y de un
programa
La arquitectura, que incluye los sensores, el procesador y los
actuadores, queda fuera del mbito de esta asignatura En esta asignatura se asumir que
Las percepciones llegan en el formato en el que el sistema es capaz de
entenderlas Las rdenes son emitidas de forma que los actuadores de manera eficaz
Segn el tipo de programa se puede catalogar el sistema o agente
inteligente en diferentes tipos
37
Tipos de sistemas inteligentes

Agente reactivo simple
El agente elige las acciones en base a las percepciones actuales,
ignorando las percepciones pasadas Las percepciones dispararn acciones, por lo que el programa incluir reglas de condicin-accin del tipo si A, entonces B
Estas reglas pueden implementarse de diferentes formas
Son adecuados en los entornos totalmente observables En algunos casos para impedir la entrada en bucles infinitos, las
reglas deben incluir aleatoriedad
38

Agente reactivo
Sensores
Cmo es el mundo ahora?
Percepciones
Medioambiente
Reglas condicinaccin
Qu debo hacer ahora?
Actuadores
39
Acciones
Fuente: Russell y Norvig 2004 Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Agente reactivo basado en modelos
Los agentes tienen un modelo que refleja cmo evoluciona el
mundo y el efecto que causan sus acciones sobre dicho mundo Los agentes tienen un estado interno dependiente de la historia percibida
De esta forma se completa, aunque sea parcialmente, la parte no
observable del mundo actual

Dado su estado actual, las se disparar la regla ms adecuada de
acuerdo a la informacin codificada en el agente
40

Agente basado en modelos Estado Modelo del mundo Efectos que causan mis acciones Reglas condicin-accin Qu debo hacer ahora?
Sensores
Percepciones
Medioambiente
Cmo es el mundo ahora?
Actuadores
41
Acciones

Agente basado en objetivos
Para hacer ms efectiva la toma de decisiones, el modelo debe ir
acompaado del conjunto de objetivos que el agente trata de alcanzar El agente debe ser capaz de elegir la accin que sea ms til para la consecucin de sus objetivos
Esta eleccin puede no ser obvia y puede requerir de tareas de
bsqueda y de planificacin
Estas son dos grandes reas de la IA
La sofisticacin del agente basado en objetivos le hace ms flexible
ya que gran parte de su conocimiento es reusable aunque los objetivos cambien

el destino.
Pensemos en un controlador de un vehculo cuyo objetivos sea alcanzar
El conocimiento de lo que debe hacer para conducir el coche de un punto a otro no cambia aunque s cambien dichos puntos
42

Agente basado en objetivos Estado Modelo del mundo Efectos que causan mis acciones
Sensores
Cmo es el mundo ahora? Qu pasa si hago la accin A? Qu debo hacer ahora?
Percepciones
Medioambiente
Objetivos
Actuadores
43
Acciones

Agente basado en utilidad
El agente tiene un comportamiento ms sofisticado si en lugar de
tender a alcanzar una meta u objetivo, tiende a maximizar la utilidad de sus acciones El agente buscar alcanzar estados ms tiles que los estados actuales Para ello se debe definir una funcin de utilidad de forma que cada estado se pueda cuantificar en un valor concreto de utilidad Esto permite a un agente elegir entre dos objetivos que entren en conflicto ya que el agente optar por aquel que maximice su utilidad La utilidad tambin sirve como factor de ponderacin que ayude a la hora de elegir entre objetivos cuya consecucin no es segura
Se ponderara la probabilidad de conseguirlo con su utilidad
44

Agente basado en utilidad Estado Modelo del mundo Efectos que causan mis acciones Utilidad
Sensores
Cmo es el mundo ahora? Qu pasa si hago la accin A? Es til ese estado? Qu debo hacer ahora?
Percepciones
Medioambiente
Actuadores
45
Acciones

Agente que aprende El aprendizaje permite que un agente opere en medios novedosos y que
mejore su rendimiento con el tiempo
Algo imposible usando solo el conocimiento inicial
Para ello hacen falta varios componentes

Elemento de aprendizaje: permite mejorar el comportamiento del agente Elemento de crtica: que evala la actuacin del agente Las percepciones deben ir acompaadas de una valoracin, nivel de actuacin, que indiquen si la accin realizada fue buena o no Elemento de actuacin: se encarga de tomar acciones que repercutirn en el
medio

El elemento de actuacin es, en realidad, el programa que puede ser como los vistos en otros tipos de agente que hemos estado viendo El elemento de aprendizaje est condicionado por el elemento de actuacin
Generador de problemas: sugiere al elemento de actuacin acciones nuevas
que permitirn al agente seguir aprendiendo
La evaluacin de esas nuevas acciones ayuda al agente a aprender nuevas consecuencias y a refinar su conocimiento
46

Nivel de actuacin
Crtica
Sensores
Percepciones
Medioambiente
Elemento de aprendizaje
objetivos a aprender
cambios
conocimiento
Elemento de actuacin
Generador de problemas Agente que aprende

47
Actuadores
Acciones
Limitaciones de los sistemas inteligentes

Los sistemas inteligentes son herramientas muy potentes que sirven
para solucionar una gran cantidad de problemas con una alta tasa de xito. Sin embargo, tambin presentan importantes limitaciones Ausencia de sentido comn: para los sistemas inteligentes no hay nada obvio y no pueden tomar decisiones obvias a menos que estn programados para ello
Todo conocimiento debe estar explicitado. Esto no es sencillo debido a la
gran cantidad de conocimiento que manejamos los seres humanos implcitamente, por ejemplo, de relaciones causa-efecto o a la hora de identificar aspectos relevantes y superfluos Por ejemplo, un aspirador-robot se quedar atascado en un rincn intentando continuar a menos que haya sido programado con una estrategia Esto es una limitacin para resolver sistemas inteligentes de propsito general
48
Limitaciones de los sistemas inteligentes

Limitaciones en la comunicacin: los sistemas inteligentes
necesitan recibir los datos de una determinada forma mediante sus sensores, si los datos que recibe un sistema estn afectados por una cantidad excesiva de ruido, el sistema se ve gravemente afectado Limitaciones a la hora de manejar la informacin: los sistemas inteligentes pueden no ser competentes ante informacin incompleta o no estructurada Capacidad de aprendizaje limitada: Si un sistema inteligente no est programado para ello, no aprender de sus errores
49

En esta asignatura veremos una serie de paradigmas de
representacin del conocimiento y de razonamiento sobre dicho conocimiento que nos permitirn programar sistemas inteligentes Tambin veremos distintos paradigmas de aprendizaje que nos permitirn implementar sistemas inteligentes que aprenden A continuacin veremos cul es el proceso a seguir para construir un sistema inteligente
50
Construyendo un sistema inteligente
51
Construyendo sistemas inteligentes

Construir un buen sistema inteligente es ms un arte que una
ingeniera, pero existen recetas para guiar nuestros pasos La mayora de los textos sobre el tema (Waterman, 1986; Durkin, 1994; Negnevitsky, 2005), coinciden en que el proceso de construccin de un sistema inteligente consta de seis etapas 1. Evaluacin del problema 2. Adquisicin de datos y conocimiento 3. Desarrollo de un prototipo del sistema 4. Desarrollo del sistema completo 5. Evaluacin y revisin del sistema 6. Integracin y mantenimiento del sistema Estas fases se solapan, en realidad y el proceso puede realizarse iterativamente A continuacin, vamos a ver cada una de las fases en detalle
1. Evaluacin del problema

Determinar las caractersticas del problema, estas
caractersticas nos van a condicionar la tcnica que usemos para resolverlo

Determinar el tipo de problema al que se hace frente, tpicamente:
Diagnstico: inferir problemas en el funcionamiento y sugerir soluciones Seleccin: recomendar la mejor opcin de entre varias alternativas Prediccin: predecir el comportamiento futuro en base al pasado Clasificacin: indicar a qu clase predefinida pertenece un objeto Agrupamiento: dividir un conjunto de objetos heterogneos en grupos
homogneos Optimizacin: mejorar una solucin hasta obtener la ptimo Control: regular el comportamiento de un objeto en tiempo real de acuerdo a una serie de requisitos
Determinar las variables de entrada, salida y sus interrelaciones
1. Evaluacin del problema

Identificar todos los participantes en el problema, al menos
existen dos cuyo entendimiento es crtico

Ingeniero de conocimiento: persona que disear, construir y
probar el sistema Experto en la materia en cuestin: persona que posee el conocimiento para resolver los problemas a los que tendr que hacer frente el sistema
Especificar los objetivos del proyecto, por ejemplo,
Aumentar la competitividad, reducir costes, mejorar la calidad del
producto, reducir la incertidumbre ante una toma de decisiones, etc

Determinar los recursos necesarios para construir el sistema
Hardware, software de desarrollo, fuentes de conocimiento y de
datos (como expertos, manuales, bases de datos, etc) y dinero

2. Adquisicin de datos y de conocimiento

Recopilar y analizar los datos y el conocimiento
Las fuentes de datos pueden ser muy diversas (informacin textual,
datos cualitativos, relaciones entre variables), el objetivo es procesarla para hacerla manejable por el sistema, para ello:
Debern traducirse los datos a un formato de codificacin compatible
con el que vaya a trabajar el sistema Debern evitarse inconsistencias propias de mezclar diferentes fuentes de datos Se debe tratar con cuidado los datos perdidos, en algn caso la ausencia de un dato aporta informacin valiosa, en otros casos deben retirarse y en otros debe inferirse o reemplazarse de alguna manera el dato perdido
55
2. Adquisicin de datos y de conocimiento

Establecer explcitamente los conceptos clave para el diseo del
sistema, entre ellos, la estrategia necesaria para solucionar el problema, aunque sea a un nivel muy abstracto
Es un proceso complejo, pero es crtico para que el sistema salga
bien Los expertos muchas veces no son conscientes de su conocimiento o de sus estrategias para solucionar problemas u ofrecen informacin incompleta o irrelevante Se puede seguir el siguiente proceso
1. El ingeniero aprende los conceptos bsicos sobre el dominio por su
cuenta, leyendo libros, manuales, etc 2. Se entrevista con el experto. En la entrevista se le debe pedir al experto que resuelva una serie de problemas diferentes similares a los que debe resolver el sistema 3. Estudia y analiza el conocimiento extrado y repite el proceso hasta quedar satisfecho
3. Desarrollo de un prototipo del sistema

Un prototipo es una versin del sistema en miniatura que se utiliza
para saber si hemos entendido bien el problema y si vamos por el buen camino en lo que a estrategia para resolver los problemas y tcnicas empleadas para ello se refiere El desarrollo del prototipo consta de las siguientes etapas: 1. Elegir la herramienta para desarrollar el sistema 2. Transformar los datos y representar el conocimiento de forma adecuada 3. Disear e implementar el prototipo del sistema 4. Probar el prototipo con casos de prueba
Un caso de prueba es un problema del que conocemos los datos de entrada y la solucin correcta
Si el prototipo no funciona correctamente, debemos descartarlo y volver a desarrollar uno nuevo que solvente los problemas No se debe desarrollar sistemas que usen estrategias o tcnicas que en la fase de prototipado no dan buen resultado
57
4. Desarrollo del sistema completo

No se debe hacer hasta contar con un prototipo que satisfaga al
menos al ingeniero y al experto Consta de las siguientes etapas

1.
Preparar el diseo detallado del sistema a escala real

El prototipo nos permite establecer una planificacin y un presupuesto
adecuado para el desarrollo del sistema completo, y tambin definir los criterios de rendimiento adecuados
2. 3.
Recopilar datos y conocimiento adicional no incorporados en el prototipo Desarrollar la interfaz de usuario

La interfaz debe facilitar la interaccin con el sistema y debe proporcionar toda la informacin que necesite el usuario
4.
Implementar el sistema completo
58
5. Evaluacin y revisin del sistema

El sistema debe evaluarse conforme a los criterios de
rendimiento
En los sistemas inteligentes no siempre se puede catalogar una
solucin como correcta o incorrecta La evaluacin debe hacerse conforme a los criterios de rendimiento que deben reflejar adecuadamente la satisfaccin del usuario final Para realizar una evaluacin formal debe disponerse de un conjunto de casos de prueba lo ms completo posible
El objetivo de la evaluacin es revelar las carencias del sistema
final, por tanto tras la evaluacin hay que revisar el sistema tanto como sea necesario
59
6. Integracin y mantenimiento
Realizar la integracin del sistema en el entorno en el que va a
operar
Para ello puede ser necesario establecer interfaces con otros
sistemas que estn en funcionamiento y con los que nuestro sistema deba operar Tambin hay que asegurarse de que el usuario final sabe utilizar el sistema
Establecer un programa de mantenimiento efectivo
El conocimiento puede evolucionar a lo largo del tiempo, por tanto el
sistema puede requerir de actualizaciones El mantenimiento deben realizarlo personas que conozcan el funcionamiento interno del sistema
60
Eligiendo la tcnica adecuada

En los 70, los sistemas inteligentes eran los sistemas expertos basados
en reglas. Estos eran tiles para resolver slo algunos problemas Esa concepcin es demasiado reduccionista hoy en da, debido a la gran variedad de tcnicas que han ido surgiendo Para elegir la tcnica adecuada hay que considerar lo siguiente El tipo de problema a resolver, como ya se indic en la diapositiva sobre Evaluacin del problema, es el principal factor El tipo de conocimiento a representar
Es clave determinar si el conocimiento debe reflejar imprecisin, incertidumbre
o si tiene una probabilidad asociada. Esto permitir reflejarlo adecuadamente mediante un enfoque borroso o probabilstico, respectivamente
Muchas de las tcnicas que se pueden implementar en un sistema
inteligente (redes neuronales, algoritmos genticos y razonamiento borroso) son explicadas en otras asignaturas del Mster En esta asignatura abordaremos otras tcnicas que tambin nos permiten crear sistemas inteligentes
61
El conocimiento
62
Definicin de conocimiento
Grosso modo, podemos afirmar que la inteligencia maneja y
produce conocimiento. Por tanto, un sistema inteligente manejar conocimiento tambin El conocimiento es un concepto filosfico de cuyo estudio se encarga la epistemologa
Segn la epistemologa el conocimiento es creencia verdadera
justificada Otras definiciones ms pragmticas dicen que el conocimiento es informacin que tiene un propsito o un uso Desde el punto de vista de la computacin el conocimiento, segn la definicin en foldoc.org, incluye a los objetos, conceptos y relaciones que se supone que existen en un rea de inters.
63
Jerarqua del conocimiento

Metaconocimiento Conocimiento Informacin Datos Ruido
Jerarqua del conocimiento

Ruido: Elementos sin inters que ocultan y distorsionan los datos
En un sistema inteligente el ruido debe eliminarse o ignorarse
Datos: Elementos de inters potencial

En un sistema inteligente se corresponde con las entradas del sistema
Informacin: Datos procesados que resultan de inters

En un sistema inteligente son datos interpretados mediante el conocimiento
previo del sistema; son datos con significado
Conocimiento: Informacin procesada que nos es til para un propsito

Es la informacin una vez incorporada en los mecanismos de razonamiento del
sistema
Metaconocimiento: Conocimiento acerca del conocimiento y la experiencia

Est relacionado con el concepto de aprendizaje tiene bastante independencia
del dominio y permite que un sistema inteligente se adapte mejor al entorno Tambin puede considerarse como metaconocimiento el lenguaje que se utiliza para representar el conocimiento
Tipos de conocimiento
La clasificacin del conocimiento es una tarea de ndole
filosfico. Una primera gran divisin que se puede hacer es la siguiente:

Conocimiento explcito: puede capturarse y expresarse en frmulas,
documentos, plantillas o cualquier otro medio de expresin Conocimiento tcito: reside en las mentes de las personas y es inaccesible incluso a su consciencia, manifestndose nicamente a travs de sus resultados
Al no poder expresarse no es til para los sistemas inteligentes
66
El conocimiento explcito lo podemos subdividir en
Superficial: se aplica en situaciones especficas y bien definidas
La manera de expresarlo sera mediante un conjunto de reglas sencillas o
mediante una mquina de estados finita simple P. ej., es el conocimiento que se codifica en un programa de gestin de una biblioteca
Profundo: incluye leyes generales, principios, modelos, etc., que
permite resolver situaciones nuevas o imprevistas.

Es el conocimiento interesa modelar en un sistema inteligente Puede clasificarse en

Causal: que establece relaciones entre fenmenos Taxonmico: que agrupa los elementos del universo en una jerarqua de clases y subclases
67
El conocimiento que se aplica para resolver problemas puede
expresarse de dos formas:
Declarativa: se especifican los objetos, las propiedades y las
relaciones generales Procedimental: se especifica un procedimiento para resolver los problemas

Dependiendo del tipo de conocimiento o del tipo de problema
ser mejor expresarlo en una forma que en otra.
La expresin declarativa tiene las ventajas de ser ms expresiva
(salvo en el caso de que el conocimiento, por su propia naturaleza, tenga la forma procedimental) y de facilitar la reutilizacin y el mantenimiento. La expresin procedimental siempre conduce a una implementacin ms eficiente que la declarativa
Tipos de conocimiento en un sistema inteligente

En un sistema inteligente podemos distinguir entre conocimiento
normativo, factual, estratgico y tctico

Conocimiento normativo: es el conocimiento general del dominio que
se almacena en la base de conocimientos y que se expresa de manera declarativa

Conocimiento factual: se refiere a los datos concretos de un problema
a resolver, y a las conclusiones intermedias y finales. Se almacena de manera declarativa en la base de hechos y se divide en
El basado en observaciones, o sea, datos que al interpretarlos el sistema
cobran un significado para l, convirtindose en informacin, y en conocimiento al integrarse, El que procede de razonamientos y que puede ser o no verificable por observacin o experimentacin
69

Conocimiento estratgico (o de control): se encarga de la manipulacin
del conocimiento factual y normativo.

Por ejemplo, si el normativo est expresado mediante reglas, se refiere a la
estrategia de bsqueda que decide en cada momento qu regla se aplica

Conocimiento tctico: Es el conocimiento necesario para el
desempeo del conocimiento estratgico

En el caso de las reglas del tipo SI-ENTONCES, sera el modus ponens
En un sistema inteligente, el conocimiento tctico y el estratgico se
suelen expresar conjuntamente de manera procedimental, y se implementan en los algoritmos del motor de inferencias
Estos conocimientos, tambin pueden expresarse tambin en forma
declarativa (por ejemplo, en forma de meta-reglas)
70
De manera general podemos definir la arquitectura de un sistema inteligente, segn el tipo de conocimiento explicado, de la forma que muestra el diagrama
Esta arquitectura es la prototpica de los sistemas basados en reglas aunque es extrapolable a
otros tipos de sistemas
Base de conocimiento
Motor de inferencia
Base de hechos
Interfaz de adquisicin de conocimiento
Interfaz de Usuario
Experto
Ing. de conocimiento
Usuario
71
La ingeniera del conocimiento

En la dcada de los 70, con el auge de los sistemas expertos
surge el rol del ingeniero del conocimiento

Su funcin es extraer, articular y hacer procesable por el sistema
inteligente el conocimiento de un experto

El experto es aqul que tiene el conocimiento necesario para
resolver problemas en un determinado campo (dominio de conocimiento) El conocimiento se representa mediante un lenguaje de representacin del conocimiento
De ello se hablar con mayor detalle en el siguiente tema
72
Bibliografa
Russell y Norvig (2004). Inteligencia artificial. Un enfoque
moderno. Prentice Hall. Segunda edicin. Waterman (1986). A guide to Expert Systems. Addison-Wesley. Primera edicin. Durkin (1994) . Expert Systems: Design and development. MacMillan Publishing. Primera edicin. Negnevitsky (2005). Artificial intelligence: a guide to intelligent systems. Addison Wesley. Segunda edicin.
73
Para saber ms
Estas transparencias se basan principalmente en los textos de
Russell y Norvig (2004) y de Negnevitsky (2005) El lector interesado en saber ms sobre los orgenes de la inteligencia artificial puede leer el libro Mquinas que no piensan : una incursin de la inteligencia artificial de Pamela McCorduck editado por Tecnos en 1991
El original est escrito en 1979 y revisa la historia de la IA hasta ese
momento en el que, como hemos visto en la perspectiva histrica, estaba atravesando una crisis y su auge definitivo estaba por llegar El primer captulo explica de forma muy interesante el constante afn del hombre por recrear inteligencias artificiales, tal y como hemos contado al principio de la perspectiva histrica
74

Tema 1

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

Tema 1

Hochgeladen von

Copyright:

Verfügbare Formate

Tema 1.

Introduccin a los Sistemas Inteligentes

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

capacidad para resolver problemas.

La inteligencia est relacionada con otras funciones mentales

bsicas como la percepcin y la memoria

La percepcin es grosso modo la capacidad para recibir

informacin, mientras que la memoria es la capacidad para almacenarla

Los sistemas inteligentes son la respuesta a una pregunta que

viene hacindose la humanidad desde hace siglos

Esta cuestin es en el fondo de ndole filosfico.

dando lugar a la disciplina de la inteligencia artificial (IA)

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

sus aportaciones a los campos de la algortmica y la computacin

Curiosidades sobre la prueba de Turing

Implicaciones de la prueba de Turing

de intentar imitar a los pjaros y se comprendieron mejor las leyes de la aerodinmica

que trabajan sobre facultades que caracterizan la inteligencia

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Las ramas de la inteligencia artificial

Sensores, visin artificial y reconocimiento del habla

Robtica Computacin afectiva Creatividad computacional

Estas ramas son campos activos de investigacin donde se ha avanzado

significativamente pero que tienen por delante muchos retos pendientes

global igual o superior a la del hombre

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Recorrido histrico El sustrato de los mitos

lleva a intentar crear un ser como l por medios artificiales

en muchos casos acompaada de un final trgico

Recorrido histrico El sustrato de los mitos

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Recorrido histrico Aportaciones desde la ciencia esotrica

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Recorrido histrico Aportaciones desde la ciencia esotrica

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Recorrido histrico Autmatas y calculadoras

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Recorrido histrico Autmatas y calculadoras

Recorrido histrico Autmatas y calculadoras

A finales del s. XIX y principios del s. XX surge en Espaa un discpulo de

Babbage, Leonardo Torres Quevedo que crea mquinas analgicas de clculo

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Recorrido histrico Algunas farsas clebres

Recorrido histrico La prehistoria de la IA (1943-1955)

artificial considerado hoy como el primer trabajo de IA

de las conexiones entre las neuronas que les permitan aprender

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Recorrido histrico La prehistoria de la IA (1943-1955)

implementa una red neuronal

con fuerza en los 80

tcnicas heursticas que ayuden a encontrar soluciones en problemas de esta naturaleza

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Recorrido histrico El nacimiento de la IA (1956-1969)

Recorrido histrico El nacimiento de la IA (1956-1965)

rbita del MIT hicieron contribuciones fundacionales

En 1961 Newell y Simon de la Carnegie Mellon presentan el General

Se basaba en considerar estados inicial y final y el uso de operadores

En el campo de las redes neuronales Rosenblatt de la Universidad

Recorrido histrico El periodo de desengao (1966-1973)

Un ejemplo paradigmtico es el de la traduccin automtica que tras la

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Recorrido histrico El auge de los sistemas expertos (1969-1979)

Mster en Ingeniera de Sistemas y de Control - Sistemas Inteligentes (2011-2012)

Recorrido histrico El auge de los sistemas expertos (1969-1979)