Sie sind auf Seite 1von 60

2/9/17

1. INTRODUCCIN A LA
INTELIGENCIA ARTIFICIAL.

UNIDAD 1

1
1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
Muchas de las actividades mentales humanas, tales como escribir
programas de cmputo, demostrar teoremas, razonar con sentido
comn y an conducir un vehculo, normalmente se dice que
requieren inteligencia.
Durante las dcadas pasadas se ha logrado construir programas que
pueden realizar tareas como esas.
Existen programas que pueden diagnosticar enfermedades, resolver
ecuaciones diferenciales en forma simblica, analizar circuitos
electrnicos, entender en forma limitada frases habladas y escritas o
escribir programas de cmputo cumpliendo especificaciones.
Se puede decir que tales sistemas poseen cierto grado de Inteligencia
Artificial (IA).
2

1
2/9/17

1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


En sus orgenes, la construccin de estos sistemas fue, en gran
medida, experimental, con una orientacin ingenieril.
Sin embargo los objetivos y las expectativas que despert , tanto
en los protagonistas como en la comunidad cientfica, excedieron
largamente los resultados obtenidos.
Tal es as que, a mediados del siglo pasado, (solo pocos aos
despus que estuviera en funcionamiento la primera
computadora electrnica a vlvulas) existan destacados
cientficos en el rea de la IA que hacan afirmaciones como la
siguiente:

3
1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
Sin afn de sorprenderlos y dejarlos atnitos, debo informarles lisa
y llanamente que actualmente en el mundo existen mquinas
capaces de pensar, aprender y crear. Adems, su capacidad para
hacer lo anterior aumentar rpidamente hasta que en un futuro
previsible- la magnitud de problemas que tendrn capacidad de
manejar ir a la par con la capacidad de la mente humana para
hacer lo mismo. (Herbert Simon, 1957, Premio Nobel de
economia,1978, por sus trabajos en la Teora de las decisiones).
4

2
2/9/17

1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


Introduccin a
Introduccin a la Inteligencia
la Inteligencia
Artificial Ideas Previas II Artificial
Ideas Previas I
Miguel A. Miguel A.
Ideas Previas I Gutirrez
Ideas previas
Gutirrez
Naranjo Naranjo

Qu es la Qu es la
Inteligencia Inteligencia
Artificial?
Artificial?
Ideas previas
Ideas previas
En busca de una
definicin En busca de una
Un ejemplo: definicin
Aprendizaje Un ejemplo:
Aprendizaje
Un poco de
Historia Un poco de
Orgenes
Historia
Primeros aos
Orgenes
Mtodos dbiles
Primeros aos
Diversificacin
Mtodos dbiles
Inteligencia Diversificacin
Artificial hoy
Inteligencia
Artificial hoy

encia Artificial (2001) 2001 Una odisea espacial (1968) Inteligencia Artificial (2001) Star odisea
2001 Una Wars (1977)
espacial (1968) El coche fantstico (1982)
even Spielberg 2001 UnaC.odisea
Arthur Clarke Inteligencia Artificial
Steven Spielberg Arthur(1977)
Star Wars C. Clarke
espacial (1968) (2001) Steven George Lucas Glen
El auto A. Larson
increible
George Lucas (1982) Glen A. Larson
Arthur C. Clarke Spielberg

5
1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
Pero cuales son tales mquinas maravillosas que son capaces de
realizar las funciones ms elevadas del cerebro humano?
Qu es una computadora? Es slo una fbrica de nmeros?
1 Tiene uno o ms dispositivos de Entrada (teclado, ...)
2 Tiene uno o ms dispositivos de salida (pantalla, ...)
3 Dispositivo de memoria (RAM, ...)
4 Una unidad aritmtica
5 Una unidad de control
6 Un programa (instruccin de ruptura de secuencia)
6

3
2/9/17

1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


Qu es la Inteligencia Artificial?
Tratar de describir qu es la Inteligencia Artificial con precisin no
es tan fcil
Depende del autor
Sistemas que piensan como humanos
Sistemas que actan como humanos
Sistemas que piensan racionalmente
Sistemas que actan racionalmente

7
1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
Qu es la Inteligencia Artificial?
Pensar humanamente: Ciencia Cognitiva
Queremos imitar el proceso de razonamiento humano
Requiere teoras cientficas de la actividad interna del cerebro
Combina modelos computacionales del cerebro con
experimentos de psicologa
Un programa que tiene un buen desempeo en una tarea no es
una prueba de que est trabajando tal como un humano
8

4
2/9/17

1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


Qu es la Inteligencia Artificial?
Pensamiento Racional: Leyes del pensamiento
Normativo (o prescriptivo) en lugar de descriptivo; conduce a la
lgica
Lnea directa a travs de las matemticas y la filosofa a la IA
moderna No todo comportamiento inteligente se realiza por
deliberacin lgica (brincar para escapar del camino de un auto)
No todo es fcil de representar formalmente como lo requiere la
lgica

9
1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
Qu es la Inteligencia Artificial?
Comportamiento racional: haciendo la cosa correcta
La cosa correcta?: se espera maximizar la obtencin de una
meta, dada la informacin disponible
No necesariamente integra pensamiento
Reflejo del pestaeo
Pero el pensamiento debe estar al servicio de la accin racional
10

5
2/9/17

1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


Es posible que las computadoras piensen?
No, si uno define el pensamiento como una actividad particular
del cerebro humano.
Cualquier comportamiento similar en una computadora debera
designarse como comportamiento similar al pensamiento.
No, si uno define al pensamiento como algo inescrutable,
misterioso o mstico.
S, si uno admite que la pregunta debe ser contestada por
experimentacin y observacin

11
Actuar Humanamente: La Prueba de
1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
T que
Turing
Es posible i glas computadoras piensen?
El Test de Turing (Computing Machinery and Intelligence,1950)
Turing (1950)
para establecer si unaComputing
mquina es omachinery andconsiste
no inteligente intelligence:
en
Pueden pensar las mquinas? Pueden las mquinas comportarse
interrogarla por medio de una teletipo (sin contacto fsico). El
evaluadorinteligentemente?
no debe poder discernir si el que responde es una
mquina o una operacional
Prueba persona. para comportamiento inteligente: el Juego de la Imitacin
12

Predijo que para el 2000, una mquina podra tener 30% de posibilidad de engaar a
una persona por 5 minutos
Se anticiparon muchos argumentos de peso contra la IA en los siguientes 50 aos
Se sugirieron los principales componentes de IA: conocimiento, razonamiento,
entendimiento de lenguaje, aprendizaje 6
2/9/17

1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


Es posible que las computadoras piensen?
Este planteamiento puede ser descrito en trminos del llamado
Juego de la Imitacin que traslada el peso de la respuesta
desde la esencia (ser o no ser) a la apariencia (como si).

13
1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
Es posible que las computadoras piensen?
Prueba de Turing
Hola (mquina)
Hola Lex, me gustara que me ayudaras
En que te puedo ayudar? (mquina)
Necesito que me hagas la tarea de Inteligencia Artificial... no he hecho
nada!!
Y qu hiciste la tarde de ayer? (mquina)
Me fui con mis cuates
14

7
2/9/17

1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


Algunas definiciones
Diccionario RAE
Inteligencia
f. Capacidad de entender o comprender.
f. Capacidad de resolver problemas.

Artificial
adj. Hecho por mano o arte del hombre.
adj. No natural, falso.

15
1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
Algunas definiciones
1. Hacer que las mquinas hagan cosas que requeriran inteligencia si fueran hechas
por el hombre. M. Minsky

2. Intentar hacer las computadoras ms tiles y entender los principios que hacen
posible la inteligencia. Winston

3. Entender y estudiar cientficamente los procesos comunes que subyacen en el


pensar y el percibir ya sea en el hombre como en la mquina. N. Nilsson

4. Es la parte de la ciencia de la computacin que investiga los proceso de


razonamiento simblicos y no algortmicos y la representacin de conocimiento
simblica para su uso en mquinas inteligentes. Buchanan Feigenbaum
16

8
2/9/17

1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


Algunas definiciones

Inteligencia es la capacidad de discernir, discriminar, evaluar


pero a medida que el conocimiento humano se fue ampliando, el
concepto de inteligencia fue abarcando cada vez mayor cantidad
de facetas del comportamiento no automtico o repetitivo, cada
vez mas asociado a la resolucin de problemas, al aprendizaje y al
proceso creativo

17
1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
Algunas definiciones

Hoy se puede hablar de varios tipos de inteligencia. Pero para las


ciencias de la computacin se presupone inteligente como
sinnimo de racional, no importando que sea o parezca.
18

9
2/9/17

1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


Algunas definiciones

Hoy se puede hablar de varios tipos de inteligencia. Pero para las


ciencias de la computacin se presupone inteligente como
sinnimo de racional, no importando que sea o parezca.

19
1.1 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
Algunas definiciones
Esta definicin coloca a la IA a la frontera de las ciencias de la
computacin, todo sistema de cmputo que en sus orgenes
pudo ser considerado inteligente,
Ejemplos de sistemas como Fortran, Traductores Automticos,
Programacin orientada a objetos, Administracin automtica de
memoria, Listas enlazadas, Tiempo compartido, Entornos de
programacin grficos, Intrpretes interactivos, etc.
20

10
2/9/17

1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.


Breve Historia
No todo hay que buscarlo en los libros tcnicos, sino que sus
ramificaciones e impactos tocan muchas reas del conocimiento,
esa bsqueda de la inteligencia se ha tenido en la ficcin.
Ficcin que luego a su vez, en muchas ocasiones, realimenta las
investigaciones reales.
Capek introduce por primera vez el trmino robot: sus robots
inteligentes y de aspecto humano acaban eliminando a sus
creadores, y constituyendo una nueva Humanidad, en la otra
Robots Universales Rossum.

21
1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.
Breve Historia
Una visin ms cercana a la ciencia, y que de hecho ha sido
empleada en crculos cientficos contra la que comparar los avances
reales de la IA, es la que nos muestran Clarke y Kubrik a travs de la
computadora HAL-9000 en 2001, una odisea del espacio.
En este caso no slo resulta interesante la locura de la mquina,
desde un punto de vista dramtico, sino tambin las distintas
habilidades que este ordenador posee, y que en su momento ponan
una fecha de consecucin a las expectativas de la IA de la poca
(principios de los aos 70).
22

11
2/9/17

1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.


Breve Historia
Una visin ms cercana a la ciencia, y que de hecho ha sido
empleada en crculos cientficos contra la que comparar los avances
reales de la IA, es la que nos muestran Clarke y Kubrik a travs de la
computadora HAL-9000 en 2001, una odisea del espacio.
En este caso no slo resulta interesante la locura de la mquina,
desde un punto de vista dramtico, sino tambin las distintas
habilidades que este ordenador posee, y que en su momento ponan
una fecha de consecucin a las expectativas de la IA de la poca
(principios de los aos 70).

23
1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.
Breve Historia
Los primeros trabajos que pueden considerarse como el inicio de la IA
moderna aparecen en la dcada de 1940, aunque no sera hasta 1950
cuando realmente estos estudios y propuestas consiguen una verdadera
repercusin gracias al artculo Computing Machinery and Intelligence,
escrito por Alan Turing, uno de los padres de la IA, y publicado en el
volumen 59 de la revista Mind.
En este artculo se profundiza sobre la posibilidad de que una mquina
pueda imitar el comportamiento de la mente humana.
En este mismo artculo se propone el archiconocido Test de Turing,
orientado a demostrar si una determinada mquina es inteligente o no.
24

12
2/9/17

1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.


Breve Historia
Oficialmente bautizada Ciencia hasta 1956, durante la
conferencia de Dartmouth.
o "Dartmouth Summer Research Conference on Artificial Intelligence
o Se definieron las directrices y lneas de actuacin futuras en el mbito de
la IA, tomando como hiptesis de trabajo la proposicin:
o "Todo aspecto de aprendizaje o cualquier otra caracterstica de
inteligencia puede ser definido de forma tan precisa que puede
construirse una mquina para simularlo.

25
1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.
Breve Historia
Alan Turing
o Matemtico, informtico, criptgrafo y filsofo britnico.
o Uno de los precursores de la ciencia de la computacin y de la IA
o Mquina de Turing, modelo terico de mquina computadora universal.
o Diseo de uno de los primeros computadores digitales.
o Matemticos encargados de descifrar los sistemas criptogrficos
alemanes
26

13
2/9/17

1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.


Breve Historia
La IA moderna: no interesa tanto la imitacin de la inteligencia en
su totalidad, sino aquellos aspectos de la misma que se refieren
a los procesos de razonamiento.

Que son, por otra parte, los ms sencillos de imitar en una


mquina.

27
1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.
Breve Historia
La IA no ha nacido de la nada, como disciplina es el resultado de muchos
aos de perfeccionamiento de ciertas reas del saber:
o La filosofa, en su constante lucha por entender qu es el hombre, cmo conoce y
cmo piensa,
o La neurociencia, que nos muestra cada vez con mayor detalle el funcionamiento a bajo
nivel del cerebro
o La lingstica, puesto que el lenguaje est considerado como uno de los productos
ms caractersticos de la inteligencia.

Las reas del conocimiento ms afines a la tecnologa:


o el razonamiento formal
o las ciencias de la computacin.
28

14
2/9/17

1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.


Breve Historia
Conseguir mecanizar de alguna manera los procesos por los
cuales la mente humana llega a obtener conclusiones a partir de
las condiciones iniciales de un problema planteado en un
contexto especfico, es otro de los anhelos ms antiguos de los
hombres: las grandes civilizaciones de la antigedad ya
desarrollaron mtodos deductivos ms menos automatizados,
que tuvieron su ejemplo ms trascendente en los silogismos de
Aristteles.

29
1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.
Breve Historia
Hay dos momentos en el tiempo en los que se da un salto
cualitativo en la evolucin de esta rea del conocimiento.
o El primero en el siglo XVII, con los trabajos tericos de los grandes
matemticos y filsofos de la poca, que empiezan a concebir los
procesos de razonamiento como procesos de naturaleza netamente
matemtica, y que por lo tanto han de poder expresarse
matemticamente.
o El segundo, importantsimo dada su influencia en el desarrollo de la
moderna computacin, es la enunciacin de las algebras de Boole y de
Frege, en el siglo XIX, que proporcionan una herramienta definitiva para
la formalizacin matemtica de los procesos de razonamiento.
30

15
2/9/17

1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.


Breve Historia
En el siglo XIX Babbage disea maquinas programables.
Aunque hizo varios intentos por llegar a construirlas, no pudo
lograrlo.
Aun habindose quedado en el papel, la propia Ada de Lovelace,
considerada por muchos como el primer programador de la
historia, sinti gran fascinacin por ellas, llegando a desarrollar
programas para las mismas.

31
1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.
Breve Historia
En el siglo XX, la evolucin de estas ciencias ha sido tan vertiginosa
que es difcil resaltar algunos acontecimientos sobre otros.
Quiz uno de los grandes hitos para la computacin moderna sea la
enunciacin por parte de Von Neumann de su modelo de programa
almacenado:
o Segn este modelo, cmputo y programa se sitan en zonas fsicas diferentes
de la mquina, de manera que el dispositivo encargado de realizar los clculos
va leyendo ordenada y sistemticamente el programa, poniendo en ejecucin
cada lnea leda.
o Si se modifica el programa que est almacenado, se modifica el
comportamiento de la mquina
32

16
2/9/17

1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.


Breve Historia
En la dcada de 1940s y primera mitad de los 1950s se
desarrolla la espiral de aportaciones que acabaran
desembocando, en 1956, en el nacimiento oficial de la IA.
o Son trabajos fundamentalmente de naturaleza matemtica, muy
entroncados con la ciberntica, la teora de la informacin, las ciencias de
la computacin y el razonamiento formal.

33
1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.
Breve Historia
Todo es muy nuevo y los avances, avances muy bsicos
contemplados en perspectiva, pero fundamentales, se suceden
con rapidez:
o resolucin de problemas mediante algoritmos de bsqueda en espacios
de estados,
o primeros robots de charla entre los que destaca ELIZA,
o Se tiene la sensacin de que queda mucho por hacer, pero se avanza
rpidamente.
34

17
2/9/17

1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.


Breve Historia
En la dcada de los ochenta la IA vuelve otra vez a ponerse de
moda, en esta ocasin de una forma ms madura y precavida
que durante el boom inicial:
o por un lado la aparicin de los Sistemas Expertos, ms orientados a la
aplicacin prctica que a la persecucin abstracta de la inteligencia, y
o por otro el ambicioso proyecto quinta generacin, que planteaba de
nuevo objetivos que a la postre resultaron inalcanzables, proponiendo
para ello un cambio casi total de paradigma computacional, volvieron de
nuevo las miradas hacia la IA.

35
1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.
Breve Historia
En la dcada de los ochenta la IA vuelve otra vez a ponerse de
moda, en esta ocasin de una forma ms madura y precavida
que durante el boom inicial:
o por un lado la aparicin de los Sistemas Expertos, ms orientados a la
aplicacin prctica que a la persecucin abstracta de la inteligencia, y
o por otro el ambicioso proyecto quinta generacin, que planteaba de
nuevo objetivos que a la postre resultaron inalcanzables, proponiendo
para ello un cambio casi total de paradigma computacional, volvieron de
nuevo las miradas hacia la IA.
36

18
2/9/17

1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.


Breve Historia
Ao Acontecimiento
1943 Warren McCulloch y Walter Pitts, presentaron su modelo de neuronas artificiales, el cual
se considera el primer trabajo del campo, aun cuando todava no exista el trmino.
1955 Herbert Simon, Allen Newell y J.C. Shaw, desarrollan el primer lenguaje de
programacin orientado a la resolucin de problemas, el IPL-11. Un ao ms tarde
desarrollan el LogicTheorist, el cual era capaz de demostrar teoremas matemticos.
1957 Newell y Simon, continan su trabajo con el desarrollo del General Problem Solver
(GPS). GPS era un sistema orientado a la resolucin de problemas.
1958 John McCarthy, desarrolla en el Instituto de Tecnologa de Massachusetts (MIT) el LISP.
Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para procesamiento
simblico
1963 Quillian, desarrolla las redes semnticas como modelo de representacin del
conocimiento.

37
1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL.
Breve Historia
Ao Acontecimiento
1943 Warren McCulloch y Walter Pitts, presentaron su modelo de neuronas artificiales, el cual
se considera el primer trabajo del campo, aun cuando todava no exista el trmino.
1955 Herbert Simon, Allen Newell y J.C. Shaw, desarrollan el primer lenguaje de
programacin orientado a la resolucin de problemas, el IPL-11. Un ao ms tarde
desarrollan el LogicTheorist, el cual era capaz de demostrar teoremas matemticos.
1957 Newell y Simon, continan su trabajo con el desarrollo del General Problem Solver
(GPS). GPS era un sistema orientado a la resolucin de problemas.
1958 John McCarthy, desarrolla en el Instituto de Tecnologa de Massachusetts (MIT) el LISP.
Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para procesamiento
simblico
1963 Quillian, desarrolla las redes semnticas como modelo de representacin del
conocimiento.
38

19
2/9/17

1.2 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


Breve Historia
Ao Acontecimiento
1964 Bertrand Raphael, construye el sistema SIR (Semantic Information Retrieval) el cual era
capaz de inferir conocimiento
basado en informacin que se le suministra. Bobrow desarrolla STUDENT.
1965 Buchanan, Feigenbaum y Lederberg, crean los primeros Sistema Experto, por ejemplo
"DENDRAL", que asista a qumicos en estructuras qumicas complejas euclidianas,
MACSYMA, que asista a ingenieros y cientficos en la solucin de ecuaciones
matemticas complejas.
1968 - 1970 Terry Winograd, desarroll el sistema SHRDLU, que permita interrogar y dar rdenes a
un robot que se mova dentro de un mundo de bloques.
1968 Seymour Papert, Danny Bobrow y Wally Feurzeig, desarrollan el lenguaje de
programacin LOGO.
1969 Alan Kay, desarrolla el lenguaje Smalltalk en Xerox PARC y se publica en 1980.

39
1.2 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.
Breve Historia
Ao Acontecimiento
1973 Alain Colmenauer y su equipo de investigacin, en la Universidad de Aix-Marseille crean
PROLOG (del francs PROgrammation en LOGique) un lenguaje de programacin
ampliamente utilizado en IA.

Shank y Abelson, desarrollan los guiones, o scripts, pilares de muchas tcnicas actuales
en Inteligencia Artificial y la informtica en general.
70s y 80s creci el uso de sistemas expertos, como MYCIN: R1/XCON, ABRL, PIP, PUFF,
CASNET, INTERNIST/CADUCEUS, etc. Algunos permanecen hasta hoy (Shells) como
EMYCIN, EXPERT, OPSS.
1981 Kazuhiro Fuchi, anuncia el proyecto japons de la quinta generacin de computadoras.
1986 McClelland y Rumelhart, Publican Parallel Distributed Processing (Redes Neuronales).
40

20
2/9/17

1.2 INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL.


Breve Historia
Ao Acontecimiento
1996 IBM, Crea la computadora autnoma Deep Blue, esta le gana al campen mundial de
ajedrez Gary Kasparov el ao 1997.
2009 Ya hay en desarrollo sistemas inteligentes teraputicos que permiten detectar
emociones para poder interactuar con nios autistas.
2011 IBM, Desarroll una supercomputadora llamada Watson, la cual gan una ronda de tres
juegos seguidos de Jeopardy, venciendo a sus dos mximos campeones, y ganando un
premio de 1 milln de dlares que IBM luego don a obras de caridad

41
1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA
PSICOLOGA.
Teoras de la inteligencia
En toda situacin de aprendizaje, espontneo o generado en una
experiencia educativa, puede identificarse tres componentes
bsicos:
o El qu se aprende (resultados)
o El cmo se aprende (los procesos cognitivos) y
o Las condiciones del aprendizaje (la accin educativa)
responde a las preguntas cundo, cunto, donde, con quin etc.

Estos tres componentes se pueden mirar ya sea desde un


enfoque conductual o social cognoscitivo
42

21
2/9/17

1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA


PSICOLOGA.
Teoras de la inteligencia
Enfoque conductual

o los resultados de aprendizaje son las conductas,


o los procedimientos cognoscitivos no son importantes y
o las condiciones se refieren a la forma de organizar situaciones
estimulantes y refuerzos continuos a las conductas adecuadas.

43
1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA
PSICOLOGA.
Teoras de la inteligencia
Habilidad
o Capacidad y disposicin para algo.
o Gracia y destreza en ejecutar algo que sirve de adorno a la persona, como bailar, montar a caballo, etc.

Cognoscitivo
o Que es capaz de conocer.
o Cognitivo: Perteneciente o relativo al conocimiento.
o El concepto de "habilidades cognitivas" proviene del campo de la Psicologa cognitiva.
o Las habilidades cognitivas son operaciones del pensamiento por medio de las cuales el sujeto puede
apropiarse de los contenidos y del proceso que us para ello.

Otra definicin nos dice que Las habilidades cognitivas son un conjunto de operaciones
mentales cuyo objetivo es que la persona integre la informacin adquirida bsicamente a
travs de los sentidos, en una estructura de conocimiento que tenga sentido para l.
44

22
2/9/17

1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA


PSICOLOGA.
Teoras de la inteligencia
Enfoque cognoscitivo
o los resultados de aprendizaje se refieren a representaciones cognitivas
internas o estructuras cognoscitivas que pueden tener un correlato en una
representacin simblica externa para comprobar su presencia,
o se refieren a toda aquella actividad mental que hace posible la
constitucin de representaciones y las condiciones se refieren a las
acciones educativas de carcter social educativo y a los diferentes
recursos culturales con que se apoya el aprendizaje.

45
1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA
PSICOLOGA.
Teoras de la inteligencia
Punto de vista social cognoscitivo
o los resultados de aprendizaje se refieren a la manera como se construye
significado al conjunto de categoras que constituyen un discurso
disciplinar.
o Los resultados de aprendizaje no se refieren en especificidad a un saber
sino al significado que un aprendiz le da a ese saber.
o La construccin de esos significados se hace en especial cuando el
conocimiento se presenta estructurado.
46

23
2/9/17

1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA


PSICOLOGA.
Teoras de la inteligencia
Procesos cognoscitivos en trminos de aprendizaje se dan por niveles de complejidad
o en relacin con el desarrollo (edad) o
o con los niveles de complejidad en una tarea.

En trminos del desarrollo, las teoras de Piaget o de Vigotsky definen una serie de
caractersticas segn ciclos de vida de los individuos y segn la complejidad de las tareas,
o los enfoques computacionales representacionales, definen una serie de procesos y subprocesos
subyacentes a la solucin de problemas y a la toma de decisiones.

En relacin con la complejidad como se estructura un conocimiento se pueden definir 4


grandes procesos bsicos: conceptualizacin, interpretacin, transferencia, creatividad.

47
1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA
PSICOLOGA.
Teoras de la inteligencia
A travs de la atencin y de una ejercitacin constante de sta, se
favorecer el desarrollo de habilidades como: observacin,
clasificacin, interpretacin, inferencia, anticipacin.

Percepcin
La percepcin es el proceso que permite organizar e interpretar los
datos que se perciben por medio de los sentidos y asi desarrollar una
conciencia de las cosas que nos rodean.
Esta organizacin e interpretacin se realiza sobre la base de las
experiencias previas que el individuo posee.
48

24
2/9/17

1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA


PSICOLOGA.
Teoras de la inteligencia
Procesos del pensamiento
Los procesos del pensamiento se refieren a la ltima fase del
proceso de percepcin.
En este momento se deciden qu datos se atendern de manera
inmediata con el fin de comparar situaciones pasadas y
presentes y de esa manera, realizar interpretaciones y
evaluaciones de la informacin.

49
1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA
PSICOLOGA.
Teoras de la inteligencia
Procesos del pensamiento
Algunos autores proponen la siguiente secuencia:
observacin,
comparacin,
relacin,
clasificacin,
ordenamiento,
clasificacin jerrquica,
anlisis,
sntesis y
evaluacin.
50

25
2/9/17

1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA


PSICOLOGA.
Teoras de la inteligencia
Procesos del pensamiento

Observar: Es dar una direccin intencional a nuestra percepcin e implica


subhabilidades como atender, fijarse, concentrarse, identificar, buscar y encontrar
datos, elementos u objetos.

Analizar: Significa destacar los elementos bsicos de una unidad de informacin e


implica su habilidades como comparar, destacar, distinguir, resaltar.

Ordenar: Es disponer de manera sistemtica un conjunto de datos, a partir de un


atributo determinado. Ello implica subhabilidades como reunir, agrupar, listar, seriar.

51
1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA
PSICOLOGA.
Teoras de la inteligencia
Procesos del pensamiento
Clasificar: Se refiere al hecho de disponer o agrupar un conjunto de datos
segn categoras. Las subhabilidades que se ponen en juego son, por
ejemplo, jerarquizar, sintetizar, esquematizar, categorizar.

Memorizar: Implica procesos de codificacin, almacenamiento y


recuperacin de una serie de datos. Este hecho supone tambin retener,
conservar, archivar, evocar, recordar...

Interpretar: Es atribuir significado personal a los datos contenidos en la


informacin recibida. Interpretar implica subhabilidades como razonar,
argumentar, deducir, explicar, anticipar.
52

26
2/9/17

1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA


PSICOLOGA.
Teora de la Inteligencia de Gardner.
Procesos del pensamiento
Define la inteligencia como:
La capacidad para resolver problemas cotidianos.
La capacidad para generar nuevos problemas para resolver.
La capacidad de crear productos u ofrecer servicios valiosos dentro
del propio mbito cultural.

Es una corriente psicolgica en la que su teora est basada en que a


un estimulo le sigue una respuesta, siendo este el resultado de la
interaccin entre el individuo y su medio.

53
1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA
PSICOLOGA.
La paradoja computacional.
La aplicacin rigurosa de los mtodos y modelos extrados del
mbito computacional ha llevado a los cientficos a comprender
en que aspectos los seres humanos no se asemejan a las
computadoras.

El desafo de las ciencias cognitivas


Es fundamental que la misma establezca su autonoma y que
demuestre en que terrenos son vlidos los enfoques
computacionales y representacional.
54

27
2/9/17

1.3 LAS HABILIDADES COGNOSCITIVAS SEGN LA


PSICOLOGA.
La paradoja computacional y el desafo cognoscitivo.
La meta ltima de la ciencia cognitiva debe ser dar una
descripcin coherente de la forma en que los seres humanos
obtienen sus productos simblicos ms significativos:
o cmo llegan a componer sinfonas,
o escribir poemas, a inventar mquinas o
o construir teoras

55
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.

(Axiomas, Teoremas, demostracin).


El proceso de razonamiento en un sistema basado en reglas es
una progresin desde un conjunto inicial de afirmaciones y reglas
hacia una solucin, respuesta o conclusin. Como se llega a
obtener el resultado, sin embargo, puede variar
significativamente:
56

28
2/9/17

1.4 EL PROCESO DE RAZONAMIENTO SEGN LA


LGICA.

(Axiomas, Teoremas, demostracin).


Se puede partir considerando todos los datos conocidos y luego ir
progresivamente avanzando hacia la solucin.
Este proceso se lo denomina guiado por los datos o de encadenamiento
progresivo (forward chainning).

Se puede seleccionar una posible solucin y tratar de probar su


validez buscando evidencia que la apoye.
Este proceso se denomina guiado por el objetivo o de encadenamiento
regresivo (backward chainning).

57
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.
(Axiomas, Teoremas, demostracin).
En el caso del razonamiento progresivo, se empieza a partir de
un conjunto de datos colectados a travs de observacin y se
evoluciona hacia una conclusin.
Se chequea cada una de las reglas para ver si los datos
observados satisfacen las premisas de alguna de las reglas.
o Si una regla es satisfecha, es ejecutada derivando nuevos hechos que
pueden ser utilizados por otras reglas para derivar hechos adicionales.
Este proceso de chequear reglas para ver si pueden ser
satisfechas se denomina interpretacin de reglas.
58

29
2/9/17

1.4 EL PROCESO DE RAZONAMIENTO SEGN LA


LGICA.
(Axiomas, Teoremas, demostracin).

Lgica: Ciencia formal y una rama de la filosofa que estudia los principios de la
demostracin e inferencia vlida.

Demostracin: Sucesin coherente de pasos que, tomando como verdadero un


conjunto de premisas llamado hiptesis, permite asegurar la veracidad de una tesis

59
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.
(Axiomas, Teoremas, demostracin).

Estos pasos deben estar fundamentados en la aplicacin de


reglas de deduccin (fundadas ya sea en axiomas o en teoremas
anteriormente demostrados o en reglas bsicas de deduccin del
sistema en cuestin).
El hecho de no conocer ninguna demostracin de un teorema no
implica su no veracidad; slo la demostracin de la negacin de
este resultado implica que es falso.
60

30
2/9/17

1.4 EL PROCESO DE RAZONAMIENTO SEGN LA


LGICA.
(Axiomas, Teoremas, demostracin).

Es una rama de la lgica matemtica que trata a las


demostraciones como objetos matemticos, facilitando su
anlisis mediante tcnicas matemticas.
Las demostraciones suelen presentarse como estructuras de
datos inductivamente definidas que se construyen de acuerdo
con los axiomas y reglas de inferencia de los sistemas lgicos.

61
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.
(Axiomas, Teoremas, demostracin).

Axioma: Es una "verdad evidente" que no requiere


demostracin. Ejemplos:
o 1+1=2
o A es hermano de B
o C es hijo de A
o Entonces podemos decir que B es to de C, o bien C es sobrino de B
62

31
2/9/17

1.4 EL PROCESO DE RAZONAMIENTO SEGN LA


LGICA.
(Axiomas, Teoremas, demostracin).

Teorema: Es una afirmacin que puede ser demostrada como


verdadera mediante un razonamiento lgico a partir de los
axiomas o de otros teoremas previamente justificados.
Demostrar teoremas es el asunto central en la matemtica.

63
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.
(Axiomas, Teoremas, demostracin).

Ejemplo: Si dos rectas paralelas se cortan con una recta secante


se cumple la relacin de ngulos siguiente:
1. Los ngulos alternos/internos son iguales.
2. Los ngulos alternos/externos son iguales.
3. Los ngulos correspondientes son iguales.
4. Los ngulos colaterales internos son suplementarios.
5. Los ngulos colaterales externos son suplementarios.
64

32
2/9/17

1.4 EL PROCESO DE RAZONAMIENTO SEGN LA


LGICA.
(Axiomas, Teoremas, demostracin).

La demostracin
El proceso demostrativo consiste bsicamente en:
o A partir de unas proposiciones dadas llamadas premisas, obtener otra
proposicin que llamada conclusin mediante la aplicacin de reglas lgicas.
o Para demostrar que una proposicin especfica es un teorema en una teora
deductiva dada procedemos as:
1.-Se enuncian explcitamente los axiomas de la teora.
2.-Se fijan las reglas que validan el proceso demostrativo, estas reglas se denominan reglas de
validez

65
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.
(Axiomas, Teoremas, demostracin).

La demostracin
El proceso demostrativo consiste bsicamente en:
o A partir de unas proposiciones dadas llamadas premisas, obtener otra
proposicin que llamada conclusin mediante la aplicacin de reglas lgicas.
o Para demostrar que una proposicin especfica es un teorema en una teora
deductiva dada procedemos as:
1.-Se enuncian explcitamente los axiomas de la teora.
2.-Se fijan las reglas que validan el proceso demostrativo, estas reglas se denominan reglas de
validez
66

33
2/9/17

1.4 EL PROCESO DE RAZONAMIENTO SEGN LA


LGICA.
(Axiomas, Teoremas, demostracin).

La demostracin
Reglas de la validez:
o Regla de validez 1: Todo axioma puede figurar en cualquier paso de una demostracin.
o Regla de validez 2: Si P=>Q figura en una demostracin y P tambin figura en la misma
demostracin, entonces se puede concluir Q en la demostracin. Esta regla universal se
conoce con el nombre de Modus Ponens.
o Regla de validez 3: Si dos proposiciones son equivalentes se puede sustituir la una por la
otra en cualquier parte de una demostracin. Esta regla se conoce con el nombre de
sustitucin por equivalencia.

67
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.
(Axiomas, Teoremas, demostracin).
Inteligencia
La formacin de ideas, el juicio y razonamiento son actos
esenciales e indicadores de la inteligencia.

Es definida como la capacidad cerebral por la que conseguimos penetrar en la


comprensin de las cosas eligiendo el mejor camino. (Antunes)

La capacidad de resolver problemas o crear productos que son valorados en uno


o ms contextos culturales. (Gardner)
68

34
2/9/17

1.4 EL PROCESO DE RAZONAMIENTO SEGN LA


LGICA.
(Axiomas, Teoremas, demostracin).
Inteligencia
Dos dcadas despus Gardner, ofrece una definicin ms
refinada y define las inteligencias mltiples como:
un potencial biopsicolgico para procesar informacin que se puede activar en
un marco cultural para crear problemas o crear productos que tienen valor para
una cultura

69
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.
(Axiomas, Teoremas, demostracin).
Tipos de Inteligencia
Inteligencia lingstica
o Radica en la competencia de usar las palabras de una forma creativa y eficaz,
tanto en las expresiones orales como escritas.
o Supone siempre, tener una gran habilidad en el uso de la sintaxis, la fontica, la
semntica y los usos pragmticos del lenguaje.

Inteligencia lgica - matemtica


o Utilizada para resolver problemas de lgica matemticas.
o Es la inteligencia que tienen los cientficos.
o Se corresponde con el modo de pensamiento del hemisferio lgico y con lo que
la cultura occidental ha considerado siempre como la nica inteligencia.
70

35
2/9/17

1.4 EL PROCESO DE RAZONAMIENTO SEGN LA


LGICA.
(Axiomas, Teoremas, demostracin).
Tipos de Inteligencia
Inteligencia espacial
o Es la destreza en la percepcin de imgenes, internas y externas, recrearlas,
transformarlas y modificarlas, adems de recorrer el espacio, hacer que los
objetos lo recorran y producir o decodificar las informaciones grficas.
o Es propia del llamado pensamiento tridimensional.

Inteligencia musical
o Es la capacidad de las personas para percibir, discriminar, expresar y
transformar las diversas formas musicales.
o Implica tener una gran sensibilidad para el ritmo, el tono y el timbre de la msica

71
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.
(Axiomas, Teoremas, demostracin).
Tipos de Inteligencia
Inteligencia corporal cintica
o Se trata de la habilidad de utilizar el cuerpo para la expresin de ideas y
sentimientos.
o Esta inteligencia supone tener destrezas de coordinacin, equilibrio, flexibilidad,
fuerza y velocidad

Inteligencia intrapersonal
o Esta organizada en torno a la destreza de construir una percepcin muy precisa
respecto de s mismo, de organizar, planificar y dirigir su propia vida. Incluye
conductas de autodisciplina, de auto comprensin y de autoestima.
72

36
2/9/17

1.4 EL PROCESO DE RAZONAMIENTO SEGN LA


LGICA.
(Axiomas, Teoremas, demostracin).
Tipos de Inteligencia
Inteligencia interpersonal
o Comprende la desenvoltura de entender a los otros y relacionarse eficazmente
con ellos. Incluye una gran sensibilidad para entender las expresiones faciales,
la voz, los gestos, las posturas, para responder adecuadamente.
o Disfrutan del trabajo en equipo.

Inteligencia naturalista
o Comprende la facilidad de distinguir, clasificar y utilizar elementos del entorno,
del medio ambiente.
o Comprende las habilidades de observacin, experimentacin, reflexin y
preocupacin por el entorno.

73
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.
(Axiomas, Teoremas, demostracin).
RAZONAMIENTO LGICO
La prctica de los razonamientos deductivos en el proceso de desarrollo del
pensamiento lgico matemtico es muy importante. Constituye una herramienta
fundamental para el trabajo en la matemtica y otras ciencias.

Lgica
La lgica es la ciencia que va en bsqueda de las formas de los razonamientos
correctos, es decir, de las leyes del deducir correctamente. En este sentido es
legtimo afirmar que la lgica es la teora de la deduccin, en cuanto estudia las
reglas de las inferencias correctas.
La lgica hace explcitas estas leyes, las ordena en sistemas axiomticos y prueba
sus capacidades y lmites.
74

37
2/9/17

1.4 EL PROCESO DE RAZONAMIENTO SEGN LA


LGICA.
(Axiomas, Teoremas, demostracin).
LGICA DIFUSA

La lgica difusa es una metodologa que proporciona una manera


simple de obtener una conclusin a partir de informacin de
entrada vaga, ambigua, imprecisa, con ruido o incompleta, en
general la lgica difusa imita como una persona toma decisiones
basada en informacin con las caractersticas mencionadas.

75
1.4 EL PROCESO DE RAZONAMIENTO SEGN LA
LGICA.
(Axiomas, Teoremas, demostracin).
Lgica difusa en inteligencia artificial

Mtodo de razonamiento de maquina similar al pensamiento humano, que puede


procesar informacin incompleta o incierta, caracterstico de muchos sistemas
expertos .

Con la lgica difusa se puede gobernar un sistema por medio de reglas de sentido
comn las cuales se refieren a cantidades indefinidas.

En general la lgica difusa se puede aplicar tanto a sistemas de control como para
modelar cualquier sistema continuo de ingeniera, fsica, biologa o economa.
76

38
2/9/17

1.5 EL MODELO DE ADQUISICIN DEL


CONOCIMIENTO SEGN LA FILOSOFA.
Modelos de Adquisicin Segn La Filosofa
Es el proceso de recoleccin de informacin, a partir de cualquier
fuente (experto, libros, revistas, informes), necesaria para
construir un Sistema Basado en Conocimiento.

No es un paso concreto en la metodologa de desarrollo de un


SBC, sino ms bien una tarea que se produce en paralelo a
todas las etapas de construccin de estos sistemas
(identificacin, conceptualizacin, formalizacin, validacin,
mantenimiento ) .

77
1.5 EL MODELO DE ADQUISICIN DEL
CONOCIMIENTO SEGN LA FILOSOFA.
Modelos de Adquisicin Segn La Filosofa
La adquisicin de conocimientos es la tarea ms importante en el
desarrollo de SBC.
Sin embargo, esta actividad es de momento un campo
experimental en el que la IA tiene poco o nada que decir.
No existe ningn mtodo completamente automtico de
Adquisicin de Conocimiento
78

39
2/9/17

1.5 EL MODELO DE ADQUISICIN DEL


CONOCIMIENTO SEGN LA FILOSOFA.
Modelos de Adquisicin Segn La Filosofa
La adquisicin de conocimientos es la tarea ms importante en el
desarrollo de SBC.
Sin embargo, esta actividad es de momento un campo
experimental en el que la IA tiene poco o nada que decir.
No existe ningn mtodo completamente automtico de
Adquisicin de Conocimiento

79
1.6 EL MODELO COGNOSCITIVO.

Se centra en los procesos de pensamiento y en la conducta que refleja estos


procesos.

Es la base de una de las cinco perspectivas del desarrollo humano aceptadas


mayoritariamente (las otras 4 son: la perspectiva psicoanaltica, la perspectiva del
aprendizaje, la perspectiva evolutiva/socio biolgica y la perspectiva contextual).

El proceso cognoscitivo es la relacin que existe entre el sujeto que conoce y el


objeto que ser conocido y que generalmente se inicia cuando el este logra realizar
una representacin interna del fenmeno convertido en objeto del conocimiento.
80

40
2/9/17

1.6 EL MODELO COGNOSCITIVO.

El desarrollo cognitivo es el producto de los esfuerzos del nio por


comprender y actuar en su mundo. Se inicia con una capacidad innata
de adaptacin al ambiente.

Consta de una serie de etapas que representan los patrones


universales del desarrollo. En cada etapa la mente del nio desarrolla
una nueva forma de operar.

Este desarrollo gradual sucede por medio de tres principios


interrelacionados: la organizacin, la adaptacin y el equilibrio.

81
MODELO COGNITIVO DE UN ROBOT

1.6 EL MODELO COGNOSCITIVO.

82

16

UNIDAD 1 | INTELIGENCIA ARTIFICIAL

41
2/9/17

1.7 EL MODELO DEL AGENTE INTELIGENTE,


SISTEMAS MULTI AGENTES, SISTEMAS UBICUOS.
Un agente inteligente, es una entidad capaz de percibir su entorno,
procesar tales percepciones y responder o actuar en su entorno de
manera racional y tendiendo a maximizar un resultado esperado.
La racionalidad es la caracterstica que posee una eleccin de ser
correcta, especficamente, de tender a maximizar un resultado
esperado.
El concepto de racionalidad es ms general y por ello ms adecuado
que inteligencia (la cual sugiere entendimiento) para describir el
comportamiento de los agentes inteligentes.
Por este motivo es mayor el consenso en llamarlos agentes
racionales.

83
1.7 EL MODELO DEL AGENTE INTELIGENTE,
SISTEMAS MULTI AGENTES, SISTEMAS UBICUOS.
Un agente inteligente puede ser una entidad fsica o virtual. (el trmino agente racional se
refiere a agentes artificiales en el campo de la IA), tambin puede considerarse agentes
racionales al hombre.

Se describen esquemticamente como un sistema funcional abstracto.

Son a veces llamados Agentes Inteligentes Abstractos (AIA) para distinguirlos de sus
implementaciones del mundo real como sistemas informticos, los sistemas biolgicos, o
de organizaciones.

Algunas definiciones de agentes inteligentes hacen nfasis en su autonoma por lo que


prefieren el trmino agente inteligente autnomo.

Otros consideran conducta dirigida a objetivos como la esencia de lo inteligente y prefieren


un trmino tomado de la economa Agente Racional.
84

42
2/9/17

1.7 EL MODELO DEL AGENTE INTELIGENTE,


SISTEMAS MULTI AGENTES, SISTEMAS UBICUOS.

En Ciencias de la Computacin el trmino agente inteligente


puede ser usado para referirse a un agente de software que
tiene algo de inteligencia, independientemente de si no es un
agente racional por definicin de Russell y Norvig.

Por ejemplo, programas autnomos utilizados para asistencia de


un operador o de minera de datos (a veces denominado robots)
son tambin llamados agentes inteligentes

85
1.7 EL MODELO DEL AGENTE INTELIGENTE,
SISTEMAS MULTI AGENTES, SISTEMAS UBICUOS.

Agentes
Hay numerosas definiciones de lo que es un agente, y ninguna
acido aceptada plenamente por la comunidad cientfica pero
probablemente la ms simple es:
o un agente es una entidad que percibe y acta sobre su entorno.

o un agente es todo aquello que puede considerarse que percibe


su ambiente mediante sensores y que responde o acta en tal
ambiente por medio de actuadores.
86

43
2/9/17

1.7 EL MODELO DEL AGENTE INTELIGENTE,


SISTEMAS MULTI AGENTES, SISTEMAS UBICUOS.

Agentes
Los agentes humanos tienen ojos, odos y otros rganos que les
sirven de sensores, as como manos, piernas, boca y otras
partes de su cuerpo que les sirven de actuadores.
Los agentes robticos, los sensores son sustituidos por cmaras
y sensores infrarrojos y los actuadores son reemplazados
mediante motores.

87
1.7 EL MODELO DEL AGENTE INTELIGENTE,
SISTEMAS MULTI AGENTES, SISTEMAS UBICUOS.

Agentes
un agente de software, sus percepciones y acciones vienen a ser
las cadenas de bits codificados.
En la figura observamos el diagrama de un agente genrico.
Interesa disear agentes que logren un buen desempeo en su
ambient.
88

44
2/9/17

1.7 EL MODELO DEL AGENTE INTELIGENTE,


SISTEMAS MULTI AGENTES, SISTEMAS UBICUOS.

Agentes
Principales caractersticas que distinguen a los agentes
inteligentes del desarrollo de software Tradicional y estas son la
inteligencia y la agencia.
percepciones
Sensores

AGENTES ENTORNO

Actuadores
acciones

89
1.7 EL MODELO DEL AGENTE INTELIGENTE,
SISTEMAS MULTI AGENTES, SISTEMAS UBICUOS.

Agentes
Funciones bsicas de la Tecnologa de Agentes:
o Ejecucin de Tareas: la capacidad de realizar tareas son las destrezas
que el agente posee para lograr sus objetivos.
o Conocimiento de su entorno: el conocimiento del entorno debe de ser
introducido o construido por el desarrollador. Algunos agentes adems
adquieren su conocimiento por aprendizaje.
o Capacidad de Comunicacin: se distinguen dos tipos de comunicacin,
la interaccin con el usuario, y la que se refiere a comunicacin inter-
agente.
90

45
2/9/17

1.7 EL MODELO DEL AGENTE INTELIGENTE,


SISTEMAS MULTI AGENTES, SISTEMAS UBICUOS.

Agentes
Funciones bsicas de la Tecnologa de Agentes:

91
SISTEMAS MULTI-AGENTES.

Una de las caractersticas ms importantes de los agentes es la capacidad que


tienen de interactuar entre s, de ah que se empleen en la resolucin de
problemas en entornos distribuidos y que los sistemas se conciban como
comunidades de agentes que persiguen los mismos objetivos.
1.7 EL MODELO DEL AGENTE INTELIGENTE,
Un Sistema Multi-Agente (SMA) podr definirse entonces como grupos de agentes
queSISTEMAS MULTIentre
interaccionan AGENTES,s SISTEMAS
para UBICUOS
conseguir .
objetivos comunes.

SISTEMAS
Cuando MULTI-AGENTES
se define un Sistema Multi-Agente hay que tener en cuenta las
caractersticas:
Una de las caractersticas ms importantes de los agentes es la
capacidad
Un entorno. que tienen de interactuar entre s, de ah que se empleen
Un conjunto
en la de objetos,
resolucin estos en
de problemas objetos se encuentran
entornos distribuidosintegrados
y que los con el
ambiente.
sistemas seDichos objetos
conciban son comunidades
como pasivos, pueden
de ser creados,
agentes quemodificados
persiguen y
destruidos
los mismos por agentes.
objetivos.
Un conjunto de agentes que representan las entidades activas del sistema.
Un conjunto de operaciones que hacen posible el trabajo de los agentes
Un Sistema
sobre Multi-Agente (SMA) podr definirse entonces como
los objetos.
grupos de agentes que interaccionan entre s para conseguir
Segn objetivos comunes.
esta definicin la influencia de un agente sobre otros no solo est dada por
la comunicacin explcita entre ellos, sino tambin por su actuacin en el entorno
92

en que se encuentran. Esto aumenta la complejidad en el desarrollo de SMA, ya


que exige estudiar el entorno en que se desenvuelven para detectar qu acciones
realizadas por un agente pueden afectar a otros.

46
2/9/17

1.7 EL MODELO DEL AGENTE INTELIGENTE,


SISTEMAS MULTI AGENTES, SISTEMAS UBICUOS.

SISTEMAS MULTI-AGENTES

Sistema Multi-Agente caractersticas:


o Un entorno.
o Un conjunto de objetos, estos objetos se encuentran integrados con el
ambiente. Dichos objetos son pasivos, pueden ser creados, modificados
y destruidos por agentes.
o Un conjunto de agentes que representan las entidades activas del
sistema.
o Un conjunto de operaciones que hacen posible el trabajo de los agentes
o sobre los objetos.

93
1.8 EL PAPEL DE LA HEURSTICA.
Heurstica
Capacidad de un sistema para realizar de forma inmediata
innovaciones positivas para sus fines.

Estrategia de bsqueda informada (la que utiliza el


conocimiento especifico del problema ms all de la definicin del
problema en s mismo) puede encontrar soluciones de una
manera ms eficiente que una estrategia no informada.
94

47
2/9/17

1.8 EL PAPEL DE LA HEURSTICA.


Funcin Heurstica
A la aproximacin general que consideraremos se le llamar bsqueda
primero el mejor.
Es un caso particular del algoritmo general de BSQUEDA - RBOLES o
de BSQUEDA - GRAFOS en el cual se selecciona un nodo para la
expansin basada en una funcin de evaluacin, ()
Es una funcin real definida sobre las descripciones de los estados.
Se expandir el nodo para el que se obtenga el menor valor (), de esta
forma, la seleccin de nodos a expandir no sigue ningn patrn de finido.
Se determinar el proceso cuando el nodo a expandir sea un nodo objetivo.

95
1.8 EL PAPEL DE LA HEURSTICA.
Funcin Heurstica
En la mayora de los casos, siempre es posible encontrar una
funcin de evaluacin para la bsqueda primero el mejor.
o Por ejemplo, en el problema puzle de ocho piezas podemos usar como
medida de lo << bueno>> que es un estado el nmero de fichas que
estn descolocadas:

() =
(comparadas con la configuracin objetivo)
96

48
2/9/17

1.8 EL PAPEL DE LA HEURSTICA.


Funcin Heurstica
Hay una familia entera de algoritmos de BSQUEDA PRIMERO - MEJOR
con funciones de evaluacin diferentes.
Una componente clave de estos algoritmos es una funcin heurstica,
denotada ():


( )
Si usamos esta funcin heurstica el procedimiento de bsqueda que
acabamos de definir, obtendremos el grafo de la figura

97
1.8 EL PAPEL DE LA HEURSTICA. 1
8
2 3
4
7 6 5

Estado objetivo

Funcin Heurstica

El nmero situado
cerca de cada nodo
indica el valor de la
funcin heurstica en
dicho nodo.

si es un nodo
objetivo, entonces
() = 0
98

En este ejemplo se puede ver la necesidad de influir en el proceso de bsque


para forzar la vuelta atrs en la exploracin de otros caminos ms prometedore
49
evitar de esta forma que una heurstica excesivamente optimista nos lleve
2/9/17

1.8 EL PAPEL DE LA HEURSTICA.


Funcin Heurstica (Bsqueda A*)
Se puede ver la necesidad de influir en el proceso
de bsqueda para forzar la exploracin de otros
caminos ms prometedores. (minimizar costo)

Con este fin, se aade un factor de profundidad a la


,

Se define como () = () + () En este ejemplo se puede ver la necesidad de influir en el proceso de bsqueda
Donde: para forzar la vuelta atrs en la exploracin de otros caminos ms prometedores (y
evitar de esta forma que una heurstica excesivamente optimista nos lleve por
() es una estimacin de la profundidad del nodo (la longitud del camino mas corto desde el nodo
caminos poco prometedores). Con este fin, se aade un << factor de
inicial a ), profundidad>> a la funcin f, con lo que ahora se define como f(n) = g(n) + h(n),
donde g(n) es una estimacin de la profundidad del nodo n ( es decir, la longitud

99
() es la evaluacin heurstica en el nodo . () es el numero de placas
del camino descolocadas
mas corto desde el nodo inicial a n), y h(n) es la evaluacin heurstica
en el nodo n. si, al igual que en el prrafo anterior, h(n) es el numero de fichas
descolocadas (comparadas con la configuracin objetivo) y g(n) es la profundidad
del nodo n en el grafo de bsqueda, el proceso de bsqueda producir el grafo de
la figura9.2 (los nmeros que estn prximos a los nodos equivalen a la suma g(n)
+ h(n). como se puede ver, en este caso la bsqueda del nodo objetivo es mas
directa (exceptuando el nodo marcado con un circulo).

Estos ejemplos nos platean d dos preguntas importantes. Primera, como


seleccionamos la funcin de evaluacin que guie el proceso de bsqueda primero
el mejor? Segunda, cuales son las propiedades de la bsqueda primero el
mejor?, encuentra siempre buenos caminos hacia el objetivo?

3
1.8 EL PAPEL DE LA HEURSTICA.
Funcin Heurstica (Bsqueda A*) UNIDAD 1 | INTELIGENCIA ARTIFICIAL
Bsqueda A*: minimizar el costo estimado total de la solucin
A la forma ms ampliamente conocida de la bsqueda primero el mejor se le llama
bsqueda A* (pronunciada bsqueda A-estrella).

Evala los nodos combinando (), el costo para alcanzar el nodo, y (), el costo de
ir al nodo objetivo:
() = () + ()

Ya que la () nos da el costo del camino desde el nodo inicio al nodo , y la () el


costo estimado del camino ms barato desde n al objetivo, tenemos:
= costo ms barato estimado de la solucin a travs de .
100

50
2/9/17

1.8 EL PAPEL DE LA HEURSTICA.


Funcin Heurstica
El proceso de
bsqueda producir un
grafo, los nmeros que
estn prximos a los
nodos equivalen a la
suma () + ().
como se puede ver, en
este caso la bsqueda
del nodo objetivo es
mas directa

101
Funciones heursticas

El problema de las ocho placas tiene justo el nivel de dificultad que lo hace
interesante. Una solucin tpica consta de 20 pasos, aunque esto variara
dependiendo del estado inicial. El factor de ramificacin es aproximadamente de
tres (cuando la placa vaca esta en medio, hay cuatro posibles desplazamientos;
cuando esta en una esquina, dos; cuando esta en uno de los bordes, tres). Es
decir, bsqueda exhaustiva de profundidad 20 hara una bsqueda a travs de 3 20
=3.5 x 109 estados. Si se lleva un registro de los estados que se repiten, la
cantidad anterior disminuye considerablemente, puesto que habr solo 9! = 360
1.8 EL PAPEL DE LA HEURSTICA.
880 arreglos diferentes de nueve cuadros. Sigue siendo un nmero grande de
estados, por lo que procede encontrar una buena funcin heurstica. Para en
Funciones Heurstica
contar la soluciones mas breves hay que tener una funcin heurstica que nunca
sobreestime la cantidad de pasos necesarios para al cansar la meta. La siguiente
El problema de las ocho fichas tiene justo el nivel de dificultad que
son dos candidatas.
lo hace interesante.
Una solucin tpica consta de 20 pasos, aunque esto variar
dependiendo del estado inicial. 32

El factor de ramificacin es aproximadamente de tres:


o cuando la placa vaca esta en medio, hay cuatro posibles
desplazamientos; UNIDAD 1 | INTELIGENCIA ARTIFICIAL
o cuando esta en una esquina, dos; 5 4 1

o cuando esta en uno de los bordes, tres. 6 8


102

7 3 2

51
2/9/17

1.8 EL PAPEL DE LA HEURSTICA.


Funciones Heurstica
Bsqueda exhaustiva de profundidad 20 hara una bsqueda a travs
de 320 = 3.5 109 estados.
Si se lleva un registro de los estados que se repiten, la cantidad
anterior disminuye considerablemente, habr solo 9! = 360,880
arreglos diferentes de nueve cuadros.

Sigue siendo un nmero grande de estados, por lo que procede


encontrar una funcin heurstica. Para encontrar soluciones mas
breves.

103
1.8 EL PAPEL DE LA HEURSTICA.
Funciones Heurstica

5 4 1 2 3

6 1 8 8 4

7 3 2 7 6 5

Estado de inicio Estado objetivo


104

52
2/9/17

5 4 1 2 3
6 1 8 8 4
1.8 EL PAPEL DE LA HEURSTICA. 7 3 2
Estado de inicio
7 6 5
Estado meta

Funciones Heurstica
Ejemplo tpico del problema de las ocho placas.
= .
En la figura ninguna de las ocho placas esta en la posicin meta,
por lo que el estado de partida tendra 1 = 8.

1 es una heurstica aceptable puesto que es evidente que cuando


en placa esta en el lugar incorrecto habr que desplazarla por lo
menos una vez.

105
5 4 1 2 3
6 1 8 8 4
1.8 EL PAPEL DE LA HEURSTICA. 7 3 2 7 6 5

Funciones Heurstica
Ejemplo tpico del problema de las ocho placas.

= .
Puesto que las placas no se desplazan a travs de diagonales, la distancia que se considere es
la suma de las distancias verticales y horizontales.

A esta se le denomina distancia de Manhattan.

2 tambin es aceptable puesto que todo movimiento acercar a la placa a solo un paso de la
meta.

Las ocho placas en el momento de partida tienen una distancia de Manhattan de:
2 = 2 + 3 + 2 + 1 + 2 + 2 + 1 + 2 = 15
106

53
2/9/17

1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3


6 1 8 8 4
Funciones Heurstica 7 3 2 7 6 5

El efecto, en el desempeo, de la exactitud heurstica.



Una manera de caracterizar la calidad de una heurstica es el factor
de ramificacin eficaz.

Si el nmero total de nodos generados por para un problema

particular es , y la profundidad de la solucin es , entonces es el
factor de ramificacin que un rbol uniforme de profundidad debera
tener para contener N +1 nodos. As,

+ 1 = 1 + + ( )2 + + ( )

107
1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3
6 1 8 8 4
Funciones Heurstica 7 3 2 7 6 5
El efecto, en el desempeo, de la exactitud heurstica.

Si * encuentra una solucin de profundidad cinco utilizando 52 nodos, entonces el


factor de ramificacin eficaz es 1.92.

El factor de ramificacin eficaz puede variar, pero por lo general es constante para
problemas difciles.

Por lo tanto, las medidas experimentales de * sobre un pequeo conjunto de


problemas pueden proporcionar una buena gua para la utilidad total de la
heurstica.

Una heurstica bien diseada tendra un valor de * 1, permitira resolver


problemas bastante grandes.
108

54
2/9/17

1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3


6 1 8 8 4
Funciones Heurstica 7 3 2 7 6 5
El efecto, en el desempeo, de la exactitud heurstica.

Para probar las funciones heursticas 1 y 2, se generan 1,200 problemas


aleatorios con soluciones de longitudes de 2 a 24 (100 para cada nmero par) y los
resolvemos con la bsqueda de profundidad iterativa y con la bsqueda en rbol *
usando tanto 1 como 2.

La Figura 4.8 nos da el nmero medio de nodos expandidos por cada estrategia y el
factor de ramificacin eficaz.

Los resultados sugieren que 2 es mejor que 1, y es mucho mejor que la utilizacin
de la bsqueda de profundidad iterativa. Sobre nuestras soluciones con longitud 14,
* con 2 es 30,000 veces ms eficiente que la bsqueda no informada de
profundidad iterativa.

109
BSQUEDA INFORMADA Y EXPLORACIN 121

As decimos que h2 domina a h1. La dominacin se traslada directamente a la eficien-


DOMINACIN
cia: A* usando h2 nunca expandir ms nodos que A* usando h1 (excepto posiblemente
para algunos nodos con f (n) ! C*). El argumento es simple. Recuerde la observacin
de la pgina 113 de que cada nodo con f (n) " C* ser seguramente expandido. Esto es
lo mismo que decir que cada nodo con h(n) " C* # g(n) ser seguramente expandido.
Pero debido a que h2 es al menos tan grande como h1 para todos los nodos, cada nodo
1.8 EL PAPEL DE LA HEURSTICA.
que seguramente ser expandido por la bsqueda A* con h2 ser seguramente tambin
5 4
expandido con h1, y h1 podra tambin hacer que otros nodos fueran expandidos. De ah
1 2 3
que es siempre mejor usar una funcin heurstica con valores ms altos, a condicin de8
6 1 8 4
no sobrestime y que el tiempo computacional de la heurstica no7 sea3 demasiado
2 7 6 5
FuncionesqueHeurstica
grande.
El efecto, en el desempeo, de la exactitud heurstica.
Costo de la bsqueda Factor de ramificacin eficaz
d BPI A*( h1) A*( h2) BPI A*( h1) A*( h2)
2 10 6 6 2,45 1,79 1,79
4 112 13 12 2,87 1,48 1,45
6 680 20 18 2,73 1,34 1,30
8 6384 39 25 2,80 1,33 1,24
10 47127 93 39 2,79 1,38 1,22
12 3644035 227 73 2,78 1,42 1,24
14 539 113 1,44 1,23
16 1301 211 1,45 1,25
18 3056 363 1,46 1,26
20 7276 676 1,47 1,27
22 18094 1219 1,48 1,28
24 39135 1641 1,48 1,26

Figura 4.8 Comparacin de los costos de la bsqueda y factores de ramificacin eficaces para la
110

BSQUEDA-PROFUNDIDAD-ITERATIVA y los algoritmos A* con h1 y h2. Los datos son la media de 100
ejemplos del puzle-8, para soluciones de varias longitudes.

Inventar funciones heursticas admisibles


Hemos visto que h1 (piezas ms colocadas) y h2 (distancia de Manhattan) son heursti-
cas bastante buenas para el 8-puzle y que h2 es mejor. Cmo ha podido surgir h2? Es
posible para un computador inventar mecnicamente tal heurstica?
h1, h2 son estimaciones de la longitud del camino restante para el 8-puzle, pero tam- 55
bin son longitudes de caminos absolutamente exactos para versiones simplificadas del
2/9/17

1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3


6 1 8 8 4
7 3 2 7 6 5
Funciones Heurstica
El efecto, en el desempeo, de la exactitud heurstica.

2 es siempre mejor que 1?.


La respuesta es s.

Es fcil ver de las definiciones de las dos heursticas que, para


cualquier nodo , 2() 1().

Se dice que 2 domina a 1

111
1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3
6 1 8 8 4
7 3 2 7 6 5
Funciones Heurstica
El efecto, en el desempeo, de la exactitud heurstica.

2 es siempre mejor que 1?.


La respuesta es s.

Es fcil ver de las definiciones de las dos heursticas que, para


cualquier nodo , 2() 1().

Se dice que 2 domina a 1


112

56
2/9/17

1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3


6 1 8 8 4
7 3 62 7 5
Funciones Heurstica
Como inventar funciones heursticas.
Hemos visto que 1 (piezas ms colocadas) y 2 (distancia de
Manhattan) son heursticas bastante buenas para el 8-puzle y que
2 es mejor.

Pero todava no sabemos como inventar una funcin heurstica.


o Cmo podra hacerse una con h2?
o Seria capaz una computadora de inventar tal heurstica?

113
1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3
6 1 8 8 4
7 3 62 7 5
Funciones Heurstica
Como inventar funciones heursticas.
1, h2 son estimaciones de la longitud del camino restante para el
8-puzle, pero tambin son longitudes de caminos exactos para
versiones simplificadas del puzle.

Si se cambiaran las reglas del puzle de modo que una ficha


pudiera moverse a todas partes, en vez de solamente al cuadrado
adyacente vaco, entonces 1 dara el nmero exacto de pasos en
la solucin ms corta.
114

57
2/9/17

1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3


6 1 8 8 4
6 7 5
Funciones Heurstica 7 3 2

Como inventar funciones heursticas.


Si una ficha pudiera moverse a un cuadrado en cualquier
direccin, hasta en un cuadrado ocupado, entonces 2 dara el
nmero exacto de pasos en la solucin ms corta.

A un problema con menos restricciones en las acciones se le


llama problema relajado.

El costo de una solucin ptima en un problema relajado es una


heurstica admisible para el problema original.

115
1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3
6 1 8 8 4
7 3 26 7 5
Funciones Heurstica
Como inventar funciones heursticas.
Si se escribe la definicin de un problema en lenguaje formal, es
posible construir automticamente el problema relajado. Por
ejemplo, si los operadores del problema de las ocho placas se
caracterizan de la manera siguiente:

Una placa puede pasar del cuadro A al B si A esta junto a B y B


esta vaco.
116

58
2/9/17

1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3


6 1 8 8 4
Funciones Heurstica 7 63 2 7 5

Como inventar funciones heursticas.


Para generar tres problemas relajados solo hay que eliminar una o ms
de las condiciones:

(a) se puede mover una placa del A al cuadro B si A esta junto a B.


(b) se puede mover una placa del A al cuadro B si B esta vaco.
(c) Se puede mover una placa del cuadro A al cuadro B.

Recientemente se creo un programa llamado ABSOLVER, mediante el


cual se pueden generar heursticas automticamente a partir de las
definiciones del problema, usando el mtodo del problema relajado.

117
1.8 EL PAPEL DE LA HEURSTICA. 5 4 1 2 3
6 1 8 8 4
Funciones Heurstica 7 3 6
2 7 5

Como inventar funciones heursticas.


ABSOLVER gener una nueva heurstica para el 8-puzle mejor que
cualquier heurstica y encontr el primer heurstico til para el famoso
puzle cubo de Rubik.

Un problema con la generacin de nuevas funciones heursticas es


que a menudo se falla al conseguir una heurstica claramente mejor.
Si tenemos disponible un conjunto de heursticas admisibles 1
para un problema, y ninguna de ellas domina a las dems, qu se
debera elegir?
No tenemos por qu hacer una opcin. Podemos tener lo mejor de
todas, definiendo,
= {1(), , ()}
118

59
2/9/17

http://mr-site.zohosites.com

119

60