You are on page 1of 9

INTELIGENCIA ARTIFICIAL I UNIDAD I. FUNDAMENTOS 1.1.

EL PROPSITODE LA IA Y SU EVOLUCIN HISTRICA IA La IA es una rama de la ciencia de computacin que comprende el estudio y creacin de sistemas computarizados que manifiestan cierta forma de inteligencia: sistemas que aprenden nuevos conceptos y tareas, sistemas que pueden razonar y derivar conclusiones tiles acerca del mundo que nos rodea, sistemas que pueden comprender un lenguaje natural o percibir y comprender una escena visual, y sistemas que realizan otro tipo de actividades que requieren de inteligencia humana. IMPORTANCIA DE LA IA Conforme el mundo se vuelve ms complejo, debemos usar nuestros recursos materiales y humanos con ms eficiencia, y para lograrlo, se necesita la ayuda que nos ofrecen los computadores. Existe la falsa impresin de que uno de los objetivo del IA es sustituir a los trabajadores humanos y ahorrar dinero. Pero en el mundo de los negocios, la mayora de personas est ms entusiasmada ante las nuevas oportunidades que ante el abatimiento de costos. Adems, la tarea de reemplazar totalmente a un trabajador humano abarca de lo difcil a lo imposible, ya que no se sabe cmo dotar a los sistemas de IA de toda esa capacidad de percibir, razonar y actuar que tienen las personas. Sin embargo, debido a que los humanos y los sistemas inteligentes tienen habilidades que se complementan, podran apoyarse y ejecutar acciones conjuntas: En la agricultura, controlar plagas y manejar cultivos en forma ms eficiente. En las fbricas, realizar montajes peligrosos y actividades tediosas (labores de inspeccin y mantenimiento). En la medicina, ayudar a los mdicos a hacer diagnsticos, supervisar la condicin de los pacientes, administrar tratamientos y preparar estudios estadsticos. En el trabajo domstico, brindar asesora acerca de dietas, compras, supervisin y gestin de consumo energtico y seguridad del hogar. En las escuelas, apoyar la formacin de los estudiantes, especialmente en aquellas materias consideradas complejas. Ayudar a los expertos a resolver difciles problemas de anlisis o a disear nuevos dispositivos. Aprender de los ejemplos para explorar bases de datos en busca de regularidades explotables. Proporcionar respuestas a preguntas en lenguaje natural usando datos estructurados y texto libre. La IA aplicada es la contraparte de ingeniera de la ciencia cognoscitiva y complementa sus perspectivas tradicionales. La ciencia cognoscitiva es una mezcla de psicologa, lingstica y filosofa. La metodologa y terminologa de la IA est todava en vas de desarrollo. La IA se est dividiendo y encontrando otros campos relacionados: lgica, redes neuronales, programacin orientada a objetos, lenguajes formales, robtica, etc. Esto explica por qu el estudio de IA no est confinado a la matemtica, ciencias de la computacin, ingeniera (particularmente la electrnica y la mecnica), o a la ciencia cognoscitiva, sino que cada una de estas disciplinas es un potencial contribuyente. La robtica es considerada como un campo interdisciplinario que combina conceptos y tcnicas de IA, con ingeniera ptica, electrnica y mecnica.

EVOLUCIN HISTRICA Gnesis de la IA (1943-1956) Reconocido en general como el primer trabajo de IA, fue realizado por Warren McCulloch y Walter Pitts(1943). Provinieron de tres fuentes: conocimientos sobre la fisiologa bsica y funcionamiento de las neuronas en el cerebro, el anlisis formal de la lgica proposional de Russell y Whitehead y la teora de la computacin de Turing. Propusieron un modelo constituido por neuronas aratificiales, en el que cada una de ellas se caracterizaba por estar encendida o apagada; el encendido se daba como respuesta a la estimulacin producida por una cantidad suficiente de neuronas vecinas. A principios de la dcada de los 50, Claude Shannon (1950) y Alan Turing (1953) se ocupaban de escribir programas de ajedrez para computadoras convencionales al estilo de Von Neumann. Princeton, Marvin Minsky y Dean Edmonds, construyeron la primera computadora de red neuronal en 1951. la SNARC, se era su nombre, utilizaba 3000 bulbos y un mecanismo de piloto automtico obtenido de los desechos de un avin bombardero B24 para simular una red de 40 neuronas. Newell y Simon contaban ya con un programa de razonamiento, el terico lgico (TL), del que Simon afirmaba: Hemos inventado un programa de computacin capaz de pensar de manera no numrica, con lo que ha quedado resuelto el problema de la dualidad mentecuerpo. Grandes esperanzas (1952-1969) Newell y Simon continuaron con el solucionador general de problemas (SGP). A diferencia del terico lgico, desde un principio este programa se dise para que imitara protocolos de resolucin de problemas humanos. En IBM, Nathaniel Rochester y sus colegas produjeron algunos de los primeros programas de IA. Herbert Gelernter (1959) construy el demostrador de teoremas de geometra (DTG). A principios de 1952, Arthur Samuel escribi una serie de programas para el juego de damas, los que a la postre aprendieron el juego a nivel de torneo. De paso, ech por tierra la idea de que las computadoras slo pueden hacer lo que se les dice, puesto que su programa aprendi rpidamente a jugar mejor que su creador. John McCarthy en 1958 hizo tcontribuciones cruciales. En el laboratorio de IA del MIT defini el lenguaje de alto nivel Lisp, que se convertira en el lenguaje de programacin dominante en IA. Lisp es el segundo lenguaje de programacin ms antiguo que se utiliza actualmente. Tambin en 1958 McCarthy public un artculo titulado Programs with Common Sense (Programas con sentido comn), en el que describa el escucha consejos (EC), un programa hipottico que podra considerarse como el primer sistema de IA completo. Al igual que el TL y el DTG, el programa fue diseado para la bsqueda de solucin de problemas. Minsky supervis el trabajo de estudiantes, quienes eligieron problemas limitados cuya solucin pareca requerir de la inteligencia. Estos dominios limitados vinieron a ser conocidos como micromundos. El programa SAINT de James Slagle (1963) fue capaz de resolver problemas de integracin de forma cerrada comunes en los curso de clculo de primer ao de licenciatura. El programa ANALOGY de Tom Evans (1968) resolva problemas de analoga geomtrica que se aplicaban en las pruebas de medicin de inteligencia.

Rosenblantt demostr el famoso teorema de convergencia del perceptrn, con lo que mostr que su algoritmo de aprendizaje poda ajustar las intensidades de conexin de un perceptr para que correspondiera a cualquier dato de entrada, siempre y cuando tal correspondencia fuese factible. Una dosis de realidad(1966-1974) Desde el principio, los investigadores de IA expresaron sus predicciones sobre el xito futuro que les aguardaba. En 1958, se predijo que en el lapso de 10 aos una computadora llegara a ser campeona de ajedrez, y sera posible realizar mediante la mquina la demostracin de un nuevo e importante teorema matemtico. El tiempo permiti constatar que afirmaciones como las anteriores eran muy optimistas. El obstculo que enfrent la mayora de los proyectos de investigacin en IA consisti en que aquellos mtodos que demostraban funcionar en uno o dos ejemplos sencillos, fallaban rotundamente cuando se utilizaban en problemas ms variados o de mayor dificultad. El primer tipo de obstculo se origin en los antiguos programas, los cuales contaba con poco o ningn conocimiento de la materia objeto de estudio; lograban resultados gracias a la realizacin de sencillas manipulaciones sintcticas. La mayora de los primeros programas de IA se basaban en la representacin de las caractersticas bsicas de un problema y se sometan a prueba diversos pasos, hasta que se llegara a encontrar aquella combinacin de stos que produjeran la solucin esperada. Esto funcion en los primeros programas debido a que los micromundos con que se trabajaba contenan muy pocos objetos. Antes de que surgiera la teora de la completitud-NP, se crea que para pasar de problemas sencillos a complejos bastara con instalar hardware ms veloz y memoria de mayor capacidad. Los primeros experimentos en el campo de la evolucin de mquina o computadora (actualmente conocidos como algoritmos genticos) estaban basados en la sin duda premisa de que efectuando una adecuada serie de pequeas mutaciones a un programa de cdigo de mquina se podra generar un programa con buen desempeo en la realizacin de cualquier tarea sencilla. La incapacidad para manejar la explosin combinatoria fue una de las principales crticas que se hicieron a la IA en el informe Lighthill, informe en el que se bas la decisin del gobierno britnico de retirar la ayuda a las investigaciones sobre IA. Sistemas basados en el conocimiento (1969-1979) La naturaleza de la resolucin de problemas durante la primera dcada de la investigacin en IA resida en un mecanismo de bsqueda de propsito general en el que se entrelazaban pasos de razonamiento elementales para encontrar as soluciones completas. A estos procedimientos se les ha denominado mtodos dbiles, debido a que la informacin sobre el dominio con que cuentan es dbil. La nica forma de remediarlo es recurrir al uso del conocimiento adecuado a pasos de razonamiento ms amplios, y resolver casos recurrentes en limitadas reas de la experiencia. El programa DENDRAL, constituye uno de los primeros ejemplo de este enfoque. Fue diseado en Standford, donde Ed Feigenbaum, Bruce Buchanan y Joshua Lederberg,

colaboraron en la solucin del problema de inferir una estructura molecular a partir de la informacin proporcionada por un espectrmetro de masas. La trascendencia de DENDRAL fue la de ser el primer sistema de conocimiento intensivo que lograba funcionar: sus conocimientos se basaban en importantes cantidades de reglas para propsitos especiales. Teniendo presente esta leccin, Feigenbaum y otros, en Standford, dieron inicio al proeycto de Programacin Heurstica, PPH (HPP, Heuristic Programming Project), dedicando a determinar el grao con el que la nueva metodologa de los sistemas expertos poda aplicarse a otras reas de la actividad humana. El siguiente esfuerzo de consideracin se dio en el rea del diagnstico mdico. Feigenbaum, Buchanan y el doctor Edgard Shortliffe disearon el programa MYCIN, para el diagnstico de las infecciones sanguneas. Con un respaldo de 450 reglas, MYCIN era capaz de hacer diagnstico tan buenos como los de un experto y, desde luego, mejores que los de un mdico recin graduado. La IA se convierte en una industria (1980) El primer sistema experto comercial, R1, inici sus actividades en Digital Equipment Corporation. El programa se utilizaba en la elaboracin de pedidos de nuevos sistemas de computacin. Para 1986 representaba para la compaa ahorros estimado en 40 millones de dlares al ao. En 1981 los japoneses anunciaron el proyecto de la quinta generacin, un plan de 10 aos para construir computadoras inteligentes en los que se corriese Prolog, de manear idntica a como las computadoras comunes corren cdigo mquina. La idea era que, con la capacidad para efectuar millones de inferencias por segundo, las computadoras podran aprovechar las inmensas reservas de reglas. El proyecto de la quinta generacin suscit el inters en IA, y aprovechando el termo a un posible dominio por parte de los japoneses, investigadores y empresas obtuvieron apoyo para una inversin semejante en Estados Unidos. Se fund Microelectronic and Computer Technology Corporation (MCC), como consorcio para contrarrestar al proyecto japons.

1.2. HABILIDADES COGNOSCITIVAS Las Habilidades Cognitivas son un conjunto de operaciones mentales, cuyo objetivo es que el estudiante integre la informacin adquirida a travs de los sentidos, en una estructura de conocimiento que tenga sentido para l. El concepto de Habilidad Cognitiva es una idea de la Psicologa Cognitiva que enfatiza que el sujeto no slo adquiere los contenidos mismos sino que tambin aprende el proceso que us para hacerlo: aprende no solamente lo que aprendi sino como lo aprendi. TEORAS DE LA INTELIGENCIA La inteligencia se estudia desde diversos enfoques o perspectivas tericas, entre las principales estn: A) Enfoque psicolgico, en el que se consideran los fundamentos biolgicos, los fisiolgicos, los neurolgicos, los bioelctricos y los bioqumicos de la inteligencia. B) La perspectiva experimental del pensamiento y de la conducta inteligente, la cual tiene diversas tendencias: La introspectiva de la intencionalidad y las representaciones mentales. La teora de la Gestalt, que subraya la reorganizacin perceptiva generadora de la comprensin. Los diversos funcionalismos que conciben la inteligencia como adaptacin a situaciones nuevas. C) El enfoque gentico. D) La perspectiva diferencial, la cual se refiere a las teoras que estudian las variaciones de la inteligencia a partir de las diferencias entre los individuos y los grupos: 1.- Teoras psicometrcas. 2.- Teoras factoriales. 3.- Teoras sociales. 4.- Teoras culturales. 5.- Teoras ecolgicas. Esta pluralidad de teoras, refleja las numerosas facetas y la multi-lateralidad de la inteligencia, por lo que es indispensable el esfuerzo de coordinacin entre ellas. Sin ser definitivo, se puede considerar a la inteligencia como un sistema jerarquizado de procesos y estrategias cognitivos debidos a la interaccin entre la herencia, la organizacin cerebral, la conducta y el entorno social que le permiten resolver problemas y desarrollar la creatividad. La inteligencia nos hace humanos Este planteamiento da lugar a confusiones conceptuales y controversias, debido a que, si bien es cierto que los animales tienen inteligencia, la diferencia entre estos y el hombre radica precisamente en el perfeccionamiento de esta funcin en la forma racional propia del ser humano, es decir la inteligencia racional sita al ser humano como la especie ms evolucionada del reino animal, sin embargo, la afirmacin anterior puede conducir a mltiples refutaciones si se analizan otros aspectos, pues, a pesar de que la inteligencia racional es una caracterstica exclusiva del ser humano, hay quienes consideran que es solamente uno de los muchos factores que determinan su naturaleza. Aunque la posicin de Gardner, va ms all y propone que la inteligencia humana no es una entidad slida, nica y general, sino que es posible hablar de 7 tipos de inteligencias humanas, cada una con procesos cognitivos particulares y con historias de desarrollos

diferentes, todo individuo tendra un perfil intelectual dependiendo de su fortaleza y debilidades en cada una de ellas. Las inteligencias que propone son: 1.- Musical. 2.- Lingstica. 3.- Lgica matemtica. 4.- Especial: La capacidad para resolver problemas o actuar creativamente en la organizacin del espacio. 5.- Interpersonal: Implica el conocimiento de las dems. 6.- Intrapersonal: Implica el conocimiento de uno mismo. 7.- Cinestsico - Corporal: La capacidad para crear con el movimiento corporal. Por otra parte, a partir del surgimiento de las computadoras, se ha visto la posibilidad de considerar las actividades de estos como una manifestacin de inteligencia. Entre los objetivos de la inteligencia artificial, est el disear una computadora capaz de aprender de la experiencia. 1.3. EL RAZONAMIENTO LGICO: Es un proceso discursivo que sujeto a reglas o preceptos se desarrolla en dos o tres pasos y cumple con la finalidad de obtener una proposicin de la cual se llega a saber, con certeza absoluta, si es verdadera falsa. Adems cada razonamiento es autnomo de los dems y toda conclusin obtenida es infalible e inmutable. 1.4. EL MODELO DE ADQUISICIN DEL CONOCIMIENTO SEGN LA FILOSOFA El filsofo griego Aristteles fue uno de los primeros que intentara codificar la manera correcta de pensar. Sus famosos silogismos son esquemas de estructuras de argumentacin mediante las que siempre se llega a conclusiones correctas si se parte de premisas correctas. Por ejemplo: Scrates es un hombre; todos los hombres son mortales; por lo tanto, Scrates es mortal. Dichas leyes del pensamiento deban gobernar la manera de operar de la mente. As se inaugur el campo de la lgica. El desarrollo de la lgica formal a fines del siglo XIX y a principios del XX, permiti contar con una notacin precisa para representar aseveraciones relacionadas con todo lo que existe en el mundo, as como sus relaciones mutuas. Ya para 1965 existan programas que, contando con tiempo y memoria suficientes, podan describir un problema en notacin lgica y encontrarle solucin, siempre y cuando sta existiese. Este enfoque presenta dos obstculos. En primer lugar, no es fcil recibir un conocimiento informal y expresarlo en los trminos formales que exige la notacin lgica, especialmente cuando el conocimiento tiene menos de 100% de certidumbre. En segundo lugar, hay una gran diferencia entre la posibilidad de resolver un problema en principio, y realmente hacerlo en la prctica. Incluso problemas que entraan una docena de elementos agotaran la capacidad de cmputo de cualquier computadora a menos que se cuente con lineamientos sobre los pasos de razonamiento que hay que utilizar primero. Si bien los dos obstculos anteriores estn presentes en todo intento de construir sistemas de razonamiento computacional, fue en la tradicin logicista en donde surgieron por vez primera debido a que la capacidad de los sistemas de representacin y de razonamiento est bien definida y estudiada a profundidad.

1.5. EL MODELO COGNOSCITIVO Para poder afirmar que un programa determinado utiliza algn tipo de razonamiento humano, previamente habr que definir cmo piensan los seres humanos. Habr que penetrar en el funcionamiento de la mente humana. Hay dos formas de hacer esto: mediante la introspeccin(para intentar atrapar nuestros propios pensamientos conforme stos se van dando) o mediante la realizacin de experimentos psicolgicos. Una vez que se cuenta con una teora bastante precisa de la mente, puede procederse a expresar tal teora en un programa de computadora. Si los datos de entrada/salida del programa y la duracin de tiempo de su comportamiento corresponde a los de la conducta humana, existe evidencia de que algunos de los mecanismos del programa tambin funcionan en los seres humanos. En el caso de Newell y Simon, creadores del SGP, solucionador general de problemas, no bast con que su programa resolviera correctamente los problemas propuestos. Lo que les interesaba fundamentalmente era seguir la pista de los pasos de razonamiento y compararla con la ruta seguida por sujetos humanos a los que se propuso los mismos problemas. Esta actitud contrasta fuertemente con la de otros investigadores de la misma poca, a quienes les importaba la obtencin de respuestas correctas independientemente de cmo las obtendra un ser humano. En el campo interdisciplinario de la ciencia cognitiva concurren modelos computacionales de IA y tcnicas experimentales de psicologa para intentar elaborar teoras precisas y verificables del funcionamiento de la mente humana. La IA y la ciencia cognoscitiva siguen intercambiando diversas aportaciones, especialmente en reas de la vista, lenguaje natural y aprendizaje.

1.6. EL MODELO DEL AGENTE INTELIGENTE Actuar racionalmente implica actuar de manera tal que se logren los objetivos deseados, con base en ciertos supuestos. Un agente es algo capaz de percibir y actuar. De acuerdo con este enfoque, se considera la IA como el estudio y construccin de agentes racionales. En el caso del enfoque de la IA segn las leyes del pensamiento, todo el nfasis se pona en hacer inferencias correctas. La obtencin de estas inferencias a veces forma parte de lo que se considera un agente racional, puesto que una manera de actuar racionalmente es el razonamiento lgico que nos asegure la obtencin de un resultado determinado, con lo que se actuar de conformidad con tal razonamiento. Sin embargo, el efectuar una inferencia correcta no siempre depende de la racionalidad, pues existen situaciones en las que no existe algo que se pueda considerar lo que correctamente debera hacerse, y sin embargo hay que decidirse por un curso de accin. Existen tambin maneras de actuar racionalmente que de ninguna manera entraan inferencia alguna. Por ejemplo, el retirar la mano de un horno caliente es un acto de reflejo mucho ms eficiente que una tarda actuacin emprendida despus de una cuidadosa delibracin. Todas las habilidades cognoscitivas que se necesitan en la prueba de Turing permiten emprender acciones racionales. Por lo tanto, es necesario contar con la capacidad para representar el conocimiento y razonar con base en l, pues de esta manera se podrn tomar decisiones correctas en una amplia gama de situaciones. Es necesario ser capaces de generar oraciones comprensibles en lenguaje natural, puesto que la enunciacin de tales oraciones nos permiten desenvolvernos en una sociedad compleja. El aprendizaje no se emprende slo por erudicin, sino porque el profundizar en el conocimiento de cmo funciona el mundo facilitar concebir mejores estrategias para manejarse en l.

Estudiar la IA adoptando el enfoque del diseo de un agente racional ofrece dos ventajas. Primera es ms general que el enfoque de las leyes del pensamiento, dado que el efectuar inferencias correctas es slo un mecanismo til para garantizar la racionalidad, pero no es un mecanismo necesario. Segunda, es ms afn a la manera como se ha producido el avance cientfico que los enfoques basados en la conducta o pensamientos humanos, toda vez que se define claramente lo que ser la norma de la racionalidad, norma que es de aplicacin general. Por el contrario, la conducta humana se adapta bien slo en un entorno especfico y, en partes, es producto de un proceso evolutivo complejo y en gran parte ignoto, cuya perfeccin todava se ve distante. Hay que tener muy presente desde ahora: que ms tarde que temprano podr constatarse que lograr la racionalidad perfecta siempre hacer lo correcto- no es posible en entornos complejos. El cmputo que implican es excesivo.

1.7. BSQUEDA HEURSTICA


Existen algunos problemas en los que resulta imposible explorar el rbol del espacio de estados pues resulta en una explosin combinatoria. Por ej. en el problema del viajante, se debe encontrar la ruta mnima entre N ciudades a visitar. Si se aplica cualquiera de los dos algoritmos de bsqueda anteriores, nos encontramos ante un costo computacional no polinomial O(N!). Una heurstica es una tcnica que aumenta la eficiencia de un proceso de bsqueda. El objetivo es guiar al proceso de bsqueda en la direccin ms provechosa sugiriendo el camino a seguir cuando hay ms de una opcin. Las heursticas pueden ser: generales: son adecuadas para una amplia variedad de dominios. Por ej. la heurstica del vecino ms prximo (nearest neighbor) se aplica a muchos problemas combinatorios. En el ejemplo del problema del viajante, se comienza por una ciudad arbitraria continuando en cada paso por la ciudad ms cercana no visitada. Esto resulta en una reduccin del costo computacional a O(N2). de propsito especial: explotan el conocimiento especfico de un dominio para resolver problemas particulares. Las heursticas pueden sacrificar la completitud, es decir, pueden pasar por alto una buena solucin. Sin embargo, existen varios argumentos a favor de usarlas: Sin el uso de heursticas se puede tener una explosin combinatoria. En muchos casos no se necesita la solucin ptima sino una buena aproximacin. Segn Simon (1981), las personas resuelven problemas "satisfaciendo" y no "optimizando". Las aproximaciones que se logran con heursticas pueden ser malas para los peores casos de un problema, pero stos raramente sedan en el mundo real. El esfuerzo de intentar comprender por qu funciona o no una heurstica sirve para profundizar en la comprensin del problema. Las heursticas se pueden incorporar a un proceso de bsqueda basado en reglas de dos maneras: Dentro de las mismas reglas. Por ej. en el ajedrez, las reglas pueden describir, adems de los movimientos legales, tambin las buenas jugadas. Como una funcin que evala estados determinando su grado de "deseable". Esta funcin evala aspectos del problema dando pesos a aspectos individuales, de manera que el valor que devuelve es una estimacin de que el nodo pertenece a la ruta que conduce a la

mejor solucin. Por ej. en el ajedrez se puede tener una funcin a maximizar la cual devuelve el nmero de piezas de ventaja; en el problema del viajante se puede tener una funcin a minimizar la cual devuelve la suma de distancias recorridas; en el tres en raya se puede tener una funcin que compute un punto por cada ficha en cada fila, columna o diagonal que se pueda ganar. En conclusin, las heursticas representan el conocimiento general y especfico del mundo, que hace que sea abordable solucionar problemas complejos.

http://www.wikilearning.com/cuando_las_maquinas_aprenden-wkc-5132.htm http://www.javeriana.edu.co/cursos/ntae/modelos.htm http://www.sia.eui.upm.es/grupos/IntroAI.pdf http://www.elprofesionaldelainformacion.com/contenidos/1999/abril/agentes_inteligentes_defi nicion_y_tipologia_los_agentes_de_informacion.html http://dmi.uib.es/~abasolo/intart/1-introduccion.html http://www.monografias.com/trabajos/iartificial/bienvenida.htm http://www.thaisyjosef.com/inteligencia/teoriasinteligencia/teoriasinteligencia.htm http://club.telepolis.com/juvenalbl/Habilidades.htm http://www.monografias.com/trabajos45/ciencia-logica/ciencia-logica.shtml