INTELIGENCIA ARTIFICIAL Y
APRENDIZAJE AUTOMÁTICO
SOBRE EL EXPOSITOR
Doctor en Ciencias Cognitivas por el Instituto Nacional Politécnico de
Grenoble, Francia (2001).
Maestro en Ciencias Computacionales por el CENIDET, México (1995) .
Ingeniero Civil por el Instituto Tecnológico de Zacatepec, México (1983).
Miembro del Sistema Nacional de Investigadores desde 2002.
Desde 1985 ha sido profesor en los niveles de bachillerato, licenciatura y
actualmente de maestría y doctorado.
Profesor honorario de la Universidad Rey Juan Carlos de España.
Ha publicado varios artículos en congresos nacionales e internacionales y
en revistas especializadas.
Invitado como ponente a varios eventos nacionales e internacionales.
Actualmente trabaja como investigador en el grupo Inteligencia Artificial
del CENIDET, donde dirige un proyecto en el cual se estudian los procesos
de aprendizaje automático, bajo la perspectiva de los sistemas híbridos. En
este proyecto se encuentra dirigiendo tesis de maestría y doctorado.
Subdirector Académico del CENIDET.
DVP del IEEE para Latinoamérica.
PLAN DE LA PRESENTACIÓN
TEMA 1
EL APRENDIZAJE EN LOS SERES
HUMANOS Y EN LOS SISTEMAS
ARTIFICIALES
INTELIGENCIA
HUMANA
Facultad de comprender, de conocer. Aptitud de
establecer relaciones entre las percepciones
sensoriales o para abstraer y asociar conceptos.
ARTIFICIAL (I.A.)
Campo de estudio que se enfoca a la explicación y
emulación de la conducta inteligente en función de
procesos computacionales.
QUÉ ESPERAMOS DE UN
SISTEMA INTELIGENTE
Una computadora “inteligente” debería ser capaz de
realizar algunas funciones “inteligentes” tales como:
VEAMOS ALGUNOS
EJEMPLOS DE SISTEMAS QUE
APRENDEN . . .
VIDEOS
Torneo de robots futbolistas
El robot QRIO
QUÉ ES EL
APRENDIZAJE
EL APRENDIZAJE EN LA PSICOLOGÍA
- Caminar
Instinto - Volar Cuando hay un
o propósito, SI es
- Nadar
madurez
aprendizaje
biológica - Comer, etc.
- Psicología cognitiva
- Didáctica y ciencias de la educación
- Psicología animal
- Neurociencias
Disciplinas
- Neuropediatría
implicadas
- Psicopatología del niño
- Historia y antropología
- Inteligencia Artificial
EL APRENDIZAJE EN LA I.A.
TEMA 2
ÁREAS DE LA INTELIGENCIA
ARTIFICIAL (I.A.)
Base de conocimientos
RECONOCIMIENTO
Clase 1
Vector de
características
Imagen de entrada
(X1,1, X1,2, . . . X1,n)
Clasificador
Clase 2
Clase 3 •
•
(X1, X2, . . . Xn) •
4,3
A B
C 4,0 0,3
D
E
1,3
0,3 1,0
(Xm,1, Xm,2, . . .Xm,n)
4. APRENDIZAJE AUTOMÁTICO
Aprendizaje :
Prueba y error
Por experiencia
Mediante árboles de
identificación
Redes neuronales
Evolución simulada
5. RAZONAMIENTO AUTOMÁTICO
PROBLEMA
Heurística
Algoritmo
I.A. SI !!
NO !!
6. ROBÓTICA
La robótica da a la IA el medio para exhibir al mundo real
la “inteligencia” necesaria para manipular su medio ambiente.
La robótica da a la mente artificial, un cuerpo.
TEMA 3
APLICACIONES DE LA I.A.
APLICACIONES
Procesamiento de imágenes aéreas y de satélites.
Análisis de imágenes médicas.
Reconstrucciones tridimensionales.
Visión industrial para el ensamblado e inspección
de productos.
MÁS APLICACIONES
Identificación de personas.
Construcciones inteligentes.
Interfaces inteligentes.
TEMA 4
TENDENCIAS DE LA I.A.
TENDENCIAS DE LA IA
Prueba de Turing
Deep blue (ajedrez ‘97).
Copa mundial de robots
(Robocup).
Aplicaciones de
procesamiento en paralelo.
Knowbots.
Web inteligentes.
Recuperación de
información.
Vehículos autónomos.
MÁS TENDENCIAS DE LA IA
Vida artificial (Alife) : pretende
reproducir el comportamiento de los seres
vivos, para :
Entender, analizar el fenómeno de
la vida.
Iniciar
Iniciar con reglas de producción y
estudiar comportamientos.
TEMA 5
APRENDIZAJE
AUTOMÁTICO ARTIFICIAL
La mente es La mente es
un gran una gran red
manipulador de neuronas
de símbolos al trabajando en
igual que una paralelo
computadora
N P
simbólicas x contiene pista(s) Y
P N
P= 2 N= 3
N= 2 P= 3
x contiene aviones Y
x contiene edificios(s) Y
(algunos) aviones apuntan al(los)
edificio(s),
ENTONCES x es una imagen de un
aeropuerto comercial.
Problema similar
Problema
Razonamiento
Solucion adaptada basado en casos
Solucion
SEE5 A
9
F
9
(Construye árboles de
decisión o reglas a
partir de datos
numéricos)
SI x es una imagen Y
x contiene pista(s) Y
x contiene aviones Y
x contiene edificios(s) Y
S.E.
(algunos) aviones apuntan al(los)
edificio(s),
ENTONCES x es una imagen de un EXSYS
aeropuerto comercial.
(Construye sistemas
expertos a partir de
reglas)
>7 <= 7
A=9
PESO F=9
B
13 <= 67 > 67
A F
9 9
Función de activación
(Regulación de la salida)
Fct
(Net)
i
Net = Σ Wi . Xi+Biais
N
Activación (Suma el
conjunto de entradas y sus
pesos asociados)
capa de Unidad j
salida Pesoij
capa Unidad i
oculta
capa de
entrada
APRENDIZAJE CONEXIONISTA
El aprendizaje es un proceso gradual e iterativo, donde los
pesos de la RNA son modificados según una regla de
aprendizaje antes de alcanzar sus valores finales.
Detener
cuando el
error global
< error
aceptado
1 2 4 2 5 1 1
1 2 4 2 5 1 1
2 2 4 2 5 1 2
1 0 2 2 2 1 2
3 2 6 2 25 2 1
1 0 4 2 1 1 2
4 4 18 5 2 3 1
X Y Clase A A A A
A
1 1 A A A A
B B A
A
2 1 A Clase B A A A
B A
-3 -1 B A
B A A
-2 -3 B B
B A
A A
A B A
4 2 A B
0 0 B wi w w wn B B A B A B A
3 3 A B B B
-1 -3 B B B
B B
B B
... ... ... B B B
X Y B
B A
EJEMPLO DE No
1
Estatura
168
IQ
150
Peso A.Ment. Resist Veloc.
58 8 6
Clase
4 ajedrecista
SISTEMA 2
3
4
176
180
188
148
110
115
62
98
104
9
6
7
7
6
5
5 ajedrecista
9 futbolista
9 futbolista
CONEXIONISTA 5
6
192
196
100
120
85
97
5
6
9
8
5 basquetbolista
4 basquetbolista
7 200 105 94 4 8 6 basquetbolista
QUE APRENDE 8
9
204
168
120
150
100
58
6
8
9
6
4 basquetbolista
4 ajedrecista
10 180 110 98 6 6 9 futbolista
11 184 120 100 6 4 8 futbolista
12 188 115 104 7 5 9 futbolista
BRAINMAKER 13
14
15
192
196
200
100
120
105
85
97
94
5
6
4
9
8
8
5 basquetbolista
4 basquetbolista
6 basquetbolista
16 204 120 100 6 9 4 basquetbolista
(Aprende a reconocer o clasificar 17
18
160
166
150
145
58
67
8
9
6
5
4 ajedrecista
6 ajedrecista
objetos a partir de datos 19 167 148 62 9 7 5 ajedrecista
numéricos) 20 179 110 98 6 6 9 futbolista
21 191 100 85 5 9 5 basquetbolista
22 170 150 58 8 6 4 ajedrecista
Ajedrecista = 1 23
24
169
173
145
148
67
62
9
9
5
7
6 ajedrecista
5 ajedrecista
25 182 110 98 6 6 9 futbolista
26 186 120 100 6 4 8 futbolista
Futbolista = 2 27 182 115 104 7 5 9 futbolista
28 197 100 85 5 9 5 basquetbolista
29 198 120 97 6 8 4 basquetbolista
Basquetbolista = 3 30
31
204
200
105
120
94
100
4
6
8
9
6 basquetbolista
4 basquetbolista
TEMA 6
CONCLUSIONES
CONCLUSIONES
¿Cómo es posible que un diminuto y lento cerebro tenga
capacidad para percibir, comprender, predecir y manipular un
mundo que en tamaño y complejidad lo excede a creces?
GRACIAS !!!
Cenidet:
www.cenidet.edu.mx