Ao Ao de la Inversin para el Desarrollo Rural y la Seguridad Alimentaria

FACULTAD DE INGENIERIA DE SISTEMAS

Curso Tema Docente Integrantes : : : : I.A. y Robtica Problemas Bsicos de la I.A. Ing. Paco Mrquez Urbina Crdova Farfn Carlos Davis Flores Arce Huamani Huamancha Kety Pea Gmez Vernica Vsquez Paredes Pablo

Ciclo

ICA - PER

Inteligencia Artificial

Elementos bsicos de la Inteligencia Artificial

Al igual que en la informtica convencional, en la Inteligencia artificial tenemos una serie de elementos peculiares que la caracterizan y la diferencian. Para Nilsson son cuatro los pilares bsicos en los que se apoya la Inteligencia Artificial, los cuales sern analizados a continuacin. Bsqueda heurstica. Podemos definir una heurstica como un truco o estrategia que limita grandiosamente la bsqueda de soluciones ante grandes espacios de problemas. Por lo tanto ante un problema, no ayuda a seleccionar las bifurcaciones, dentro de un rbol, con ms posibilidades, con ello se restringe la bsqueda aunque no siempre se garantiza una solucin adecuada. Todo lo que se debe tener para que una heurstica sea adecuada es que nos proporcione soluciones que sean lo suficientemente buenas. Adems utilizando la heurstica, no ser necesario replantear un problema cada vez que se afronte, ya que si lo hemos planteado anteriormente, sta sugerir la forma en que se ha de proceder para resolverlo. Representacin del conocimiento. La representacin es una cuestin clave a la hora de encontrar soluciones a los problemas planteados, y que adems stas sean adecuadas. Si analizamos ms detenidamente el trmino y adems dentro de la Informtica, y ms concretamente dentro de la Inteligencia Artificial, encontramos varias definiciones, como pueden ser las siguientes: segn Barr y Feigenbaum, la representacin del conocimiento es una combinacin de estructuras de datos y procedimientos de interpretacin que, si son utilizados correctamente por un programa, ste podr exhibir una conducta inteligente. La opinin de Farias y Verdejo ser que la Inteligencia Artificial tiene como objetivo construir modelos computacionales que al ejecutarse resuelvan tareas con resultados similares a los que obtenida una persona. Por ello, el tema central de

esta disciplina es el estudio del conocimiento y su manejo. Y por ultimo la opinin de Buchanan y Shortliffe apunta a que la Representacin del Conocimiento en un programa de Inteligencia Artificial significa elegir una serie de convenciones para describir objetos, relaciones, y procesos en el mundo. Gran parte del esfuerzo realizado en la consecucin de ordenadores inteligentes, segn Rahael, ha sido caracterizado por el intento continuo de conseguir mas y mejores estructuras de representacin del conocimiento, junto con tcnicas adecuadas para su manipulacin, que permitiesen la resolucin inteligente de algunos de los problemas ya planteados. Otra caracterstica a resaltar, es la inclusin en los programas de Inteligencia artificial, aunque por separado, de los conocimientos y la unidad que controla y dirige la bsqueda de soluciones. Dada esta disposicin, en estos programas se hace fcil la modificacin, ampliacin y actualizacin de los mismos. Hemos de tener en cuenta que un programa de Inteligencia Artificial, tiene toda la informacin interconectada e interrelacionada, y estas interconexiones se utilizaran para representar relaciones unidas al conocimiento genrico sobre el problema planteado. Para que un problema sea tratado adecuadamente, sabiendo que no es fcil la representacin del conocimiento en un entorno concreto, hemos de elegir un esquema de representacin acorde con la naturaleza del dominio de conocimiento donde se vaya a trabajar.

Sentido comn y lgica

El razonamiento que puede tener cualquier persona, ha demostrado ser una de las cosas ms difciles de modelar dentro de un ordenador. El sentido comn, a menudo nos ayuda a prever multitud de hecho y fenmenos corrientes, pero como ya hemos dicho es muy complicado representarlos en un ordenador ya que los razonamientos, son casi siempre inexactos, dado que sus conclusiones y reglas en las que se basan solamente son aproximadamente verdaderas.

Lenguajes, entornos y herramientas de Inteligencia Artificial

En la Inteligencia Artificial, se han desarrollado diferentes lenguajes especficos para los diferentes campos de aplicacin. Estos lenguajes en su mayora cuentan con una serie de caractersticas comunes que podemos resumir de la siguiente forma: Este tipo de software ofrece una gran modularidad.

Poseen gran capacidad de tomar decisiones de programacin hasta el ltimo momento, es decir cuando el programa ya esta ejecutndose. Ofrecen grandes facilidades en el manejo de listas, y esto es importante, ya que las listas son la estructura ms habitual usada par la representacin del conocimiento en la Inteligencia Artificial. Facilitan la realizacin de ciertos tipos de deduccin automtica permitiendo tambin, la creacin de una base de hechos, que es el lugar donde se recogen los datos iniciales del problema a resolver y tambin los resultados intermedios una vez obtenidos. Permite el uso simultneo de estructuras que incorporan conocimiento declarativo y conocimiento procedimental. Tienen una marcada orientacin grfica. Adems, las herramientas de Inteligencia artificial, permiten hacer un seguimiento de todos los cambios realizados a lo largo de toda la sesin Disponen herramientas capaces de desarrollar programas que son capaces de comprender otros programas y tambin de realizar modificaciones sobre ellos.

Problemas Bsicos de la Inteligencia Artificial

Para construir un Sistema Bsico de Inteligencia Artificial capaz de resolver problemas, es necesario realizar las siguientes acciones. Definir en forma precisa el problema incluyendo sus especificaciones. Analizar el Problema de principio a fin. Identificar y representar el conocimiento que es necesario para resolver el problema. Escoger la mejor tcnica y explicarla para resolver un problema.

Problemas bsicos de la Inteligencia Artificial Distribuida

Los problemas bsicos que estudia la IAD [BOND 1988] que sern comunes a todos los sistemas son: Cmo formular, describir, descomponer y asignar problemas y cmo sintetizar los resultados en un grupo de agentes inteligentes. Cmo capacitar a los agentes para que se comuniquen e interacten, es decir, qu tipo de lenguaje y qu protocolos de comunicacin utilizarn, qu y cundo se comunicarn, etc. Cmo asegurar que los agentes acten coherentemente a la hora de tomar decisiones o de ejecutar una accin, equilibrando los efectos globales de las decisiones locales y evitando interacciones perjudiciales;

 Cmo disear los agentes individuales de manera que puedan representarse y razonar acerca de las acciones, los planes y el conocimiento de otros agentes, de modo que puedan coordinarse. Cmo reconocer onocer y reconciliar puntos de vista diferentes e intenciones conflictivas. Cmo utilizar tcnicas de ingeniera de software y desarrollar sistemas con IAD

reas de trabajo de la IAD

Los anteriores problemas bsicos que intenta atacar la IAD se solucionan solucio mediante diferentes teoras que se ven reflejadas en distintas reas de trabajo, las cuales se pueden descomponer en cuatro perspectivas (figura 1) [IGLE 1998].

Figura 1. reas de trabajo de la Inteligencia Artificial Distribuida. Adaptado de [IGLE 1998]. Perspectiva de grupo Estudia las teoras y tcnicas que caracterizan a un grupo de agentes, es decir los mtodos necesarios para formar una sociedad de agentes para que exista cierto grado de planeacin, coordinacin, comunicacin y coherencia entre sus entidades. Estas teoras, teora tcnicas o mtodos se explicarn detalladamente en la leccin 1.2. Perspectiva de agente Estudia la entidad agente, arquitecturas para desarrollo de agentes, lenguajes para desarrollo y comunicacin de agentes, clasificacin de tipo comercial y estructural, estruc adems

como puede este cooperar en la sociedad de agentes. Estos temas se vern con mayor detalle en la leccin 1.3. Perspectivas Particulares Estudia las relaciones existentes de campos de la informtica como la IA, Ingeniera de Software con la IAD. Por ejemplo sistemas de informacin abiertos que reaccionan a casos imprevistos, por lo que son inconsistentes, asncronos, concurrentes, con control descentralizado; ecosistemas para evaluar un agente o la sociedad de agentes en base a una analoga ecolgica y ver como esta evoluciona con el paso de las iteraciones; ingeniera de software basada en agentes los agentes encapsulan los programas y mediante la definicin de unas primitivas, permiten el intercambio de rdenes y datos entre los programas [IGLE 1998]. En este proyecto se utilizaran algunos campos de IA para relacionarlos con los agentes como: algoritmos genticos para desarrollar el ecosistema de agentes y la recuperacin de informacin. Perspectivas del diseador Estudia metodologas y herramientas para poder desarrollar software basado en agentes. Las metodologas asisten al desarrollador de sistemas de IAD en el ciclo de vida, y las herramientas le sirven en la implementacin de dichos sistemas.