Inteligencia Artificial Por: Marvin Daniel Canales 021101018 Qu es la IA?

4 enfoque Un sistema es racional si hace lo correcto en funcin de conocimiento el enfoque centrado en el comportamiento humano debe ser una ciencia emprica que incluya hiptesis y confirmaciones mediante experimentos. El enfoque racional implica una combinacin de matemtica e ingeniera. Sistemas que piensan como como humanos

Computadores que piensen como un ser humanos maquinas con mentes el ms amplio sentido literal. La automatizacin actividades que vinculamos con procesos de pensamientos humanos toma de decisiones resolucin de problemas aprendizaje. Sistemas que piensan racionalmente

El estudio de las facultades mentales mediante el uso de modelos computacionales el estudio que hacen los clculos posibles percibir, razonar, actuar. Sistemas que actan como humanos

El arte de desarrollar maquinas con capacidad para realizar funciones que cuando son realizadas por personas requieren inteligencia. Sistemas que actan racionalmente

La inteligencia computacional el estudio de diseo de agentes inteligentes est relacionado con conductas inteligentes en artefactos. Comportamiento humano: el enfoque de la prueba de turing La prueba de turing: se dise para proporcionar una definicin operacional y satisfactoria de inteligencia. El computador debe poseer las siguientes capacidades: 1. Procesamiento de lenguaje natural.

2. 3. 4. 5. 6.

Representacin del conocimiento. Razonamiento matemtico Aprendizaje automtico Visin computacional Robtica

Pensar como un humano: el enfoque del modelo cognitivo Para que un programa piense como un humano debe contarse con un mecanismo para determinar cmo piensan los humanos. Para eso es necesario penetrar en el funcionamiento de la mente humana hay dos maneras de hacerlo: Mediante introspeccin Mediante experimentos psicolgicos En el campo interdisciplinario de la ciencia cognitiva convergen modelos computacionales de IA y tcnica experimentales psicolgicas intentando elaborar teoras precisas y verificables sobre el funcionamiento de la mente humana. La autntica ciencia cognitiva se fundamenta necesariamente en la investigacin experimental en humanos y animales el lector solo tiene uso de un computador Pensamiento racional: el enfoque de las leyes del pensamiento Tradicin logstica: dentro del campo de la IA trata de construir sistemas inteligentes a partir de programas. Este enfoque presenta dos obstculos: No es fcil transformar conocimientos informales y expresarlo en trminos formales que requieren de notacin lgica. Hay una gran diferencia entre poder resolver un problema en principio y hacerlo en la prctica. Actuar de forma racional: el enfoque del agente racional Un agente es algo que razona, un agente informtico tienen otros atributos que se distingan de los programas convencionales, dotados de controles autnomos que perciban su entorno, que persistan durante un periodo de tiempo prolongado, que se adapten a los cambios y que sean capaces de alcanzar objetivos diferentes. Un agente racional: es aquel que acta con la intencin de alcanzar el mejor resultado o cuando hay incertidumbre el mejor resultado esperado. Dos ventajas que ofrece el enfoque de diseo de un agente racional: la primera es ms general que el enfoque que proporciona las leyes del pensamiento dado que el efectuar inferencias correctas es solo uno de los mecanismos existentes para garantizar la racionalidad.

La segunda es mas a fin a la forma en que se ha producido el avance cientfico que los enfoques basados en la conducta o pensamientos humanos, porque la norma de la racionalidad est claramente definida y es de aplicacin general.

Los fundamentos de la inteligencia artificial

Disciplinas para avanzar a la IA hasta el presente: Filosofa Matemticas Economa Neurociencia Psicologa Ingeniera computacional Teora del control y ciberntica Lingstica

Historia de la inteligencia artificial

Gnesis de la inteligencia artificial ao (1943-1955). Warren Mc Culloch y Walter Pitts son los autores del primer trabajo de inteligencia artificial partieron de tres fuentes: Conocimiento de la filosofa bsica Funcionamientos de las neuronas en el cerebro El anlisis formal de la lgica proporcional Teora de la computacin de turing

Marvin Minsky y Dean Edmonds construyeron el primer computador a partir de una red neural.

Nacimiento de la inteligencia artificial (1956) El (TL) terico lgico de Simn afirmaba que se haba creado un programa de computacin capaz de pensar de manera no numrica. Nombre propuesto del cual surgi por McCarthy propuesta fue de inteligencia artificial. La IA se convierte en una industria (1980) En 1981 los japoneses anunciaron el proyecto quinta generacin un plan de diez aos para construir computadoras inteligentes Regreso de las redes neurales desde (1986)

IA se convierte en una ciencia desde (1987) Se fund en parte en el marco de la rebelin en contra de las limitaciones de los campos existentes como la teora del control o la estadstica la IA forma parte del mbito de los mtodos cientficos. Emergencia de los sistemas inteligentes (1995) Agente total agente completo el llamado movimiento situado intenta entender la forma de actuar de los agentes inmersos en entornos reales que disponen de sensores de entradas continuas. El estado del arte Aplicaciones: Planificacin autnoma Juegos Control autnomo Diagnosis Planificacin logstica Robtica Procesamiento de lenguaje y resolucin de problemas AGENTES INTELIGENTES
AGENTES Y SU ENTORNO Un agente es cualquier cosa capaz de percibir su medio ambiente con la ayuda de sensores y actuar en ese medio utilizando actuadores Un agente humano tiene ojos odos y otros rganos vitales sensoriales como mano, piernas bocas entre otras Un agente robot recibe pulsaciones del teclado, archivos de informacin y paquetes va red a modo de entradas sensoriales y acta sobre el medio ambiente con mensajes con el monitor, escribiendo ficheros y enviando paquetes por la red. El termino percepcin se utiliza en este contexto para indicar que le agente puede recibir entradas en cualquier instante. La secuencia de percepciones de un agente refleja el historial completo de lo que el agente ah recibido Dos ideas de un agente.

La funcin de un agente es una descripcin matemtica abstracta el programa de un agente es una implementacin completa que se ejecuta sobre la arquitectura del agente.

Un agente racional es aquel que hace lo correcto Medidas de rendimiento criterios que determinan el xito en el comportamiento del agente cuando se sita un agente en medio este genera una secuencia de acciones de acuerdo con las percepciones que recibe si la secuencia es la deseada entonces el agente habr actuado correctamente. Racionalidad es un momento determinado depende de cuatro factores la medida de rendimiento que define el criterio de xito el conocimiento del medio en el habita cumulado por el agente las acciones que el agente puede llevar acabo la secuencia de percepciones del agente hasta este momento

Omnisciencia, aprendizaje y autonoma Un agente omnisciente conoce el resultado de su accin y acta de acuerdo con el. Sin embargo la omnisciencia no es posible. La racionalidad no es lo mismo que la perfeccin la racionalidad maximiza el rendimiento esperado, mientras la perfeccin maximiza el resultado real. Los agentes con xitos dividen las tareas de calcular la funcin del agente en tres periodos diferentes: cuando se est diseando el agente los diseadores encargados de realizar algunos de estos clculos. Cuando se est pensando en la siguiente operacin el agente realiza ms clculos. Cuando est aprendiendo de la experiencia el agente lleva acabo ms clculos para decidir cmo modificar su forma de comportase.

La naturaleza del entorno Especificacin del entorno de trabajo

Acrnimo R.E.A.S (Rendimiento Entorno Actuadores Sensores) en el diseo de un agente el primer paso debe ser siempre especificar el entorno de trabajo de la forma ms completa posible. Propiedades del entorno de trabajo Dimensiones en las que categorizar los entornos. Se enumeran las dimensiones

Totalmente observables vs parcialmente observable

Un entorno es totalmente observable si los sensores detentan todos los aspectos que son relevantes en las tomas de decisiones la relevancia en cada momentos depende de las medidas de rendimiento Un entorno puede ser parcialmente observable debido al ruido y a la existencia de sensores pocos exactos o porque los sensores no reciben mucha informacin de parte del sistema. Determinista vs estocsticos Si el siguiente estado del medio est totalmente determinado por el estado actual y la accin ejecutada por el agente se dice que es determinista Sin embargo si el medio es parcialmente observable entonces puede ser estocstico. Episdico vs Secuencial Episodio consiste en la perseccion del agente y la realizacin de una nica accin posterior. En entorno secuencial la decisin presente puede afectar a decisiones futuras. Esttico vs Dinmico Discreto VS continuo Agente individual VS multiagente

Estructura de los agentes

Agente= arquitectura + programa El trabajo de IA es disear el agente del programa que implemente la funcin del agente que proyecta las percepciones en las acciones.

Programas de los agentes

Cuatro tipos bsico de programas para agentes que encarna los principios que estn los sistemas inteligentes. Agentes reactivos simples Agentes reactivos basados en modelos Agentes basados en objetivos Agentes basados en utilidad

Resolver problemas mediante bsqueda

Problemas y soluciones bien definidos Un problema puede definirse formalmente por cuatro componentes. El estado inicial en el que comienza el agente Un descripcin de las posibles acciones disponibles por los agentes

El test objetivo Una funcin costo del camino que asigna un costo numrico a cada camino

Formular los problemas

El proceso de eliminar detalles de una representacin se le llama abstraccin Adems de abstraer la descripcin del estado debemos abstraer sus acciones.

Ejemplos de problemas
Metodologa de problemas Un problema de juguetes se utiliza para ilustrar o ejercitar los mtodos de resolucin de problemas. Un problema de mundo-real es aquel en el que le agente se preocupa por sus soluciones.

Bsqueda de soluciones
La raz del rbol de bsqueda es el nodo de bsqueda que corresponde al estado inicial. El primer paso es comprobar si este es un estado objetivo Expandiendo el estado actual es decir aplicando la funcin sucesor al estado actual y generar as un nuevo conjunto de estados Esto es la esencia de la bsqueda llevamos a cabo una opcin y dejamos de lado de las dems para ms tardes en caso de que la primera opcin no conduzca a una solucin El estado a expandir est determinado por la estrategia de bsqueda en el rbol de bsqueda existen un infinito nmero de nodos Hay muchas formas de representar los nodos pero vamos a suponer que un nodo es una estructura de datos en 5 componentes: Estado Nodo padre Accin Costo del camino Profundidad Un nodo es una estructura de datos usada para representar el rbol de bsquedas Un estado corresponde a una configuracin del mundo. Tambin necesitamos representar la coleccin de los nodos que se han generado paro todava no se han expandido a esta coleccin se le llama frontera

La frontera es un nodo hoja es decir un nodo sin sucesores en el rbol La frontera en el rbol consiste en los nodos dibujados con lneas descontinuas La representacin ms simple de frontera seria como un conjunto de nodos Se asumir que la coleccin de los nodos se implementara como una cola la operacin como una cola son como sigue: Hacer cola elemento Vaca cola Primero cola Borrar primero cola Insertar elemento cola Insertar todo elemento cola

Medir el rendimiento de la resolucin del problema

La salida del algoritmo de resolucin de problemas es fallo a una solucin Rendimiento de algoritmos de cuatro formas: Completitud Optimizacin Complejidad en tiempo Complejidad en espacio

Estrategia de bsqueda no informada

Llamada bsquedas a ciegas el termino significa que ellas no tienen informacin adicional acerca de los estados ms all de las que proporcionan la definicin del problema. Bsqueda primero en anchura Es una estrategia sencilla en la que se expande primero el nodo de raz a continuacin se expande todos los sucesores del nodo raz despus de sus sucesores Bsqueda de costo uniforme Expande el nodo-n con el camino de costo ms pequeos no se preocupa por los pasos que tiene un camino pero si sobre su costo total. Bsqueda primero en profundidad Siempre expande el nodo ms profundo en la frontera actual del rbol de bsqueda. Una variante de bsqueda primero en la profundidad llamada bsqueda hacia atrs ocupa menos espacio de memoria. Bsqueda de profundidad limitada Resuelve el problema del camino infinito Bsqueda primero en profundidad con profundidad iterativa Es una estrategia general usada a menudo en combinaciones con la bsqueda primero en profundidad la cual encuentra el mejor lmite de profundidad La bsqueda de profundidad interactiva es anloga a la bsqueda primero en anchura en la cual se explora en cada interaccin una capa completa de nuevos nodos antes de continuar con la siguiente capa la idea es usar limites crecientes de costo del camino en vez de aumentar los lmites de profundidad el algoritmo que resulta llamado bsqueda de longitud interactiva Bsqueda bidireccional Es ejecutar dos bsquedas simultneas una hacia adelante desde el estado inicial y la otra hacia atrs desde el objetiv.

Evitar estados repetidos

Para algunos problemas la repeticin de estado es inevitable

Bsqueda con informacin parcial

Tres diversos problemas de incomplentitud conducen a tres tipos de problemas distintos: Problemas sin sensores Problemas de contingencia Problemas de exploracion