Anda di halaman 1dari 10

Universidad Autonoma del Estado

de Hidalgo
Instituto de Ciencias Basicas
e Ingeniera
Inteligencia Artificial
Licenciatura en
Sistemas Computacionales

Karla I. Lopez De La Cruz


mailto: lopezdelacruz.ki@gmail.com

Enero 2015

Este documento contiene las notas de la unidad 1 para el curso de Inteligencia Artificial. La
unidad tiene como objetivo comprender el enfoque y los fundamentos clasicos y modernos de la
Inteligencia Artificial.
Indice general

1. Introducci on a la Inteligencia Artificial 1


1.1. Definicion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Historia de la Inteligencia Artificial . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Paradigmas de la Inteligencia Artificial . . . . . . . . . . . . . . . . . . . . 4
1.3.1. Sistemas expertos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.2. Logica difusa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.3. Redes neuronales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.4. Computacion evolutiva . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.5. Algoritmos geneticos . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.6. Programacion genetica . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Aplicaciones de la IA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

I
II INDICE GENERAL
1

Introduccion a la Inteligencia
Artificial

1.1. Definici
on
Para que un sistema act ue de forma inteligente debe imitar las funciones de las cria-
turas vivas en cuanto a algunas de sus facultades mentales. La inteligencia requiere la
habilidad de percibir y adaptarse al entorno, tomar decisiones y realizar acciones de con-
trol. Altos niveles de inteligencia pueden incluir el reconocimiento de objetos y sucesos,
la representacion del conocimiento en modelos ling usticos, el razonamiento y la planifi-
cacion. en grados mas avanzados, la inteligencia proporciona la capacidad de percibir y
entender, de elegir razonadamente y de actuar satisfactoriamente bajo una gran variedad
de circunstancias, as como de prosperar, sobrevivir y reproducirse en un entorno complejo
y a menudo hostil. La inteligencia ademas crece y evoluciona. Las tecnicas de IA intentan
conseguir algunos de los objetivos mencionados.

La IA es una acepcion acu nada en torno a mediados del siglo XX, tiene como modelo
natural las funcionalidades inteligentes del hombre, enfocandose en distintos aspectos. Su
primera motivacion fue intentar construir maquinas que pudieran pensar como el ser hu-
mano, o al menos emular alguna capacidad que denotara cierta inteligencia.

La inteligencia artificial (IA) se puede definir como el estudio de las facultades men-
tales a traves del uso de modelos computacionales (McCarthy, Minsky, Newell, Simon).
Es el estudio de como programar computadoras que posean la facultad de hacer aquello
que la mente humana puede realizar (Marvin Minsky). En un sentido mas amplio, la IA
es una ciencia orientada al diseno y construccion de maquinas que implementen tareas
propias de humanos dotados de inteligencia.

La IA es la implementacion de razonamientos inteligentes mediante tecnicas propias de la


computacion (Hayes).

Una maquina inteligente debe hacer las cosas que nosotros queremos que haga, que noso-
tros haramos, pero quizas no como nosotros las hacemos. Las tecnicas deben realizar de
forma eficiente una serie de tareas que nos faciliten el trabajo, quizas en menos tiempo,

1
2 1.2. Historia de la Inteligencia Artificial

con menos datos.

Una computadora puede simular algo que en el hombre se da de otra manera. Un hombre
capta la esencia de una cosa, mientras que en una computadora se pueden simular proce-
sos epistemologicos en base a la forma accidental.

Un verdadero programa inteligente aprendera de su experiencia por generalizacion y abs-


traccion, emulando la mente humana, especialmente en su habilidad de razonar y aprender
en un ambiente de incertidumbre, imprecision, con informacion incompleta o erronea, ca-
ractersticas propias del mundo real, tanto de los sistemas como del lenguaje natural. De
esta forma es capaz de modelar y controlar una amplia variedad de sistemas complejos y
constituye una herramienta efectiva para tratar problemas hasta ahora no abordados por
su complejidad o por la naturaleza de su informacion.

La IA se utiliza para la toma de decisiones en ambientes con incertidumbre, para el


razonamiento aproximado, la clasificacion, la comprension de se nales, el reconocimiento
de patrones, entre otras utilidades. Sus aplicaciones estan relacionadas con el comercio,
las finanzas, la medicina, la robotica o la automatizacion, entre otros ambitos.

El estudio y desarrollo de sistemas inteligentes requiere esfuerzos significativos de in-


vestigacion multidisciplinarios para integrar conceptos y metodos de distintas areas como
ciencias de la computacion, inteligencia artificial, investigacion operativa, gestion del co-
nocimiento, tratamiento de la informacion, control, identificacion, estimacion, teora de la
comunicacion, entre otras.

Maquina inteligente. Es la que realiza el proceso de analizar, organizar y convertir los


datos en conocimiento, donde el conocimiento del sistema es informacion estructurada,
adquirida y aplicada para reducir la ignorancia o la incertidumbre sobre una tarea espe-
cfica.

Un sistema inteligente debe ser altamente adaptable a cambios significativos imprede-


cibles, por lo que el aprendizaje es esencial. Debe exhibir un alto grado de autonoma
para tratar con los cambios y ser capaz de tratar con complejidad significativa. Es un
procedimiento computacionalmente eficiente de dirigir un sistema complejo a un objetivo,
con una representacion incompleta o inadecuada, bajo especificaciones imprecisas de como
hacerlo, es decir, act
ua apropiadamente en un entorno con incertidumbre.

1.2. Historia de la Inteligencia Artificial


384 - 322 A.C. Silogismos (Aristoteles)

1854 Fundamentos de logica proposicional (Boole)

1879 Calculo de predicados(Frege)


1. Introduccion a la Inteligencia Artificial 3

1943 Relaciones entre elementos computacionales y neuronas biologicas (McCulloch,


Pitts)

1948 Cibernetica (Wiener)

1950 - 1970 Programas que juegan ajedrez (Shannon 1950, Newell, Shaw y Simon 1958).
Programas que juegan damas (Samuel 1959, Samuel 1967).

1950 Inteligencia y funcionamiento de maquinas.Posibilidad de mecanizar la inteligen-


cia (Turing)

1955 IPL - II Lenguaje de procesamiento (Newell, Shaw, Herbert)

1956 Automata studies (Shannon y McCarthy)

Dartmouth 1956 Surge el termino Inteligencia Artificial (McCarthy). Teorizador lo-


gico (Newell, Shaw y Simon).

1960 Control adaptativo (Widrow y Hoff)

1959 Programas para demostrar teoremas de geometra plana (Gelernter).

1962 Perceptrones para aprendizaje y reconocimiento de patrones (Rosenblatt)

1963 Pasos hacia la IA en Ordenadores y Razonamiento (Minsky)

1964 STUDENT Programa de lenguaje natural que comprende y resuelve problemas


elevados de algebra (Bobrow)

1965 Lingstica computacional (Chomsky)

1966 ELIZA Simula las respuestas de un psicoterapeuta en dialogo con un paciente (Wei-
zenbaum)

1967 Dendral interprete de espectograma de masa. Analiza informacion sobre compo-


nentes qumicos para determinar su estructura (Feingenbaum, Buchanan y Lederberg)

1970 SHRDLU Comprende y ejecuta correctamente ordenes dadas en ingles acerca de


un mundo de bloques (Winograd)

1971 STRIPS Planifica proyectos mediante secuencias de operadores (Nilsson, Fikes).


MACSYMA Realiza calculos integrales y diferenciales, simplifica expresiones simbolicas
(Martin, Moses)

1972 SHAKEY Robot movil capaz de recibir instrucciones y planear acciones inteligentes
para realizar tareas (SRI international)
4 1.3. Paradigmas de la Inteligencia Artificial

1973 LUNAR sistema para la comprension fluida del habla (Woods). MARGIE Hace
inferencias y genera parafrasis.

1974 Mycin diagnostica problemas en la sangre y receta la correspondiente medicacion

1975 PROLOG Lenguaje de programacion logica

1976 AM Programa de aprendizaje que define y eval ua conceptos matematicos con teora
de conjuntos y n
umeros (Lenat)
Heurisko Perfecciona su propio conocimiento, de forma automatica, por induccion

1997 Deep blue vence al campeon mundial de ajedrez Garry Kasparov

1.3. Paradigmas de la Inteligencia Artificial


La inteligencia requiere conocimiento. El conocimiento posee caractersticas deseables
tales como:

Es voluminoso

Difcil de representar en forma exacta

Cambia constantemente

Se diferencia de los datos al ser organizado en forma que corresponda a la forma en


que sera usado

Una tecnica de IA es un metodo que aprovecha el conocimiento, el cual debe ser


representado de tal forma que:

El conocimiento capture generalizaciones. No es necesario representar situaciones de


forma separada, las situaciones comparten propiedades que pueden ser agrupadas

Puede ser entendido por las personas que lo proporcionan. El conocimiento es pro-
porcionado por personas en los terminos que ellas comprenden.

Puede ser modificado para corregir errores y para reflejar cambios en el ambiente y
en la percepcion del ambiente

Puede ser usado en una gran variedad de situaciones, a


un si no es del todo exacto
o completo.

Puede ser usado para superar su propio volumen, y disminuir el rango de posibili-
dades que normalmente deben considerarse.

Las tecnicas de IA se pueden caracterizar con independencia del problema a tratar.


Para solucionar problemas complicados, los programas que utilizan las tecnicas de IA
presentan las siguientes ventajas con respecto a los que no lo hacen:
1. Introduccion a la Inteligencia Artificial 5

Son menos fragiles, es decir, que no se despistan frente a una perturbacion peque
na
de la entrada

El conocimiento del programa es comprendido facilmente por la gente

Usa generalizaciones

Tiene facilidad de extension

Como contraposicion, generalmente tienen mas complejidad que otras soluciones.

1.3.1. Sistemas expertos


Un sistema experto(SE) es basicamente un conjunto de programas informaticos que
aplica el proceso de razonamiento humano al conocimiento de un experto en la solucion
de tipos especficos de problemas. Son sistemas basados en reglas de produccion u otros
procesos de razonamiento. Algunas de sus caractersticas son la heurstica, el tratamiento
simbolico, la toma de decisiones, la memoria, la prediccion y la inferencia.

1.3.2. L
ogica difusa
La logica difusa es una forma matematica de representar la imprecision inherente al
lenguaje natural, introducida por Lofti A Zadeh en 1965. Es una generalizacion de la logica
clasica: las variables toman valores lingsticos de verdad. La pertenencia a los conjuntos
difusos es gradual. Implementa la forma de razonar propia del sentido com un.

1.3.3. Redes neuronales


En la decada de los 80 se empezo a considerar este paradigma computacional cone-
xionista cuya estructura emula el proceso biologico del aprendizaje humano. Son sistemas
compuestos por muchos elementos de procesamiento (neuronas) que operan en paralelo,
cuya funcion es determinada por la estructura de la red, las conexiones y el proceso local
realizado por elementos computacionales o nodos. Las redes neuronales pueden aprender
de datos de entrenamiento, y en realidad son aproximaciones de funciones matematicas.

1.3.4. Computaci
on evolutiva
Se inspira en el mundo biologico, desarrolla programas usando analogas con proce-
sos biologicos tales como la evolucion y la seleccion natural. Se aplica satisfactoriamente,
sobre todo, a problemas de optimizacion, programacion automatica y aprendizaje de ma-
quinas. Dentro de ella se encuentran los algoritmos geneticos y el sistema computacional
inmunizado, basado en la operacion de un sistema biologico inmune

1.3.5. Algoritmos gen


eticos
Un algoritmo genetico es un procedimiento de b usqueda y optimizacion modelado
seg
un los mecanismos geneticos de seleccion natural de los seres vivos. Surgieron del
estudio de los automatas celulares llevado a cabo por Holland en 1975. Su funcionamiento
6 1.4. Aplicaciones de la IA

basico es evolucionar a partir de una poblacion que representa las soluciones candidatas
(individuos) para un determinado problema, intentando producir nuevas generaciones de
soluciones mejores que las anteriores, evaluadas por una funcion de ajuste. Se utilizan
en problemas complejos de optimizacion por su paralelismo implcito y su habilidad de
mantener m ultiples soluciones concurrentemente.

1.3.6. Programaci
on gen
etica
Aplica los principios evolutivos de los algoritmos geneticos para hacer evolucionar pro-
gramas informaticos. La programacion genetica conduce al predominio de los programas
mas aptos para la solucion de un problema dado. Ahora en la poblacion los individuos
son programas. Cada nueva generacion se obtiene por la reproduccion de los programas
que funcionan mejor, con un peque no factor de mutaciones aleatorias.

1.4. Aplicaciones de la IA
Tareas de la vida diaria (mas difcil para una maquina que las tareas de un experto)

Percepcion (vision y habla)


Lenguaje natural (comprension, generacion, traduccion)
Sentido com
un
Control de un robot

Tareas formales

Juegos (ajedrez, backgammon, damas)


Matematicas (geometra, logica, calculo, demostracion de propiedades)

Tareas de los expertos (necesitan un conocimiento menor que el conocimiento nece-


sario en las tareas mas comunes)

Ingeniera (dise
no, deteccion de fallos, planificacion de manufacturacion)
Analisis cientfico
Diagnosis medica
Analisis financiero