Inteligencia Artificial

Universidad Nacional de San Agustín - EPIS

M.Sc. Carlo Corrales Delgado
inteligenciaartificialunsa@hotmail.com
https://sites.google.com/site/unsaepisinteligenciaartificial/
 Sumario
Contenido del curso

Recursos

Metodología

Laboratorios

Evaluación
 Contenido del Curso
Introducción
Lógica
Búsquedas
Razonamiento con incerteza
Aprendizaje
Redes Neuronales
Support Vector Machines
 Contenido del Curso
Clustering

Reducción de dimensiones

Detección de anomalías

Aprendizaje con reforzamiento

 Contenido del Curso
Temas avanzados:
Clustering avanzado y privacidad de datos
Procesamiento de lenguaje natural
Robótica
Sistemas expertos
Data mining
Visión artificial
Algoritmos genéticos
Sistemas inteligentes híbridos neurodifusos
Sistemas inteligentes híbridos basados en agentes
Redes Caóticas
Otros temas
 Materiales
Teoría:
Apuntes del curso
Papers
Libros de bibliografía (en pdf y físicos)

Laboratorios:
Máquinas pcs
Prolog (Lisp), Octave (Matlab), C++, Java

Página web:
https://sites.google.com/site/unsaepisinteligenciaartificial/
O simplemente http://epis-ia.tk

Correo electrónico:
inteligenciaartificialunsa@hotmail.com
 Metodología
Clases magistrales

Trabajos grupales

Trabajos individuales

Exposiciones

Laboratorios
 Evaluación
Examen Parcial 22%

Examen Final 22%

Exposición 22%

Trabajos en clase 12%

Laboratorios 22%

TOTAL 100%
Introducción a la
Inteligencia Artificial
Capítulo primero
 Introducción
¿Qué es inteligencia?
¿Cómo se puede medir la inteligencia?
¿Cómo trabaja nuestro cerebro?
¿Máquinas inteligentes?
¿Ciencia ficción?
¿Reconstrucción de la mente humana?
¿Filosofía, por ejemplo dualismo mente-cuerpo?
 Introducción
John McCarthy (1955)
La meta de IA es desarrollar máquinas que se
comporten como si fueran inteligentes

2 robots-vehículos simples y su reacción a las fuentes de luz

 Introducción
Enciclopedia británica:
IA es la habilidad de una computadora digital o robot
controlado por computadora de realizar tareas comunes
asociadas con seres inteligentes.

De acuerdo a esta definición, cada computadora es un

sistema inteligente (IA)
 Introducción
Elaine Rich:
Inteligencia Artificial es el estudio de cómo hacer que las
computadoras hagan cosas que, por el momento, la gente
hace mejor.

Aun seguirá actualizándose en el año 2050!

Los humanos son aún mejores en muchos aspectos (p.e.

entender imágenes, habilidad para aprender)!

Las computadoras son ya mejores en muchos campos (p.e.

jugar ajedrez)!
Definiciones de IA
Sistemas que actúan como
humanos
El modelo es el hombre, el objetivo es construir un
sistema que pase por humano.

Test de Turing: Si un sistema lo pasa es inteligente (?)

Capacidades necesarias: Procesamiento del Lenguaje

Natural, Representación del conocimiento,
Razonamiento, Aprendizaje.

No es el objetivo primordial de la IA pasar el test

La interacción de programas con personas hace que sea

necesario que estos actúen como humanos
Sistemas que piensan como
humanos
El modelo es el funcionamiento de la mente
humana

Intentamos establecer una teoría sobre el

funcionamiento de la mente
(experimentación psicológica)

A partir de la teoría podemos establecer modelos

computacionales
Ciencias Cognitivas
 Sistemas que piensan
racionalmente
La leyes del pensamiento racional se fundamentan
en la lógica.
La lógica formal está en la base de los programas
inteligentes
(Logicismo)

Se presentan dos obstáculos:

Es muy difícil formalizar el conocimiento
Hay un gran salto entre la capacidad teórica de la
lógica y su realización práctica
 Sistemas que actúan
racionalmente
Actuar racionalmente significa conseguir unos objetivos dadas
unas creencias

El paradigma es el agente

Un agente percibe y actúa, siempre según el entorno en el

que está situado

Las capacidades necesarias coinciden con las del test de

turing:
Procesamiento del Lenguaje Natural, Representación del
conocimiento, Razonamiento, Aprendizaje, Percepción.

Su visión es más general, no centrada en el modelo humano.

 ¿Es IA posible?
La posibilidad de la inteligencia artificial plantea problemas filosóficos
complejos

¿Las maquinas pensantes poseen consciencia?

El Test de Turing, (Turing, 1950)

La habitación china, (Searle, 1980)

¿Es la inteligencia una propiedad emergente de los elementos

biológicos que la producen?

El cerebro humano es lento, 1017 sinapsis hacen que el humano

haga cosas más evolucionadas que las computadoras

No hay una conclusión definitiva.

 Estudio del cerebro y
Resolución de problemas
Diferentes enfoques:
¿Como funciona el cerebro humano?
Orientado a solucionar problemas: construir agentes
inteligentes!
Farmacia de IA
 El test de Turing
Alan Turing

La máquina pasa el test, si puede engañar a Alice en el

30% de los casos durante un tiempo especificado.
Joseph Weizenbaum (crítico informático): El programa Eliza habla a su
secretaria.

Demos:
Cleverbot
Simonlaven
Alicebot

Loebner Prize Home Page

The ChatterBox Challenge 2005
Eugene Goostman
A. L. I. C. E. The Artificial Linguistic Internet Computer Entity
Cyber Ivar - Get answers to your questions about the UML
The Simon Laven Page
Pandorabots - A Multilingual Chatbot Hosting Service
Eliza -- Joseph Wiezenbaum (1966) (Dennis G. Jerz, Seton Hill University)
www.elbot.de
New Scientist TV: Eavesdrop on a robot-to-robot conversation
Cleverbot.com - a clever bot - speak to an AI with some Actual Intelligence?
La habitación China
 Historia y estado actual
1931 El Austriaco Kurt Godel muestra que en lógica de predicado de
primer órden todas las sentencias verdaderas son derivables.
Alan Turing apunta los límites de las máquinas inteligentes con el
1937 problema denominado: halting problem.
McCulloch y Pitts modelan las redes neuronales y establecen su
1943 conexión con la lógica proposicional.
Alan Turing define la inteligencia de las máquinas con su test de
1950 Turing y escribe sobre el aprendizaje de máquinas y algoritmos
genéticos
Marvin Minsky desarrolla una máquina de redes neuronales, con
1951 3000 tubos de vacío logra simular 40 neuronas.
Arthur Samuel (IBM) construye un programa de aprendizaje de
1955 damas que juega mejor que su desarrollador.
Minsky y Pepert muestran en su libro “Perceptrons” que el
1969 perceptron, una red neural simple, puede representar solo funciones
lineales.
 Historia y estado actual
1972 El científico francés Alain Colmerauer inventa el lenguaje de
programación Prolog.
El físico británico deDombal desarrolla un sistema experto para el
diagnóstico de dolores abdominales. Pasó desapercibido entre la
comunidad de IA.
1976 Shortliffe y Buchanan desarrollan Mycin, un sistema experto para el
diagnóstico de enfermedades infecciosas, el cual es capaz de lidiar con
la incerteza.
1981 Japón inicia, a grandes expensas, el proyecto “quinta generación” con
la meta de construir una poderosa máquina para Prolog.
R1, el sistema experto para configurar computadoras, hace ahorrar a
1982 DEC (Digital Equipment Corp.) 40 millones de dólares por año.
Renacimiento de las redes neuronales mediante Rumelhart, Hilton y
Sejnowski. El sistema Nettalk aprende a leer texto hablado.
1986
 Historia y estado actual
1990 Pearl, Cheeseman, Whittaker, Spiegelhalter brindan la teoría de la
probabilidad a la IA con las Redes Bayesianas.
Los sistemas multiagentes llegan a ser populares.
1992 El programa TD-gammon Tesauros demuestra las ventajas del
aprendizaje con reforzamiento.
1993 La iniciativa para la Robocopa mundial para construir robots
jugadores de futbol autónomos.
1995 Desde la teoría de aprendizaje estadística, Vapnik desarrolla las
“support vector machines”, que son muy importantes actualmente.
La primera competición Robocopa internacional en Japón.
1997 Los robots en la Robocopa demuestran impresionantemente lo que la
2003 IA y la robótica son capaces de alcanzar.
La robótica llega a ser la mayor área de investigación en IA.
2006
 Historia y estado actual
2008 Curan diabetes en ratones. Nanorobots que detectan y controlan las
células cancerígenas. Pacientes de Parkinson llevan dispositivos que
recuperan las neuronas dañadas
2010 Robots autónomos empiezan a aprender sus políticas. Necesidad de
incorporar sentimientos a los robots
2011 IBM diseña a una computadora Watson que gana 3 juegos de
Jeopardy a los 2 humanos campeones
2012 Extienden la vida a ratones 3x, moscas 4x y gusanos 6x
2013 Comienzan los proyectos de Internet gratuita para todos, mediante
proyectos de drones, y minisatélites.
Lectores de mente y hamburguesas artificiales.
Creación de la primer bacteria artificial
2014 Se supera el Test de Turing. Un programa engaña a mas del 33% de
usuarios haciéndose pasar por un joven de 12 años.
2015 Se asegura que la IA superará a la inteligencia humana (singularidad
tecnológica), siendo inclusive posible la vida eterna.
 Fases de la Historia de IA
Los primeros comienzos

La lógica resuelve todos los problemas

El nuevo conexionismo

Razonando con incerteza

Agentes de aprendizaje, autónomos y distribuidos.

La Inteligencia Artificial se desarrolla más.

Robots autónomos
Reconocimiento de imágenes
Juegos de ordenador
Aparatos electrónicos
Interfaces inteligentes,
recomendaciones,
personalización
 Sistemas de diagnóstico,
control, diseño, planificación
 Singularidad Tecnológica
Es el advenimiento de la IA fuerte, que implica un equipo
de cómputo, red o robot que podrían auto-mejorarse
recursivamente.

Se dice que si se repite este ciclo daría un efecto fuera de

control, explosión de la inteligencia, donde máquinas
inteligentes podrían diseñar generaciones de máquinas
sucesivamente más potentes, creación de la inteligencia
muy superior al control y la capacidad intelectual humana.
Sistemas inteligentes y Agentes
Sistemas inteligentes y Agentes
Agente Hardware (robot
autónomo)
 Agentes
Agente-reflex: Función del conjunto de todas las entradas
hacia el conjunto de todas las salidas.
Agente con memoria: no es una función, ¿Por qué? (además
hablemos del olvido)
Agente capaz de aprender
Agentes distribuidos
Proceso de decisión de Markov: Solo el estado actual es
necesario para la determinación de la acción óptima.
Agente orientado por la meta
 Ejemplo: filtro spam
Enfocado en asignar emails a sus correctas clases.

¿Es el agente 2 peor que el agente 1?

Definición 1.1 La meta de un agente orientado al costo es minimizar el costo a
largo plazo (es decir el costo promedio) causado por las decisiones erróneas. La
suma de todos los pesos de los errores resulta en el costo total.

Ejemplo: Sistema de diagnosis de apendicitis LexMed.

De acuerdo, la meta de un agente basado en su utilidad

es maximizar el beneficio a largo plazo (es decir el
beneficio promedio) causado por las decisiones
correctas.
 Ambiente
Observable (computadora que juega ajedrez)

Parcialmente observable (robot)

Determinístico (puzzle-8)

No determinístico (computadora que juega ajedrez,

robot)

Discreto (computadora que juega ajedrez)

Continuo (robótica)
 Sistemas basados en el
conocimiento
Separación estricta

Conocimiento

Mecanismo de inferencia

Base de conocimientos (KB)

Ingeniería del conocimiento
Base del Conocimiento: p.e. base de datos, expertos
humanos.

Ingeniero del conocimiento.

Aprendizaje de máquinas: Exploración activa por un

agente.
Estructura de un sistema de procesamiento de
conocimiento clásico
La separación del conocimiento e inferencia tiene
ventajas:
La inferencia es independiente de la aplicación (p.e.
sistema experto médico)
El conocimiento puede ser almacenado
declarativamente.

Representación del conocimiento con un lenguaje

formal:
Lógica proposicional
Lógica de primer órden (FOL)
Lógica probabilística
Lógica fuzzy
Árboles de decisión
 Ejercicios
1 Prueba algunos de los robots-chat disponibles en
internet. Escribe una pregunta inicial y mide el tiempo
que le toma a cada uno de los diferentes programas,
hasta llegar a saber que no es humano.
2 En www.pandorabots.com puedes encontrar un
servidor en el cual puedes construir un robot-chat con
el lenguaje de programación AIML bastante fácil.
Dependiendo de tu nivel de interés, desarrolla un
robot-chat simple o complejo o cambia uno ya
existente.
 Ejercicios
3 Da razones para opinar que el test de turing no encaja como
definición de inteligencia artificial, en Inteligencia Artificial
práctica.
4 Muchos procesos de inferencia, de aprendizaje, etc
conocidos son problemas NP-completos o aun más,
indecidibles. ¿Qué significa para la IA?
5 ¿Por qué un agente determinístico con memoria no es una
función (desde el conjunto de entradas hacia el conjunto de
salidas), en el sentido matemático? ¿Cómo puede uno
cambiar el agente con memoria, o modelarlo, tal que se
convierta en una función pero que no pierda su memoria?
 Ejercicios
6 Sea un agente con memoria que se mueve en un plano.
Usando sus sensores recibe cada tick de reloj, dentro
de un intervalo regular Δt, su posición exacta (x,y) en
coordenadas cartesianas. Dar una fórmula con la cual
el agente pueda calcular su velocidad desde el tiempo
actual t y la medida previa de t – Δt. ¿Cómo debe
modificarse el agente para calcular su aceleración? Dar
una fórmula.
 Ejercicios
7 Determine para ambos agentes del ejemplo de filtros spam,
los costos creados por los errores y compare los resultados.
Asuma que teniendo que borrar manualmente un mail
spam cuesta 1 centavo de sol y recuperar un mail borrado o
perder un mail cuesta 1 sol.

8 Determina para ambos agentes el beneficio creado por la

correcta clasificación y compara los resultados. Asume que
por cada mail deseado reconocido, un beneficio de 1 sol y
por cada mail correctamente borrado un beneficio de 1
centavo de sol.
FIN