Unidad I Conceptos Bsicos - PowerPoint PPT Presentation

1 / 70
About This Presentation
Title:

Unidad I Conceptos Bsicos

Description:

Todos los sistemas exitosos de IA se basan en el conocimiento y ... Con la misma r brica se debe evaluar cada galleta, al final se debe decir que galleta gan . ... – PowerPoint PPT presentation

Number of Views:244
Avg rating:3.0/5.0
Slides: 71
Provided by: mcjuancarl
Category:

less

Transcript and Presenter's Notes

Title: Unidad I Conceptos Bsicos


1
Unidad I Conceptos Básicos
  • M.C. Juan Carlos Olivares Rojas

2
Agenda
  • 1.1 Conceptos Básicos
  • 1.2 Aplicaciones
  • 1.3 Los Sistemas Inteligentes y el Aprendizaje
  • 1.4 Redes Semánticas
  • 1.5 El Método de Descripción y Pareamiento

3
Agenda
  • 1.6 Problemas de Analogía
  • 1.7 Reconocimiento de Abstracciones
  • 1.8 Interpretación del Conocimiento

4
1.1 Conceptos Básicos
  • Antes de comenzar se debe hacer distinción entre
    la Inteligencia Artificial (IA) y la Inteligencia
    Humana
  • Todos los sistemas exitosos de IA se basan en el
    conocimiento y la experiencia humanos, y patrones
    de razonamiento seleccionados.

5
Conceptos Básicos
  • Los sistemas exitosos de IA son naturalmente
    inteligentes. Son como libros de texto y otros
    artefactos humanos de inteligencia.
  • La mayor parte de los sistemas de IA pueden ser
    desarrollados solo cuando la inteligencia humana
    puede ser expresada en forma sencilla (por
    ejemplo si x entonces y).

6
Conceptos Básicos
  • Los sistemas existentes extienden el poder de los
    expertos, pero de ninguna manera los sustituyen
    ni capturan mucha de su inteligencia.
  • A los sistemas inteligentes existentes les falta
    el sentido común y la generalidad de los seres
    humanos.

7
Conceptos Básicos
  • Por su parte, la inteligencia humana es de gran
    complejidad y de mucha mayor amplitud que las
    computadoras o los sistemas de información.
  • Los filósofos, los psicólogos y otros estudiosos
    del conocimiento humano han reconocido que los
    aspectos claves de la inteligencia humana van más
    allá de toda descripción posible, y por lo tanto,
    no pueden ser imitados fácilmente por cualquier
    máquina diseñada escrupulosamente.

8
Conceptos Básicos
  • Si un problema no puede ser descrito, no puede
    ser programado.
  • Al menos cuatro capacidades importantes quedan
    involucradas en la inteligencia humana
  • Raciocinio.
  • Comportamiento.
  • Uso de metáforas y analogías.
  • Creación y uso de conceptos.

9
Inteligencia
  • Facultad de entender, de comprender. Aptitud,
    variable con los individuos y las especies, para
    resolver todo tipo de problemas.
  • Capacidad para percibir hechos, proposiciones y
    relaciones, y razonar sobre ellos.
  • La inteligencia distingue al hombre del animal

10
Inteligencia Artificial
  • Conjunto de técnicas que se aplican a la
    computadora con el objeto de desarrollar su
    capacidad para realizar funciones de aprendizaje
    y autocorrección
  • La IA se basa en la filosofía, matemáticas,
    neurociencia, psicología, economía.

11
Inteligencia
  • Capacidad para resolver problemas de cualquier
    tipo.
  • Otra cuestión que la IA aun no ha podido
    desarrollar de buena forma es la capacidad de
    reproducirse.
  • Alan M. Turing definió en 1950 una forma de
    comprobar si una máquina piensa, esto lo hizo a
    través del Test de Turing.

12
Test de Turing
  • Consiste en colocar dos hombres y una computadora
    en un lugar en el cual no estén visibles los tres
    elementos, se ocultan las identidades.
  • Uno de los participantes funciona como
    interrogador. La prueba se pasa cuando el
    interrogador no sabe distinguir entre las
    respuestas de la computadora y del otro hombre.

13
Test de Turing
  • Extracto del diálogo del Ensayo de Turing
  • P Por favor, redacte un soneto sobre el tema del
    Fuerte Bridge
  • R No me incluya. Nunca pude escribir poesía.
  • P Sume 34957 y 70764
  • R (Pausa de 30s seguida de la respuesta) 105621
  • P Juega Ajedrez?
  • R Sí
  • .

14
Génesis de la IA
  • Muchos investigadores han ayudado a la definición
    y ampliación de la IA. A continuación se muestra
    la historia resumida de la IA.
  • Martin Minsky hizo aportaciones para definir
    modelos de cerebro en computadoras.
  • ELIZA de Joseph Weizenbaum y JULIA de Mauldin
    fueron los primeros sistemas de IA en tener
    diálogos inteligentes.

15
Génesis de la IA
  • Los primeros programas de IA se diseñaron para
    resolver juegos con cierto nivel de destreza como
    el ajedrez o las damas.
  • En 1956 John McCarthy y Claude Shanon publicaron
    Automata Studies que define la teoría de
    autómatas ampliamente utilizada en computación.
  • En 1956 John McCarthy acuñó el termino IA por lo
    que se le considera el padre de ésta.

16
Génesis de la IA
  • La IA se ha desarrollado desde mucho tiempo
    atrás. Aristóteles comenzó a explicar y codificar
    ciertos estilos de razonamientos como el
    deductivo.
  • Los filósofos griegos ayudaron a plantear la
    lógica clásica. El Silogismo se convierte en la
    primera gran herramienta de la IA.
  • P-gtQ y Q-gtS P-gtS

17
Génesis de la IA
  • Chomsky en 1965 ayudó a definir las teorías de
    los lenguajes formales.
  • McCulloh y Pits en 1943 ayudaron a definir las
    relaciones entre neuronas y elementos
    computacionales simples.
  • En 1962 Rosenblatt definió el Perceptón y con
    ello la teoría de redes nueronales.

18
1.2 Aplicaciones
  • Búsqueda de soluciones
  • Sistemas expertos
  • Procesamiento de lenguaje natural
  • Reconocimiento de patrones
  • Robótica
  • Aprendizaje
  • Lógica
  • Lógica Difusa
  • Juegos
  • Redes neuronales
  • Algoritmos genéticos
  • Realidad virtual

19
Búsqueda de Soluciones
  • El término búsqueda aplicado a la Inteligencia
    Artificial, no significa encontrar una pieza
    específica de información en una base de datos,
    sino buscar las soluciones de un problema. Por
    ejemplo
  • Encontrar la ruta más corta entre dos ciudades, o
    el famoso problema del agente viajero

20
Sistemas Expertos
  • Son el primer producto viable comercialmente de
    la Inteligencia Artificial.
  • Permiten introducir información acerca de una
    materia específica a la computadora (base de
    conocimientos), y actúan como si fueran expertos
    en la materia.
  • Un Sistema experto simula el proceso de
    razonamiento humano mediante la aplicación
    específica de conocimientos e inferencias.

21
Procesamiento de Lenguaje Natural
  • Que las computadoras utilicen el lenguaje humano
    es un sueño difícil de alcanzar, dado que se
    presentan muchas complicaciones
  • Ideas verdes descoloridas duermen furiosamente,
  • Ideas furiosamente verdes descoloridas duermen.

22
Procesamiento de Lenguaje Natural
  • El banco cierra a las 300
  • Las almejas están listas para comer
  • Las almejas están listas para ser comidas por
    nosotros

23
Visión Artificial
  • Es un ejemplo más del reconocimiento de patrones,
    tiene muchas aplicaciones como
  • Diagnóstico médico
  • Análisis automático de señales
  • Inspección automática de productos industriales
  • Sistemas de vigilancia automática
  • OCR (Reconocimiento Óptico de Caracteres)

24
Robótica
  • Como aplicación a la robótica, la Inteligencia
    Artificial es el estudio de cómo controlar
    movimiento, lo cual es llamado razonamiento
    espacial.
  • El principal problema para los robots autónomos
    es el de interactuar con el mundo humano, con sus
    obstáculos, sucesos inesperados y entorno
    cambiante.

25
Aprendizaje
  • Esta área de la Inteligencia Artificial trata de
    la realización de programas que aprendan de sus
    errores, de observaciones o por encargo.
  • En este sentido, aprender simplemente significa
    hacer a una computadora capaz de beneficiarse de
    la experiencia.

26
Lógica
  • Uno de los productos de la I.A. de gran
    importancia práctica actual son aquellos
    programas que se pueden usar para estudiar la
    corrección lógica de argumentos mediante la
    aplicación de reglas estándar de lógica.
  • Esto incluye demostraciones matemáticas, lógica
    formal y lógica filosófica.

27
Lógica Difusa
  • Esta área de la Inteligencia Artificial estudia
    los problemas de hacer que una computadora sea
    capaz de tomar decisiones (pensar) usando
    conocimiento incompleto o probabilístico.
  • JUEGOS
  • En los juegos se pueden aplicar ciertos elementos
    para que den mayor realismo y complejidad.
    También sirve para la física del juego.

28
Algoritmos Genéticos
  • Los Algoritmos Genéticos son una técnica
    computacional inspirada en modelos biológicos que
    han sido utilizados para realizar búsquedas
    eficientes en espacios de soluciones altamente
    complejos y grandes.
  • Los Algoritmos Genéticos son métodos adaptivos
    que pueden ser utilizados para implementar
    búsquedas y problemas de optimización.

29
Algoritmos Genéticos
  • Los Algoritmos Genéticos están basados en los
    procesos genéticos de los organismos biológicos,
    codificando una posible solución a un problema en
    un cromosoma compuesto por una cadena de bits o
    caracteres.
  • Esto ha dado el surgimiento de áreas como el
    cómputo evolutivo y el swarm computing que basan
    sus algoritmos en eventos de la naturaleza.

30
Redes Neuronales
  • Es una nueva forma de computación que es capaz de
    manejar las imprecisiones e incertidumbres que
    aparecen cuando se trata de resolver problemas
    relacionados con el mundo real (reconocimiento de
    formas, toma de decisiones, etc..), ofreciendo
    soluciones robustas y de fácil implementación.

31
Redes Neuronales
  • Las RNA están compuestas de muchos elementos
    sencillos que operan en paralelo, el diseño de la
    red está determinado mayormente por las
    conexiones entre sus elementos. Al igual que las
    conexiones de las neuronas cerebrales.

32
Realidad Virtual
  • Una de las más recientes aplicaciones de la I.A.
    es la Realidad Virtual. Básicamente consiste en
    la elaboración de programas que logran engañar a
    los sentidos del ser humano, haciéndolo creer que
    se encuentra flotando, corriendo o volando una
    nave.
  • Estas aplicaciones han sido de gran utilidad en
    la simulación de vuelos para el entrenamiento de
    pilotos, astronautas, buzos, etc.

33
1.3 Los Sistemas Inteligentes y el Aprendizaje
  • La inmensa mayoría de los sistemas actuales dicen
    ser inteligentes (smart).
  • Las aplicaciones inteligentes son muy variadas.
    Si una aplicación puede tomar decisiones
    autónomas en tiempo real de manera independiente
    se llega a considerar inteligente. La
    característica principal de estos sistemas es la
    adaptabilidad cómo lo es el ahorro de energía.

34
Sistemas Inteligentes y Aprendizaje
  • La característica más importante que deben tener
    estos Sistemas Inteligentes (SI) son la forma de
    representar el conocimiento, la forma en que se
    recupera la información y la forma en como se
    puede adquirir nuevo conocimiento (aprendizaje).
  • Las formas de representación (explicitación) de
    conocimiento son muy variadas y de ellas
    dependerá la forma en que se recupere la
    información y el cómo se aprende.

35
SI y Aprendizaje
  • Siempre que se desarrolla un modelo se tiene dos
    representaciones lógica y física.
  • Dichas representaciones se necesitan mapearse
    para poder trabajar en conjunto.
  • Cuando se tiene un problema de la vida real, éste
    debe mapearse al esquema de una computadora para
    poderse realizar un sistema computacional.

36
SI y Aprendizaje
  • Imaginemos que deseamos desarrollar un juego de
    laberintos (modelo físico), Cómo quedaría
    representado su conocimiento (modelo )?
  • Se puede representar como una matriz, como un
    grafo, máquinas de estado finito, etc. Además, se
    deben tener reglas de cómo es el juego.
  • Sino tenemos las dos representaciones no podemos
    comprender ni aprender el juego.

37
SI y Aprendizaje
  • En general el conocimiento está definido por
    leyes y por un lenguaje muy particular. Los
    lenguajes a su vez definen reglas.
  • El mismo conocimiento puede estar estructurado en
    diferentes representaciones como por ejemplo una
    base de datos, una red semántica, un frame, un
    mapa conceptual, etc. Pero al final de cuentas
    deben tener el mismo significado (semántica).

38
1.4 Redes Semánticas
  • Las redes semánticas son una forma sencilla de
    explicitar conocimiento, están conformadas por
    grafos que codifican el conocimiento en forma
    taxonómica.
  • Los nodos nos representan categorías y las
    aristas relaciones entre esas categorías.
  • Existen dos tipos de relaciones muy especiales
    Is-A y la Have-A.

39
Redes Semántica
  • Se puede acceder a través de cada uno de los
    conceptos para inferir conocimiento.
  • Los guiones (script) son otra forma de
    representar conocimiento. Están conformados por
    componentes llamados ranuras (slots) que es un
    conjunto de pares atributo-valor.
  • Los guiones son más fáciles de introducir en
    muchos casos que un mapa conceptual.

40
Redes Semánticas
  • Ejemplo de un guión
  • Impresoras
  • Subconjunto_de Máquina_Oficina
  • Superconjunto_de Impresora_Laser,
    Impresora_Inyección
  • Fuente_alimentacion Toma_Pared
  • Autor Juan_Perez
  • Fecha 07_Febrero_2008

41
Redes Semánticas
  • Una forma de explicitar conocimiento con gran
    difusión en la actualidad es a través del uso de
    ontologías, las cuales consiste de relaciones
    entre distintos conceptos como definiciones.
  • Las ontologías pueden ser representadas a través
    de lenguajes como XML.
  • La representación del conocimiento tiene una gran
    importancia a tal punto de actualmente se habla
    de la Ingeniería del Conocimiento.

42
Redes Semánticas
  • Los frames son una estructura en la cual se
    pueden representar valores, restricciones,
    procesos, tienen relaciones de pertinencia y
    herencia (por lo que se parecen a la programación
    orientada a objetos).

43
1.5 El Método de Descripción y Pareamiento
  • El método descripción y pareamiento se utiliza
    para solucionar problemas de IA y es de los más
    básicos.
  • El primer paso consiste en identificar todas las
    características de un objeto.
  • Después se realiza una búsqueda con un conjunto
    de objetos ya definidos.

44
Método de Descripción y Pareamiento
  • En realidad se utilizan dos métodos muy
    importantes el extractor y el evaluador de
    conocimientos.
  • Al realizar el pareamiento de los objetos puede
    ser que no caigan exactamente en el patrón de
    conocimiento por lo que se tiene que tener una
    medida de similitud.

45
Método de Descripción de Pareamiento
  • AMOR
  • Querer a una persona o cosa sobre todas las cosas
  • Palabra de 4 caracteres A, M, O y R
    yuxtapuestos
  • AMOR AMOR
  • AMOR ROMA
  • Amor AMOR
  • Amor Cariño
  • Amor Amar Distancia Léxica 1

46
Método de Descripción de Pareamiento
  • Círculo
  • Descripción
  • Figura formada por todos los puntos comprendidos
    a una distancia equidistante del centro
    correspondidos en un ángulo de 0 a 360 grados.
  • Propiedades
  • Centro (punto)
  • Diámetro (dos veces radio)
  • Áreas

47
Métodos de Descripción y Pareamiento



Similitud de 75

48
Método de Descripción y Pareamiento
  • Se utiliza en otras múltiples ramas como
  • Reconocimiento de huellas digitales
  • Reconocimiento de Voz
  • Reconocimiento de Lenguaje Natural
  • Validación de Requerimientos de Software
  • Etc.
  • Se debe de representar de manera adecuada el
    conocimiento para poder compararlo.

49
El granjero, la zorra, el ganso y el trigo
  • Un granjero quiere cruzar un rió llevando consigo
    una zorra, una ganso y un saco de trigo. Por
    desgracia, su bote es tan pequeño que sólo puede
    transportar una de sus pertenencias en cada
    viaje. Peor aún, la zorra, si no se le vigila, se
    como al ganso, y el ganso, si no se le cuida, se
    come el trigo de modo que el granjero no debe
    dejar a la zorra sola con el ganso o al ganso
    solo con el trigo.

50
El granjero, la zorra, el ganso y el trigo
Granjero Zorra Ganso Trigo
Granjero Zorra Ganso Trigo
Se puede utilizar el método de descripción y
pareamiento?
51
El granjero, la zorra, el ganso y el trigo
52
1.6 Problemas de Analogía
  • Otra forma de resolución de problemas utilizado
    en la IA consiste en las Analogías.
  • Las analogías son un tipo especial de relación
    que define como están representados los objetos
    de una categoría y como obtener sus predecesores
    y antecesores inmediatos.
  • Generalmente se habla de análogo cuando se tiene
    el mismo tipo de relación aun cuando sean
    entidades diferentes.

53
Problemas de Analogías
  • Alguna vez nos hemos preguntado por qué en la
    mayoría de los exámenes de admisión generalmente
    son más importantes que los de conocimientos?
  • Por que en la mayoría de los casos el
    conocimiento de cierta forma se puede adquirir
    pero la forma de aprender y razonar es sumamente
    complicado. En muchos casos son más importantes
    las reglas que el conocimiento.

54
Problemas de Analogías
  • En matemáticas y en el área de programación se
    utiliza mucho la analogía para resolver
    problemas.
  • De acuerdo con Polya, para resolver problemas se
    necesita de los siguientes pasos
  • 1) Comprender el problema
  • 2) Concebir un plan
  • 3) Ejecutar el plan y,
  • 4) Examinar la solución.

55
Problemas de Analogías
Cómo quedarían D y 5?
56
Problemas de Analogías
  • Qué problemas se presentan con la Abstracción de
    la Figura D o bien de la Figura 3?
  • La resolución de problemas por analogía tiene
    como base cierto conocimiento previo en ocasiones
    difícil de obtener.

57
1.7 Reconocimiento de Abstracciones
  • A lo largo de esta presentación se ha podido
    comprobar que prácticamente el problema está
    resuelto si el problema está descrito.
  • El reconocimiento de abstracciones es un concepto
    muy subjetivo dado que éstas son combinaciones de
    estados mentales y eventos.
  • Los SI se basan fundamentalmente en reglas ECA
    (Evevento-Condición-Acción)

58
Reconocimiento de Abstracciones
  • Generalmente respondemos a estímulos (eventos), y
    en base a ellos vemos cuales son importantes para
    nosotros y nos comportamos de cierta manera.
  • Para lo que a una persona le representa algo para
    otra representa cosas totalmente distintas.
  • La abstracción permite llegar a cierto tipo de
    conclusiones y preguntas resueltas.

59
1.8 Interpretación del Conocimiento
  • La interpretación del conocimiento, es decir la
    utilización de ese conocimiento es un factor muy
    importante que aun la IA no ha podido definir
    bien.
  • El conocimiento se puede interpretar de muchas
    formas y sus áreas de aplicación son diversas.
  • Existen muchas corrientes filosóficas que le
    tratan de dar sentido al conocimiento empirismo
    y racionalismo científico.

60
Interpretación del Conocimiento
  • Se pretende que las reglas y hechos (base de
    conocimientos) permitan resolver problemas y que
    a su vez de la resolución de estos problemas se
    obtenga nuevos conocimientos.

61
Actividad Integradora
  • Es sumamente complicado en la mayoría de los
    casos definir requerimientos de los productos
    sobretodo en cosas tan abstractas como es el
    software.
  • Para mejorar la obtención de requerimientos se
    sugiere utilizar algún método que pretende
    cuantificar cada uno de los aspectos posibles que
    se tienen en un producto.

62
Actividad Integradora
  • Una buena técnica para la obtención de
    requerimientos que también sirve para la
    evaluación de los mismos es el uso de rúbricas.
  • Una rúbrica es un elemento que nos permite
    definir en forma tabular los requisitios que debe
    tener un producto en general y evaluarlos en base
    a un criterio determinado.

63
Ejemplo de Rúbrica
64
Actividad
  • Imaginemos que somos un grupo de emprendedores
    que deseamos incursionar en el mercado de las
    galletas de chocolate.
  • Antes de comenzar nuestro negocio, nuestro equipo
    directivo se reúne para tratar de especificar los
    requerimientos básicos que deban tener nuestras
    galletas que las hagan especiales y se pueda
    tener un buen nicho de mercado.

65
Actividad
  • Para poder definir la rúbrica, la empresa ha
    decidido hacer un benchmark de las diferentes
    marcas de galletas de chispa de chocolate. Con
    esta rúbrica se pretende construir un Sistema
    Experto que mida la calidad de las nuevas
    galletas.
  • Para elaborar la rúbrica, primero se deben
    definir una lista de 10 características que se
    desea evaluar de cada producto y el criterio de
    búsqueda.

66
Actividad
  • Después se deben elegir las 4 características
    fundamentales para poder realizar la rúbrica.
  • Con la misma rúbrica se debe evaluar cada
    galleta, al final se debe decir que galleta ganó.
  • El formato de la rúbrica generalmente consiste en
    definir características y rango de atributos
    deseables.

67
Bibliografía
  • Decker, R. y Hirshfield, S. (2001). Máquina
    Analítica. Introducción a las Ciencias de la
    Computación con Uso de Internet, Thomson, México.
    Capítulo 9 Inteligencia Artificial pp. 295-325.
  • Hernández, V. (2007). Mapas Conceptuales La
    gestión del Conocimiento en la Didáctica. Segunda
    Edición, México Alfaomega.

68
Bibliografía
  • G. Polya, (1982), Cómo Plantear y Resolver
    Problemas, traducción al español de How to
    Solve It, Ed. Trillas, México, 1982, ISBN
    968-24-0064-3.
  • Montes, M. y Villaseñor L. (2008) Fundamentos de
    Inteligencia Artificial Métodos básicos de
    solución de problemas, Instituto Nacional de
    Astrofísica, Óptica y Electrónica, Puebla, México.

69
Bibliografía
  • Winston, P. (1992) Artificial Intelligence, 3ra.
    Edición, Addison-Wesley.

70
Preguntas, dudas y comentarios?
Write a Comment
User Comments (0)
About PowerShow.com