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?