Tema 1. Introducci n a la IA

TEMA 1 Introducción a la I.A.
Francisco José Ribadas Pena
INTELIGENCIA ARTIFICIAL
5 Informática
ribadas@uvigo.es
25 de septiembre de 2009
– FJRP ccia [Inteligencia Artificial] –
1.1 Definición y conceptos básicos.
Deficiciones de Inteligencia Artificial (IA)
Minsky:
“Es la ciencia de hacer que las máquinas hagan cosas
que requerirı́an inteligencia si las hicieran las personas”
Rich:
“Estudiar como hacer que las computadoras hagan cosas que,
de momento, las personas hacemos mejor”
Nilsson:
“ Producir sistemas capaces de adoptar comportamientos que,
si fuesen realizados por seres humanos no dudarı́amos
de calificar de inteligentes “
PRIMERO: Definir lo que es inteligencia
Es difı́cil.
Definición condicionada a la prespectiva humana.
Definición fenomenológica: (a partir de las caracterı́sticas que podemos encontrar en los seres inteligentes)
• Los seres inteligentes ...
...
...
...
...
...
son autónomos.
tienen memoria.
aprenden.
son creativos
razonan e infieren.
...
...
...
...
...
se comunican.
tienen autoconocimiento.
pueden procesar experiencias nuevas.
tienen intencionalidad.
◦ inferir: procesar una info.para obtener un resultado
◦ razonar: cascada de inferencias (proceso inferencial complejo)
– FJRP ccia [Inteligencia Artificial] –
1
Definición: Handbook of IA:
“ Tratar de diseñar sistemas de computación inteligentes. Es decir,
que muestren las caracterı́sticas que asociamos con la inteligencia
en los seres humanos, tales como:
- aprendizaje
- comprensión del lenguaje
“
- razonamiento - resolución de problemas
Dos aproximaciones (formas de ver la IA)
Construcción de sistemas que ...
1. piensen de forma inteligente. (=⇒ IA subsimbólica)
OBJETIVO: reproducir mecanismos y procesos mentales de los
seres inteligentes.
Caso extremo: Redes Neuronas Artificiales (modelizan elementos
y procesos cerebrales a bajo nivel)
2. actúen de forma inteligente. (=⇒ IA simbólica)
OBJETIVO: obtener resultado ”inteligente”
Ejemplo: Juego ajedrez basado en búsqueda exhaustiva.
En ambos casos se pueden tomar dos posibles referentes:
inteligencia humana (pensar/actuar como hacen los humanos)
inteligencia racional (pensar/actuar siempre de forma racional
• [como lo harı́a una inteligencia ideal o ”perfecta”] )
– FJRP ccia [Inteligencia Artificial] –
2
TEST DE TURING
Objetivo: Determinar si una máquina es inteligente.
Se supera si ”Jurado” no puede identificar quien es la máquina
No es un test aplicable en la práctica

procesam. del lenguaje natural
• PRINCIPALES PROBLEMAS:
percepción sensorial
Sı́ es útil una aproximación limitada.
• En dominios perfectamente acotados y controlados.
• Comparar ”funcionamiento” de la máquina con respecto al ”funcionamiento” de los humanos. (elimando diálogo).
• Usado en evaluación y verificación de Sistemas Expertos.
Punto clave: Indistinguibilidad.
– FJRP ccia [Inteligencia Artificial] –
3
1.2 Orı́genes y Evolución.
(a) ORIGENES
Mitologı́a
• Creación de seres inteligentes presente en multitud de mitologı́as
(griega, hebrea, etc).
Antigüedad Clásica
• Inicio de la filosofı́a
◦ en particular: lógica y matemáticas
• Primeros autómatas: máquinas con funcionamiento autónomo
limitado
◦ Caracterı́sticas fundamentales (aún vigentes):
- sus mecanismos actan en función de su propia estructura interna
- la acción es la combinación de fuerzas motrices naturales y artificiales
- el desplazamiento afecta al conjunto
– FJRP ccia [Inteligencia Artificial] –
4
Edad Media
• Raimon Llull (s. XIII): Propone método general para generar
nuevo conocimiento a partir del conocimiento ya existente
◦ Diseña un procedimiento exhautivo (algoritmo) de razonamiento lógico.
◦ Dado un dominio:
1. encontrar todos los principios básicos relevantes del dominio:
manifestaciones (efectos) e interpretaciones (causas).
2. encontrar y agotar todas las posibles combinaciones, excluyendo las las interpretaciones no compatibles con las
manifestaciones 8
< no hay solución
3. fin del proceso:
1 solución
:
1 ó más soluciones
◦ PROBLEMAS:
identificar todos los principios básicos (≈ adquisición del conocimiento)
explosión combinatoria (”probar” todas las combinaciones)
Renacimiento e Ilustración
• Vaucouson, Droz: Desarrollo autómatas complejos (relojerı́a)
◦ imitan animales: pato (Vaucouson)
◦ imitan personas: flautista, niños escritor y dibujante
• Pascal, Leibnitz: Calculadoras mecánicas
• Babbage: Máquina analı́tica.
◦ Ada Lovelace: ”la máquina analı́tica (computadoras) es capaz
de hacer sólo aquello que se le indica”
◦ Pregunta: ¿ son capaces las máquinas de hacer algo creativo
(no pre-programado)?
– FJRP ccia [Inteligencia Artificial] –
5
Siglo XIX - Primeros años XX
• Nacimiento de la lógica matemática
◦ Boole, Frege: desarrollan fundamentos matemáicos de la lógica
◦ Godell, Russell: estudios sobre potencia expresiva de lógica de
predicados
qué se puede representar
qué se puede demostrar/razonar
incompletitud y decidibilidad
• Años 30-40: Desarrollo primeros computadores
◦ Turing, Von Neumann, Mauchly,...
◦ Máquina de turing: modelo universal de computador (1936).
Usado como base para establecer lı́mites.
– FJRP ccia [Inteligencia Artificial] –
6
(b) EVOLUCION
Nacimiento IA (años 40-50)
• McCulloch y Pitts (43): Primer modelo de neurona artificial
• Hebb(49): Regla de aprendizaje para redes neuronales.
• Reunión en elDarmouth College (56): Nacimiento “oficial”
◦ John McCarthy acuña término “Inteligencia Artificial”
◦ Presentación de los primeros logros
Newell-Simon: Primer demostrador de teoremas
“Teórico-Lógico”).
Ernst: Sistema de planificación automática.
Samuel: Máquina que jugaba a damas
(el
- Primer logro en aprendizaje.
- Aprendı́a a base de jugar contra sı́ misma y contra humanos.
• División de la investigación en 2 enfoques:
◦ ”pulcros”: Simular (emular) de forma artificial el funcionamiento interno de un ser inteligente.
Redes Neuronas Artificiales (RNA): emulación del cerebro
IA subsimbólica
◦ ”desaliñados”: Conseguir un comportamiento inteligente
IA simbólica
IMPORTANTE: Representación del conocimiento y formalización eficiente del pensamiento y de métodos de razonamiento.
– FJRP ccia [Inteligencia Artificial] –
7
Gran Auge (50’s-60s)
• Newell-Simon: Demostrador general de problemas (GPS:general
problem solver )
• Gelermter: Demostrador de teoremas de geometria.
• Hart: Algoritmo A* (68)
• McCarthy: Desarrollo leng. LISP → muy usado en IA, base
trabajos futuros
• Exito en problemas sobre dominios limitados: minimundos
◦ analogı́as geométricas
◦ mundo de los bloques
• Desarrollo perceptrones (Rosemblant(62)): Redes de neuronas
monocapa con capacidad de aprendizaje
Declive (finales 60’s)
• Imposible ”salir”de los minimundos.
◦ problemas reales demasiado complejos
◦ problemas intratables (explosión combinatoria)
◦ escaso uso de conocimiento especı́fico del dominio
• Limitaciones del modelo de preceptron (Minsky-Papern)
◦ demuestran que su capacidad de representación y aprendizaje
es muy limitada
◦ casi desaparición de investigación en RNAs
◦ PROBLEMA: falta de algoritmos de aprendizaje adecuados
– FJRP ccia [Inteligencia Artificial] –
8
Resurgir (mediados 70’s - 80’s
• Sistemas Basados 8
en el Conocimiento
Separar conocimiento y mecanismos de
>
>
<
inferencia y control
◦ IDEAS CLAVE:
Recopilación y manejo grandes cantidades
>
>
:
de conocimiento experto (y especı́fico)
Metodologı́as desarrollo sistemas expertos (SS.EE.)
Recopilación conocimiento de los expertos de un dominio
Uso sistemas basados en reglas de producción
Importancia de la capacidad de explicacion del razonamiento
◦ Ejemplos
DENDRAL (Buchanam (69)): Identificación de estructuras
moleculares
MYCIN (Buchanam, Shortliffe (74)): Diagnóstico infecciones sanguı́neas
PROSPECTOR (70): Identificación yacimientos geológicos
• Resurgir de las RNAs (mediados 80’s)
◦ Nuevos modelos de redes (Hopfield (82))
◦ Nuevos y más potentes algoritmos de aprendizaje (aprendiz.
por retropopagación (backpropagation))
Situación Actual
• Aplicaciones industriales de SS.EE. y RNAs
◦ R1 (80): Sist. Exp. para configuración de equipos DEC (Digital)
• Auge de nuevas aproximaciones
◦ Algoritmos genéticos
◦ Agentes inteligentes
◦ Aproximaciones hı́bridas
– FJRP ccia [Inteligencia Artificial] –
9
1.3 Aplicaciones de la I.A
¿Para qué sirve la IA?
”Sustituir” a los humanos
• Cuando no es posible la presencia humana
◦ centrales nucleares
◦ exploración espacial (autonomı́a)
• Cuando escasean los recursos humanos capaces o son costosos
◦ tutor ”personal” de inglés
◦ buscador/clasificador de Internet
En general, tareas que requieran autonomı́a, aprendizaje, razonamiento, percepción, etc...
Ejemplos de Aplicaciones
Tareas de la vida cotidiana:
• Percepción: visión artificial, comprensión del habla
• Lenguaje Natural: comprensión, generación, traducción
• Sentido común
Tareas Formales:
• Juegos: damas, ajedrez
◦ Muy importantes en desarrollo de la IA
◦ Ofrecen un modelo para comparar con humanos
◦ Reglas sencillas y bien definidas, rankings oficiales
• Matemáticas: cálculo simbólico, simplificación de funciones, demostración automática de teoremas, ...
• Computación: verificación y sı́ntesis de programas, aprendizaje
automático, ...
– FJRP ccia [Inteligencia Artificial] –
10
Tareas de Expertos
• Ingenierı́a: diseño, planificación, detección de fallos
• Diagnóstico/tratamientos médicos
• Análisis financiero (dataminig )
Otras
• Robótica y control
• Aistentes personales inteligentes
Saberes Afines
FILOSOFÍA
MATEMÁTICAS
PSICOLOGÍA
-lógica
-lógica
-teoria probababilidades
-cálculos vectorial
-ciencia cognitiva
BIOLOGÍA
MEDICINA
INFORMÁTICA
-genética
-neurologı́a
-neurofisiologı́a
-teoria de la computación
-algoritmia
-estructuras de datos
– FJRP ccia [Inteligencia Artificial] –
11