sistemas inteligentes - softwar3.files.wordpress.com filesistemas inteligentes -t1: introducción...

Sistemas Inteligentes - T1: Introducción

Centro deInteligencia Artificial

Universidad de Oviedo

SISTEMAS INTELIGENTES

Temario y Bibliografía

www.aic.uniovi.es/ssii




Temario

• Introducción a los Sistemas Inteligentes

• Sistemas de Búsqueda

• Representación y manipulación del conocimiento

• Aprendizaje Automático°Supervisado°No supervisado°Por refuerzo




Bibliografía• S. Russell and P. Norvig. Artificial Intelligence. A modernapproach. Prentice Hall Int., second edition, 2003. ISBN 0-13-080302.

• N. J. Nilsson. Inteligencia Artificial: Una Nueva Síntesis. McGraw-Hill, Aravaca, Madrid, 2001. ISBN 84-481-2824-9.

• T. Dean, J. Allen, and Y. Aloimonos. Artificial Intelligence. Theory andPractice. Addison-Wesley, 1995. ISBN 0-8053-2547-6

• M. Ginsberg. Essentials of Artificial Intelligence. Morgan KaufmannPublishers, San Francisco, California, 1993.

• T. M. Mitchell. Machine Learning. McGraw-Hill, 1997. ISBN 0070428077.




SISTEMAS INTELIGENTES

T1: Introducción a los SSII

www.aic.uniovi.es/ssii




Sistemas Inteligentes: Introducción

• Definiciones de Inteligencia Artificial

• Breve historia

• Objetivos

• Metodologías

• Agentes




Definiciones de IA (I)Humanidad Racionalidad

Razonamiento

Comportamiento




Test de Turing (1950)

InterrogadorInterrogadorInterrogador

AA BB

¿Cuál de los dos, A ó B, es un sistema

inteligente?

Para engañar al interrogador la máquina deberíatener desarrolladas ciertas cualidades:

• Procesamiento de lenguaje natural, visión, robótica

• Representación del conocimiento, razonamiento automático, aprendizaje automático




Pensando como humanos

• ¿Cómo piensan los humanos?° Introspección° Experimentos psicológicos

• Ciencia cognitivaCombina técnicas de IA y psicología para construir teorías sobre el modo de pensar de los humanos

• Una vez establecidas teorías sobre la forma de pensar humana, se traduce a un programa

• GPS (General Problem Solver) Newell y SimonLos pasos del razonamiento del GPS deberían ser análogos a la traza del pensamiento humano cuando resuelve los mismos problemas




Pensando racionalmente

• Aproximación de las leyes del pensamiento

°Aristóteles. Silogismos (patrones de estructuras argumentales correctas)»Se suponía que estas leyes gobernaban las operaciones de la mente

»Primeros desarrollos en el campo de la lógica

°Desarrollo de la lógica (s. XIX y XX)»Notación precisa»Programas lógicos

°Dificultades»Es difícil formalizar mediante lógica»Recursos computacionales excesivos




Actuando como humanos

• Fundamental cuando se desea que un sistema inteligente interactúe con humanos

°Dialogar°Ofrecer explicaciones

• Convenios de mínimos para facilitar el entendimiento

• La representación subyacente no tiene porque seguir modelos humanos




Actuando racionalmente

• Concepto de Agente Inteligente

• Deben cumplir dos objetivos:°Ser capaces de percibir su entorno, y°actuar racionalmente de acuerdo con el entorno percibido»requiere razonar (lógicamente),»actuar a partir de las conclusiones obtenidas,»no siempre usan inferencia lógica (actos reflejos)

• Es más general que la lógica°No es la única forma de actuar racionalmente




Definiciones de IA (II)

“Producir sistemas capaces de adoptar comportamientos que, si

fuesen realizados por seres humanos no dudaríamos en calificar de

inteligentes”

Nilsson




Fundamentos de la I.A.

BIOLOGÍA

FILOSOFÍA MATEMÁTICAS

COMPUTACIÓN

PSICOLOGÍA LINGÜÍSTICA

I.A.

Teoría delrazonamientoy del aprendizaje

Teoría formales de la lógica, probabilidad, toma de decisiones…

Funcionamiento del sistema nervioso y deotros sistemas biológicos

Hace posible la implementación realde las soluciones

Investigación de la mente humana

Estructura y significado del lenguaje




Génesis de la IA (1943-1955)• McCulloch y Pitts (1943) proponen un modelo constituido por neuronas artificiales. Mostraron, entre otras cosas, que los conectores lógicos podrían implementarse usando redes sencillas

• Hebb (1949) propuso y demostró una sencilla regla que permitía que redes adecuadamente definidas pudiesen aprender

• Turing (1950) introduce el test que debería pasar un computador para considerarse inteligente: la prueba de Turing

• Minsky y Edwards (1951) construyen el SNARC, el primer hardware neuronal




Nacimiento de la IA (1956)• McCarthy, Minsky, Shannon y Rochester (1956) organizaron un curso de 2 meses en el Darmouth College

• Newell y Simon presentan el Logic Theorist (LT), capaz de demostrar gran parte de los teoremas del capítulo 2 del Principia Matemática

• En ese taller se acuñó el nombre de Inteligencia Artificial

• ¿Por qué una disciplina separada?° Desde el primer momento abarcó la idea de duplicar facultades humanas: creatividad, auto-mejora, uso del lenguaje

° Es la única disciplina que persigue la construcción de máquinas que funcionen automáticamente en medios complejos y cambiantes




Entusiasmo inicial, grandes esperanzas (1952-1969)• La mayor parte de la comunidad científica pensaba que “una

máquina nunca podría hacer tareas”. Los investigadores en IA respondían demostrando la realización de una tarea tras otra. Era la época de “Mira mamá, ahora sin manos” según McCarthy

• Al Logic Theorist del Newell y Simon siguió el GPS (General Problem Solver), el primero que incorporó el enfoque de “pensar como un humano”

• Samuel (1952) escribió una serie de programas que aprendieron a jugar a las damas a nivel amateur

• McCarthy (1958) definió el lenguaje Lisp, describió el Generador de consejos, que incorporaba principios de representación de conocimiento general y razonamiento

• Robinson (1965) propone el método de Resolución (completo) para demostrar teoremas usando lógica de predicados




Entusiasmo inicial, grandes esperanzas (1952-1969)• Gelernter (1959) construyo el DTG, capaz de probar teoremas de geometría que muchos estudiantes considerarían muy complejos

• Se proponen algunos micromundos que parecen requerir inteligencia para resolver problemas en ellos: uno de los más conocidos es el mundo de bloques

• Los métodos de aprendizaje de Hebb se reforzaron con los adalines (Widrow y Hoff, 1960) y los perceptrones (Rosenblatt, 1962)




Una dosis de realidad (1966-1973)• Los primeros sistemas fallaron estrepitosamente al utilizarlos en problemas más variados y complejos

° Les faltaba conocimiento del problema° Los problemas eran intratables

• Los primeros pasos en evolución automática (ahora llamados algoritmos genéticos) tuvieron escaso exito

• El informe Lighthill (1973) criticó principalmente la incapacidad para tratar con la explosión combinatoria: el gobierno británico retiró ayudas a la investigación en IA

• Otro obstáculo se derivó de las limitaciones inherentes a las estructuras básicas:

° Minsky y Papert demostraron la incapacidad de un perceptrón con dos entradas de resolver el problema del XOR




Sistemas basados en el conocimiento (1969-1979)• Buchanan, Lederberg y Feigenbaum (1969) construye el

DENDRAL, capaz de inferir una estructura molecular a partir de información de un espectrómetro de masas: fue uno de los primeros sistemas de reglas

• Le siguió MYCIN (Feigenbaum, Buchanan y Shortlife), capaz de hacer diagnósticos tan buenos como los de un experto en infecciones sanguíneas (y mejor que los de un médico novato)

° Las reglas se extrajeron de entrevistas con expertos° Contaban con factores de certeza, usaba razonamiento con incertidumbre

• Se avanzó en procesamiento de lenguaje y en planificación

• Se desarrollaron nuevos lenguajes y esquemas de representación (Prolog, Planner, los marcos de Minsky…)




La IA se convierte en industria (1980-actualidad)

• R1 (McDermott, 1982) es el primer sistema experto comercial con éxitoSe usa en la elaboración de pedidos informáticos, ahorrando aproximadamente 40 mill. de dólares al año a Digital Equipment Corp.

• En 1988 el grupo de IA de la DEC ya había distribuido 40 sistemas expertos y Du Pont utilizaba más de 100




Regreso de las redes neuronales (1986-actualidad)• A mediados de los 80 se retoma el algoritmo de retropropagación, mencionado por primera vez en 1969 (Bryson y Ho)

• La difusión de los éxitos obtenidos suscitó gran entusiasmo

• Surgió cierta rivalidad entre la aproximación conexionista de las redes neuronales y la aproximación simbólica

• La tendencia actual es que ambas son complementarias, no competidoras




La IA se convierte en ciencia(1987-actualidad)

• Se produce una revolución tanto en el contenido como en la metodologíaEs más usual el trabajo sobre teorías ya existentes que proponer teorías nuevas

• La IA ya forma parte del ámbito de los métodos científicosFormulación formal, experimentación, análisis estadístico de resultados, se usan repositorios de datos y código

• Surgen o reciben un gran impulsoProcesamiento de lenguaje, minería de datos, razonamiento probabilístico, robótica, visión, aprendizaje automático, etc…




Caracterizaciones de la IA

• Objetivos a largo plazo

• En qué se inspira

• Metodología empleada

• Tareas generales que aborda




Objetivos a largo plazo (I)• Se ha dado en hablar de Gran IA y Pequeña IA

• La Gran IA persigue construir robots de inteligencia igual a la humana

• La Pequeña IA trata de resolver problemas específicos de forma inteligente y de generalizar las técnicas para aplicarlas a otros problemas. Las investigaciones se centran generalmente en alguno de los siguientes objetivos

1.Producir máquinas que exhiban comportamiento inteligente2.Comprender la inteligencia humana en el contexto social3.Dar paso a “formas de vida” artificiales4.Incrementar el conocimiento científico




Objetivos a largo plazo (II)• Producir máquinas que exhiban comportamiento inteligente puede ser útil:

° pueden llevar a cabo tareas para las que los humanos somos propensos a cometer errores

° pueden permitirnos acometer tareas que antes no podíamos afrontar

• Comprender la inteligencia humana en la sociedadLos estudios en Inteligencia Artificial pueden ayudar a comprender mejor la inteligencia humana

° ¿Cuántas de las actividades que denominamos inteligentes puedes ser replicadas por algoritmos?

° El estudio de sistemas multi-agente, que cooperan y se comunican para resolver problemas es un ejemplo de inteligencia social




Objetivos a largo plazo (III)• Dar paso a “formas de vida” artificiales

El estudio de vida artificial (ALife) está íntimamente relacionado con el concepto de evolución

° ¿Puede surgir comportamiento inteligente dando suficiente tiempo para que evolucionen formas de vida artificiales?

• Incrementar el conocimiento científicoLas técnicas de IA hacen surgir problemas interesantes en símismos, como puede ser la complejidad algorítmica, etc.

° Muchos investigadores en IA no se dedican en absoluto a desarrollar sistemas inteligentes, ni a estudiar la inteligencia humana o la vida artificial




En qué se inspira• ¿Cómo conseguir que un ordenador actúe con inteligencia?

Utilizando la lógica° Deducción formal

Imitando el razonamiento humano° Sistemas expertos, planificación, razonamiento, aprendizaje, procesamiento de lenguaje natural

Imitando la actividad biológica del cerebro° Redes de neuronas artificiales (ANNs)

Usando los fundamentos de la evolución° Algoritmos genéticos, robótica basada en comportamiento

Construyendo agentes que cooperen/compitan entre ellos° Sistemas multiagente

Modelos computacionales basados en fuerza bruta° “Decir que Deep Blue no piensa en el ajedrez es como decir que un avión no vuela porque no agita sus alas” (Drew McDermott, New York Times)




Metodolgía empleada• Dos aproximaciones

Científica (“pulcra”)° Se formula una hipótesis, se demuestra formalmente si la hipótesis es cierta o falsa y se ejemplifica

° Es una aproximación robusta, pero el progreso para automatizar tareas complejas es lento

Tecnológica (“desaliñada”)° Se aplica en problemas muy grandes y no bien definidos, donde suelen combinarse diversas técnicas. A menudo las tareas son tan complejas que se considera un éxito el poder automatizarlas

RHINO: un robot guía interactivo° Durante seis días guió a los visitantes de un museo en Bonn, evitando obstáculos, moviéndose entre los visitantes e interaccionando con ellos. Navegó en total mas de 18 Km., y guió a más de 2000 personas




Tareas generales que aborda la IA• Hacer que un agente

Razone de forma racional° prueba automática de teoremas, satisfacción de restricciones, razonamiento basado en casos, etc.

Aprenda y descubra nuevo conocimiento° aprendizaje automático, data mining

Juegue bien (ajedrez, backgammon, etc.)° técnicas de búsqueda en juegos con adversarios

Se comunique con los humanos° procesamiento de lenguaje natural y síntesis del habla

Muestre signos de vida° algoritmos genéticos, programación genética

Maniobre de forma inteligente en el mundo real° robótica, planificación, visión artificial




Agentes

• Un agente es cualquier cosa capaz de percibir su entorno con la ayuda de sensores y actuar sobre dicho entorno mediante actuadores

Sensores

Actuadores

Percepciones

Acciones

Agente

Entorno




Agentes: algunos conceptos• Función del agente: define el comportamiento del agente;

proyecta una percepción dada en una acción

• Programa del agente: implementa la función del agente

• Agente racional: en cada posible secuencia de percepciones, un agente racional deberá emprender aquella acción que supuestamente maximice su medida de rendimiento, basándose en las evidencias aportadas por la secuencia de percepciones y en el conocimiento que el agente mantiene almacenado

• Autonomía: se mide por el grado en que su comportamiento viene determinado por su experiencia

° se requiere un balance entre la falta de autonomía y la autonomía absoluta




Propiedades de los entornos• Totalmente/parcialmente observable

Los sensores ¿acceden al estado completo del entorno?

• Determinista/estocásticoEl siguiente estado ¿está totalmente determinado por la acción?

• Episódico/secuencial¿Se puede dividir la experiencia del agente en episodios atómicos, tales que la elección de acción en cada episodio depende solo de éste?

• Estático/dinámico¿Puede cambiar el entorno mientras el agente elige una acción?

• Discreto/continuo¿Cómo se maneja el tiempo, las percepciones, las acciones?

• Individual/Multiagente¿Hay un solo agente interaccionando en el entorno?¿Es un entorno competitivo o cooperativo?




Ejemplos de entornos• Totalmente observable: algunos problemas de juguete

• Parcialmente observable: conducir

• Episódico: clasificación

• Secuencial: jugar al ajedrez

• Estático: resolver un crucigrama

• Dinámico: conducir

• Discreto: ajedrez

• Continuo: conducir

• Individual: buscar una ruta en un mapa

• Multiagente:competitivo: parchís, ajedrezcooperativo: varios robots autónomos en un almacén




Estructura de los agentes

• Agentes reactivos simples

• Agentes reactivos basados en modelos

• Agentes basados en objetivos

• Agentes basados en utilidad

Agentes que aprendanAgentes que aprendan




Agentes reactivos simples

Agente

Sensores

Actuadores

Entorno

Qué acción debo tomar ahora

Cómo es el mundo ahora

Reglas de condición-acción




Agentes reactivos basados en modelos



Qué efectos causan mis acciones

Reglas de condición-acción

Cómo evoluciona el mundo

EstadoEntorno

Agente Actuadores

Sensores




Agentes basados en objetivos


Qué pasará si realizo la acción A




Estado

Objetivos

Entorno

Agente Actuadores

Sensores




Agentes basados en utilidad

Actuadores


Qué pasará si realizo la acción A




Estado

Estaré contento en este estado

Utilidad

Entorno

Agente Actuadores

Sensores




Agentes que aprenden

Elemento de aprendizaje

Generador de problemas

Crítica

Elemento de actuación

retroalimentación

objetivos a aprender

cambios

conocimiento

Nivel de actuación

Entorno

Agente Actuadores

Sensores

sistemas inteligentes - softwar3.files.wordpress.com filesistemas inteligentes -t1: introducción...

Documents