Inteligencia Artificial.Universidad Nacional de Ingeniería.   Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y...
Inteligencia Artificial.PRIMERA UNIDAD:GENERALIDADES EN INTELIGENCIA ARTIFICIAL.1.1 Concepto de Inteligencia Artificial.1....
Inteligencia Artificial.Percepción:     •    Comprensión de lenguaje natural.     •    Interpretación de escenas visuales ...
Inteligencia Artificial.artificial y establecía lo que luego se conocería como el test de Turing, una prueba quepermite de...
Inteligencia Artificial.correctas y de establecer vínculos entre palabras e ideas. La investigación ha demostradoque mient...
Inteligencia Artificial.1.2. CRONOLOGÍA DE LA IA.          La inteligencia artificial es el estudio de la inteligencia com...
Inteligencia Artificial.1.3. CONCEPTO DE INTELIGENCIA ARTIFICIAL.No existe una definición para la IA que tenga una aceptac...
Inteligencia Artificial.de eficiencia humana, y las 3, 4, 8, y 9 lo hacen en conformidad con un concepto deinteligencia id...
Inteligencia Artificial.estaba programado para resolver problemas de un determinado tipo, razón a la cual debe sunombre. R...
Inteligencia Artificial.Posteriormente se obtuvieron resultados importantes entre ellos el de mayor resonancia fueel siste...
Inteligencia Artificial.aprendizaje, del lenguaje y de la percepción sensorial han ayudado a los científicos a definira un...
Inteligencia Artificial.Preguntas fundamentales de la IA.1.   ¿Cuales son las suposiciones subyacentes acerca de la inteli...
Inteligencia Artificial.El agente puede ser:     •    Autónomo: Un agente autónomo es un sistema anidado y parte integrant...
Inteligencia Artificial.     •    Comunicación. El agente puede comunicarse con el usuario, con otros agentes y con       ...
Inteligencia Artificial.De manera intrínseca, los sistemas multiagentes tienen las ventajas tradicionales en lasolución de...
Inteligencia Artificial.     2.     Determinísticos y no determinísticos: Si el estado siguiente de un ambiente se        ...
Inteligencia Artificial.1.4. ALCANCE DE LA INTELIGENCIA ARTIFICIAL.Como se menciono anteriormente, no existe una definició...
Inteligencia Artificial.diseño de computadoras han proporcionado material para el diseño de sistemas expertos degran éxito...
Inteligencia Artificial.Según otros rumbos tomados se propone la inclusión de compiladores en hardware más queen software,...
Inteligencia Artificial.                                      Cronología de la Robótica.FECHA             DESARROLLOSigloX...
Inteligencia Artificial.1974              Cincinnati Milacron introdujo el robot T3 con control por computadora.1975      ...
Inteligencia Artificial.En el cuerpo humano, el cerebro y el sistema nervioso funcionan para coordinar lainformación, la c...
Inteligencia Artificial.un decisión acertada basándose en información incompleta. Esto resulta tan importante parael apren...
Inteligencia Artificial.El grupo de software esta investigando sobre un lenguaje que sea el núcleo del proyecto,esté inclu...
Inteligencia Artificial.SEGUNDA UNIDAD:REPRESENTACIÓN DEL CONOCIMIENTO2.1. Formalismos para la representación del conocimi...
Inteligencia Artificial.Esencialmente, se define como creencia a toda expresión que tiene significado, que es coherentey p...
Inteligencia Artificial.En términos generales, se debe tratar que el conocimiento esté representado de tal forma que:     ...
Inteligencia Artificial.Manipulación del conocimientoExisten tres paradigmas que los investigadores han utilizado tradicio...
Inteligencia Artificial.FORMALISMOS PARA REPRESENTAR DEL CONOCIMIENTOLISTAS Y ÁRBOLESSon las estructuras más sencillas que...
Inteligencia Artificial.Nodo = objetoDonde un Objeto puede ser representado por:      1. Personas      2. Animales      3....
Inteligencia Artificial.Nota: A través de la característica de la herencia, las Redes Semánticas tienen la capacidadde inf...
Inteligencia Artificial.                                              Ejemplo de Red Semántica: Roedor.                   ...
Inteligencia Artificial.                                      Ejemplo de Red Semántica: Animal.                           ...
Inteligencia Artificial.                                      Ejemplo de Red Semántica: Animal2.                          ...
Inteligencia Artificial.Ejercicios:Dado el siguiente conocimiento construya la correspondiente Red Semántica.- Los Jorobad...
Inteligencia Artificial.FRAMES (MARCOS)Un Frames es una estructura de datos que contiene todo el conocimiento acerca de un...
Inteligencia Artificial.     3. Que identifican a las Reglas.        Ejemplo:           If máquina caliente THEN prender v...
Inteligencia Artificial.Ejemplo 1. SCRIPT correspondiente a una visita al Restaurante de Auto-Servicio.Requerimiento de En...
Inteligencia Artificial.Ejemplo 2. SCRIPT correspondiente a una visita al cine.• PAPELES: cinéfilo, taquillero, portero, a...
Inteligencia Artificial.Lógica proposicionalLa lógica proposicional trata con unidades básicas denominadas proposiciones. ...
Inteligencia Artificial.Negación: ~ pToma el valor de verdad opuesto al de la proposición p, o sea, si la proposición p es...
Inteligencia Artificial.Desde el punto vista de representación, los cuantificadores son difíciles de usar. Por lo que esde...
Inteligencia Artificial.2. Sea la forma proposicional “p (x ): x es un número par ”Dominio: x = { (x, p ( x )) | p ( x ): ...
Inteligencia Artificial.Operaciones lógicas:      ^ : = AND      v : = OR      ~ ¬ : = NOT      => : = Implicación        ...
Inteligencia Artificial.LITERAL: Los literales son predicados o negaciones de predicados.Ejemplo:             mamífero (Pe...
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Apuntes de Inteligencia Artificial
Upcoming SlideShare
Loading in...5
×

Apuntes de Inteligencia Artificial

6,433

Published on

Published in: Education
0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
6,433
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
552
Comments
0
Likes
3
Embeds 0
No embeds

No notes for slide

Transcript of "Apuntes de Inteligencia Artificial"

  1. 1. Inteligencia Artificial.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  2. 2. Inteligencia Artificial.PRIMERA UNIDAD:GENERALIDADES EN INTELIGENCIA ARTIFICIAL.1.1 Concepto de Inteligencia Artificial.1.2 Alcance de la Inteligencia Artificial. a) Percepción b) Sistemas expertos. c) Hardware (Memoria, rapidez y arquitectura) d) Robótica (Automatización). e) Cibernética (Interdisciplina para control de automatización)1.3 Algunos programas de la Inteligencia Artificial. a) Eliza. b) Mycin c) Dendral1.4 El proyecto Japonés de la Quinta Generación.1.1. INTRODUCCIÓN.En primer lugar, revisemos algunas definiciones generales de inteligencia, antes de intentar definirinteligencia artificial. Inteligencia es la aptitud de crear relaciones. Esta creación puede darse demanera puramente sensorial, como en la inteligencia animal; también puede darse de maneraintelectual, como en el ser humano, que pone en juego el lenguaje y los conceptos. También se lapuede conceptuar como la habilidad para adquirir, comprender y aplicar conocimiento; o como laaptitud para recordar, pensar y razonar.La IA es una nueva generación de tecnología informática, caracterizada no sólo por su arquitectura(hardware), sino también por sus capacidades. El énfasis de generaciones previas fue en lascomputaciones numéricas para aplicaciones científicas o de negocios. La nueva generación detecnología informática incluye además la manipulación simbólica, con el objetivo de emular elcomportamiento inteligente; y, la computación en paralelo, para tratar de conseguir resultadosprácticamente en tiempo real. La capacidad predominante de la nueva generación, tambiénconocida como la Quinta Generación, es la habilidad de emular (y tal vez en algunos casossuperar) ciertas funciones inteligentes del ser humano. Por ejemplo:Aprendizaje: Captación automática de conocimientos.Razonamiento: • Sistemas basados en conocimientos. • Bases de datos inteligentes. • Prueba de teoremas y juegos.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  3. 3. Inteligencia Artificial.Percepción: • Comprensión de lenguaje natural. • Interpretación de escenas visuales (Visión por computadora).Locomoción y Manipulación: Realizar procesos mecánicos y tareas manuales (Robótica).Creación: Generación, verificación, depuración y optimización automática de programas.Algunas de las tareas que estos sistemas realizan en el campo de la IA son:Tareas generales • Percepción: Visión, Fonemas. • Lenguaje Natural: Comprensión, generación y traducción. • Razonamiento de sentido común. • Control de robots.Tareas formales • Juegos: Ajedrez, Backgammon, Damas. • Matemáticas: Geometría, Lógica, Cálculo Integral.Tareas expertas • Ingeniería: Diseño, Localización de fallas, Planeamiento. • Análisis Científico. • Diagnóstico Médico. • Análisis Financiero.La inteligencia artificial, en su sentido más amplio, indica la capacidad de un artefacto derealizar los mismos tipos de funciones que caracterizan al pensamiento humano. Laposibilidad de desarrollar un artefacto así ha despertado la curiosidad del ser humano desdela antigüedad; sin embargo, no fue hasta la segunda mitad del siglo XX, cuando esaposibilidad se materializó en herramientas tangibles.La Inteligencia Artificial comenzó como el resultado de la investigación en psicologíacognitiva y lógica matemática. Se ha enfocado sobre la explicación del trabajo mental yconstrucción de algoritmos de solución a problemas de propósito general. Punto de vistaque favorece la abstracción y la generalidad.El término inteligencia artificial (IA) fue acuñado en 1956 por John McCarthy, del Institutode Tecnología de Massachussets. En ese año se celebró la conferencia de Dartmouth, enHanover (Estados Unidos), y en ella, McCarthy, Marvin Minsky, Nathaniel Rochester yClaude E. Shannon establecieron las bases de la inteligencia artificial como un campoindependiente dentro de la informática. Previamente, en 1950, Alan M. Turing habíapublicado un artículo en la revista Mind, titulado “Computing Machinery and Intelligence”(“Ordenador e inteligencia”), en el que reflexionaba sobre el concepto de inteligenciaUniversidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  4. 4. Inteligencia Artificial.artificial y establecía lo que luego se conocería como el test de Turing, una prueba quepermite determinar si un ordenador o computadora se comporta conforme a lo que seentiende como artificialmente inteligente o no.Con el avance de la ciencia moderna la búsqueda de la IA ha tomado dos caminosfundamentales: la investigación psicológica y fisiológica de la naturaleza del pensamientohumano, y el desarrollo tecnológico de sistemas informáticos cada vez más complejos.La Inteligencia Artificial es una combinación de la ciencia del computador, fisiología yfilosofía, tan general y amplio como eso, es que reúne varios campos (robótica, sistemasexpertos, por ejemplo), todos los cuales tienen en común la creación de máquinas quepueden "pensar".La idea de construir una máquina que pueda ejecutar tareas percibidas como requerimientosde inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este puntode vista incluyen juegos, traducción de idiomas, comprensión de idiomas, diagnóstico defallas, robótica, suministro de asesoría experta en diversos temas.Es así como los sistemas de administración de base de datos cada vez más sofisticados, laestructura de datos y el desarrollo de algoritmos de inserción, borrado y locación de datos,así como el intento de crear máquinas capaces de realizar tareas que son pensadas comotípicas del ámbito de la inteligencia humana, acuñaron el término Inteligencia Artificial en1956.Trabajos teóricos fundamentales fueron el desarrollo de algoritmos matemáticos porWarren McCullock y Walter Pitts, en 1943, necesarios para posibilitar el trabajo declasificación, o funcionamiento en sentido general, de una red neuronal. En 1949 DonaldHebb desarrolló un algoritmo de aprendizaje para dichas redes neuronales creando, enconjunto con los trabajos de McCullock y Pitts, la escuela creacionista. Esta escuela seconsidera hoy como el origen de la Inteligencia Artificial, sin embargo se trató poco pormuchos años, dando paso al razonamiento simbólico basado en reglas de producción, loque se conoce como sistemas expertos.En este sentido, el término IA se ha aplicado a sistemas y programas informáticos capacesde realizar tareas complejas, simulando el funcionamiento del pensamiento humano,aunque todavía muy lejos de éste. En esta esfera los campos de investigación másimportantes son el procesamiento de la información, el reconocimiento de modelos, losjuegos y las áreas aplicadas, como el diagnóstico médico. Un ejemplo de los logrosalcanzados fue la partida de ajedrez que el superordenador de IBM denominado Deep Blueganó, en mayo de 1997, al campeón del mundo Gari Kaspárov.Algunas áreas de la investigación actual del procesamiento de la información estáncentradas en programas que permiten a un ordenador o computadora comprender lainformación escrita o hablada, y generar resúmenes, responder a preguntas específicas oredistribuir datos a los usuarios interesados en determinados sectores de esta información.En esos programas es esencial la capacidad del sistema de generar frases gramaticalmenteUniversidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  5. 5. Inteligencia Artificial.correctas y de establecer vínculos entre palabras e ideas. La investigación ha demostradoque mientras que la lógica de la estructura del lenguaje, su sintaxis, está relacionada con laprogramación, el problema del significado, o semántica, es mucho más profundo, y va en ladirección de una auténtica inteligencia artificial.Actualmente existen dos tendencias en cuanto al desarrollo de sistemas de IA: los sistemasexpertos y las redes neuronales. Los sistemas expertos intentan reproducir el razonamientohumano de forma simbólica. Las redes neuronales lo hacen desde una perspectiva másbiológica (recrean la estructura de un cerebro humano mediante algoritmos genéticos). Apesar de la complejidad de ambos sistemas los resultados distan mucho de un auténticopensamiento inteligente.Muchos científicos se muestran escépticos acerca de la posibilidad de que alguna vez sepueda desarrollar una verdadera IA. El funcionamiento de la mente humana todavía no hallegado a conocerse en profundidad y, en consecuencia, el diseño informático seguirásiendo esencialmente incapaz de reproducir esos procesos desconocidos y complejos.La metáfora entre mente y computadora se ha ampliado y madurado.Existe mecanismos o procesos básicos; sean comunes a actividades y comportamientos tanvariados como: Resolver un problema en general matemático, financiero,... Descubrir una estructura de pensamiento. Ir de casa a la oficina. Jugar al ajedrez. Otras actividades del pensamiento que habitualmente se reconoce que requieren inteligencia.La existencia de otros mecanismos Confirmación del funcionamiento de la inteligencia. Detección de la inteligencia. Entendimiento de la inteligencia.La confluencia de IA con la sicología cognitiva. El conocimiento que se tenga de la inteligencia y el aprendizaje, será alguna vez suficiente para que sirva de ayuda en la construcción de modelos mentales (Ej.: el conocimiento de la aeronáutica ayuda a construir aviones.) Estudiase el acto de aprender --> en las personas el aprendizaje parece estar íntimamente ligado al crecimiento de la estructura física del cerebro.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  6. 6. Inteligencia Artificial.1.2. CRONOLOGÍA DE LA IA. La inteligencia artificial es el estudio de la inteligencia como computación (Hayes.) Es la ciencia de hacer máquinas que hacen cosas que, realizadas por el hombre, requieran el uso de inteligencia (Minski.) El estudio de las ideas que permiten a los ordenadores ser inteligentes (Winston.) Conjunto de técnicas encaminadas al diseño y la construcción de sistemas informáticos que exhiban algún aspecto de inteligencia (Luis Arranz.) El nacimiento de la inteligencia artificial se refiere a la conferencia de Darwouth de 1956. Se reunieron ciertos investigadores de informática para intercambiar sus ideas. En 1957 aparece un programa que es el General Power Solver (GPS) desarrollado por Newell, Shan y Simon que era un intento de hacer un programa que resolviera problemas. Todo quedó en un fracaso. En 1958 aparece un lenguaje llamado LISP de McCarthy. En 1961 aparece un programa para jugar a las damas (Samel) que además era capaz de aprender cuantas más partidas ganaba. En 1965 se comienza a desarrollar DENTRAL, que es un sistema experto relacionado con la química y es el primer S.E. (Sistema Experto.) En 1966 aparece un programa de ajedrez creado por Greunblat. En 1968 aparece un robot denominado SHAKEY con movimientos muy torpes. En el 69 aparecen otros sistemas expertos: PROSPECTOR (yacimientos minerales), MYCIN (enfermedades infecciosas.) En 1975 aparece PROLOG (Colmenawer.) 1981: Conferencia de Tokyo MITI Robot Superordenadores Quinta generación MCC (Microelectronics and Computer technology Corporation) SCS (Strategic Computing and Survivability) MCNC (Microelectronics Center of Nort Carolina) Proyecto “Guerra de las galaxias”Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  7. 7. Inteligencia Artificial.1.3. CONCEPTO DE INTELIGENCIA ARTIFICIAL.No existe una definición para la IA que tenga una aceptación general, lo cual no es deextrañar ya que tampoco ha existido nunca una definición universalmente aceptada de lainteligencia humana. De las muchas definiciones de IA existentes tenemos: Inteligencia Artificial 1. “La interesante tarea de lograr que las computadoras piensen... maquinas con mentes, en su amplio sentido.” (Haugeland, 1985.) 2. Disciplina científico-técnica que trata de crear sistemas artificiales capaces de comportamientos que, de ser realizados por seres humanos, se diría que requieren inteligencia. 3. “La automatización de actividades que vinculamos con procesos de pensamiento humano, actividades tales como toma de decisiones, resolución de problemas, aprendizaje...” (Bellman, 1978.) 4. “El estudio de las facultades mentales mediante el uso de modelos computacionales”. (Charniak y McDermott, 1985.) 5. “El estudio de los cálculos que permiten percibir, razonar y actuar”. (Winston, 1992.) 6. Estudio de los mecanismos de la inteligencia y las tecnologías que lo sustentan. (Newell) 7. “El arte con crear máquinas con capacidad de realizar funciones que al realizadas por personas requieren de inteligencia”. (Kurzweil, 1990.) 8. “El estudio de cómo lograr que las computadoras realicen tareas que, por el momento, los humanos hacen”. (Rich y Knight, 1991.) 9. “Un campo de estudio que se enfoca a la explicación y emulación de la conducta inteligente en función de procesos computacionales”. (Schalkoff, 1990.) 10. “La rama de la ciencia de la computación que se ocupa de la automatización de la conducta inteligente”. (Luger y Stubblefield, 1993).Las primeras cinco definiciones se refieren a procesos mentales y al razonamiento, mientrasque las ultimas cinco a la conducta. La 1, 3, 5 y 7 miden la condición deseable en funciónUniversidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  8. 8. Inteligencia Artificial.de eficiencia humana, y las 3, 4, 8, y 9 lo hacen en conformidad con un concepto deinteligencia ideal (racionalidad.)Desde sus comienzos hasta la actualidad, la Inteligencia Artificial ha tenido que hacerfrente a una serie de problemas: • Los computadores no pueden manejar (no contienen) verdaderos significados. • Los computadores no tienen autoconciencia (emociones, sociabilidad, etc.). • Un computador sólo puede hacer aquello para lo que está programado. • Las máquinas no pueden pensar realmente.Los esfuerzos de la Inteligencia Artificial (IA) están encaminados tanto a la construcción deentidades inteligentes como a su comprensión.En 1843, Lady Ada Augusta Byron, patrocinadora de Charles Babbage planteó el asunto desi la máquina de Babbage podía "pensar".Los primeros problemas que se trató de resolver fueron puzzles, juegos de ajedrez,traducción de textos a otro idioma.Durante la II Guerra Mundial Norbert Wiener y John Von Neumann establecieron losprincipios de la cibernética en relación con la realización de decisiones complejas y controlde funciones en máquinas.La teoría de la retroalimentación en mecanismos, como por ejemplo un termostato queregula la temperatura en una casa, tuvo mucha influencia. Esto aún no era propiamenteInteligencia Artificial. Se hizo mucho en traducciones (Andrew Booth y Warren Weaver),lo que sembró la semilla hacia el entendimiento del lenguaje natural.En el año 1955 Herbert Simon, el físico Allen Newell y J.C. Shaw, programador de laRAND Corp. y compañero de Newell, desarrolla el primer lenguaje de programaciónorientado a la resolución de problemas de la Inteligencia Artificial, el IPL-11. Un año mástarde estos tres científicos desarrollan el primer programa de Inteligencia Artificial al quellamaron Logic Theorist, el cual era capaz de demostrar teoremas matemáticos,representando cada problema como un modelo de árbol, en el que se seguían ramas enbusca de la solución correcta, que resultó crucial. Este programa demostró 38 de los 52teoremas del segundo capítulo de Principia Mathematica de Russel y Whitehead.En 1956, con la ahora famosa conferencia de Dartmouth, organizada por John McCarthy yen la cual se utilizó el nombre de inteligencia artificial para este nuevo campo, se separó laInteligencia Artificial de la ciencia del computador, como tal. Se estableció comoconclusión fundamental la posibilidad de simular inteligencia humana en una máquina.En 1957 Newell y Simon continúan su trabajo con el desarrollo del General ProblemsSolver (GPS). GPS era un sistema orientado a la resolución de problemas; a diferencia delLogic Theorist, el cual se orientó a la demostración de teoremas matemáticos, GPS noUniversidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  9. 9. Inteligencia Artificial.estaba programado para resolver problemas de un determinado tipo, razón a la cual debe sunombre. Resuelve una gran cantidad de problemas de sentido común, como una extensióndel principio de retroalimentación de Wiener.Diversos centros de investigación se establecieron, entre los más relevantes están, laUniversidad Carnegie Mellon, el Massachusetts Institute of Technologie (MIT),encabezado por Marvin Minsky, la Universidad de Standford e IBM. Los temasfundamentales eran el desarrollo de heurísticas y el aprendizaje de máquinas.En 1957 McCarthy desarrolló el lenguaje LISP. La IBM contrató un equipo para lainvestigación en esa área y el gobierno de USA aportó dinero al MIT también parainvestigación en 1963.A finales de los años 50 y comienzos de la década del 60 se desarrolla un programaorientado a la lectura de oraciones en inglés y la extracción de conclusiones a partir de suinterpretación, al cual su autor, Robert K. Lindsay, denomina "Sad Sam". Este podía leeroraciones del tipo "Jim es hermano de John" y "La madre de Jim es Mary", a partir de ellael sistema concluía que Mary debía ser también la madre de John. Este sistema representóun enorme paso de avance en la simulación de inteligencia humana por una máquina, puesera capaz de tomar una pieza de información, interpretarla, relacionarla con informaciónanteriormente almacenada, analizarla y sacar conclusiones lógicas.En el mismo período de tiempo hay trabajos importantes de Herbert Gelernter, de IBM,quien desarrolla un "Demostrador Automático de Teoremas de la Geometría", AlexBernstein desarrolla un programa para el juego de ajedrez que se considera el antecedentepara "Deep Blue".En 1961 se desarrolla SAINT (Simbolic Automatic INTegrator) por James Slagle el cual seorienta a la demostración simbólica en el área del álgebra.En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) elcual era capaz de comprender oraciones en inglés.Formalmente la IA inicia como disciplina en 1956.En la década del 60 se comienza en el MIT el estudio de la visión artificial, lo cual implicano solo captar imágenes a través de una cámara, sino también la comprensión, de lo queestas imágenes representan.Un resultado importante en este trabajo lo constituye el "mundo de micro-bloques", en elcual un robot era capaz de percibir un conjunto de bloques sobre una mesa, moverlos yapilarlos; el éxito se debió a los investigadores Larry Roberts, Gerald Sussman, AdolfoGuzman, Max Clowes, David Huffman, David Waltz, Patrick Winston, y Berthold Horn.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  10. 10. Inteligencia Artificial.Posteriormente se obtuvieron resultados importantes entre ellos el de mayor resonancia fueel sistema SCHRDLU de Terry Winograd, pues permitía interrogar y dar órdenes a unrobot que se movía dentro de un mundo de bloques.En los primeros años de la década del 60 Frank Rosemblatt desarrolla, en la Universidad deCornell, un modelo de la mente humana a través de una red neuronal y produce un primerresultado al cual llama perceptrón. Este sistema era una extensión del modelo matemáticoconcebido por McCullock y Pitts para las neuronas, y funcionaba basándose en el principiode "disparar" o activar neuronas a partir de un valor de entrada el cual modifica un pesoasociado a la neurona, si el peso resultante sobrepasa un cierto umbral la neurona se disparay pasa la señal a aquellas con las que está conectada. Al final, en la última capa deneuronas, aquellas que se activen definirán un patrón el cual sirve para clasificar la entradainicial.Este trabajo constituye la base de las redes neuronales de hoy en día, sin embargo a raíz desu desarrollo sufrió fuertes críticas por parte de Marvin Minsky y Seymour Papert lo cualprovocó que la mayoría de los investigadores interesados en el tema lo abandonarán, y esteno se retomara hasta los años 80.En 1965-70, comenzaron a aparecer los programas expertos, que predicen la probabilidadde una solución bajo un set de condiciones, entre esos proyectos estuvo: DENDRAL, queasistía a químicos en estructuras químicas complejas euclidianas; MACSYMA, productoque asistía a ingenieros y científicos en la solución de ecuaciones matemáticas complejas,etc.En la década 1970-80, creció el uso de sistemas expertos, muchas veces diseñados paraaplicaciones médicas y para problemas realmente muy complejos como MYCIN, queasistió a médicos en el diagnóstico y tratamiento de infecciones en la sangre. Otros son:R1/XCON, PIP, ABEL, CASNET, PUFF, INTERNIST/CADUCEUS, etc. Algunospermanecen hasta hoy.De 1975 en adelante, comienza la era de los lenguajes expertos (shells) como EMYCIN,EXPERT, OPSS, etc. para luego tratar de que éstos sean más amigables y funcionales.Las definiciones de Inteligencia Artificial son muchas, pero podría decirse que sonprogramas que realizan tareas que si fueran hechas por humanos se consideraríaninteligentes.Estos programas obviamente corren en un computador y se usan, como por ejemplo, encontrol robótico, comprensión de lenguajes naturales, procesamiento de imágenes basadoen conocimientos previos, estrategias de juegos, etc. reproduciendo la experiencia que unhumano adquiriría y de la forma en que un humano lo haría.Para clasificar las máquinas como "pensantes", es necesario definir qué es inteligencia yqué grado de inteligencia implica resolver problemas matemáticos complejos, hacergeneralizaciones o relaciones, percibir y comprender. Los estudios en las áreas delUniversidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  11. 11. Inteligencia Artificial.aprendizaje, del lenguaje y de la percepción sensorial han ayudado a los científicos a definira una máquina inteligente. Importantes desafíos han sido tratar de imitar el comportamientodel cerebro humano, con millones de neuronas y extrema complejidad. DIFERENCIA ENTRE LA INTELIGENCIA NATURAL Y LA ARTIFICIALAtributos Inteligencia Inteligencia Natural ArtificialCapacidad de usar detectores Alta BajaCapacidad de ser creativo Alta BajaCapacidad de aprender de la experiencia Alta BajaCapacidad de adaptación Alta BajaCapacidad de permitirse el costo de adquirir Alta BajaexperienciaCapacidad de usar diversas fuentes de información Alta AltaCapacidad de adquirir una gran cantidad de Alta Altainformación externaCapacidad de realizar cálculos complejos Baja AltaCapacidad de transferir información Baja AltaCapacidad de hacer una serie de cálculos con rapidez y Baja AltaexactitudLa IA tiene cuatro objetivos que alcanzar: • Sistemas que piensan como humanos. • Sistemas que actúan como humanos. • Sistemas que piensan racionalmente. • Sistemas que actúan racionalmente.Desde el punto de vista de los objetivos, la IA puede considerarse en parte como ingenieríay en parte como ciencia: • Como ingeniería, el objetivo de la IA es resolver problemas reales, actuando como un conjunto de ideas acerca de cómo representar y utilizar el conocimiento, y de cómo desarrollar sistemas informáticos. • Como ciencia, el objetivo de la IA es buscar la explicación de diversas clases de inteligencia, a través de la representación del conocimiento y de la aplicación que se da a éste en los sistemas informáticos desarrollados.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  12. 12. Inteligencia Artificial.Preguntas fundamentales de la IA.1. ¿Cuales son las suposiciones subyacentes acerca de la inteligencia?2. ¿Cuáles son las técnicas útiles para la resolución de problemas en IA?3. ¿A qué nivel de detalle se trata de modelar la inteligencia humana?4. ¿Cómo se puede saber que se ha tenido éxito en el desarrollo de un sistema inteligente?La hipótesis del sistema físico de símbolosUn sistema físico de símbolos está formado por un conjunto de entidades básicas (llamadassímbolos), las cuales son patrones físicos que pueden ocurrir como componentes de otrotipo de entidad llamada expresión o estructura de símbolos. Una estructura de símbolos estácompuesta de un número de instancias de símbolos, relacionados en alguna forma física.Además de estas estructuras, el sistema también contiene una colección de procesos queoperan sobre las expresiones, para producir otras: procesos de creación, modificación,reproducción y destrucción.Un sistema físico de símbolos es una máquina que produce, a través del tiempo, unacolección evolutiva de estructuras de símbolos.Hipótesis: Un sistema físico de símbolos tiene los medios necesarios y suficientes paraactuar en general de forma inteligente.Importancia de la hipótesisRepresenta una importante teoría acerca de la naturaleza de la inteligencia humana.Constituye la base sobre la que se fundamenta la creencia de que es posible construirprogramas que pueden realizar tareas inteligentes como las que hacen las personas.Agentes Inteligentes.Agente, del latín agere, es "el que hace". En el ámbito delos negocios, un agente es "aquel que tiene por oficiogestionar negocios ajenos".¿Qué es un Agente Inteligente? Es todo aquello que puedeconsiderarse que percibe su ambiente mediante sensores yque responde o actúa en tal ambiente por medio deefectores. Es decir: "un tipo de programa informático que,por encargo de un usuario u otro programa, realiza deforma autónoma tareas que requieren cierto grado de inteligencia y aprendizaje".Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  13. 13. Inteligencia Artificial.El agente puede ser: • Autónomo: Un agente autónomo es un sistema anidado y parte integrante de un ambiente (environment) y que detecta o percibe (percepts) datos ambientales, momento a momento, y actúa sobre él con la intención de usar (actions) esos datos para su propia tarea (task) o agenda, afectando así lo que va a detectar en el futuro, sin intervención de terceras partes (basado en Franklin y Greasser, 1996). • Racional, que hace lo correcto, siendo "ideal" si hipoteticamente lo consigue del todo.- inteligente, siendo aceptable cualquiera de las numerosas definiciones de inteligencia, por ejemplo, capaz de aprender/adaptivo. • Activo, o sea que tiene en cuenta la gama de acciones abiertas a la elección y sus recompensas o penalidades. • Pro-activo donde más allá de actuar en respuesta a su mundo, lo hace tomando la iniciativa. • Meta-intensivo (orientado a metas), que elige las acciones que lo conducen a la meta, que intenta lograr prioritariamente. • Modelo-intensivo, que tiene internalizado un cierto modelo del mundo y lo respeta en sus acciones. • Utilidad-intensivo, que se esfuerza por obtener un máximo de "felicidad". • Social-intensivo o de comunicación, capaz de comunicarse en algun lenguaje de comunicación para agentes comprensible para otros. • De planificación, parecido al agente problema-intensivo (orientado a resolver problemas y tomar decisiones) • Softbot o sea robot basado en un software (como los robots bidimensionales de Beer que mimetizan a un invertebrado). • Reactivo cuando percibe perturbaciones en su mundo y responde a esa percepción de una manera actualizada (adaptada). • Reflejo o tropista, que responde de inmediato y en forma bien definida a un tropismo, a una percepción alarmante o beneficiosa (así un agente para el heliotropismo se orienta al Sol.)La mayoría de los agentes poseen las siguientes tres características: comunicación,inteligencia y autonomía.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  14. 14. Inteligencia Artificial. • Comunicación. El agente puede comunicarse con el usuario, con otros agentes y con otros programas. Con el usuario se comunica con un interfaz amigable, mediante el que personaliza sus preferencias. Algunos agentes permiten comunicarse en lenguaje natural, algo típico de los chatbots. • El grado de inteligencia varía mucho de unos agentes a otros, que suelen incorporar módulos con tecnologías procedentes de la Inteligencia Artificial. Los más sencillos se limitan a recoger las preferencias del usuario, quien debe personalizarlos. Un ejemplo son los agentes inteligentes basados en tecnología de redes neuronales especializados en identificar mensajes de correo electrónico sospechosos de contener spam -mensajes no deseados-. En una primera fase el usuario debe marcarlos como spam, el agente va aprendiendo a identificar los rasgos que caracterizan a estos mensajes y posteriormente los filtra. • Autonomía. Un agente no sólo debe ser capaz de hacer sugerencias al usuario sino de actuar. En el ejemplo anterior, el agente que filtra el spam no puede estar continuamente alertando al usuario en cada mensaje de correo que llega sobre la posibilidad de que sea un mensaje no deseado y su verdadera utilidad surge cuando elimina de forma autónoma dichos mensajes.Ejemplos de agentes. • Representante virtual. • Asistentes personales (Agentes, Asistentes Financieros, Auditores.) • Negociadores de mercados electrónicos (subastas.) • Agentes de búsquedas de información o rastreadores de información solicitada (Maimai, Googlealert, Copernic, Spypress, Tracerlook, Trademarkboots, Google News.) • Agente secreto espía, para monitorear páginas web previamente identificadas por el usuario e informa sobre cambios en dicha página (Changedetection, Spyweb.)En general no se trabaja con agentes aislados sino con sistemas multi-agente, como loilustra la figura.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  15. 15. Inteligencia Artificial.De manera intrínseca, los sistemas multiagentes tienen las ventajas tradicionales en lasolución de problemas concurrente y distribuido, además de incorporar patrones deinteracción sofisticados: • Cooperación: Trabajan juntos hacia un propósito común. • Coordinación: Organizan las actividades para solución de problemas, de tal forma que las interacciones dañinas (en conflicto muto) sean evitadas; y las interacciones benéficas sean explotadas. • Negociación: Llegan a acuerdos aceptables por todas las partes involucradasPractique con el agente inteligente de inversiones diligentdingo.(http://www.diligentdingo.com/DDingoLatest.exe)Existen cuatro programas de agentes: 1. Agente de reflejo simple. 2. Agente bien informado de todo lo que pasa. 3. Agentes basados en metas. 4. Agentes basados en utilidad.Los ambientes poseen las siguientes propiedades: 1. Accesibles y no accesibles: Si el aparato sensorial de un agente le permite tener acceso al estado total de un ambiente, se dice que este es accesible a tal agente.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  16. 16. Inteligencia Artificial. 2. Determinísticos y no determinísticos: Si el estado siguiente de un ambiente se determina completamente mediante el estado actual y las acciones escogidas por los agentes, se dice que el ambiente es determinista. 3. Episódicos y no episódicos: La experiencia del agente se divide en episodios. Cada episodio consta de una gente que percibe y actúa, la calidad de su actuación dependerá del episodio mismo (Para los ambientes episódicos). 4. Estáticos y dinámicos: Si existe la posibilidad de que el ambiente sufra modificaciones mientras el agente se encuentra deliberando se dice que el ambiente se comporta en forma dinámica en relación con el agente. 5. Discretos y continuos: Si existe una cantidad limitada de percepciones y acciones distintas y claramente discernibles, se dice que el ambiente es discreto.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  17. 17. Inteligencia Artificial.1.4. ALCANCE DE LA INTELIGENCIA ARTIFICIAL.Como se menciono anteriormente, no existe una definición universalmente aceptada de IA,pero existen los procesos que generalmente pueden ser llamados IA si son programados enuna computadora. La lista no es exhaustiva, pero se abordan las áreas principalesa) Percepción:Las maquinas serán capaces de reaccionar a su entorno e influenciarlo mediante sensores ydispositivos de interacción con el exterior. Podemos señalar las percepciones de la vista, laaudición y el tacto. La visión ya se ha llevado a cabo en una escala limitada medianteaparatos de televisión y dispositivos para la percepción de imágenes sintetizadores quepermiten al ordenador comunicarse mediante audición del lenguaje hablado en la salida yno escrito como se ha hecho hasta ahora, con el uso de pantallas o impresoras. Algunos delos progresos conseguidos con el desarrollo de circuitos integrados permitirán alcomputados aceptar órdenes y datos especializados, también mediante la utilización dellenguaje hablado.b) Sistemas expertos. Sistema experto, tipo de programa de aplicación informática que adopta decisiones o resuelve problemas de un determinado campo, como las finanzas o la medicina, utilizando los conocimientos y las reglas analíticas definidas por los expertos en dicho campo.Para algunas personas los términos IA y sistemas expertos son sinónimos. Muchos de lossistemas expertos existentes actualmente consisten en grandes bases de conocimientos,creadas para almacenar la información de que se dispone expertos humanos en varioscampos y a las que se aplica una serie de reglas de manipulación expresadas en lenguajesespecíficos. La diagnosis medica, la ingeniería química, la exploración geológica y elUniversidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  18. 18. Inteligencia Artificial.diseño de computadoras han proporcionado material para el diseño de sistemas expertos degran éxito.Con el nacimiento de la Revolución Industrial, muchas fábricas tuvieron gran aceptaciónpor la automatización de procesos repetitivos en la línea de ensamblaje. La automatizaciónLos sistemas expertos, tienen dos elementos básicos y separados, aunque relacionados: unabase de conocimientos y una máquina de deducción, o de inferencia. La base de conocimientosproporciona hechos objetivos y reglas sobre el tema, mientras que la máquina de deducciónproporciona la capacidad de razonamiento que permite al sistema experto extraer conclusiones.consiste, principalmente, en diseñar sistemas capaces de ejecutar tareas repetitivas hechaspor los hombres, y capaces de controlar operaciones sin la ayuda de un operador humano.El término automatización también se utiliza para describir a los sistemas programables quepueden operar independientemente del control humano. La mayoría de las industrias hassido automatizadas o utilizan tecnología para automatizar algunas labores; en la industria dela telefonía, marcación, transmisión y facturación esta completamente automatizados.Pero no todas las industrias requieren el mismo grado de automatización. La agricultura esuna industria difícil de automatizar, y con esto se ha vuelto más mecanizada, esencialmenteen el procesamiento y empaque de comida. De manera similar, los doctores pueden darconsulta asistiéndose en una computadora, pero finalmente el doctor, y no la computadora,termina por dar el diagnóstico final al paciente.Los robots comenzaron a aparecer en este proceso de automatización industrial hasta laaparición de las computadoras en los 40’s. Estos robots computarizados, están equipadoscon pequeños microprocesadores capaces de procesar la información que le proveen lossensores externos y así es como el robot puede tomar cambiar o mantener una operación enejecución, a esto se le llama retroalimentación, y forma parte de la Cibernética. Laretroalimentación es esencial en cualquier mecanismo de control automático, ya que ayudaa controlar los factores externos que le afecten en la correcta ejecución de sus operacionesnormales. c) Hardware para la IA.El diseño tradicional de hardware no ha conseguido alcanzar, en gran medida el finpropuesto por la IA. Las técnicas de IA requieren acceso rápido a bancos de memoria,enormes según los estándares tradicionales y, por tanto, las velocidades de proceso sondemasiado lentas para las aplicaciones más exigentes. La antigua idea de solucionar unproblema paso a paso mediante la ejecución de una secuencia de instrucciones estacediendo al paso a la idea del procesamiento en paralelo, en el cual un conjunto deprocesadores trabajan simultáneamente en la diferentes partes del problema.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  19. 19. Inteligencia Artificial.Según otros rumbos tomados se propone la inclusión de compiladores en hardware más queen software, y la obtención de un microcódigo para procesadores en un lenguaje lógicocomo el Prolog. d) Robótica La ciencia de la robótica implica diferentes técnicas de IA. La idea de un robot "listo" con la capacidad de aprender por experiencia es el tema central de teorías e investigaciones en IA. El robot debe sercapaz de comunicarse en lenguaje natural y debe poder realizar tareas que requieran que elequivalente a la iniciativa y la originalidad, esto implica que el robot debe llegar a realizar,tras un periodo de aprendizaje cosas para las cuales no estaba inicialmente programado, adiferencia de los robots que se utilizan actualmente en la aplicación industrial, los cuales noson más que meros autómatas.La idea global en la inteligencia artificial estuvo desacreditada durante varios años debidoparcialmente, al excesivo optimismo por parte de la primera teoría pero, mayormentecausado por la exageración y el sensacionalismo de algunos de sus divulgadores.Los primeros robots creados en toda la historia de la humanidad, no tenían más que un solofin: entretener a sus dueños. Estos inventores se interesaban solamente en conceder losdeseos de entretener a quien le pedía construir el robot. Sin embargo, estos inventores secomenzaron a dar cuenta de que los robots podían imitar movimientos humanos o de algunacriatura viva. Estos movimientos pudieron ser mecanizados, y de esta manera, se podíaautomatizar y mecanizar algunas de las labores más sencillas de aquellos tiempos. El origen del desarrollo de la robótica, se basa en el empeño por automatizar la mayoría de las operaciones en una fábrica; esto se remonta al siglo XVII en la industria textil, donde se diseñaron telares que se controlaban con tarjetas perforadas. Isaac Asimov formuló sus geniales "Tres Leyes de la Robótica":1. "Un robot no debe dañar a un ser humano o, por su inacción, dejar que un ser humano sufra daño."2. "Un robot debe obedecer las órdenes que le son dadas por un ser humano, excepto cuando etas órdenes están en oposición con la primera Ley."3. "Un robot debe proteger su propia existencia, hasta donde esta protección no esté en conflicto con la primera o la segunda Leyes."Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  20. 20. Inteligencia Artificial. Cronología de la Robótica.FECHA DESARROLLOSigloXVIII. A mediados del J. de Vaucanson construyó varias muñecas mecánicas de tamaño humano que ejecutaban piezas de música1801 J. Jaquard invento su telar, que era una máquina programable para la urdimbre1805 H. Maillardet construyó una muñeca mecánica capaz de hacer dibujos.1946 El inventor americano G.C Devol desarrolló un dispositivo controlador que podía registrar señales eléctricas por medio magnéticos y reproducirlas para accionar un máquina mecánica. La patente estadounidense se emitió en 1952.1951 Trabajo de desarrollo con teleoperadores (manipuladores de control remoto) para manejar materiales radiactivos. Patente de Estados Unidos emitidas para Goertz (1954) y Bergsland (1958).1952 Una máquina prototipo de control numérico fue objetivo de demostración en el Instituto Tecnológico de Massachusetts después de varios años de desarrollo. Un lenguaje de programación de piezas denominado APT (Automatically Programmed Tooling) se desarrolló posteriormente y se publicó en 1961.1954 El inventor británico C. W. Kenward solicitó su patente para diseño de robot. Patente británica emitida en 1957.1954 G.C. Devol desarrolla diseños para Transferencia de artículos programada. Patente emitida en Estados Unidos para el diseño en 1961.1959 Se introdujo el primer robot comercial por Planet Corporation. estaba controlado por interruptores de fin de carrera.1960 Se introdujo el primer robot ‘Unimate’’, basada en la transferencia de articulaciones programada de Devol. Utilizan los principios de control numérico para el control de manipulador y era un robot de transmisión hidráulica.1961 Un robot Unimate se instaló en la Ford Motors Company para atender una máquina de fundición de troquel.1966 Trallfa, una firma noruega, construyó e instaló un robot de pintura por pulverización.1968 Un robot móvil llamado ‘Shakey’’ se desarrollo en SRI (standford Research Institute), estaba provisto de una diversidad de sensores así como una cámara de visión y sensores táctiles y podía desplazarse por el suelo.1971 El ‘Standford Arm’’, un pequeño brazo de robot de accionamiento eléctrico, se desarrolló en la Standford University.1973 Se desarrolló en SRI el primer lenguaje de programación de robots del tipo de computadora para la investigación con la denominación WAVE. Fue seguido por el lenguaje AL en 1974. Los dos lenguajes se desarrollaron posteriormente en el lenguaje VAL comercial para Unimation por Víctor Scheinman y Bruce Simano.1974 ASEA introdujo el robot Irb6 de accionamiento completamente eléctrico.1974 Kawasaki, bajo licencia de Unimation, instaló un robot para soldadura por arco para estructuras de motocicletas.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  21. 21. Inteligencia Artificial.1974 Cincinnati Milacron introdujo el robot T3 con control por computadora.1975 El robot ‘Sigma’’ de Olivetti se utilizó en operaciones de montaje, una de las primitivas aplicaciones de la robótica al montaje.1976 Un dispositivo de Remopte Center Compliance (RCC) para la inserción de piezas en la línea de montaje se desarrolló en los laboratorios Charles Stark Draper Labs en estados Unidos.1978 El robot T3 de Cincinnati Milacron se adaptó y programó para realizar operaciones de taladro y circulación de materiales en componentes de aviones, bajo el patrocinio de Air Force ICAM (Integrated Computer- Aided Manufacturing).1978 Se introdujo el robot PUMA (Programmable Universal Machine for Assambly) para tareas de montaje por Unimation, basándose en diseños obtenidos en un estudio de la General Motors.1979 Desarrollo del robot tipo SCARA (Selective Compliance Arm for Robotic Assambly) en la Universidad de Yamanashi en Japón para montaje. Varios robots SCARA comerciales se introdujeron hacia 1981.1980 Un sistema robótico de captación de recipientes fue objeto de demostración en la Universidad de Rhode Island. Con el empleo de visión de máquina el sistema era capaz de captar piezas en orientaciones aleatorias y posiciones fuera de un recipiente.1981 Se desarrolló en la Universidad de Carnegie- Mellon un robot de impulsión directa. Utilizaba motores eléctricos situados en las articulaciones del manipula dor sin las transmisiones mecánicas habituales empleadas en la mayoría de los robots.1982 IBM introdujo el robot RS-1 para montaje, basado en varios años de desarrollo interno. Se trata de un robot de estructura de caja que utiliza un brazo constituido por tres dispositivos de deslizamiento ortogonales. El lenguaje del robot AML, desarrollado por IBM, se introdujo también para programar el robot SR-1.1983 Informe emitido por la investigación en Westinghouse Corp. bajo el patrocinio de National Science Foundation sobre un sistema de montaje programable adaptable (APAS), un proyecto piloto para una línea de montaje automatizada flexible con el empleo de robots.1984 Robots 8. La operación típica de estos sistemas permitía que se desarrollaran programas de robots utilizando gráficos interactivos en una computadora personal y luego se cargaban en el robot. e) Cibernética. La cibernética es una ciencia interdisciplinaria, tratando con sistemas de comunicación ycontrol sobre organismos vivos, máquinas u organizaciones. El término es una derivacióndel vocablo griego kybernetes que significa gobernador o piloto, y fue aplicado por primeravez en 1948 a la teoría del control de mecanismos por el matemático americano NorbetWiener.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  22. 22. Inteligencia Artificial.En el cuerpo humano, el cerebro y el sistema nervioso funcionan para coordinar lainformación, la cual es utilizada para determinar el futuro curso de una acción; controlar losmecanismos para la auto corrección en máquinas que sirven con un propósito similar. Esteprincipio es conocido como retroalimentación, el cual es fundamental en el concepto deautomatización.La cibernética también se aplica al estudio de la psicología, servomecanismo, economía,neuropsicología, ingeniería en sistemas y al estudio de sistemas sociales, el términocibernética no es muy utilizado para describir por separado a un campo de estudio, ymuchas de las investigaciones en el campo ahora se centran en el estudio y diseño de redesneuronales artificiales. 1.3 ALGUNOS PROGRAMAS DE IA. a) El programa ELIZACasi cada publicación famosa en la IA menciona el programa ELIZA que fue escrito afinales de los sesenta por el profesor Joseph Weizenbaum de Massachusetts Institute ofTechnology (MIT). El programa fue diseñado como una ayuda al análisis del lenguaje y elprofesor J. W. Lo llamo así en honor a la muchacha que aparece en la obra de G. B. Shaw,que comenzó como una vendedora callejera de flores y su vida se transformo cuando elprofesor de dicción le enseño a hablar un correcto ingles, quien asumió esta tarea comoparte de una apuesta.Un elemento muy importante del mensaje de Shaw era que aunque Eliza continuaba siendola misma persona, con las misma virtudes y defectos antes y después de su transformación,la gente la veía de un manera deferente, como una señorita bien vestida y con un acentoculto, en contraste con la desastrada vendedora de flores que hablaba de una forma vulgar.Podemos obtener la moraleja de esta historia y observar que aunque un programa sea muycomplejo la computadora sigue siendo una acumulación inanimada de dispositivoselectrónicos y que, aunque algunos de los resultados puedan ser sorprendentes la maquinaes capaz de ejecutar únicamente las tareas para las cuales fue exactamente programada ynada más. b) El programa MYCIN La especialización de cualquier actividad requiere un gran conocimiento asociado. El proceso para poder practicar una cierta actividad depende de la asimilación de este conocimiento.Un conjunto de hechos constituyen una gran parte del conocimiento básico sobre un tema,pero son igualmente importantes la destreza que se puede adquirir con la experiencia, lasideas generales en algunos casos acerca de lo que es una buena practica y el arte de tomarUniversidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  23. 23. Inteligencia Artificial.un decisión acertada basándose en información incompleta. Esto resulta tan importante parael aprendizaje de cualquier materia o para que el estudiante de cualquier ciencia adquieralos aspectos sutiles del tema, como aprender las premisas básicas.En la creación de un sistema experto hay una parte bastante inmediata de codificación delos hechos conocidos sobre un tema; la parte más difícil, conocida como modelación de lamaestría, consiste en la formulación y aplicación de reglas extraídas de la experiencia quese posee en el tema. En cualquiera de los casos el sistema esta constituido por una base deconocimientos que proporcionan los hechos y un motor de inferencia para desarrollar lasdeducciones lógicas y tomar decisiones (algunas veces acompañadas de un porcentaje deprobabilidad acerca de la corrección de las deducciones), basadas en los hechos y reglasconocidas.El programa MYCIN publicado por E. Schortcliffe en 1976 es un sistema que diagnosticaenfermedades infecciosas, en particular infecciones sanguíneas. MYCIN lo usan médicosen prácticas para obtener ayuda en sus diagnósticos, a su vez el sistema se actualiza con loshechos y reglas de inferencia que proporcionan los especialistas. c) El programa DENDRAL DENDRAL es un programa experto de análisis químico yse ha aplicado con mucho éxito en muchos lugares del mundo. DENDRAL soluciona unproblema de ingeniería química en tres fases. En primer lugar, el programa infiere cualquierposible restricción sobre la solución basándose en el conocimiento que posee en su base dedatos. A continuación permite a los usuarios añadir cualquier otro tipo de restricción yfinalmente genera y comprueba una lista de posibles soluciones, que imprime en orden depreferencia. DENDRAL se escribió originalmente en LIPS, pero ha sido reprogramado paraser usado en varias maquinas diferentes de entre las que se destaca la implementaciónrealizada sobre un PDP-10 en Edimburgo. Este programa basado en la estrategia de"planificar, generar y comprobar" se usa en las universidades y en las industrias de EstadosUnidos y en Europa y representa una de las aplicaciones prácticas de la IA que mas éxito haconseguido de entre las desarrolladas hasta la fecha. 1.5. EL PROYECTO JAPONÉS DE LA QUINTA GENERACIÓN.La investigación y el desarrollo japonés de nueva tecnología están dirigidos por la unión dela industria y el gobierno en el instituto para la nueva generación de Tecnología decomputadoras (ICOT). La investigación se desarrolla principalmente en tres campos:hardware, software y aplicaciones. Los investigadores en el campo del hardware estánconcentrados en una arquitectura de computadoras que se caracteriza por la inferenciasecuencial, inferencia en paralelo y el desarrollo de maquinas para bases de datos afines.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  24. 24. Inteligencia Artificial.El grupo de software esta investigando sobre un lenguaje que sea el núcleo del proyecto,esté incluye sistema operativo, lenguaje natural y representación del conocimiento. Eltercer grupo combina los resultados de los dos primeros grupos en la labor sobre sistemasde gestión de bases de datos afines y sistemas expertos y para conseguir validar la teoríapropuestas por el resto del grupo.En contraste en las aproximaciones que se han realizado en otras partes del mundo, losjaponeses están tratando de formular una nueva teoría unificada para todo el campo derepresentación y procesamiento de la información. Ya hemos visto que existen numerosasaproximaciones diferentes que pueden asimilarse a las diferentes ramas de la IA, pero solosi se aceptan estas aproximaciones incluyéndolas en una estrategia global, el número deopciones se reducirá y los japoneses creen que de este modo aumentarán las oportunidadespara lograr una estrategia global coherente.El mayor logro desarrollado en los primeros cuatro años del proyecto ha sido una maquinabasada en el conocimiento y que ha sido llamada Delta que comprende un sistema deinferencia, un sistema de conocimiento, un sistema de software y un sistema para eldesarrollo de prototipos de software. Las maquinas para bases de datos afines tienen acceso a algo así como unos 20 gigabytes de almacenamiento y en las etapas iniciales se encontraron algunos problemas debido al uso de las maquinas convencionales que se basan en un procesamiento secuencial y que se incluyeron como compromiso con la reconocida necesidad de efectuar un procesamiento en paralelo a gran escala. Se estima que las maquinas de inferencia que se necesitan al final del proyecto deberán ser capaces de ejecutar 10 LIPS y esta potencia de procesamiento sólo será proporcionada por el equivalente de 1000 procesadores trabajando en paralelo.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  25. 25. Inteligencia Artificial.SEGUNDA UNIDAD:REPRESENTACIÓN DEL CONOCIMIENTO2.1. Formalismos para la representación del conocimiento: listas y árboles, redes semánticas, frames, scripts.2.2. Fundamentos lógicos en inteligencia artificial: Lógica proposicional y de predicados. Sistemas conjuntivos, Forma de Skolen2.3.Inferencia a) Reglas de producción. b) Cláusulas de Horn.Introducción.Desde el punto de vista de ingeniería, la mayor parte del trabajo requerido para construir sistemasde IA, está basado en el desarrollo de adecuadas representaciones de conocimiento y suscorrespondientes estrategias de manipulación. No se puede manipular conocimiento a menosque esté adecuadamente representado. En consecuencia, las siguientes tres preguntas clavespueden guiarnos en el estudio de la IA. • ¿Qué es el conocimiento? • ¿Cómo se puede representar el conocimiento? • ¿Cómo se podría manipular el conocimiento?A continuación, se dan respuestas parciales a estas preguntas planteadas. En los capítulosposteriores se presenta un estudio más formal y detallado acerca del conocimiento, surepresentación y manipulación.ConocimientoPuede ser definido como el conjunto de hechos y principios acumulados por la humanidad, o elacto, hecho o estado de conocer. Es la familiaridad con el lenguaje, conceptos, procedimientos,reglas, ideas, abstracciones, lugares, costumbres y asociaciones, unida a la habilidad de utilizarestas nociones en forma efectiva para modelar diferentes aspectos del universo que nos rodea.Los conceptos de conocimiento e inteligencia están íntimamente ligados. La inteligencia requierede la posesión y acceso al conocimiento. Conocimiento no debe ser confundido con datos oinformación. El conocimiento incluye y requiere del uso de datos e información. Además, combinarelaciones, dependencias, y la noción del saber con datos e información.A veces es también útil o más aun necesario distinguir entre conocimiento y otros términos comocreencia e hipótesis.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  26. 26. Inteligencia Artificial.Esencialmente, se define como creencia a toda expresión que tiene significado, que es coherentey puede ser representada. En consecuencia una creencia puede ser verdadera o falsa. Hipótesisse define como una creencia justificada que no se conoce sea verdadera. Una hipótesis es unacreencia que está respaldada por cierta evidencia, pero todavía puede resultar falsa. Finalmente,se puede también decir que conocimiento es una creencia justificada como verdadera.Otros términos relacionados con el conocimiento y que son ocasionalmente empleados sonepistemología y metaconocimiento. Epistemología es el estudio de la naturaleza del conocimiento,mientras que metaconocimiento es conocimiento acerca del conocimiento, esto es, conocimientoacerca de lo que se conoce.El conocimiento puede ser de tipo procedimental, declarativo o heurístico. Conocimientoprocedimental es aquel conocimiento compilado que se refiere a la forma de realizar una ciertatarea (el saber como hacerlo). Por ejemplo, los pasos necesarios para resolver una ecuaciónalgebraica son expresados como conocimiento procedimental.Por otro lado, el conocimiento declarativo es conocimiento pasivo, expresado como sentenciasacerca de los hechos del mundo que nos rodea (el saber que hacer). La información personal enuna base de datos es un típico ejemplo de conocimiento declarativo. Tales tipos de datos sonpiezas explícitas de conocimiento independiente.El conocimiento heurístico es un tipo especial de conocimiento usado por los humanos pararesolver problemas complejos. El adjetivo heurístico significa medio para descubrir. Estárelacionado con la palabra griega heuriskein que significa descubrir, encontrar. Se entiende porheurístico a un criterio, estrategia, método o truco utilizado para simplificar la solución deproblemas. El conocimiento heurístico usualmente se lo adquiere a través de mucha experiencia.El proceso de organizar y coleccionar el conocimiento es llamado ingeniería delconocimiento. Es tal vez la parte más difícil y la que consume más tiempo en cualquierproceso que desarrolla software de IA.Dado que el conocimiento es importante y primordial para el comportamiento inteligente, surepresentación constituye una de las máximas prioridades de la investigación en IA. Elconocimiento puede ser representado como imágenes mentales en nuestros pensamientos, comopalabras habladas o escritas en algún lenguaje, en forma gráfica o en imágenes, como cadenas decaracteres o colecciones de señales eléctricas o magnéticas dentro de un computador. En nuestroestudio de IA, consideraremos las representaciones escritas y sus correspondientes estructuras dedatos utilizadas para su almacenamiento en un computador. La forma de representación que seescoja dependerá del tipo de problema a ser resuelto y de los métodos de inferencia disponibles.Existen diferentes esquemas de representar el conocimiento, abordaremos algunas formasde representarlo y aplicarlo de una manera adecuada para su manipulación encomputadoras.Los esquemas de representación del conocimiento han sido categorizados comodeclarativos o procedimentales. Los métodos de representación declarativos se usan pararepresentar factores y aserciones; y un esquema de representación procedimental trata conacciones descritas paso a paso para llegar a un resultado final.Los métodos de representación del conocimiento declarativos incluyen lógica, listas,árboles, redes semánticas, marcos y libretos.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  27. 27. Inteligencia Artificial.En términos generales, se debe tratar que el conocimiento esté representado de tal forma que: • Capture generalizaciones. • Pueda ser comprendido por todas las personas que vayan a proporcionarlo y procesarlo. • Pueda ser fácilmente modificado. • Pueda ser utilizado en diversas situaciones aún cuando no sea totalmente exacto o completo. • Pueda ser utilizado para reducir el rango de posibilidades que usualmente debería considerarse para buscar soluciones.El conocimiento declarativo puede ser representado con modelos relacionales y esquemasbasados en lógica. Los modelos relacionales pueden representar el conocimiento en forma deárboles, grafos o redes semánticas. Los esquemas de representación lógica incluyen el uso delógica proposicional y lógica de predicados.Los modelos procedimentales y sus esquemas de representación almacenan conocimiento en laforma de cómo hacer las cosas. Pueden estar caracterizados por gramáticas formales, usualmenteimplantadas por sistemas o lenguajes procedimentales y sistemas basados en reglas (sistemas deproducción).Las representaciones declarativas son usualmente más expansivas y costosas, en el sentido quela enumeración puede ser redundante e ineficiente. Sin embargo, la modificación de lasrepresentaciones declarativas es usualmente muy fácil; simplemente se agrega o se eliminaconocimiento. Las representaciones procedimentales, en cambio, pueden ser más compactas,sacrificando flexibilidad. Representaciones prácticas pueden incluir elementos tanto declarativos(listado de hechos conocidos), como procedimentales (un conjunto de reglas para manipular loshechos).Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  28. 28. Inteligencia Artificial.Manipulación del conocimientoExisten tres paradigmas que los investigadores han utilizado tradicionalmente para la resolución deproblemas de IA: • Programación Heurística.- Está basado en el modelo de comportamiento humano y su estilo para resolver problemas complejos. Existen diversos tipos de programas que incluyen algoritmos heurísticos. Varios de ellos son capaces de aprender de su experiencia. • Redes Neuronales Artificiales.- Es una representación abstraída del modelo neuronal del cerebro humano. Las redes están formadas por un gran número de elementos simples y por sus interconexiones. Una red neuronal artificial puede ser simulada o ser real. Al elemento procesador de la red, se lo denomina neurona artificial. • Evolución Artificial.- Su modelo está basado en el proceso genético de evolución natural, propuesto por Charles Darwin. Se utilizan sistemas simulados en computador que evolucionan mediante operaciones de reproducción, mutación y cruce (Algoritmos Genéticos).Cada paradigma comprende una colección de métodos, configuraciones y técnicas desarrolladaspara manipular el conocimiento. En general, una técnica de IA está caracterizada por incluir lossiguientes componentes: • Procesos de Búsqueda.- Proporciona una forma de resolver problemas para los cuales no hay un método más directo, así como también se constituye en un marco de trabajo dentro del cual cualquier técnica directa puede ser incorporada. • Uso del Conocimiento.- Proporciona una forma de resolver problemasFUNDAMENTOS LÓGICOS EN INTELIGENCIA ARTIFICIALTal vez la forma más antigua de representar el conocimiento es la lógica. Esta trata elestudio científico de los procesos de razonamientos, de sistemas de reglas y procedimientosque ayudan al pensamiento adecuado. La lógica es considerada una subdivisión de lafilosofía, su desarrollo y el refinamiento de sus procesos son generalmente acreditados a losgriegos.La forma general de cualquier proceso lógico consiste de información dada, juicios hechoso de observaciones que son notadas; esto constituye las entradas al proceso lógico y sonllamadas premisas. Las premisas son empleadas por el procesamiento lógico para crear lassalidas que constituyen las conclusiones llamadas inferencias. Esto constituye hechos queson conocidos como verdaderos y pueden ser usados para derivar nuevos hechos quetambién deben ser verdaderos.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  29. 29. Inteligencia Artificial.FORMALISMOS PARA REPRESENTAR DEL CONOCIMIENTOLISTAS Y ÁRBOLESSon las estructuras más sencillas que se usan para representar un conocimiento jerárquico.Listas: Una lista es una serie de elementos del mismo tipo.Ejemplo: a) [Juan, Roberto, Ana, Inés ]: Lista de personas. b) [caramelos, galletas, bombones]: Cosas que se compran en una miscelánea. c) [clavos, bloques, cemento]: Productos de construcción. Lista 1 Cuadernos Libros Escritorio Escritorio Libros Madera Filosofía Metal Matemáticas Madera Historia Caoba Pino Representación gráfica y jerárquica de una lista.Árbol: Es una forma sencilla de ilustrar las listas y otros tipos de conocimiento jerárquicos.Ejemplo: Los nodos están representados por los círculos y las líneas que los unen son los arcos.REDES SEMÁNTICASEs la representación esquemática del conocimiento mediante descripciones graficas quemuestra una jerarquía relacional entre objetos. Se le denomina nodo a la representación deelementos del dominio y se muestran como rectángulos o círculos y son rotulados con losnombres de los elementos representados; y se denominan arcos a los enlaces desde unnodo a otro, se representan como un vector y se rotula con el nombre de las relacionesrepresentadas.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  30. 30. Inteligencia Artificial.Nodo = objetoDonde un Objeto puede ser representado por: 1. Personas 2. Animales 3. Eventos 5. Acciones 6. Conceptos 7. Atributos o características que identifican a un objeto.Existen ciertos tipos de Arcos típicos entre los cuales están.1. ISA (Es-un): El cual usa para identificar que un cierto pertenece a una clase mayor deobjeto. Ser _humano Es un Hombre Es un Manuel2. HAVE-a (tiene-un), este tipo de arcos se utiliza para identificar que un cierto nodo tieneo pase una cierta características o atributo o propiedad. También se puede utilizar pararepresentar situaciones, acciones y eventos.Propiedades de las Redes SemánticasLas redes Semánticas posen la propiedad de la Herencia; en la que unos nodos heredaronlas propiedades o atributos de Nodos de una clase mayor. Así por ejemplo en las siguientesRed Semántica:Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  31. 31. Inteligencia Artificial.Nota: A través de la característica de la herencia, las Redes Semánticas tienen la capacidadde inferir conocimiento.Ejemplo de Red Semántica.Considera la anterior Red Semántica acerca de SAM y su familia.1. Necesita Sam Alimento Si, por la herencia que recibe de los seres humanos.2. Trabaja SAM para AJAX Si por característica o por propiedades de herencia ya que CME pertenece AJAX.Nota: En Redes Semánticas las inferencias de información o respuestas o preguntas sehacen con base en las propiedades de herencia que existen entre los Nodos.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  32. 32. Inteligencia Artificial. Ejemplo de Red Semántica: Roedor. Es_un Es_un Ejemplo de Red Semántica: Lassie. Tiene un Ti de en e po un Ti tieneUniversidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  33. 33. Inteligencia Artificial. Ejemplo de Red Semántica: Animal. puede Ti Ti de po po po de de Ti s ata vo come tiene p lar ne TieUniversidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  34. 34. Inteligencia Artificial. Ejemplo de Red Semántica: Animal2. ANIMAL Es del tipo Es del tipo respira come tiene Esta formado por Aire Masa Miembros Alimentos PAJARO puede Alas PERSONA Es del tipo Está formado por Está formado por Un Representante Plumas Alas de Piernas Brazos CANARIO Un representante ARTURO color Trabaja en Amarillo Piolín NASAUn animal come alimento,respira aire, tiene masa yestá formado por miembros.Una persona es del tipoanimal, la cual hereda todaslas características antesdescritas del animal. Asítambién tenemos laposibilidad de detallar mássus cualidades como quetiene piernas y brazos.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  35. 35. Inteligencia Artificial.Ejercicios:Dado el siguiente conocimiento construya la correspondiente Red Semántica.- Los Jorobados son personas pequeñas.- Bilbo es un jorobado.- Los jorobados tienen dedos gordos.- Bilbo posee un anillo mágico.- El anillo fue encontrado en una cueva.- Los jorobados son personas míticas y las personas míticas son estudiadas por losestudiantes de literatura.1. ¿Qué posee Bilbo? Un anillo mágico.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  36. 36. Inteligencia Artificial.FRAMES (MARCOS)Un Frames es una estructura de datos que contiene todo el conocimiento acerca de unobjeto. Los Frames son organizados en forma jerárquica y esta característica es utilizadacomo medio para responder a Preguntas. Los Frames surgieron de la pregunta orientada aobjetos. Cada frames describe un objeto en particular. Por lo tanto cada frames merepresenta una estructura de conocimiento en la cual se esta describiendo a un objeto, unevento o una situación ó cualesquier otro elemento. En los frames se describe elconocimiento acerca de un objeto utilizado SLOTS (Ranuras).Representación del conocimiento en una jerarquía de frames que heredan propiedades deframes del nivel superior.Modo de transporte Carro Ranura Generalidades Auto Ranura del carro Motor Ranura Especificaciones del AutomóvilTipos de SLOTS en los Frames 1. Hay Slot para describir Conocimiento Declarativo como lo es: - Peso de un Objeto. - La Altura - La forma - El color - Hobbies (leer, nadar, trotar) 2. Hay slots para describir conocimiento procedural (el cual se refiere a pequeños procesos que me identifica a ciertas funciones).Ejemplo: Velocidad, aceleración, trabajo, cálculo de energía, etc.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  37. 37. Inteligencia Artificial. 3. Que identifican a las Reglas. Ejemplo: If máquina caliente THEN prender ventilador. 4. Un Slot puede indicar la conexión con otro FRAME 5. Un Slot puede indicar la conexión con otros frame de representación de conocimiento como lo son con las Redes Semánticas.FRAME de un Auto. -Clase; transportación -Nombre del fabricante; Audi -Origen del fabricanteNota: Una de las características de los frames es que un frame puede identificar a toda unafamilia de objetos.SCRIPT (LIBRETO)Este tipo de Representación de conocimiento es utilizado para representar secuencias deEVENTOS de tipo: - Historias Visitas al: - Dramas - Doctor. - Visitas - Restaurante - Viajes - Museo, etc. - EstéticaEn los SCRIPTS o libretos intervienen elementos básicos como lo son:1. Requerimientos de Entrada.2. Roles o papeles de las personas o cosas que intervienen en el libreto.3. Herramientas utilizadas por los diferentes participantes o actores.4. Escenas.5. Resultados.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  38. 38. Inteligencia Artificial.Ejemplo 1. SCRIPT correspondiente a una visita al Restaurante de Auto-Servicio.Requerimiento de Entrada:- Hay un cliente que tiene hambre.- El cliente tiene dinero.Herramientas que intervienen:- carro - mostrador- dinero - palillos- bandeja - sal- bote de basura - cuchillo- alimentos - tenedor- catsup - cuchara- servilletas - mesaRoles o Papeles: - Hay un cliente (C)- Recepcionista (R)Escena 1: Entrada al Restaurante.- El cliente para el carro.- El (C) entra al Restaurante.- El (C) hace fila en el mostrador.- El (C) mira los distintos alimentos en la pared y decide cuales seleccionar.Escena 2: Ordenar.- El cliente lea la orden al (R).- El (R) comienza a poner los alimentos a la bandeja.- El (C) paga la orden.Escena 3: Comer.- El cliente toma servilletas, cuchillo, tenedor, cuchara, sal, palillos y salsa de tomate.- El (C) busca mesa.- El cliente consume los alimentos.Escena 4: Salida.- Recoge la basura de la mesa.- Vacía el contenido de la vasija en el bote de la basura.- Sale del restaurante.- Toma su carro.- Se va.Resultados: - Cliente ya no tiene hambre.- El (C) tiene menos dinero.- El (C) esta satisfecho.- El (C) no esta satisfecho.- El (C) trae dolor de estomago.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  39. 39. Inteligencia Artificial.Ejemplo 2. SCRIPT correspondiente a una visita al cine.• PAPELES: cinéfilo, taquillero, portero, acomodador• CONDICIONES DE ENTRADA: cinéfilo desea ver película• PROPIEDADES O HERRAMIENTAS: película, butaca, dinero, entrada• ESCENAS:-Sacar entrada Cinéfilo: Deme butaca” a taquillero Cinéfilo: Dinero a taquillero Taquillero: Entrada a cinéfilo-Entrar en sala Cinéfilo: Entrada a portero Portero: Entrada a cinéfilo Cinéfilo: Cinéfilo a sala-Acomodarse ...................-Ver película ..................-Salir de sala ..................• RESULTADOS:-Cinéfilo ha visto la película-Taquillero tiene más dinero-Cinéfilo tiene menos dinero.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  40. 40. Inteligencia Artificial.Lógica proposicionalLa lógica proposicional trata con unidades básicas denominadas proposiciones. Unaproporción es una expresión que tiene un valor de verdad (falso o verdadero, pero no ambosa la vez).Ejemplo: Mozart fue un compositor. (Verdadero) Todo compositor escribe música. (Verdadero) Un perro es un animal. (Verdadero) Un gato es un perro. (Falso)Estas proposiciones se pueden representar mediante p, q, r, s, ... y se les llamaproposiciones simples o atómicas.Las proposiciones simples o atómicas son vinculadas o modificadas por los llamadosconectores: ^ : = AND v : = OR ~ ¬ : = NOT => : = Implicación := Doble implicaciónY son llamadas proposiciones compuestas o moleculares.Ejemplo: p: Mozart fue un compositor. ~ p : Mozart no fue un compositor. q: Mozart escribió música. p ^ q: Mozart fue un compositor y escribió música. p v q: Mozart fue un compositor o escribió música. p => q: Si Mozart fue un compositor entonces escribió música. p q: Mozart fue un compositor si y solo si escribió música.En el caso de las proposiciones simples asignarles su valor de verdad es obvio, se requieretener un conocimiento claro de los hechos relacionados a la proposición. En cambio paralas proposiciones compuestas se deben seguir ciertas reglas que señalaremos en la tablasiguiente: p q ~p p^q pvq p => q p q V V F V V V V V F F F V F F F V V F F V F F F V F F V V 1 2 3 4 5 6 7Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  41. 41. Inteligencia Artificial.Negación: ~ pToma el valor de verdad opuesto al de la proposición p, o sea, si la proposición p esverdadera la negación ~ p es falsa y viceversa. Como se observa en la columna 3.Conjunción: p ^ qToma el valor de verdadero solo cuando ambas miembros son verdaderos. En cualquierotro caso es falsa. Como se observa en la columna 4.Disyunción: p v qToma el valor falso cuando ambos miembros son falsos. En cualquier otro caso esverdadera. Como se observa en la columna 5.Condicional: p => qSi el antecedente es verdadero y el consecuente es falso, la condicional es falsa. Encualquier otro caso es verdadera. Como se observa en la columna 6.Bicondicional: p qCuando ambos miembros tienen el mismo valor de verdad, la bicondicional es verdadera.En cualquier otro caso es falsa. Como se observa en la columna 7.Las variables, también pueden ser cuantificadas. Los cuantificadores que típicamente se utilizan enlógica de predicados son: • El cuantificador universal; ∀ indica que la fórmula bien formada, dentro de su alcance, es verdadera para todos los valores posibles de la variable que es cuantificada. Por ejemplo: ∀X.... Establece que "para todo X, es verdad que . . . " • El cuantificador existencial;∃ , indica que la fórmula bien formada, dentro de su alcance, es verdadera para algún valor o valores dentro del dominio. Por ejemplo: ∃X.... Establece que "existe un X, tal que . . . "A continuación se dan algunos ejemplos de predicados cuantificados: ∀ X, [niño (X) => le_gusta (X, helados)]. (∀X)(persona(X)) =>mortal(X) ∀ Y, [mamífero (Y) => nace (Y, vivo)]. (∀X)(perro(X)) =>mortal(X) ∃ Z, [cartero(Z) ^ mordió (boby, Z)].Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  42. 42. Inteligencia Artificial.Desde el punto vista de representación, los cuantificadores son difíciles de usar. Por lo que esdeseable reemplazarlos con alguna representación equivalente, más fácil de manipular. El caso delcuantificador universal es más simple ya que se asume a todas las variables como universalmentecuantificadas.El cuantificador existencial es más difícil de reemplazar. El cuantificador existencial garantiza laexistencia de uno o más valores particulares (instancias) de la variable cuantificada, que hace a lacláusula verdadera. Si se asume que existe una función capaz de determinar los valores de lavariable que hace la cláusula verdadera, entonces simplemente se remueve el cuantificadorexistencial y se reemplaza las variables por la función que retorna dichos valores. Para laresolución de problemas reales, esta función, llamada función de Skolem, debe ser conocida ydefinida.Forma proposicional o función: p(x)Es aquella expresión que tiene un elemento desconocido, x , que al ser instanciado hace quela expresión se convierta en una proposición. Ejemplo: p (x): x es un mamífero.Si x se instancia con “clavo”, o sea, x = clavo. La forma proposicional se convierte en laproposición: p (clavo): clavo es un mamífero. (Falso)Si x se instancia con “gato”, o sea, x = gato. La forma proposicional se convierte en laproposición: p (gato): gato es un mamífero. (Verdadero)Los valores de x estan presente en un conjunto llamado dominio. Si todos los elementos deldominio hacen verdadera la proposición se utiliza el cuantificador universal “∀”. Si soloalgunos elementos del dominio hacen verdadera la proposición se utiliza el cuantificadorexistencial “∃”.Ejemplo:1. Sea la forma proposicional “p ( x ): x es una letra ” Dominio: x = { (x, p ( x )) | p ( x ): x es una letra } = { a, b, c, d, e} Instanciando tenemos: x = a, p(a): a es una letra. (Verdadero) x = e, p(e): e es una letra. (Verdadero) Todos los elementos del dominio cumplen la forma proposicional, esto se indica de la manera siguiente: ∀x, p( x ): para todo x, x es una letra.Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  43. 43. Inteligencia Artificial.2. Sea la forma proposicional “p (x ): x es un número par ”Dominio: x = { (x, p ( x )) | p ( x ): x es un número par } = {1, 2, 5 }Instanciando tenemos:x = 1, p(1): 1 es un número par. (Falso)x = 2, p(2): 2 es un número par. (Verdadero)x = 5, p(5): 5 es un número par. (Falso)Existen algunos elementos del dominio que cumplen la forma proposicional, esto se indicade la manera siguiente: ∃x, p( x ): existe algún x, x es un numero par.Lógica de predicados.La lógica de predicados se refiere o sirve para identificar una relación existente entreelementos llamados argumentos, entre paréntesis o bien identifica a la propiedad ocaracterística de los argumentos en el paréntesis, o bien identifica el nombre de la clase a laque pertenecen los argumentos. Se expresa de la manera siguiente: PREDICADO (ARG1,ARG2,...,ARGN) NOMBRE NOMBRE DEL DEL PREDICADO ARGUMENTONota: Los argumentos siempre (usualmente) son SUSTANTIVOS.Ejemplo:1 El limón y el chile serrano son verdes: Son_verde (limón, chile serrano)2 La pitaya es roja y la manzana es roja: roja (pitaya, manzana)3 El limón es verde: Verde (limón)4 El perro ladra: ladra (perro)5 Todos los mamíferos son de sangre caliente: ∀x [ mamíferos (x) => sangre _ caliente(x)]6 Todo satélite terrestre tiene un punto sobre la Tierra: ∀x {satélite_terrestre(x) =>∃y [tiene (x, punto) ^ sobre(y, Tierra)]}La lógica de predicados esta formado por un conjunto de predicados concatenados a travésde las operaciones lógicas:Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  44. 44. Inteligencia Artificial.Operaciones lógicas: ^ : = AND v : = OR ~ ¬ : = NOT => : = Implicación := Doble implicación ∀ : = Para todo ∃ : = ExisteJerarquía de las operaciones lógicas (orden de mayor a menor) 1. Se ejecutan primero las agrupaciones: ( ) 2. ~ : not 3. ^ : and 4. v : OR 5. => : Implicación (Si ... Entonces ... ) 6. := Doble implicación (... si y solo si ...)Sintaxis en la lógica de Predicados.Aquí se maneja la siguiente simbología. - variables x, y, z - funciones f, g, h - constantes a, b, c -Símbolo de predicado P, Q, R, S, T -Símbolos de apuntación "(", ")", ","Aunado a estos símbolos se utilizan los siguientes conceptos.UNIVERSO: El cual identifica a la totalidad de los valores que puede tomar una variable.TERMINO: Una variable es un termino, x, y, z. Así como f(t) donde f es una función y “t”es una secuencia de uno o mas términos.Ejemplo: f(x), h(y), g( x, y, h(x)), f( h(x, y), y(z, f(z) )FORMULA ATOMATICA: Una formula automática es un predicado p(x), donde P es elnombre del predicado y “x” es un termino.Ejemplo: Es-verde (limón), mamífero (Pedro), mamífero (ballena, delfín, cabra)Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.
  45. 45. Inteligencia Artificial.LITERAL: Los literales son predicados o negaciones de predicados.Ejemplo: mamífero (Pedro) ~ mamífero (vidrio)FORMULAS BIEN FORMADAS (FBF): Una FBF es una secuencias de formulasAtómicas (o predicados) concatenados por medio de operadores lógicos.Ejemplo: P(x) v Q(y) ^ ~R (S) P(x) ^ Q(z) ==> ~R(s) mamífero(perro) => tiene_sangre_caliente(perro)SENTENCE: Las expresiones son FBF donde el alcance de las variables estaperfectamente bien definido mediante cuantificadores o bien UNIVERSALES ó bienEXISTENCIALES.Símbolos: ∀ Para todo(cuantificador Universal) ∃ Existe(Cuantificadores Existencial) ~∃ ≡ ∀ ~∀ ≡ ∃Ejemplo: Todos los hijos tienen un padre y una Madre ∀x [mamífero(x) => tiene_sangre_caliente(x) ] ∀x [hijo(x) => ∃y ( madre(y)^ padre(z)) ]CLAUSULA: Es una disyunción de literales (una cláusula es una disyunción de predicadosy/o predicados negados.Ejemplos. Conjunción: And (^) Disyunción: OR (V) P(x) v Q(y) v~ R(s) R(y) v ~ Q(z)Lógica de predicado de primer orden.La lógica de predicados de primer orden esta formado por un conjunto de predicadosconcatenados por operadores lógicos.Ejemplo: Hermano (x, y ): x es hermano de y. Hijo (x, y ): x es hijo de y.Lógica de Predicado de Orden Superior: Es cuando una variable y una función tomansus valores de un mismo dominio.Ejemplo: Hermano (x, hijo(a, y)): x es tío de a. [Predicado de Segundo Orden] Colega (b, hermano (x, hijo(a, y))): “b” es colega del tío de “a”. [Tercer Orden]Universidad Nacional de Ingeniería. Elaborado por Ing. Ariel Chávez ToruñoFacultad de Ciencias y Sistemas.

×