INTELIGENCIA ARTIFICIAL

CLASE 1

Tipos de problemas
Los problemas que se presentan comnmente en la prctica pueden ser : 1. algortmicos tratables 2. algortmicos no tratables 3. no algortmicos. En estos ltimos no es posible encontrar un algoritmo para su solucin. Esto nos indica que se debe reconsiderar la nocin determinstica desarrollada de algoritmo por una nocin ms flexible que incluya mtodos de aproximacin a la solucin de un problema, como los que pone en prctica el ser humano cuando se halla ante problemas para los cuales no posee un algoritmo especfico de solucin

Estos mtodos se caracterizan por los siguientes rasgos fundamentales: 1. No siempre nos conducen al resultado, 2. No siempre el resultado es nico y, 3. No siempre dan un resultado ptimo. La introduccin de tales mtodos en el diseo y programacin de algoritmos computacionales es tarea del rea de la I.A.

Las tcnicas de I.A. nos permiten resolver alguno Problema del viajante: Se tienen n ciudades y las distancias entre ellas y se desea saber el recorrido de una persona por todas las ciudades con la mnima distancia. Colorear un grafo con la cantidad mnima de colores sin que dos nodos adyacentes tengan el mismo color. Problema de la mochila: Dada una mochila con una capacidad en peso dada y una cantidad de objetos, cada uno de ellos con su peso y un valor dados, determinar qu objetos echar en la mochila sin sobrepasar su peso y de manera que almacene el mayor valor. Determinar el mayor subgrafo completo dentro de un grafo dado.

 En el caso de los problemas no algortmicos, las tcnicas de I.A. ayudan tambin a resolverlos. Tales son, por ejemplo, el diagnstico mdico, la traduccin automtica, deteccin de fallas, problemas de pronstico y generacin automtica de planes. Otro que no logra resolverse completamente, pero s de una manera parcial (para determinadas subclases de frmulas) es la determinacin de la validez de una frmula del clculo de predicados de primer orden.

Qu es entonces la Inteligencia Artificial?

TIPO DE PROCESAMIENTO

TIPO DE INFORMACION

NUMRICA
ALGORTMICO HEURSTICO I) Clculo cientfico tradicional III) Grandes simulaciones numricas que requieren suposiciones para reducir los estados posibles

Simblica o No Numrica
II) Procesamiento de datos INTELIGENCIA ARTIFICIAL

 El cuadrante que ocupa la Inteligencia Artificial se contrapone diagonalmente a lo algortmico y numrico, pero tiene amplias fronteras de contacto con los campos que poseen fuertes componentes heursticas y no numricas. De manera que todo el conjunto conforma la herramienta de trabajo llamada computacin.

 La Inteligencia Artificial aborda problemas poco estructurados, donde no se conoce de antemano cul es el mejor mtodo para resolverlo. Hay que descubrir, si acaso, alguna solucin. Esta es la razn de la palabra heurstica cuyo significado se asocia a bsqueda.

Inteligencia artificial Escuelas de pensamiento Inteligencia artificial convencional Inteligencia artificial computacional Historia Fundamentos y filosofa La inteligencia artificial y los sentimientos Crticas Tecnologas de apoyo Aplicaciones de la inteligencia artificial Cientficos en el campo de la inteligencia artificial

Inteligencia artificial
Introduccin

 Se denomina inteligencia artificial (IA) a la rama de las Ciencias de la Computacin dedicada al desarrollo de agentes racionales no vivos. Para explicar la definicin anterior, entindase a un agente como cualquier cosa capaz de percibir su entorno (recibir entradas), procesar tales percepciones y actuar en su entorno (proporcionar salidas), y entindase a la racionalidad como la caracterstica que posee una eleccin de ser correcta, ms especficamente, de tender a maximizar un resultado esperado (este concepto de racionalidad es ms general y por ello ms adecuado que inteligencia para definir la naturaleza del objetivo de esta disciplina).

Entonces que es IA?

De manera ms especfica la inteligencia artificial es la disciplina que se encarga de construir procesos que al ser ejecutados sobre una arquitectura fsica producen acciones o resultados que maximizan una medida de rendimiento determinada, basndose en la secuencia de entradas percibidas y en el conocimiento almacenado en tal arquitectura.

 Existen distintos tipos de conocimiento y medios de representacin del conocimiento, el cual puede ser cargado en el agente por su diseador o puede ser aprendido por el mismo agente utilizando tcnicas de aprendizaje.

Tambin se distinguen varios tipos de procesos vlidos para obtener resultados racionales, que determinan el tipo de agente inteligente. De ms simples a ms complejos, los cinco principales tipos de procesos son: Ejecucin de una respuesta predeterminada por cada entrada (anlogas a actos reflejos en seres vivos). Bsqueda del estado requerido en el conjunto de los estados producidos por las acciones posibles. Algoritmos genticos (anlogo al proceso de evolucin de las cadenas de ADN). Redes neuronales artificiales (anlogo al funcionamiento fsico del cerebro de animales y humanos). Razonamiento mediante una lgica formal (anlogo al pensamiento abstracto humano).

 Tambin existen distintos tipos de percepciones y acciones, pueden ser obtenidas y producidas, respectivamente por sensores fsicos y sensores mecnicos en mquinas, pulsos elctricos u pticos en computadoras, tanto como por entradas y salidas de bits de un software y su entorno software. Varios ejemplos se encuentran en el rea de control de sistemas, planificacin automtica, la habilidad de responder a diagnsticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA actualmente son parte de la rutina en campos como economa, medicina, ingeniera y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia como ajedrez de computador y otros videojuegos.

Escuelas de pensamiento
La inteligencia artificial convencional La inteligencia computacional

Inteligencia artificial convencional

Se conoce tambin como IA simblico-deductiva. Est basada en el anlisis formal y estadstico del comportamiento humano ante diferentes problemas: 1. Razonamiento basado en casos: 2. Sistemas expertos: 3. Redes bayesianas: 4. Inteligencia artificial basada en comportamientos: 5. Smart process management:

Inteligencia artificial computacional

La Inteligencia Computacional (tambin conocida como IA subsimblica-inductiva) implica desarrollo o aprendizaje interactivo (por ejemplo, modificaciones interactivas de los parmetros en sistemas conexionistas). El aprendizaje se realiza basndose en datos empricos.

La Inteligencia Artificial y los modelos computacionales.

Existen diferentes modelos computacionales, entre los que podemos mencionar: 1. Programacin procedural. 2. Programacin funcional 3. Programacin lgica. 4. Programacin orientada a objetos

La Inteligencia Artificial y los modelos computacionales.

En forma general un modelo computacional se puede expresar como: Modelo computacional = formalismo + mtodo de solucin Con el formalismo se describe el conocimiento que se tiene sobre el dominio del problema. Abarca tanto la descripcin como la forma en que se almacena la informacin a procesar. Con el mtodo de solucin se brindan los operadores y las estructuras de control que permiten resolver el problema.

 La I.A. se dedica al estudio de nuevas formas de representacin del conocimiento, mtodos de solucin de problemas, razonamiento con incertidumbre y otras. Una de las reas de la I.A. donde ms xito se ha alcanzado es el desarrollo de Sistemas Expertos (S.E.), que son programas que resuelven problemas de un dominio de aplicacin concreto de manera similar a como lo hara un experto humano en esa materia. Estos sistemas estn compuestos por dos elementos bsicos: la Base de Conocimiento (B.C.), que contiene el conocimiento sobre el problema y la Mquina de Inferencia (M.I.), que contiene los mtodos para manipular dicho conocimiento.

 Podemos ver entonces al Sistema Experto como un modelo computacional: S.E. = B.C. + M.I.

La B.C. almacena el conocimiento en una determinada notacin, conocida como forma de representacin del conocimiento (F.R.C.), lo cual constituye el formalismo de este modelo. La M.I., por su parte, implementa los mtodos de solucin del problema (M.S.P). Un S.E. es entonces:
S.E.= F.R.C. + M.S.P.

Historia

 Las ideas ms bsicas se remontan a los griegos, antes de Cristo. Aristteles (384-322 a. C.) fue el primero en describir un conjunto de reglas que describen una parte del funcionamiento de la mente para obtener conclusiones racionales, y Ktesibios de Alejandra (250 a. C.) construy la primera mquina autocontrolada, un regulador del flujo de agua (racional pero sin razonamiento). En 1315 Ramn Llull en su libro Ars magna tuvo la idea de que el razonamiento poda ser efectuado de manera artificial. En 1936 Alan Turing disea formalmente una Mquina universal que demuestra la viabilidad de un dispositivo fsico para implementar cualquier cmputo formalmente definido.

 En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales, el cual se considera el primer trabajo del campo, aun cuando todava no exista el trmino. Los primeros avances importantes comenzaron a principios de los aos 1950 con el trabajo de Alan Turing, a partir de lo cual la ciencia ha pasado por diversas situaciones. En 1955 Herbert Simon, Allen Newell y J.C. Shaw, desarrollan el primer lenguaje de programacin orientado a la resolucin de problemas, el IPL-11. Un ao ms tarde desarrollan el LogicTheorist, el cual era capaz de demostrar teoremas matemticos.

 En 1956 fue inventado el trmino inteligencia artificial por John McCarthy, Marvin Minsky y Claude Shannon en la Conferencia de Dartmouth, un congreso en el que se hicieron previsiones triunfalistas a diez aos que jams se cumplieron, lo que provoc el abandono casi total de las investigaciones durante quince aos. En 1957 Newell y Simon continan su trabajo con el desarrollo del General Problem Solver (GPS). GPS era un sistema orientado a la resolucin de problemas.

 En 1958 John McCarthy desarrolla en el Instituto de Tecnologa de Massachusetts (MIT), el LISP. Su nombre se deriva de LISt Processor. LISP fue el primer lenguaje para procesamiento simblico. En 1959 Rosenblatt introduce el Perceptrn. A finales de los 50 y comienzos de la dcada del 60 Robert K. Lindsay desarrolla Sad Sam, un programa para la lectura de oraciones en ingls y la inferencia de conclusiones a partir de su interpretacin.

 En 1963 Quillian desarrolla las redes semnticas como modelo de representacin del conocimiento. En 1964 Bertrand Raphael construye el sistema SIR (Semantic Information Retrieval) el cual era capaz de inferir conocimiento basado en informacin que se le suministra. Bobrow desarrolla STUDENT. Posteriormente entre los aos 1968-1970 Terry Winograd desarroll el sistema SHRDLU, que permita interrogar y dar rdenes a un robot que se mova dentro de un mundo de bloques.

 A mediados de los aos 60, aparecen los sistemas expertos, que predicen la probabilidad de una solucin bajo un set de condiciones. Por ejemplo DENDRAL, iniciado en 1965 por Buchanan, Feigenbaum y Lederberg, el primer Sistema Experto, que asista a qumicos en estructuras qumicas complejas euclidianas, MACSYMA, que asista a ingenieros y cientficos en la solucin de ecuaciones matemticas complejas. En 1968 Minsky publica Semantic Information Processing. En 1968 Seymour Papert, Danny Bobrow y Wally Feurzeig, desarrollan el lenguaje de programacin LOGO.

 En 1969 Alan Kay desarrolla el lenguaje Smalltalk en Xerox PARC y se publica en 1980. En 1973 Alain Colmenauer y su equipo de investigacin en la Universidad de Aix-Marseille crean PROLOG (del francs PROgrammation en LOGique) un lenguaje de programacin ampliamente utilizado en IA. En 1973 Shank y Abelson desarrollan los guiones, o scripts, pilares de muchas tcnicas actuales en Inteligencia Artificial y la informtica en general.

 En 1974 Edward Shortliffe escribe su tesis con MYCIN, uno de los Sistemas Expertos ms conocidos, que asisti a mdicos en el diagnstico y tratamiento de infecciones en la sangre. En las dcadas de 1970 y 1980, creci el uso de sistemas expertos, como MYCIN: R1/XCON, ABRL, PIP, PUFF, CASNET, INTERNIST/CADUCEUS, etc. Algunos permanecen hasta hoy (shells) como EMYCIN, EXPERT, OPSS. En 1981 Kazuhiro Fuchi anuncia el proyecto japons de la quinta generacin de computadoras.

 En 1986 McClelland y Rumelhart publican Parallel Distributed Processing (Redes Neuronales). En 1988 se establecen los lenguajes Orientados a Objetos. En 1997 Garry Kasparov, campen mundial de ajedrez pierde ante la computadora autnoma Deep Blue.

 En 2006 se celebr el aniversario con el Congreso en espaol 50 aos de Inteligencia Artificial - Campus Multidisciplinar en Percepcin e Inteligencia 2006. En el ao 2009 ya hay en desarrollo sistemas inteligentes teraputicos que permiten detectar emociones para poder interactuar con nios autistas. Existen personas que al dialogar sin saberlo con un chatbot no se percatan de hablar con un programa, de modo tal que se cumple la prueba de Turing como cuando se formul: Existir Inteligencia Artificial cuando no seamos capaces de distinguir entre un ser humano y un programa de computadora en una conversacin a ciegas. Como ancdota, muchos de los investigadores sobre IA sostienen que la inteligencia es un programa capaz de ser ejecutado independientemente de la mquina que lo ejecute, computador o cerebro.

Fundamentos y filosofa
Como ocurre casi siempre en el caso de una ciencia recin creada, la inteligencia artificial aborda tantas cuestiones confundibles en un nivel fundamental y conceptual que, adjunto a lo cientfico, es necesario hacer consideraciones desde el punto de vista de la filosofa. Gran parte de esta ciencia se junta con temas en la filosofa de la mente, pero hay ciertos temas particulares a la IA. Por ejemplo:

 En qu consiste la inteligencia? Cmo la reconoceramos en un objeto no humano, si la tuviera? Qu sustancia y organizacin se requiere? Es posible que una criatura hecha de metal, por ejemplo, posea una inteligencia comparable a la humana? Aunque una criatura no orgnica pudiera solucionar problemas de la misma manera que un humano, tendra o podra tener conciencia y emociones? Suponiendo que podemos hacer robots con una inteligencia comparable a la nuestra, debemos hacerlo?

 Podra afirmarse que la historia de la inteligencia artificial comienza en el ao 450 a.C., cuando Platn cita un dilogo en el que Scrates le pregunta a Eutidemo: Deseara saber cul es la caracterstica de la piedad que hace que una accin se pueda considerar como pa... y as la observe y me sirva de norma para juzgar tus acciones y las de otros.

 Los filsofos delimitaron las ms importantes ideas relacionadas con la inteligencia artificial, pero para pasar de all a una ciencia formal era necesario contar con una formalizacin matemtica en tres reas principales: la computacin, la lgica y la probabilidad.

 Los esfuerzos del campo de la inteligencia artificial se enfocan en lograr la compresin de entidades inteligentes. Una de las razones de su estudio es el aprender ms de nosotros mismos. A diferencia de la filosofa y de la psicologa, los esfuerzos de la inteligencia artificial estn encaminados tanto a la construccin de entidades como a su compresin. Otra razn por la cual se estudia la inteligencia artificial es debido a que ha sido posible crear sorprendentes y diversos productos de trascendencia.

 El problema que aborda la inteligencia artificial es uno de los ms complejos: Cmo es posible que un diminuto y lento cerebro, sea biolgico o electrnico, tenga capacidad de percibir, comprender, predecir y manipular un mundo que en tamao y complejidad lo excede con creces?

La inteligencia artificial y los sentimientos

El concepto de IA es an demasiado difuso. Contextualizando, y teniendo en cuenta un punto de vista cientfico, podramos englobar a esta ciencia como la encargada de imitar una persona, y no su cuerpo, sino imitar al cerebro, en todas sus funciones, existentes en el humano o inventadas sobre el desarrollo de una mquina inteligente.

 Por el momento, la mayora de los investigadores en el mbito de la Inteligencia Artificial se centran slo en el aspecto racional, muchos de ellos consideran seriamente la posibilidad de incorporar componentes emotivos como indicadores de estado, a fin de aumentar la eficacia de los sistemas inteligentes. Particularmente para los robots mviles, es necesario que cuenten con algo similar a las emociones con el objeto de saber en cada instante y como mnimo qu hacer a continuacin [Pinker, 2001, p. 481].

 Al tener sentimientos y, al menos potencialmente, motivaciones, podrn actuar de acuerdo con sus intenciones [Mazlish, 1995, p. 318]. As, se podra equipar a un robot con dispositivos que controlen su medio interno; por ejemplo, que sientan hambre al detectar que su nivel de energa est descendiendo o que sientan miedo cuando aquel est demasiado bajo.

 Esto significa que los sistemas inteligentes deben ser dotados con mecanismos de retroalimentacin que les permitan tener conocimiento de estados internos, igual que sucede con los humanos que disponen de propiocepcin, interocepcin, nocicepcin, etctera. Esto es fundamental tanto para tomar decisiones como para conservar su propia integridad y seguridad. La retroalimentacin en sistemas est particularmente desarrollada en ciberntica, por ejemplo en el cambio de direccin y velocidad autnomo de un misil, utilizando como parmetro la posicin en cada instante en relacin al objetivo que debe alcanzar.

 A los sistemas inteligentes el no tener en cuenta elementos emocionales les permite no olvidar la meta que deben alcanzar. En los humanos el olvido de la meta o el abandonar las metas por perturbaciones emocionales es un problema que en algunos casos llega a ser incapacitante. Los sistemas inteligentes, al combinar una memoria durable, una asignacin de metas o motivacin, junto a la toma de decisiones y asignacin de prioridades con base en estados actuales y estados meta, logran un comportamiento en extremo eficiente, especialmente ante problemas complejos y peligrosos. En sntesis, lo racional y lo emocional estn de tal manera interrelacionados entre s, que se podra decir que no slo no son aspectos contradictorios sino que son hasta cierto punto complementarios.

Crticas
Las principales crticas a la inteligencia artificial tienen que ver con su incapacidad de imitar por completo a un ser humano. Un sistema de inteligencia artificial debera resolver problemas. Por lo tanto es fundamental en su diseo la delimitacin de los tipos de problemas que resolver y las estrategias y algoritmos que utilizar para encontrar la solucin.

 En los humanos la capacidad de resolver problemas tiene dos aspectos: los aspectos innatos y los aspectos aprendidos. Los aspectos innatos permiten por ejemplo almacenar y recuperar informacin en la memoria y los aspectos aprendidos el saber resolver un problema matemtico mediante el algoritmo adecuado. Del mismo modo que un humano debe disponer de herramientas que le permitan solucionar ciertos problemas, los sistemas artificiales deben ser programados de modo tal que puedan resolver ciertos problemas.

 Uno de los mayores problemas en sistemas de inteligencia artificial es la comunicacin con el usuario. Este obstculo es debido a la ambigedad del lenguaje, y apareci ya en los inicios de los primeros sistemas operativos informticos. La capacidad de los humanos para comunicarse entre s implica el conocimiento del lenguaje que utiliza el interlocutor. Para que un humano pueda comunicarse con un sistema inteligente hay dos opciones: o bien el humano aprende el lenguaje del sistema como si aprendiese a hablar cualquier otro idioma distinto al nativo, o bien el sistema tiene la capacidad de interpretar el mensaje del usuario en la lengua que el usuario utiliza.

 Los desarrollos en inteligencia artificial son mayores en los campos disciplinares en los que existe mayor consenso entre especialistas. Un sistema experto es ms probable de ser programado en fsica o en medicina que en sociologa o en psicologa. Esto se debe al problema del consenso entre especialistas en la definicin de los conceptos involucrados y en los procedimientos y tcnicas a utilizar.

Aplicaciones de la inteligencia artificial

Lingstica computacional Minera de datos (Data Mining) Industriales. Mdicas Mundos virtuales Procesamiento de lenguaje natural (Natural Language Processing) etc.

Cientficos en el campo de la inteligencia artificial

Jeff Hawkins John McCarthy Marvin Minsky Judea Pearl Alan Turing, discpulo de John Von Neumann, dise el Test de Turing que debera utilizarse para comprender si una mquina lgica es inteligente o no. Joseph Weizenbaum Ral Rojas Ray Kurzweil