Introducción a

la Inteligencia
Artificial
PUCE
JORGE AGUILAR J.
 ¿Qué es la
¿Qué es la
inteligencia
inteligencia?
artificial?

Qué Una muy breve

historia de la IA
IA en la
práctica

veremos: •Éxitos modernos:

Deep learning
•aplicaciones
exitosas

La visión del
¿Razonan las
agente racional
computadoras?
de la IA
Inteligencia Artificial

1. La revolución industrial multiplicó la “fuerza

humana” en n veces
2. Los computadores lo hacen con la
inteligencia, al hacernos más certeros, más
precisos …, pero hablamos del sistema
humano - máquina
3. ¿ a qué llamamos inteligencia artificial, cuáles
son los retos y escenarios futuros?
Inteligencia

 Capacidad de resolver problemas

 La inteligencia es un factor determinante
que conduce al ascenso de la ciencia –
el deseo de arrojar luz sobre la oscuridad
y la ignorancia
 Y la tecnología – el deseo de aplicar este
conocimiento de manera práctica
¿Qué es la vida?

 No existe consenso con respecto a qué es la

vida
 Es más fácil responder ¿cuáles son las
características esenciales de un sistema vivo?
 Autopoiesis: [auto, poiesis], ‘a sí mismo;
creación, producción’)? es un neologismo que
designa la cualidad de un sistema capaz de
reproducirse y mantenerse por sí mismo
(Wikipedia)
 ¿Qué es la vida? <–> ¿qué es la cognición (el
proceso de conocer)?
 La vida es una propiedad global que emerge
de las interacciones de las especies
moleculares en la célula.
Frijot Capa (The Systems View of Life)
Cognición VIDA

Cognición es el Ambiente
proceso de la vida

Unidad
Cognición
autopoyética

Fuente: The Systems View of Life, Frijot Capa

Cognición y
conocimiento
 Todo conocimiento lo es de algo, el conocimiento en sí no existe
 Sin sujeto conocedor no hay conocimiento
 Solo un cerebro puede percibir, concebir, planear, evaluar y
conocerse a si mismo (principales clases de cognición)
 La cognición es una actividad de los sistemas neuronales
plásticos (psicones)
 La cognición o adquisición de conocimiento es un proceso
cerebral
 Conocimiento y creencia son aspectos diferentes
 Los computadores procesan información, pero como carecen de
mente, no conocen nada

Materia y Mente (Mario Bunge)

¿Qué es la inteligencia?

 Inteligencia:
 "Capacidades, aptitudes y habilidades. La capacidad es un concepto genérico que
designa la potencialidad para realizar una conducta en términos de eficacia y nivel de
ejecución." (Wikipedia)
 En particular,
 la capacidad de resolver problemas nuevos
 la capacidad de actuar racionalmente
 la capacidad de actuar como seres humanos

 Inteligencia artificial
 construir y comprender las entidades o agentes inteligentes
 Existen dos enfoques principales: la "ingeniería" frente a "la modelización
cognitiva"
Padhraic Smyth
¿Qué es la Inteligencia Artificial ?
(John McCarthy, Universidad de Stanford)

¿Qué es la inteligencia artificial?

Es la ciencia y la ingeniería de hacer máquinas inteligentes, especialmente programas informáticos
inteligentes. Se relaciona con la tarea similar de usar las computadoras para comprender la
inteligencia humana, pero la IA no tiene que limitarse a métodos que son biológicamente observables.

Sí, pero ¿qué es la inteligencia?

La inteligencia es la parte computacional de la capacidad de alcanzar metas en el mundo. Diferentes
tipos y grados de inteligencia ocurren en: personas, muchos animales y algunas máquinas.

¿Existe una definición sólida de inteligencia que no dependa de la relación con la inteligencia
humana?
Aún no. El problema es que aún no podemos caracterizar en general, qué tipo de procedimientos
computacionales queremos llamar inteligente. Entendemos algunos de los mecanismos de la
inteligencia y otros no.

 Más en: http://www-formal.stanford.edu/jmc/whatisai/node1.html

Padhraic Smyth
¿Qué está involucrado en la
Inteligencia?
 Habilidad para interactuar con el mundo real
 para percibir, comprender y actuar
 por ejemplo, el reconocimiento de voz su comprensión y síntesis
 por ejemplo, la comprensión de las imágenes
 por ejemplo, la capacidad de tomar acciones, tienen un efecto
 Razonamiento y Planificación
 modelar el mundo exterior, dada las entradas
 la solución de nuevos problemas, la planificación y la toma de decisiones
 La capacidad para hacer frente a problemas inesperados, la incertidumbre
 Aprendizaje y Adaptación
 Estamos aprendiendo continuamente y adaptándonos
 Nuestros modelos internos están siempre siendo "actualizados"
 Por ejemplo, un bebé aprendiendo a clasificar y reconocer animales

Padhraic Smyth
 Disciplinas relevantes a la IA
Disciplina Relación con la IA

Filosofía Lógica, métodos de razonamiento, la mente como un sistema físico, bases del
aprendizaje, lenguaje, racionalidad.
Matemáticas Representación formal y demostraciones, algoritmos, computación, (des)
decidible, (in) tratabilidad
Probabilidad / Estadística Modelar la incertidumbre, el aprendizaje a partir de datos
Ciencias económicas Utilidad, teoría de la decisión, los agentes económicos racionales
Neurociencia neuronas como unidades de procesamiento de información.

Psicología / Ciencia Cognitiva Ciencia de cómo se comportan las personas, percepción, procesos cognitivos,
información, representación del conocimiento.
Ingeniería de la Computación La construcción de ordenadores rápidos

la teoría de control Diseño Sistemas que maximizan una función objetivo en el tiempo

Lingüística Representación del conocimiento,

gramáticas
Historia de la IA
 1943: inicios
 McCulloch y Pitts: modelo de circuito booleano de cerebro
 1950: Turing
 "Computing Machinery and Intelligence”
 1956: Nacimiento de la IA
 Reunión Dartmouth: se adoptó el nombre de "Inteligencia Artificial"
 1950: promesa inicial
 Los primeros programas de IA, incluyendo
 Programa del juego de damas de Samuel
 Newell y Simon: Logic Theorist

Padhraic Smyth
Historia de la IA (2)
 1955-1965: "gran entusiasmo“
 Newell y Simon: GPS, general problem solver
 Gelertner: Geometry Theorem Prover
 McCarthy: invención del LISP

 1966-1973: amanece la realidad

 Realización de que muchos problemas de IA son intratables
 Limitaciones de los métodos de redes neuronales existentes identificados
 La investigación de redes neuronales casi desaparece

Padhraic Smyth
 Historia de la IA (3)
 1969-1985: Adición del dominio conocimiento.
 Desarrollo de sistemas basados en el conocimiento
 El éxito de los sistemas expertos basados en reglas,
 Por ejemplo, DENDRAL, MYCIN
 Pero eran frágiles y no escala bien en la práctica

 1986– El ascenso del aprendizaje automático

 Las redes neuronales se popularizan nuevamente
 Los principales avances en los algoritmos de aprendizaje automático y sus aplicaciones
 1990-- El papel de la incertidumbre
 Redes bayesianas como un marco de representación del conocimiento
 1995-- IA como Ciencia

 Integración del aprendizaje, el razonamiento, la representación del conocimiento

 Métodos de IA utilizados en la visión, el lenguaje, la minería de datos, etc.
¿Podemos construir hardware tan
complejo como el cerebro?
 ¿Qué tan complicado es nuestro cerebro?
 una neurona o célula nerviosa, es la unidad básica de procesamiento de información
 En el cerebro humano se estima que existen del orden de 1012 neuronas
 muchas más sinapsis (1014) que conectan estas neuronas
 tiempo de ciclo: 10-3 segundos (1 milisegundo)
 ¿Qué tan complejo podemos hacer el computador?
 109 o más transistores por CPU
 superordenador: cientos de CPUs, 1013 bits de memoria RAM
 tiempos de ciclo: orden de 10-9 segundos
 Conclusión
 SÍ: en un futuro próximo podemos tener equipos con la mayor cantidad de elementos de
procesamiento básicos como nuestro cerebro, pero con
 muchos menos interconexiones (cables o sinapsis) que el cerebro
 actualizaciones mucho más rápidas que el cerebro
 pero la construcción del hardware es muy diferente de que un equipo se comporte como
un cerebro! Padhraic Smyth
¿Las Computadoras pueden hablar?
 Esto se conoce como "la síntesis de voz“
 traducir el texto de forma fonética
 por ejemplo, "ficticia" -> fik-tish-es
 utilizar reglas de pronunciación para mapear los fonemas a sonido real
 por ejemplo, “tish" -> secuencia de sonidos de audio básicos

 Dificultades
 Los sonidos emitidos por este enfoque de "búsqueda" sonaran naturales
 sonidos no son independientes
 por ejemplo, "actuar" y "acción“
 sistemas modernos (por ejemplo, AT & T) pueden manejar esto bastante bien
 un problema más difícil es el énfasis, las emociones, etc.
 los seres humanos entienden lo que están diciendo
 máquinas no lo hacen: por lo que el sonido no suena muy natural
 Conclusión:
 NO, para oraciones completas
 Sí, para las palabras individuales y ciertas frases

Padhraic Smyth
¿Pueden los ordenadores
reconocer el habla?
 Reconocimiento De Voz:
 mapeo de los sonidos de un micrófono en una lista de palabras
 problema clásico en la IA, muy difícil
 " La inteligencia artificial es la ciencia de imitar las facultades mentales
humanas en un ordenador "
 Reconociendo palabras sueltas de un pequeño vocabulario
 Los sistemas pueden hacer esto con una alta precisión (del orden del
99%)
 por ejemplo, consultas de directorios
 vocabulario limitado (códigos de área, nombres de la ciudad)
 ordenador intenta reconocer por primera vez, si no tiene éxito se necesita de
un operador humano
 Ahorra millones de dólares al año a las empresas de telefonía
Padhraic Smyth
¿Pueden los ordenadores
reconocer el habla? (2)
 Reconocer el habla normal es mucho más difícil
 El discurso es continuo: ¿dónde están los límites entre las palabras?
 por ejemplo, "el coche de Juan tiene un neumático pinchado“
 grandes vocabularios
 puede haber muchos miles de palabras posibles
 podemos usar el contexto para ayudar a determinar lo que alguien dijo
 por ejemplo, hipótesis y prueba
 trate de decirle a un camarero en un restaurante: "Me gustaría algún sueño y azúcar en mi
café“
 ruido de fondo, otros oradores, diferentes acentos, resfriados, etc.
 En el habla normal, los sistemas modernos son precisos en alrededor del 60 al 70%.
 Conclusión:
NO, el habla normal es demasiado compleja para reconocerla con precisión
 Sí, para los problemas restringidos (vocabularios limitados)
¿Pueden los ordenadores entender
el habla?
 La comprensión es diferente al reconocimiento:
 "El tiempo vuela como una flecha“
 Asumimos que el ordenador puede reconocer todas las palabras
 ¿cuántas interpretaciones diferentes hay?
 El tiempo vuela como una flecha
 Comando: sólo el tiempo que vuela es semejante a una flecha
 "tiempo-vuelo" son aficionados de las flechas
 1. Sólo una tiene algún sentido,
 pero ¿cómo podría un ordenador resolver esto?
 los humanos claramente utilizamos una gran cantidad de conocimiento común
implícito en la comunicación?

 Conclusión: no, en la actualidad, gran parte de lo que decimos está

más allá de las capacidades de una computadora para entender.
Padhraic Smyth
¿Pueden los ordenadores aprender
y adaptarse?
 Aprendizaje y Adaptación
 considere un programa informático para conducir en la autopista
 podríamos enseñar un montón de reglas acerca de qué hacer o
 podríamos dejarlo conducir y dirigirlo de nuevo cuando se dirige hacia el
terraplén
 “Today’s ‘autonomous’ cars still require a great deal of human judgment and skill
to operate safely, and that’s unlikely to change for some time.”—David Mindell,
MIT, 2015
 Aprendizaje Automático permite que las computadoras aprender a hacer
las cosas sin necesidad de programación explícita
 muchas aplicaciones exitosas:
 requiere un poco de "set-up": no significa que su PC puede aprender a pronosticar el
mercado de valores o convertirse en el cerebro de un cirujano.
 Conclusión: sí, los ordenadores pueden aprender y adaptarse, cuando se le
presenta la información en la forma adecuada.

Padhraic Smyth
Pueden las computadoras
reconocer el lenguaje
 Reconocimiento v. Entendimiento (como el lenguaje)
 El reconocimiento y la comprensión de los objetos en una escena
 Ver alrededor de esta sala
 se puede reconocer fácilmente los objetos
 cerebro humano puede mapear imagen visual 2D en una “mapa” 3D
 Porqué el reconocimiento visual es un problema difícil

 Conclusión:
 Normalmente NO: Las computadoras sólo pueden "ver" ciertos tipos de objetos
en circunstancias limitadas
 SÍ para ciertos problemas restringidos (por ejemplo, el reconocimiento de rostros)

Padhraic Smyth
¿Pueden las computadoras tomar
decisiones óptimas?
 Inteligencia
 implica la resolución de problemas y la toma de decisiones y la realización de planes
 por ejemplo, usted desea tomar unas vacaciones en Brasil
 que necesita para decidir sobre las fechas, los vuelos
 que necesita para llegar al aeropuerto, etc.
 implica una secuencia de decisiones, planes y acciones!

 ¿Qué hace de la planificación difícil?

 el mundo no es predecible:
 Si su vuelo es cancelado o hay una alarma de seguridad en el vuelo
 hay una cantidad potencial, enorme de detalles
 ¿considera todos los vuelos? ¿todas las fechas?
 no: el sentido común limita sus soluciones
 Sistemas de IA sólo tienen éxito en problemas de planificación limitados?
 Conclusión: no, la planificación del mundo real y la toma de decisiones sigue
estando más allá de las capacidades de las computadoras modernas
 excepción:, problemas con restricciones muy bien definidos
Resumen del Estado de los
Sistemas de IA en la Práctica
 La síntesis de voz, el reconocimiento y la comprensión
 muy útil para aplicaciones de vocabulario limitado
 la comprensión del habla sin restricciones es todavía demasiado difícil
 visión por computador
 funciona para problemas con restricciones (códigos postales escritas a mano)
 la comprensión del mundo real, escenarios naturales sigue siendo demasiado difícil
 Aprendizaje
 sistemas adaptativos se utilizan en muchas aplicaciones: tienen sus límites
 Planificación y Razonamiento
 sólo funciona para problemas con restricciones: por ejemplo, ajedrez
 en el mundo real es demasiado complejo para los sistemas generales?
 En general:
 muchos de los componentes de los sistemas inteligentes son "factibles“
 hay muchos problemas restantes de investigación interesantes
Padhraic Smyth
Diferentes tipos de Inteligencia
Artificial
1. Modelando exactamente cómo los seres humanos realmente
piensan
2. Modelando exactamente cómo los seres humanos realmente
actúan
3. Modelando cómo un agentes ideal "debe pensar“
4. Modelando cómo un agentes ideal "debe actuar"

La IA moderna se centra en la última definición

 también la IA normalmente se centra en este enfoque de "ingeniería“
 el éxito es juzgado por lo bien que “trabaja” el agente

Padhraic Smyth
Actuar humanamente: El test de
Turing.
 Turing (1950) ""Computing machinery and intelligence“
 "¿Pueden pensar las máquinas?" "¿Pueden las máquinas comportarse de manera inteligente?”
 La prueba funcional de la conducta inteligente: el Juego de imitación

 Sugiere los principales componentes necesarios para la IA:

- La representación del conocimiento
- Razonamiento,
- La comprensión del lenguaje / imagen,
- aprendizaje
* Pregunta: ¿es importante que un sistema inteligente actúe como un humano?

Padhraic Smyth
Pensar humanamente
 Enfoque desde la Ciencia Cognitiva
 Tratar de hacerlo desde "dentro" de nuestras mentes
 Por ejemplo, realizar experimentos con la gente para tratar de hacer
"ingeniería inversa" , la forma en que la razonamos, como se da el
aprendizaje, como recordamos y hacemos predicaciones.
 Problemas
 Los seres humanos no se comportan racionalmente
 por ejemplo, la política
 La ingeniería inversa es muy difícil de realizar
 El hardware del cerebro es muy diferente a un programa de
ordenador
Pensar racionalmente

 Representar los hechos sobre el mundo a través de la lógica

 Utilizar la inferencia lógica como base para el razonamiento sobre
estos hechos
 Puede ser un enfoque muy útil para la IA
 Por ejemplo, la demostración de teoremas
 Limitaciones
 No tiene en cuenta la incertidumbre de un agente sobre el mundo
 Por ejemplo, es difícil de acoplar a los sistemas de visión o el habla
 No tiene forma de representar las metas, costos, etc (Aspectos importantes
de los entornos del mundo real)

Padhraic Smyth
Actuar Racionalmente

 Teoría de la decisión / Economía

 Conjunto de estados futuros del mundo
 Conjunto de posibles acciones que un agente puede tomar
 Utilidad = ganancia a un agente para cada par acción/estado
 Un agente actúa racionalmente si se selecciona la acción que
maximiza su "utilidad“
 O utilidad esperada si hay incertidumbre
 El énfasis está en los agentes autónomos que se comportan
racionalmente (tomar las mejores predicciones, tomar las mejores
acciones)
 Sobre el promedio de tiempo
 dentro de las limitaciones computacionales ("racionalidad limitada")

Padhraic Smyth
Resumen
 Inteligencia Artificial implica el estudio de:
 El reconocimiento y la comprensión automática de señales, el
razonamiento, la planificación y la toma de decisiones
 aprendizaje y adaptación
 La IA ha hecho progresos sustanciales en
 reconocimiento y aprendizaje
 algunos problemas de planificación y razonamiento
 ... Pero quedan muchos problemas de investigación abierta
 Aplicaciones AI
 mejoras en hardware y en algoritmos => aplicaciones de IA en la industria,
las finanzas, la medicina y la ciencia.?
 Visión del a IA del agente racional
¿Razonan los
ordenadores?
 La mayoría de la gente cree que las computadoras, o
más bien los programas de computadora, son los
mejores pensadores de todos los tiempos: los más
precisos, los más rápidos y los únicos infalibles
razonadores. Hay algo de verdad en esto, aunque no
mucho.
 Primero que nada, los procesos mentales no son
computaciones: son deseos, esperanzas, miedos,
imágenes y otros elementos no proposicionales (Mellor
1991).
 En segundo lugar, las computadoras están
severamente limitadas, incluso en el reino
proposicional Por ejemplo, son incapaces de detectar
problemas o inventar cualquier programa o, con
mayor razón las ideas involucradas en ellos (Bunge
1956a). Sin algoritmos no hay cálculos.
Bunge (2015), Materia y Mente
 (a) Problema directo: dado el mecanismo M y la(s)
entrada(s) S, encuentre la(s) salida(s) R.
(b) Problema inverso: dado el mecanismo y la(s)
salida(s), encuentre la(s) entrada(s).

Tipos de (c) Problema inverso difícil (identificación): dada

la(s) entrada(s) y la(s) salida(s), encuentre un
problemas mecanismo
¿Razonan los ordenadores?

 El ingenioso y conocido argumento de de la habitación china de

John Searle (1980) debería persuadir de que las computadoras son
motores puramente sintácticos: ese significado se les escapa por
diseño.
 Gregory Chaitin (2006, 7), el conocido científico informático de IBM
lo expresó de esta manera: los lenguajes de programación
informática "son formalismos para calcular y calcular, no para el
razonamiento, no para demostrar teoremas, y más enfáticamente
no para inventar nuevos conceptos matemáticos ni para nuevos
descubrimientos matemáticos ".

Bunge (2015), Materia y Mente

¿Razonan los ordenadores?
 Más precisamente, el inventor se enfrenta a un problema inverso difícil: dada
la salida deseada, diseñe un artefacto capaz de entregarla. Y esto es, por
supuesto, un valor no determinado y, por lo tanto, un problema mal
planteado, que requiere mucha creatividad más allá del alcance de
cualquier cosa que funcione para decidir, la forma en que se supone que las
máquinas conocidas trabajan.
 De hecho, los algoritmos solo pueden manejar problemas directos, como
calcular el próximo estado de una máquina de Turing dada su función de
estado siguiente, el estado actual y la entrada.
 Un problema directo bien planteado, si es soluble, tiene una única solución.
Por el contrario, un problema inverso es de final abierto: tiene múltiples
soluciones o ninguna; y, si es soluble en absoluto,
Bunge (2015), Materia y Mente