Introducción a la Inteligencia Artificial

Definiciones:

• Es la atribuida a las máquinas capaces de hacer operaciones propias de seres inteligentes (DRAE, 1992).
• Es el estudio de las computaciones que permiten percibir, razonar y actuar (Winston-92).
• Es el estudio de técnicas de resolución de problemas de complejidad exponencial mediante el uso de conocimiento sobre el campo de aplicación del problema (Rich-91).
• Estudia cómo lograr que las máquinas realicen tareas que, por el momento, son realizadas mejor por los seres humanos (Rich-91).

Aspectos de la IA:

Como ciencia cognitiva, como tecnología informática.

Características esenciales de la IA:

• Información simbólica preferente a la numérica.
• Métodos heurísticos preferente a los algorítmicos.
• Uso de conocimiento específico–declarativo.
• Informaciones incompletas o con incertidumbre.
• Multidisciplinariedad.

Historia de la inteligencia artificial

Precedentes: Lógica

• 1847: Boole: el álgebra de la lógica.
• 1879: Frege: cálculo de predicados.
• 1936: Turing: máquina universal.

Precedentes: Autómatas

• 1641: Pascal: sumadora mecánica.
• 1832: Babbage: máquina diferencial y analítica.
• 1951: Eckert y Mauchley: UNIVAC (computadora comercializada).

Nacimiento

• 1956: Conferencia de Darmouth: nacimiento de la IA.
• 1957: Newell, Shaw y Simon: General Problem Solver (GPS).
• 1963: M. Ross Quillian: redes semánticas.
• 1968: Hart: algoritmo A*.

Explosión

• 1970: Winston: ARCH (aprendizaje automático).
• 1971: HERSAY I: reconocimiento del habla.
• 1972: Kowalski: programación lógica => Prolog.
• 1977: Forgy: OPS (Official Production System).
• 1979: Quinlan: ID3 (aprendizaje automático).

Madurez

• 1980: Univ. de Ontario: MAPLE.
• 1988: W. McCune: OTTER (razonamiento automático).
• 1990: Mugleton: GOLEM (programación lógica inductiva).
• 1997: Deep Blue: Ajedrez a nivel de maestro.
• 2000: Links2go: http://www.links2go.net (agentes inteligentes en Internet).

Las habilidades cognoscitivas

1. Atención:

Exploración, fragmentación, selección y contradistractoras.

2. Comprensión:

Captación de ideas, traducción a lenguaje propio y resumen, gráficos, redes, esquemas y mapas conceptuales. Manejo del lenguaje oral y escrito.

3. Elaboración:

Preguntas, metáforas, analogías, organizadores, apuntes y mnemotecnias.

4. Memorización / Recuperación (técnicas o habilidades de estudio):

Codificación y generación de respuestas.

El proceso de razonamiento según la lógica

Axioma:

Proposición tan clara y evidente que se admite sin necesidad de demostración.
Ejemplo: A es hermano de B, C es hijo de A, B es tío de C, o bien C es sobrino de B

Teorema:

Proposición demostrable lógicamente partiendo de axiomas o de otros teoremas ya demostrados, mediante reglas de inferencia aceptadas. Axiomas sobre alumno: Estudia, Realiza tareas, Participa, Programa.

Demostración:

Argumento utilizado para mostrar la veracidad de una proposición matemática. Comprobación, por hechos ciertos o experimentos repetidos, de un principio o de una teoría. Tablas de verdad de la lógica: conjunción, disyunción, implicación, negación y condicional.

Silogismos Hipotéticos:

Es una forma de argumento válido que consiste en un silogismo con una sentencia condicional para una o ambas de sus premisas. Es una regla de inferencia válida.

El modelo de adquisición

La metodología Common KADS busca que puedan resolver problemas con una capacidad comparable a la de un experto humano en un dominio específico de aplicación.

Modelo de Organización:

Analizar características principales de una organización para descubrir problemas y oportunidades relacionadas con los sistemas de conocimiento.

Modelo de Tarea:

Analizar las tareas globales, sus entradas y salidas, así como los recursos necesarios para llevarlas a cabo.

Modelo de Agente:

Características de los agentes que ejecutan las tareas, incluyendo sus competencias, autoridad y restricciones.

Modelo de Conocimiento:

Tipos y estructuras de conocimiento utilizados para realizar una tarea, facilitando la comunicación entre expertos y usuarios.

Modelo de Comunicación:

Modela las transacciones entre los agentes implicados en una tarea, facilitando la interacción y coordinación entre ellos.

Modelo de Diseño:

Técnica del sistema de conocimiento en términos de arquitectura, plataforma de implementación, módulos de software y mecanismos de computación necesarios.

El modelo cognoscitivo

Se refiere a un enfoque teórico en psicología que se centra en el estudio de los procesos mentales involucrados en el conocimiento, la percepción, la memoria, el pensamiento y el aprendizaje.

El modelo del agente inteligente

Ejecutores de una tarea. Puede ser un humano, un sistema de información o cualquier entidad capaz de resolver esta tarea. Ejemplo: Agentes reactivos, basados en objetivos, basados en utilidad, que aprenden.

Sistemas Multi Agentes (SMA)

Múltiples agentes inteligentes que interactúan entre ellos, pueden ser utilizados para resolver problemas que son difíciles o imposibles de resolver por un individuo o un sistema monolítico.

Sistemas Ubicuos

Sistema de interacción, en el que el procesamiento de información se integra en las actividades cotidianas y en los objetos que se usan cotidianamente.

El papel de la heurística

Se denomina heurística a la capacidad de un sistema para realizar de forma inmediata innovaciones positivas para sus fines. La palabra «heurística» se deriva del verbo griego heuriskein, que significa «encontrar» o «descubrir».

Algoritmos de exploración de alternativas

Nos proporcionan uno o dos caminos alternativos para nuestros programas, respectivamente.

Algoritmo A*:

Encuentra la ruta de menor coste entre dos puntos siempre y cuando se cumplan una serie de condiciones. Ejemplo: Pac-man.

Desventaja:

• Complejidad en memoria: Tiene que almacenar todos los posibles siguientes nodos de cada estado, la cantidad de memoria que requerirá será exponencial con respecto al tamaño del problema.

Algoritmos de búsqueda local

No se preocupan por los caminos que se puedan tomar para llegar a un estado óptimo, si no que se enfocan en su gran parte en el estado actual y se mueve de un estado vecino hacia otro.

Ventajas:

• Son ahorrativos: No usan mucha memoria ya que no almacenan la secuencia de estados.
• Razonables: Ofrecen soluciones posibles a un problema cuando el espacio de estados es infinito.
• Óptimos: Capaces de encontrar el mejor estado en base a su función objetivo.

Búsqueda Por Ascensión En Colina

Etiquetas: Algoritmos, Heurística, Historia de la IA, IA, Inteligencia Artificial, Sistemas Multi Agentes, Sistemas Ubicuos