Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca.

Presentación del tema: "Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca."— Transcripción de la presentación:

1 Fundamentos de Inteligencia Artificial (Representación de Conocimiento) E. Morales/L.E. Sucar Departamento de Computación ITESM Campus Cuernavaca

2 a) Habilidades Intenciones Educativas análisis y comparación lectura crítica autoestudio resolución de problemas/aplicación de conocimientos

3 b) Valores Intenciones Educativas trabajo en grupo responsabilidad

4 Conceptual: Identificar los componentes para representar el conocimiento en una aplicación, utilizar una o varias de las técnicas de representación que sean más adecuadas, y decidir sobre los mecanismos de inferencia y control Objetivos

5 Procedimental: Aprender a analizar y comparar las diferentes técnicas y aplicarlas a la solución de problemas. Aprender a leer, analizar y criticar por cuenta propia artículos científicos. Objetivos

6 Actitudinal: Aprender a trabajar en grupo y fomentar actitudes críticas bien fundamentadas. Promover responsabilidad y profesionalismo. Objetivos

7 1. Introducción a Inteligencia Artificial 2. Introducción a la Representación de Conocimiento* 3. Búsqueda* 4. Lógica* 5. Reglas de producción* 6. Objetos estructurados* 7. Representaciones Híbridas 8. Inteligencia artificial distribuida Estructuración del contenido

8 9. Modelos cualitativos* 10. Razonamiento temporal* 11. Representación de Incertidumbre * 12. Adquisición de conocimiento y aprendizaje 13. Ontologías 14. Desarrollos recientes y tendencias futuras Estructuración del contenido

9 Reglas Ontología Lógica Redes Semánticas Clásica es una Identificar Técnicas de Representación e Inferencia tipo Híbrida tipo Representación de Conocimiento aplicar Alternativa Cualitativa tipo Temporal es una Manejo de intercertidumbre Basadas en aprendizaje Estrategias de control es una Diseñar Pizarrón Capas DAI tipo Representación Mecanismo inferencia decidir Control resolver Problema Frames/objetos es una Figura 0.1: Mapa Conceptual del Curso cenital

10 Cada alumno debe de escoger un problema desde el principio de la clase al cual va a estar aplicando y evaluando algunas de las técnicas vistas en clase para representarlo y resolverlo. Estrategia de Enseñanza y Aprendizaje Algunas clases se van a impartir siguiendo el formato de la representación vista en clase.

11 Representación del problema para cada una de las técnicas marcadas con “*” (25%) Evaluación La evaluación consiste de:

12 Examen a mediados del curso (30%). Evaluación Participación en grupos de discusión y presentación artículos en equipo (20%).

13 Realización de un proyecto resolviendo el problema planteado (25%) Evaluación

14 1. Entregar un documento, en formato de artículo técnico, que contenga (por lo menos) las siguientes secciones: Proyecto Final de Representación de Conocimiento

15 a) El problema a resolver y las principales carácterísticas del mismo. b) Qué elementos están considerando en la representación del problema c) Qué técnica(s) de representación y qué método(s) de inferencia (y control), y porqué?

16 d) Mostrar los resultados obtenidos y analizarlos e) Hacer una breve análisis de las ventajas/desventajas de la representación y método de inferencia utilizado. f) Dar conclusiones e ideas de posibles extensiones

17 Proyecto Final (continuación) 2. Realizar una implementación que resuelve su problema (en cualquier lenguaje): b) Mandar ejecutable a) Entregar listado de código junto con manual de usuario

18 3. Hacer una presentación breve que explique el punto (1) y los resultados obtenidos

19 Lucas, P. y Van der Gaag, L. Principles of Expert Systems. Addison Wesley, 1991. Russel, S., Norvig, P., Artificial Intelligence: A Modern Approach, Prentice-Hall, 1995. Bibliografía Texto

20 Bibliografía Consulta Brachman, R y Levesque, H. Readings in Knowledge Representation. Morgan Kaufmann, 1985. Jackson, P. Introduction to Expert Systems. Addison-Wesley, 1990 (2a. edición).

21 Winston, P., Artificial Intelligence. Addison-Wesley (Tercera Edición) 1992. Bibliografía Consulta Shapiro, S.C. Encyclopedia of Artificial Intelligence. Wiley, New York (segunda edición), 1992.

22 “... diseño de sistemas inteligentes, es decir, que exhiben características que asociamos con la inteligencia humana - entender lenguaje natural, aprendizaje, razonamiento, etc.” [Feigenbaum]. Inteligencia Artificial

23 “... programar computadoras para que realicen tareas que actualmente son hechas mejor por los seres humanos,..., aprendizaje perceptual, organización de la memoria, razonamiento” [Jackson]. Inteligencia Artificial

24 “... hacer computadoras más útiles y entender los principios que hacen posible la inteligencia” [Winston]. Inteligencia Artificial

25 “... es un campo de la ciencia y de la ingeniería que se ocupa de la comprensión a través de la computadora de lo que comunmente llamamos comportamiento inteligente y de la creación de herramientas que exhiben tal comportamiento” [Shapiro]. Inteligencia Artificial

26 1.Entender y modelar sistemas “inteligentes” Dos aspectos básicos: 2. Construir máquinas “inteligentes” (ciencia) (ingeniería)

27 habilidad de razonar, adquirir y aplicar conocimiento, percibir y manipular objetos,... Pero, qué es inteligencia?

28 Sistemas que piensan como humanos (ciencia cognitiva). Enfoques: Sistemas que actuan como humanos (prueba de Turing).

29 Sistemas que piensan racionalmente (lógica). Sistemas que actuan racionalmente (teoría de decisiones). Enfoques:

30 Comprensión de lenguaje natural. Interpretación de imágenes. Manipulación y navegación. Matemáticas simbólicas. Planeación. Solución de problemas complejos. Tipo de aplicaciones:

31 Simbólicos (Lisp) Lógicos (Prolog) Tipo de técnicas : Tipo de lenguajes : Manipulación simbólica. Aprendizaje. Razonamiento. Búsqueda heurística.

32 IA tiene sus fundamentos en áreas tales como: Filosofía Matemáticas Psicología Ingeniería Computacional Linguística Es multidisciplinaria: Computación + otras áreas..

33 Gestación (1943-1956) Entusiasmo y grandes espectativas (1952-1969) Dosis de realidad (1966-1974) Sistemas basados en conocimiento ( 1969-1979) Desarrollo Histórico Según [Russell, Norvig 95]:

34 IA como industria (1980-1988) Regreso de redes neuronales (1986-presente) Eventos recientes ( 1987-presente) Según [Russell, Norvig 95]: Desarrollo Histórico

35 GPS - Newell, Shaw y Simon Perceptrón - Minsky y Papert Chekers - A. Samuel MACSYMA AM - D. Lenat ELIZA - Weisenbaum Sistemas y/o Desarrollos Importantes Sistemas históricos

36 Sistemas y/o Desarrollos Importantes Sistemas históricos Shakey - SRI SHRDLU - Winogard MYCIN - E. Shortliffe Prospector - Duda, Hart Hearsay II - Erman, Hayes-Roth, Lesser, Reddy CYC - D. Lenat, R. Guha...

37 PEGASUS [Zue et al. 94] MARVEL [Schwuttke 92] Diagnóstico médico [Heckerman 91] NAVLAB [Pomerlau 93] Monitoreo de tráfico [Koller 94] DEEP BLUE [IBM 97] TD-Gammon [Tesaruro 94] Trains/Trips [Allen 95/98] Ayudante de ventas en LN [Chai 01] Sistemas actuales

38 VIDEOS: SISTEMA TRIPS DE JAMES ALLEN ROBOTÍCA

39 IA: áreas actuales de investigación (IJCAI 01) Representación y razonamiento (31) –Robótica cognitiva –Causalidad y acción (planes) –Razonamiento espacial –Razonamiento cualitativo –Razonamiento temporal –Revisión de conocimiento –Lógica, grafos conceptuales –Análisis de complejidad –Ontologías

40 Búsqueda y satisfacción de restricciones (19) Modelos cognitivos (6) Planeación (15) Juegos (3) Diagnóstico (6) Programación lógica y prueba de teoremas (10) Incertidumbre y razonamiento probabilístico (12) IA: áreas actuales de investigación (continuación)

41 Redes neuronales y algoritmos genéticos (8) Aprendizaje y minería de datos (23) Razonamiento basado en casos (5) Sistemas multi-agente (27) Procesamiento de lenguaje natural (14) Robótica y percepción (14) IA: áreas actuales de investigación (continuación)

42 Disputas internas: lógicos/teóricos vs. prácticos Disputa externa: ¿se puede lograr una verdadera IA? Cuestionamientos

43 Existen dos posiciones: - IA débil - IA fuerte. Débil: ¿podemos lograr crear máquinas que actuen como si fueran inteligentes? Fuerte: ¿podemos tener máquinas inteligentes? (i.e., conciencia...)

44 Gödel (teorema de incompletés) Dreyfus (la manipulación simbólica no es fundamento de inteligencia) Winograd y Flores (mejor enfocarse a problemas prácticos) Críticas

45 Searle (pensamiento real y simulado) Críticas Penrose (se requiere conocimiento de física no incluído en las máquinas)

46 Discusión sobre los aspectos de IA que aparecen en la película y sobre los avances actuales con respecto a la película Presentación de Video 2001: Odisea del espacio

47 Jugar ajedrez (  ) Síntesis de voz (  ) Reconocimiento de voz (  ) Lectura de labios (  ) Planificación (  ) 2001: Odisea del Espacio

48 Visión ( X ) Procesamiento de lenguaje natural ( X ) Sentido común ( X ) Emociones ( X ) Stork (ed.), HAL's Legacy, MIT Press, 1997 2001: Odisea del Espacio

49 Representaciones básicas: Reglas de producción Redes semánticas Frames (prototipos o marcos) Lógica de predicados Técnicas de Representación

50 Representaciones avanzadas: Modelos cualitativos, temporales, causales Manejo de incertidumbre Sistemas híbridos, capas, pizarrón Sistemas multiagentes Razonamiento basado en casos Redes neuronales Sistemas multifuncionales Técnicas de Representación