Universidad de Monterrey

Presentación del tema: "Universidad de Monterrey"— Transcripción de la presentación:

1 Universidad de Monterrey
SC-2150 Inteligencia Artificial Primavera 2004 Ing. Rolando Rafael Hernández Cisneros s:

2 Universidad de Monterrey
SC-2150 Inteligencia Artificial La Inteligencia Artificial

3 Introducción Objetivo Particular:
Explicar el porqué se considera a la inteligencia artificial un tema digno de estudio e intentar definirla.

4 Objetivos de la Inteligencia Artificial
Comprensión de nosotros mismos como entidades inteligentes Construcción de entidades inteligentes.

5 Problema que aborda la Inteligencia Artificial
“¿Cómo es posible que un diminuto y lento cerebro, sea biológico o electrónico, tenga capacidad para percibir, comprender, predecir y manipular un mundo que en tamaño y complejidad le excede con creces?”, “¿Cómo es posible crear apoyándose en esas propiedades?” El investigador de IA tiene pruebas contundentes de que tales entidades existen y son factibles.

6 Motivación para la investigación en IA
La IA es una de las disciplinas más nuevas (inició formalmente en 1956). A diferencia de otros campos de estudio donde “todo está descubierto” (como la física o las matemáticas), la IA tiene muchas áreas con grandes oportunidad para la investigación e innovación.

7 El estudio de la inteligencia
Es una de las disciplinas más antiguas. Desde hace 2000 años los filósofos han tratado de entender como se ve, aprende, recuerda y razona, y cómo debe esto hacerse. La aparición de las computadoras en los 50’s permitió pasar de la especulación a una disciplina teórica y experimental.

8 Alcance de la IA La IA abarca desde áreas generales (percepción, razonamiento lógico) hasta específicas (ajedrez, teoremas, etc.) Permite automatizar el trabajo intelectual a científicos de otras áreas. Ofrece a los científicos de IA el aplicarla en cualquier área donde se aplique el intelecto humano.

9 ¿Qué es la Inteligencia Artificial?
“La interesante tarea de lograr que las computadoras piensen... Máquinas con mente, en su amplio sentido literal” (Haugeland, 1985) “El estudio de las facultades mentales mediante el uso de modelos computacionales” (Carniak y McDermott, 1985) “[La automatización de] actividades que vinculamos con procesos de pensamiento humano, actividades tales como la toma de decisiones, resolución de problemas, aprendizaje...” (Bellman, 1978) “El estudio de los cálculos que permiten percibir, razonar y actuar” (Winston, 1992) “El arte de crear máquinas con capacidad de realizar funciones que realizadas por personas requieren inteligencia” (Kurzweil, 1990) “Un campo de estudio que se enfoca a la explicación y emulación de la conducta inteligente en función de procesos computacionales” (Schalkoff, 1990). “”El estudio de cómo lograr que las computadores realicen tareas que, por el momento, los humanos hacen mejor” (Rich y Knight, 1991) “La rama de la ciencia de la computación que se ocupa de la automatización de la conducta inteligente” (Luger y Stubblefield, 1993).

10 Categorías para las definiciones de IA
Sistemas que piensan como humanos Sistemas que piensan racionalmente (idealmente) Sistemas que actúan como humanos Sistemas que actúan racionalmente (idealmente)

11 Actuar como humano: La prueba de Turing
Propuesta por Alan Turing (1950). Turing definió la conducta inteligente como “la capacidad de lograr eficiencia humana en todas las actividades cognoscitivas, suficiente para engañar a un evaluador”.

12 Actuar como humano: La prueba de Turing

13 Actuar como humano: La prueba de Turing
Para que una computadora pase la prueba de Turing, debe por lo menos: Procesar lenguaje natural Representar el conocimiento Razonar automáticamente Autoaprender Para la prueba total de Turing, la computadora debe tener Vista Robótica

14 Pensar como humano: El modelo cognoscitivo
Primero habría que definirse como piensan los humanos, mediante Introspección Experimentos psicológicos GPS (General Problem Solver), de Newell y Simon (1961) vs. Wang (1960). LA ciencia cognoscitiva usa modelos de IA y experimentos psicológicos.

15 Pensar racionalmente: Las leyes del pensamiento
Aristóteles intentó codificar la “manera correcta de pensar” (silogismos). De ahí surge la lógica. La tradición logicista de IA trata de hacer sistemas inteligentes basados en la lógica. Problemas: pasar conocimiento informal e incierto en términos lógicos formales y realizar la solución teórica obtenida en la práctica.

16 Actuar racionalmente: el agente racional
Actuar racionalmente es hacerlo de tal manera que se logran los objetivos deseados. Un agente es algo que percibe y actúa. De acuerdo a esto, la IA es el estudio y construcción de agentes racionales. Actuar racionalmente no implica sólo actuar por inferencias lógicas (ejemplo, reflejos).

17 Fundamentos de IA Filosofía (428 a.C. Al presente)
Sócrates, Platón y Aristóteles (silogismos). René Descartes (dualismo). Wilhelm Leibniz (materialismo). Francis Bacon y John Locke (empirismo): “Nada existe en la mente que no haya pasado por los sentidos”. David Hume (inducción). Bertrand Russell (positivismo lógico). Rudolf Carnap y Carl Hempel (teoría de la confirmación).

18 Fundamentos de IA Matemáticas (800 al presente)
Al-Jwarizmi (algoritmos). George Boole (álgebra booleana) Gottlob Frege (lógica de 1er. Orden) David Hilbert (problemas sin resolver). Kurt Gödel (teorema de incompletez). Alan Turing (máquina de Turing). Intratabilidad, reducción, teoria de la completez NP. Gerolamo Cardano (teoría de la probabilidad). Pierre Fermat, Blas Pascal, James Bernoulli, Pierre Laplace (métodos estadísticas). Thomas Bayes (regla de Bayes).

19 Fundamentos de IA Psicología (de 1879 al presente)
Hermann von Helmholtz y Wilhelm Wundt (Handbook of Physiological Optics). John Watson y Edward Lee Thorndike (movimiento conductista). Kenneth Craik (The Nature of Explanation, la psicología cognitiva)

20 Fundamentos de IA Ingeniería computacional (1940 al presente)
Alan Turing (Heath Robinson, 1940). Konrad Zuse (Z-3 y Plankalkul, 1941 y 1945). Colossus, 1943. John Atanasoff y Clifford Berry (ABC, 1942). Howard Aiken (Mark I, II y III). John Mauchly y John Eckert (ENIAC) Nathaniel Rochester (IBM701, 1952).

21 Fundamentos de IA Ingeniería computacional (1940 al presente) Hardware
Cada vez más veloz, con más capacidad y menos precio. Duplica eficiencia cada dos años, sin que se prevea un fin a esta tendencia Máquinas en parelelo Software Ha dotado a la IA de sistemas operativos, lenguajes de programación y herramientas. La IA, a su vez, le ha retribuido con el desarrollode tiempo compartido, intérpretes activos, administración automática de memoria, algunos conceptos clave de POO, entornos de desarrollo con GUI’s.

22 Fundamentos de IA Lingüística
B.F. Skinner (Verbal Behavior, 1957, conductista). Noam Chomsky (Syntactic Structures). Representación del conocimiento. Procesamiento del lenguaje natural.

23 Historia de la IA Génesis de la IA (1943-1956)
Warren McCulloch y Walter Pitts (modelo de neurona artificial, 1943). Donald Hebb (Regla de Hebb, 1949). Claude Shannon y Alan Turing (programas de ajedrez, 1950 y 1953). Marvin Minsky y Dean Edmons (SNARC, 1951). Reunión en Dartmouth College (1956): John McCarthy, Marvin Minsky, Claude Shannon, Nathaniel Rochester, Trenchard More, Arthur Samuel, Ray Solomonoff, Oliver Selfridge, Allen Newell y Herbert Simon. Newell y Simon presentan TL y se acuña el nombre de “Inteligencia Artificial”.

24 Historia de la IA Entusiasmo inicial (1952-1969)
Allen Newell y Herbert Simon (GPS). Nathaniel Rochester (primeros programas de IA). Herbert Gelertner (Demostrador de Teoremas de Geometría, 1959). Arthur Samuel (juego de damas, 1952). John McCarthy (pasa al MIT, define LISP, inventa el tiempo compartido y forma Digital Equipment Corporation, 1958).

25 Historia de la IA Entusiasmo inicial (1952-1969)
Marvin Minsky pasa al MIT (1958) John McCarthy pasa a Stanford (1963). Cordell Green (sistemas de planificación y respuesta de preguntas, 1969). Shakey (proyecto de robótica). Problemas de micromundos (SAINT, de James Slagle, 1963; ANALOGY, de Tom Evans, 1968; SIR, de Bertram Raphael, 1968; STUDENT, de Daniel Bobrow, 1967; El mundo de los bloques, etc. Bernard Widrow (Adalines, 1962). Frank Rosenblatt (Perceptrones, 1962).

26 Historia de la IA Una dosis de realidad (1966-1974).
Herbert Simon: “... Actualmente en el mundo existen máquinas capaces de pensar, aprender y crear...” (1957). Weizenbaum (ELIZA, 1965). Fracasos en programas de traducción del ruso al inglés (1966). Fracasos en la solución de problemas complejos. Fracasos en los inicios de la computación evolutiva. El informe Lighthill (1973). Minsky y Papert (Perceptrons, 1969, donde se muestra la limitada capacidad de representación de los perceptrones).

27 Historia de la IA Sistemas basados en conocimiento (1969-1979).
Buchanan et al. (Dendral, 1969). Feigenbaum et al. (Heuristic Programming Project, HPP). Feigenbaum, Buchanan y Shortliffe (MYCIN). Duda et al. (Prospector, 1979). Winograd (SHRDLU). Williams Woods (LUNAR, 1973).

28 Historia de la IA La IA se convierte en industria (1980-1988).
McDermott (R1, 1982). DEC distribuye 40 sistemas expertos (1988). Casi todas las compañías en EU contaban con grupo de IA, investigando SEs. Los japoneses proponen el proyecto “5a. Generación”. Se funda Microelectronic and Computer Technology Co. (MCC) en Estados Unidos. El informe Alvey. Abundan compañías que producen software para el diseño de SEs.

29 Historia de la IA El regreso de las redes neuronales (1986 al presente). Hopfield (redes de Hopfield, 1982). David Rumelhart y Geoff Hinton (modelos de memoria basados en redes neuronales). Se “reinventa” en los 80’s el algoritmo de retropropagación de Bryson y Ho (1969). Rumelhart y McClelland (Parallel Distributed Processing, 1986). Pesimismo en los sistemas expertos, rivalidad entre la IA tradicional y las redes neuronales.

30 Historia de la IA Acontecimientos recientes (1987 al presente).
Construcción sobre teorías existentes en vez de proponer teorías novedosas. Mejor fundamentación y con suficiente experimentación. Demostración de la utilidad de las aplicaciones de IA en el mundo real y no en ejemplos de juguete. Avances en la comprensión del lenguaje, y la planeación (David Chapman, 1987). Judea Pearl (Probabilistic Reasoning and Inteliigent Systems, 1988; invención de las Redes Bayesianas). Avances en robótica, visión computacional, autoaprendizaje de máquina y representación del conocimiento.

31 Historia de la IA Acontecimientos recientes (1987 al presente).
Allen Newell, John Laird y Paul Rosenbloom (problema del agente total).