IA.

Presentación del tema: "IA."— Transcripción de la presentación:

1 IA

2 La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robótica, usada principalmente en el campo industrial; comprensión de lenguajes y traducción; visión en máquinas que distinguen formas y que se usan en líneas de ensamblaje; reconocimiento de palabras y aprendizaje de máquinas; sistemas computacionales expertos.

3 Los sistemas expertos, que reproducen el comportamiento humano en un estrecho ámbito del conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e indican un tratamiento, etc.

4 Tales tareas reducen costos, reducen riesgos en la manipulación humana en áreas peligrosas, mejoran el desempeño del personal inexperto, y mejoran el control de calidad sobre todo en el ámbito comercial.

5 Diferentes metodologías:
La lógica difusa: permite tomar decisiones bajo condiciones de in-certeza. Redes neuronales: esta tecnología es poderosa en ciertas tareas como la clasificación y el reconocimiento de patrones. Está basada en el concepto de "aprender" por agregación de un gran número de muy simples elementos.

6

7 La lógica difusa se desarrolló a partir de 1965 con la aparición de un artículo sobre la teoría de los conjuntos difusos, establecida por el catedrático de la Universidad de Berkeley, California, Lofti A. Zadeh, quien hoy es considerado el padre de la lógica difusa.

8 Lógica difusa La lógica difusa o lógica heuristica se basa en lo relativo de lo observado. Este tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre sí. Así, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores están contextualizados a personas y referidos a una medida métrica lineal.

9 Funcionamiento La lógica difusa se adapta mejor al mundo real en el que vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy alto", "el ritmo del corazón está un poco acelerado", etc. La clave de esta adaptación al lenguaje, se basa en comprender los cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco").

10 Se basa en reglas heurísticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son también conjuntos difusos, ya sea puros o resultado de operar con ellos.

11 regla heurística SI hace muchísimo calor ENTONCES disminuyo drásticamente la temperatura. SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.

12 Los métodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces.
Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de redes neuronales para fortalecer las futuras tomas de decisiones.

13 Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un sistema. El motor de inferencias se basa en chips difusos, que están aumentando exponencialmente su capacidad de procesamiento de reglas.

14 Esquema de funcionamiento típico para un sistema difuso
En la figura, el sistema de control hace los cálculos con base en sus reglas heurísticas, comentadas anteriormente. La salida final actuaría sobre el entorno físico, y los valores sobre el entorno físico de las nuevas entradas (modificado por la salida del sistema de control) serían tomadas por sensores del sistema.

15 Lógica difusa en inteligencia artificial
En Inteligencia artificial, la lógica difusa, o lógica borrosa se utiliza para la resolución de una variedad de problemas, principalmente los relacionados con control de procesos industriales complejos y sistemas de decisión en general, la resolución la compresión de datos de entrada Consiste en tratar de imitar el razonamiento humano en la programación de computadoras. Con la lógica convencional, las computadoras pueden manipular valores estrictamente duales, como verdadero/falso, sí/no o ligado/desligado. En la lógica difusa, se usan modelos matemáticos para representar nociones subjetivas, como caliente/tibio/frío, para valores concretos que puedan ser manipuladas por los ordenadores. En este paradigma, también tiene un especial valor la variable del tiempo, ya que los sistemas de control pueden necesitar retroalimentarse en un espacio concreto de tiempo, pueden necesitarse datos anteriores para hacer una evaluación media de la situación en un período anterior...

16

17

18 Ejemplo Por ejemplo, si el aire acondicionado se encendiese al llegar a la temperatura de 30º, y la temperatura actual oscilase entre los 29º-30º, nuestro sistema de aire acondicionado estaría encendiéndose y apagándose continuamente, con el gasto energético que ello conllevaría. Si estuviese regulado por lógica difusa, esos 30º no serían ningún umbral, y el sistema de control aprendería a mantener una temperatura estable sin continuos apagados y encendidos.

19 La lógica difusa se aplica ya a diversos productos: algunas videocámaras eliminan con ella el eventual temblor del aficionado; hay lavadoras inteligentes que dosifican las dosis de detergente según el grado de suciedad detectada en el prelavado; los frenos ABS de los automóviles se basan en ella, igual que la suspensión activa, la climatización y el control de velocidad.

20 AGENTES BASADOS EN CONOCIMIENTO

21 Agentes Basado en Conocimiento
Un agente basado en conocimiento; es aquel sistema que posee conocimiento de su mundo y que es capaz de razonar sobre las posibles acciones que puede tomar para cambiar el estado de su mundo. El agente es un conjunto de sentencias, representado mediante un lenguaje de representación de conocimiento.

22 Los agentes basados en objetivos están mejor preparados para resolver problemas que los agentes reflejos simples. Dotando a los agentes de razonamiento lógico pueden obtener un buen desempeño realizando tareas más difíciles.

23 Un agente lógico o basado en el conocimiento parte del conocimiento y utiliza el razonamiento lógico para decidir las acciones que le llevarán a su objetivo.

24 Un agente basado en el conocimiento necesita conocimiento muy variado:
sobre el mundo: estado actual, cómo inferir sus propiedades a partir de percepciones, cómo evoluciona, . . . sobre el objetivo a conseguir. sobre las acciones a realizar dependiendo de las circunstancias.

25 El conocimiento y el razonamiento juegan un papel importante cuando se trata con entornos parcialmente observables.

26 Un Agente basado en conocimiento puede combinar el conocimiento general con las percepciones reales para inferir aspectos ocultos del estado del mundo, antes de seleccionar cualquier acción.

27 El entendimiento del LN también necesita inferir estados ocultos:
John miro el diamante a través de la ventana y lo codició. John lanzó el ladrillo a la ventana y se rompió.

28 Agentes Basado en Conocimiento
Sensores Efectores Base de Conocimiento Percepciones Acciones Motor de Inferencia mundo

29 Base de conocimientos El componente principal de un agente basado en el conocimiento es su base de conocimientos, o BC. De manera informal podría decirse que una base de conocimientos es un conjunto de representaciones de ciertos hechos acerca del mundo. Cada una de estas representaciones se denomina oración. Las oraciones se expresan en un lenguaje denominado lenguaje para la representación del conocimiento.

30 Base de conocimientos Informar y preguntar
Para interactuar con la BC, es decir para agregarle nuevas oraciones e interrogarle sobre ellas, existen dos tareas que pueden realizarse: INFORMAR y PREGUNTAR, respectivamente. Informar y preguntar Siempre que se solicita la intervención de un programa de agente, se realizan dos acciones. Primera, el programa INFORMA a la base de conocimientos lo que percibe. Segunda, le PREGUNTA a la base de conocimientos cuál es la acción que debe emprender. Debe quedar claro que es el agente quien informa y pregunta a su BC, y no una entidad externa a él.

31 Agentes Basado en Conocimiento
Enfoque declarativo Si es posible entender la operación de un agente basado en el conocimiento en función de lo que éste sabe, entonces es posible construirlo informándole todo lo que necesita saber. El programa inicial del agente, antes de que empiece a recibir percepciones, se construye incorporando de una en una todas las oraciones que representan todo lo que el diseñador sabe acerca del ambiente. A lo anterior se lo conoce como enfoque declarativo de la construcción de un sistema. 

32 Agentes Basado en Conocimiento
Aprendizaje Es posible diseñar mecanismos de aprendizaje producen un conocimiento general acerca del ambiente una vez que se les proporciona un conjunto de percepciones. Mediante la incorporación de mecanismos de aprendizaje en un agente basado en el conocimiento se logra la total autonomía de éste.

33 El Motor de Inferencias (MI)
Es un programa de control cuya función es seleccionar las reglas posibles a satisfacer el problema, para alcanzar una solución o conclusión determinada y para ello se vale de ciertas estrategias de control sistemáticas o de estrategias heurísticas.

34 La mayoría de los sistemas expertos almacenan su conocimiento en forma de reglas de inferencia: si esto, entonces eso, si eso entonces aquello otro, Tambien las reglas de inferencia permiten relacionar hechos o situaciones del mundo real para deducir otros hechos que en principio no son evidentes sin la utilización de dichas reglas.

35 Por ejemplo, si la premisa de una regla es cierta, entonces la conclusión de la regla debe ser también cierta. Los datos iniciales se incrementan incorporando las nuevas conclusiones.

36 Modus Ponendo Ponens: Se utiliza para obtener conclusiones simples
Modus Ponendo Ponens:  Se utiliza para obtener conclusiones simples. En ella, se examina la premisa de la regla, y si es cierta, la conclusión pasa a formar parte del conocimiento. Como ilustración, supongamos que tenemos la regla, “Si A es cierto, entonces B es cierto” y que sabemos además que A es cierto. La regla Modus Ponens concluye que B es cierto.

37 Esta regla de inferencia, que parece trivial, debido a su familiaridad, es la base de un gran número de sistemas expertos.

38 Se utiliza también para obtener conclusiones simples
Se utiliza también para obtener conclusiones simples. En este caso se examina la conclusión, y si es falsa, se concluye que la premisa también es falsa. Por ejemplo, supóngase de nuevo que “Si A es cierto, entonces B es cierto” pero se sabe que “B es falso”. Entonces, utilizando la regla Modus Ponens no se puede obtener ninguna conclusión pero la regla Modus Tollens concluye que “A es falso”.

39 El Mundo de Wumpus Aunque pertenece más al ámbito de los juegos por computador, es un entorno perfecto para evaluar los agentes inteligentes. Michael Genesereth fue el primero que lo propuso.

40 El Mundo de Wumpus Especificación del ambiente
En el cuadro donde está el wumpus y en los cuadros directamente contiguos (no los que estén en sentido diagonal) el agente alcanza a percibir un hedor. En los cuadros directamente contiguos a un precipicio el agente recibe una brisa. En el cuadro donde está el oro el agente recibe un resplandor. Si al caminar el agente topa con un muro percibirá un golpe. Si mata al wumpus, éste lanza un gemido que se escucha por toda la cueva.

41 El Mundo de Wumpus

42 El Mundo de Wumpus El agente recibe las percepciones a través de una lista de cinco símbolos. [Hedor, Brisa, Resplandor, Golpe, Gemido]. [Nada, Nada, Nada, Nada, Nada].

43 El Mundo de Wumpus [Nada, Brisa, Nada, Nada, Nada].

44 El Mundo de Wumpus [Hedor, Nada, Nada, Nada, Nada].

45 El Mundo de Wumpus [Hedor, Brisa, Resplandor, Nada, Nada].

46 El Mundo de Wumpus Matriz de 10 X 10.
Poder colocar el oro, los agujeros y el Wumpus en forma aleatoria. 3. El Wumpus se mueve en forma aleatoria 4. Pueden existir dos agentes . 5. Ir trazando la ruta que va realizando.

47 Nivel de conocimiento Gracias a las definiciones de DECIR y PREGUNTAR, el agente basado en conocimiento no obtiene las acciones mediante un proceso arbitrario. Depende del nivel de conocimiento, en el que solo necesitamos especificar lo que el agente sabe y los objetivos que tiene para establecer su comportamiento.

48 Por ejemplo un taxi automatizado podría tener el objetivo de llevar un pasajero de la UMG a el Naranjo, podría saber que el puente naranjo es el único enlace entre las dos localizaciones. Entonces podemos esperar que el agente cruce el puente porque él sabe que hacerlo le permitirá alcanzar su objetivo.

49

50 SISTEMAS EXPERTOS un sistema experto puede ser definido como un sistema basado en conocimiento que emula la competencia de un experto, dentro de un campo de aplicación bien delimitado. También puede ser definido como un conjunto de programas de computadora cuyo comportamiento es similar al que tendría un experto humano

51 Características de los Sistemas Expertos
Para que un sistema computacional actúe como un verdadero experto, es deseable que reúna, en lo posible, lo más importante de las características de un experto humano, esto es: Habilidad para adquirir conocimiento. Fiabilidad, para poder confiar en sus resultados o apreciaciones. Solidez en el dominio de su conocimiento. Capacidad para resolver problemas.

52 Ventajas SE Permanencia: A diferencia de un experto humano un SE (sistema experto) no envejece, y por tanto no sufre pérdida de facultades con el paso del tiempo. Replicación: Una vez programado un SE lo podemos replicar infinidad de veces. Rapidez: Un SE puede obtener información de una base de datos y realizar cálculos numéricos mucho más rápido que cualquier ser humano. Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias a la capacidad de duplicación el coste finalmente es bajo. Entornos peligrosos: Un SE puede trabajar en entornos peligrosos o dañinos para el ser humano. Fiabilidad: Los SE no se ven afectados por condiciones externas, un humano sí (cansancio, presión, etc.).

53 Limitaciones de SE Sentido común: Para un Sistema Experto no hay nada obvio. Lenguaje natural: Con un experto humano podemos mantener una conversación informal mientras que con un SE no podemos. Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de sus errores y de errores ajenos, que un SE haga esto es muy complicado. Perspectiva global: Un experto humano es capaz de distinguir cuales son las cuestiones relevantes de un problema y separarlas de cuestiones secundarias. Capacidad sensorial: Un SE carece de sentidos. Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la resolución de un problema.

54 Lógica Dijimos que las bases de conocimiento se componen de sentencias. Estas sentencias se expresan de acuerdo a la sintaxis del lenguaje de representación, que especifica todas las sentencias que están bien formadas. Este concepto esta claro en la aritmética X+Y=4

55 Lógica X+Y=4 es una sentencia bien formada, mientras que X2Y+ = no lo es. Una lógica también debe definir la semántica del lenguaje. En el lenguaje hablado, la sementica trata el significado de las sentencias.

56 Lógica En Lógica, la definición es más precisa. La semántica del lenguaje define el valor de verdad de cada sentencia respecto a cada mundo posible. X+Y=4 es verdadero o falso según el mundo?

57 Lógica En Lógica la clásica cada sentencia debe ser o bien verdadera o bien falsa en cada mundo posible, no puede ser lo uno o lo otro.

58 Lógica Mal Usada Dios es amor. El amor es ciego.
Steve Wonder es ciego. Por lo tanto, Steve Wonder es Dios. Me dijeron que Yo soy nadie. Nadie es perfecto. Entonces, yo soy perfecto. Pero, solo Dios es perfecto. Por lo tanto, Yo soy Dios. Si Steve Wonder es Dios, Yo soy Steve Wonder!!!! Por Dios, soy ciego!!!

59 Lógica en General Lógica es un lenguaje formal para representar información de manera que las conclusiones puedan ser expresadas. La sintaxis define las sentencias en el lenguaje. La semántica define el “significado” de las sentencias

60 Lógica Implicación: una sentencia se sigue lógicamente de otra sentencia. Inferencia lógica: derivar conclusiones. Ejemplo: BC es un pajar y a es una aguja La implicación es como la aguja que se encuentra en el pajar y la inferencia consiste en encontrarla.