Introduccion a Los Sistemas Inteligentes

Tema 1: Introducción a los Sistemas Inteligentes Ezequiel López-Rubio y Enrique Domínguez Depto. de Lenguajes y Ciencias de la Computación Universidad de Málaga

Índice   

1.1 Inteligencia Artificial (IA) 1.2 Historia de la IA 1.3 Agentes inteligentes

¿Qué es la inteligencia artificial?

1.1 INTELIGENCIA ARTIFICIAL

1.1 Inteligencia Artificial (IA) Definiciones 

Actuar como humanos 



Pensar como humanos  



Ciencia cognitiva  Neurociencia

Pensar razonadamente

Kurzweil, 1990

La automatización de actividades que asociamos con pensamientos humanos, tales como el aprendizaje, la resolución de problemas…

Bellman, 1978

El estudio de la computación que hace posible percibir, razonar y actuar 

Silogismos de Aristóteles

Winston, 1992

Actuar de forma racional

La IA trata del comportamiento inteligente de las máquinas





Test de Turing

El arte de crear máquinas que realizan funciones, las cuales requieren de cierta inteligencia cuando son ejecutadas por humanos



Agentes racionales

1.1 Inteligencia Artificial (IA) Actuar como humanos 

¿Pueden pensar las máquinas? 



¿Pueden tener un comportamiento inteligente?

Test de Turing    

Procesar lenguaje natural Representar conocimiento Razonar  Aprender 



 Percibir objetos



 Manipular objetos

 NO reproducible  NO constructivo SIN análisis matemático

1.1 Inteligencia Artificial (IA) Pensar como humanos 

¿Cómo piensa un humano? 



¿Cómo funciona el cerebro?

Validación de teorías de la mente humana 



Predecir y comparar comportamiento humano (Ciencias Cognitivas) Ciencias Identificar comportamiento neurológico e Cognitivas implementar ( Neurociencia)  Neurociencia

IA

1.1 Inteligencia Artificial (IA) Pensar razonadamente 

Silogismos de Aristóteles 



Codifican razonamientos correctos

Lógica   

 Notación Reglas de inferencia ¿Proceso mecánico?

Matemáticas Lógica Filosofía

Sócrates es un hombre Los hombres son mortales Ⱶ

Sócrates es mortal

IA moderna

1.1 Inteligencia Artificial (IA) Actuar de forma racional 

Comportamiento racional 

Actuar para obtener el mejor resultado esperado 





Alcanzar algún objetivo de forma eficiente ante algún estímulo percibido  No siempre es necesario pensar/razonar 

Agente 

Entidad que actúa basándose en la información  percibida

1.2 HISTORIA DE LA I.A.

1.2 Historia de la IA Gestación de la IA 

W. McCulloch & W. Pitts (1943)



Aprendizaje Hebbiano (1949)  SNARC - Computador neuronal (1950) A. Turing “Computing Machinery and Intelligence” (1950)  ¿Pueden pensar las máquinas? 





E. Dijkstra: “¿Pueden nadar los submarinos?”

Test de Turing

1.2 Historia de la IA Entusiasmo inicial 

Primeros programas   



Dartmouth workshop (1956) 

 

10 personas durante 2 meses

Lisp (John MacCarthy, 1958) Algoritmos Genéticos (1958-59) 



 Nevell & Simon – General Problem Solver  A. Samuel – Checkers Program H. Gelernter – Geometry Theorem Prover 

Friedberg –  Machine evolution

Redes Neuronales (1962)  

Widrow –  Adalines Rosenblatt –  Perceptron

“Look, Ma, no hands!”

1.2 Historia de la IA Enfoques actuales 

Complejidad computacional 





Sistemas Expertos (1969) 

DENDRAL, MYCIN,…



Prolog

RI –  primer sistema experto comercial (1982)  



(McDermott)

Ahorro de $40 millones / año Rumelhart & McClelland (1986) –  Parallel Distributed Processing 

Probabilidad en IA  



 Digital Equipment Corporation

Algoritmo de retro-propagación ( Back-propagation) 



Programas de propósito general (weak methods)  Específicos del dominio

Modelos de Markov, minería de datos, redes bayesianas J. Pearl (1988) – “ Probabilistic Reasoning in Intelligent Systems”

Agentes inteligentes (1995 - )

1.3 AGENTES INTELIGENTES

1.3 Agentes Inteligentes Definición 

Agente: Entidad que

actúa en base a la  percepción de su entorno   

 

Entorno Sensores Actuadores

 f : P*

Entorno Percepción Acción

 A 

Agente = Programa + Arquitectura

Agente

1.3 Agentes Inteligentes Definición 

Agente Inteligente: Según las percepciones

recibidas, selecciona las acciones adecuadas que optimicen su rendimiento esperado (alcanzando su objetivo)   

“Hacer lo correcto”

Los objetivos son estados deseados del entorno Evaluar el comportamiento del agente

1.3 Agentes Inteligentes Omnisciencia, aprendizaje y autonomía 



Inteligente ≠ Omnisciente   No toda la información relevante puede ser  percibida

Recopilar información (exploración) 



El resultado de las acciones puede no ser el esperado

Autónomo (aprendizaje) 

Comportamiento determinado por su propia experiencia

1.3 Agentes Inteligentes Especificación    

Evaluación comportamiento Entorno Actuadores Sensores

1.3 Agentes Inteligentes Tipos de entornos de trabajo  

Observable: parcial / completamente Agentes: uno / varios 

    

Competitivo / cooperativo

Determinista / estocástico Episódico / secuencial Estático / dinámico Discreto / continuo Conocido / desconocido

1.3 Agentes Inteligentes Estructura Inteligencia Artificial

Encontrar la manera de implementar   f : P*  A 

Arquitectura

Programa

Agente

1.3 Agentes Inteligentes Tipos 

Basado en reglas (reactivos) 



Basado en modelos (con estados internos) 



El estado actual depende del historial de percepciones

Basado en objetivos 



Acciones dependen de las percepciones actuales, ignorando el resto de la historia ( if-then)

Búsqueda y planificación

Basado en utilidades 

Maximizar la utilidad esperada de los resultados de la acción

1.3 Agentes Inteligentes Reactivos Percepción

 Entorno

Sensores Recopilación de información Acción Reglas

Agente 

Selección de acciones Actuadore s

1.3 Agentes Inteligentes Basados en modelos Percepción

 Entorno

Sensores

Modelo

Recopilación de información Acción

Reglas

Agente 

Selección de acciones

Actuadores

1.3 Agentes Inteligentes Basados en objetivos Percepción

 Entorno

Sensores

Modelo

Recopilación de información Acción

Objetivos

Agente 

Selección de acciones

Actuadores

1.3 Agentes Inteligentes Basados en utilidades Percepción

 Entorno

Sensores

Modelo

Recopilación de información Acción

Utilidades

Agente 

Selección de acciones Actuadore s

1.3 Agentes Inteligentes Con aprendizaje Criterio de rendimiento Percepción Evaluación

Aprendizaje

 Entorno

Sensores Recopilación de información Acción Selección de acciones

Generador de  problemas Agente 

Actuadores