ARTIFI - INTELK
I.A.
UNIDAD 1: Fundamentos de la Inteligencia Artificial.
SUBTEMAS
1.1. Historia de la IA.
1.2. Conceptos y técnicas (Estado del arte) .
1.3. Desarrollos actuales.
1.3.1. Procesamiento de Lenguaje Natural (PLN).
1.3.2. Reconocimiento de patrones.
1.3.3. Robótica.
1.3.4. Sistemas Expertos.
1.3.5. Lógica Difusa (Fuzzy logic).
1.4. Modelos de agente inteligente.
1.5. Heurística.
1.1. Historia de la IA.
Las ideas fundamentales de la inteligencia artificial se remontan a la lógica y algoritmos de los griegos 300 a. C. Con Aristóteles, el primero en describir de manera estructurada un conjunto de reglas.
Seguido por Ctesibio de Alejandría en 250 a. C. Quien construyó la primera máquina auto controlada. Y en 1315, Ramon Llull 1315, tuvo la idea de que el razonamiento podía ser efectuado de manera artificial. Varios siglos, en 1950 Turing consolidó el campo de la inteligencia artificial con su artículo Computing Machinery and Intelligence, en el que propuso una prueba concreta para determinar si una máquina era inteligente o no, su famosa Prueba de Turing por lo que fue considerado el padre de la Inteligencia Artificial.
En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un agente inteligente. Al intentar describir con un mayor ámbito (no sólo la comunicación) los atributos de un agente inteligente, la IA se ha expandido a muchas áreas que han creado ramas de investigación enorme y diferenciada.
Dichos atributos del agente inteligente son:
1. Actitudes mentales tales como creencias e intenciones.
2. Capacidad de obtener conocimiento, es decir, aprender.
3. Resolución de problemas, incluso problemas complejos.
4. Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas ambiguas o contradictorias.
5. Planifica, predice consecuencias, evalúa alternativas (como en los juegos de ajedrez)
6. Conoce los límites de sus propias habilidades y conocimientos.
7. Distingue a pesar de las similitudes de las situaciones.
8. Puede ser original, creando incluso nuevos conceptos o ideas, y hasta utilizando analogías.
9. Generaliza.
10. Puede percibir y modelar el mundo exterior.
11. Puede entender y utilizar el lenguaje y sus símbolos.
En los 90´s surgen los agentes inteligentes.
El programa Artificial Linguistic Internet Computer Entity (A.L.I.C.E.) ganó el premio Loebner al Chatbot más humano en 2000, 2001 y 2004, y en 2007 el programa Ultra Hal Assistant ganó el premio. En 2010 el programa Suzette ganó el premio Loebner.
1.2. Conceptos y técnicas (Estado del arte) .
Con el propósito de abordar estos nuevos paradigmas se han desarrollado nuevas técnicas de la inteligencia artificial para satisfacer las necesidades empresariales e industriales en soporte de ayuda. En la actualidad, la inteligencia artificial se está aplicando a numerosas actividades realizadas por los seres humanos y se destacan entre otras: La robótica, la visión artificial, técnicas de aprendizaje y la gestión del conocimiento.
A continuación se describen las técnicas más destacadas:
Sistemas Expertos
Se constituyen en la herramienta más utilizada desde sus inicios y corresponden a programas de ordenador que recopilan en un programa informático el conocimiento de especialistas en una materia. Sus dos componentes principales son la base de conocimiento (contenido por el conocimiento y experiencias expertos en un dominio representado por medio de símbolos) y el programa de inferencia (es el mecanismo que obtienen las conclusiones de la primera, mediante procesos de búsqueda). Estas dos partes esenciales en el diseño de un sistema experto se interrelacionan entre sí para la resolución del problema en estudio logrando emular el comportamiento específico.
Redes Neuronales
Las redes neuronales artificiales se constituyen en una técnica de procesamiento masivo y paralelo de la información que emula las características esenciales de la estructura neuronal del cerebro biológico. Convergen muy lentamente y pueden necesitar cientos o miles de presentaciones de patrones para realizar una generalización. El aprendizaje no se centra en una Única tarea en concreto, no existe una red universal para cualquier tipo de problema.
A pesar de las limitaciones de las redes neuronales artificiales en cuanto a representar todas las características del cerebro humano tales como: La habilidad para desarrollar el aprendizaje adaptativo, la auto-organización, la tolerancia a fallos, las operaciones en tiempo real y otras cualidades; estas redes se constituyen en una herramienta tecnológica potente para el procesamiento de la información cuyos resultados permiten tomar decisiones eficientes y oportunas.
-Arquitecturas de las Redes Neuronales
-Redes Neuronales por capasRedes Neuronales Recurrentes
-Redes con Aprendizaje Supervisado
-Redes con Aprendizaje No Supervisado
Algoritmos genéticos
Los algoritmos genéticos son el resultado de los recientes avances de la computación evolutiva y la genética y se constituyen en una de las principales herramientas tecnológicas de la inteligencia artificial. Estos algoritmos simulan la mecánica de la selección natural y de la genética utilizando la información histórica para encontrar nuevos puntos de búsqueda de una solución óptima, permitiendo obtener soluciones a un problema que por su complejidad no tiene ningún método de solución de forma preciso. Dicha solución exige cálculos complejos que de manera normal tomarán demasiado tiempo. Generalmente, los algoritmos genéticos se emplean con bastante Éxito en la investigación de operaciones para resolver problemas de optimización numérica y combinatoria.
Lógica difusa
La lógica difusa es una de las disciplinas matemáticas que cuenta con mayor número de seguidores en la actualidad y un número creciente de aplicaciones entre las cuales podemos mencionar: La construcción de artefactos electrónicos de uso doméstico y de entretenimiento, el diseño de dispositivos artificiales de deducción automática, el diseño de sistemas de diagnóstico y de control de complejos procesos industriales, etc. De esta manera la lógica difusa se constituye en una herramienta con un gran potencial para el desarrollo de nuevos métodos o técnicas de la Inteligencia Artificial.
1.3. Desarrollos actuales.
1.3.1. Procesamiento de Lenguaje Natural (PLN).
El PLN se ocupa de la formulación e investigación de mecanismos eficaces computacionalmente para la comunicación entre personas o entre personas y máquinas por medio de lenguajes naturales. El PLN no trata de la comunicación por medio de lenguajes naturales de una forma abstracta, sino de diseñar mecanismos para comunicarse que sean eficaces computacionalmente que se puedan realizar por medio de programas que ejecuten o simulen la comunicación. Los modelos aplicados se enfocan no sólo a la comprensión del lenguaje de por sí, sino a aspectos generales cognitivos humanos y a la organización de la memoria. El lenguaje natural sirve sólo de medio para estudiar estos fenómenos.
1.3.2. Reconocimiento de patrones.
El reconocimiento de patrones es la ciencia que se ocupa de los procesos sobre ingeniería, computación y matemáticas relacionados con objetos físicos o abstractos, con el propósito de extraer información que permita establecer propiedades de entre conjuntos de dichos objetos.
1.3.3. Robótica.
La robótica es la rama de la tecnología que se dedica al diseño, construcción, operación, disposición estructural, manufactura y aplicación de los robots. La robótica combina diversas disciplinas como son: la mecánica, la electrónica, la informática, la inteligencia artificial, la ingeniería de control y la física.
1.3.4. Sistemas Expertos.
Se constituyen en la herramienta más utilizada desde sus inicios y corresponden a programas de ordenador que recopilan en un programa informático el conocimiento de especialistas en una materia. Sus dos componentes principales son la base de conocimiento (contenido por el conocimiento y experiencias expertos en un dominio representado por medio de símbolos) y el programa de inferencia (es el mecanismo que obtienen las conclusiones de la primera, mediante procesos de búsqueda). Estas dos partes esenciales en el diseño de un sistema experto se interrelacionan entre sí para la resolución del problema en estudio logrando emular el comportamiento específico.
1.3.5. Lógica Difusa (Fuzzy logic).
La lógica difusa es una de las disciplinas matemáticas que cuenta con mayor número de seguidores en la actualidad y un número creciente de aplicaciones entre las cuales podemos mencionar: La construcción de artefactos electrónicos de uso doméstico y de entretenimiento, el diseño de dispositivos artificiales de deducción automática, el diseño de sistemas de diagnóstico y de control de complejos procesos industriales, etc. De esta manera la lógica difusa se constituye en una herramienta con un gran potencial para el desarrollo de nuevos métodos o técnicas de la Inteligencia Artificial.
1.4 Modelos de Agente Inteligente
Es posible clasificar los agentes inteligentes en 6 categorías principales:
1. agentes reactivos
2. agentes reactivos basados en modelo
3. agentes basados en objetivos
4. agentes basados en utilidad
5. agentes que aprenden
6. agentes de consultas
1.5 Heurística
La capacidad heurística es un rasgo típico de los humanos. Consiste en la capacidad de realizar innovaciones positivas para conseguir los fines que se pretenden. También podemos definirla como la solución de problemas en los cuales, las soluciones se descubren por la evaluación del progreso logrado en la búsqueda del resultado final.
La base de la heurística surge de la experiencia de resolver problemas y ver cómo otros lo hacen. De lo anterior podemos deducir que un método heurístico aplicado correctamente puede devolver soluciones falsas, positivas o negativas.
Dadas las características de la heurística, Ésta es muy usada en juegos informáticos que se adelantan a lo que va a hacer el usuario basándose en la experiencia y los pasos que ha seguido en otras ocasiones.
