Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introduccin
La Inteligencia: permite tener la habilidad de:
Tener actitudes mentales (creer, deseo, intencin)
Aprender (habilidad de adquirir nuevos conocimientos)
Resolver problemas (habilidad de romper problemas complejos en
pequeos)
Comprender
Planificacin y prediccin de consecuencias por acciones
contempladas
Conocer sus limitaciones de conocimiento y habilidades
Deducir diferencias entre situaciones aparentemente similares
Ser original (adquirir sus nuevas propias ideas y conceptos)
Generalizar (encontrar situaciones comunes de situaciones
superficialmente distintas)
Percibir y modelar el mundo externo
Comprender y usar los lenguajes y utilitarios de smbolos
relacionados.
Inteligencia Artificial: Es simplemente una va para crear
computadoras pensando inteligentemente
reas de la IA: Varias son las reas entre ellas tenemos:
Juegos Inteligentes
Los programas de juegos han alcanzado gran desarrollo hoy en da,
llegando a ganar a expertos en el tema como es el caso del ajedrez
(eje: ID3 genera programas de ajedrez, MEPHISTO IV: programa de
ajedrez)
ANEXO (tres en raya) MIN-MAX (simulacin)
MN-MAX (SIMULACIN)
- Algunos antecedentes para la explicacin del mtodo:
o Estado inicial: que incluye la posicin inicial en el
tablero y una indicacin de a quien le toca jugar
o Operadores: quienes definen que jugadas estn
permitidas a un jugador
o Prueba Terminal: que define el termino del juego, es
decir, los estados donde termina el juego
o Utilidad: conocida como funcin resultado, donde
asigna un valor numrico al resultado obtenido en un
juego
- Lo que se trata es hacer que MAX encuentre una estrategia
que conduzca a un estado Terminal ganador, independiente
de lo que haga MIN
Dificultades en el PLN
Deteccin de separacin entre las palabras En la lengua hablada,
no se suelen hacer pausas entre palabra y palabra. Mientras que
en la lengua escrita, idiomas como el idioma chino mandarn
tampoco tienen separaciones entre las palabras
Ambigedad semntica Cualquier palabra puede tener varios
significados, se selecciona el significado que tiene un mayor
sentido dentro del contexto
Ambigedad sintctica La gramtica de lenguas naturales tienen
normalmente ambigedades estructurales, pudindose construir
distintos rboles sintcticos. Para escoger el ms apropiado, a
menudo, hay que tener en cuenta informacin semntica y
contextual
Informacin pragmtica Una oracin, a menudo, no significa lo
que realmente se est diciendo. Elementos tales como la irona
tienen un papel importante en la interpretacin del mensaje
Recepcin imperfecta de datos Acentos extranjeros, regionalismos
o dificultades en la produccin del habla, errores de
mecanografiado o expresiones no gramaticales.
Aplicaciones del PLN
Traduccin automtica: la traduccin correcta de un lenguaje a
otro, tomando en cuenta lo que se quiere expresar en cada
oracin, y no solo palabra por palabra. Ejemplo Babiln,
Recuperacin de la informacin: Se da una instruccin en LN y el
computador responde lo referente al tema
Extraccin de Informacin y Resmenes: Programas que tienen
capacidad de crear un resumen de un documento
Resolucin cooperativa de problemas: Cooperar con los humanos
para la solucin de problemas complejos, proporcionando datos e
informacin, debiendo existir una excelente interactividad
Tutores inteligentes: Es una aplicacin acadmica, ya que se
refiere a la enseanza asistida por computadora, con capacidad de
evaluar al educando y tener la capacidad de adaptarse a cada tipo
de alumno
Reconocimiento de Voz: El reconocimiento de voz puede tener dos
posibles usos: para identificar al usuario o para procesar lo que el
6
10
A su nivel de inteligencia
o Dispositivos de manejo manual, controlados por una
persona.
o Robots de secuencia arreglada.
o Robots de secuencia variable, un operador puede
modificar la secuencia fcilmente.
o Robots regeneradores, el operador humano conduce el
robot a travs de la tarea.
o Robots de control numrico, el operador alimenta la
programacin del movimiento, hasta que se ensee
manualmente la tarea.
o Robots inteligentes, los cuales pueden entender e
interactuar con cambios en el medio ambiente.
A su nivel de control
o Nivel de inteligencia artificial, el programa aceptar
un comando como "levantar el producto" y
descomponerlo dentro de una secuencia de comandos de
bajo nivel basados en un modelo estratgico de las
tareas.
o Nivel de modo de control, los movimientos del sistema
son modelados, para lo que se incluye la interaccin
dinmica entre los diferentes mecanismos, trayectorias
planeadas, y los puntos de asignacin seleccionados.
o Niveles de servosistemas, los actuadores controlan los
parmetros de los mecanismos con el uso de una
retroalimentacin interna de los datos obtenidos por los
sensores, y la ruta es modificada sobre la base de los
datos que se obtienen de sensores externos. Todas las
detecciones de fallas y mecanismos de correccin son
implementadas en este nivel.
A su nivel de lenguaje de programacin: La clave para una
aplicacin efectiva de los robots, es el desarrollo de lenguajes
de alto nivel. Existen muchos sistemas de programacin de
11
12
Grados de libertad:
Es el nmero y tipo de movimientos del robot
13
14
15
Mensajero
o Mviles
o En edificios, hospitales, al fondo de mar
o Sus requerimientos son pedidos a travs de terminales
de computo
o Gran disponibilidad
o Confiabilidad
o Monitoreo
Ambiente peligrosos
o Disminucin de riesgos para la vida humana
o Mantenimiento rutinario a plantas nucleares
o Eliminacin de residuos txicos
16
o Rescate a profundidad
o Exploracin minera
o No debern producir dao a los seres humanos presentes
en el entorno
Tele presencia y Realidad Virtual
o Sitios remotos y/o imaginarios
o Para diversin
o Robots teleoperador para dar solucin al desarmado de
bombas
o Ingenieros y arquitectos utilizan para mostrar sus
proyectos en detalle
o Mdicos especialistas que consultan e intervienen
quirrgicamente a miles de kilmetros
o Sentido de tacto remoto
17
Videos
o Perros lazarillos
o Visin artificial
o Los brazos binicos y las articulaciones artificiales. En los
Estados Unidos ya hay 85.000 rodillas mecnicas,
120.000 caderas y 70.000 hombros. Parte de ellos ya
cuentan con sistemas robticos para su implantacin.
o En Israel estn perfeccionando un sistema de
retroalimentacin continuo, proveniente de los sensores
implantados en los nervios del hombro del miembro
amputado, que produce una respuesta inmediata a la
comunicacin elctrica de un nervio, en la misma forma
en que se comporta el sistema nervioso. Eso permite que
el brazo binico (que encierra una mini computadora)
funcione suavemente, casi como uno normal.
Redes Neuronales
Neurona
-
La Red Neuronal
18
Los sensores pueden ser seales de los odos, ojos, etc. las
respuestas de las neuronas de salida activan los msculos
correspondientes.
20
21
Entrenamiento
Redes Neuronales Supervisadas y no Supervisadas
Las redes neuronales se clasifican comnmente en trminos de sus
correspondientes algoritmos o mtodos de entrenamiento:
Redes de Pesos Fijos:
- no existe ningn tipo de entrenamiento.
Redes de entrenamiento Supervisado:
-
22
tienen 2 fases:
Fase de Prueba:
los parmetros de diseo de la red neuronal se han
obtenido a partir de unos patrones
representativos de las entradas que se
denominan patrones de entrenamiento.
Los resultados pueden ser tanto calculados de una
vez como adaptados iterativamente, segn el
tipo de red neuronal, y en funcin de las
ecuaciones dinmicas de prueba.
Una vez calculados los pesos de la red, los valores
de las neuronas de la ltima capa, se comparan
con la salida deseada para determinar la validez
del diseo.
Fase de Aprendizaje:
Aprenden por la actualizacin o cambio de los
pesos sinpticos que caracterizan a las
conexiones.
Los pesos son adaptados de acuerdo a la
informacin extrada de los patrones de
entrenamiento nuevos que se van presentando.
Normalmente, los pesos ptimos se obtienen
optimizando (minimizando o maximizando) bajo
una funcin determinada
23
24
27
28
Discretos y continuos
o discreto, si existe una cantidad limitada de percepciones y
acciones distintas y claramente discernibles (ejemplo: el
ajedrez)
o continuo, la cantidad ilimitada de percepciones y acciones
distintas (ejemplo: el conducir un taxi, anlisis de
imgenes).
29
30
Estructura Jerrquica
o Formal. Cuando un agente de menor nivel solo puede
recibir ordenes del agente de su nivel inmediatamente
superior
o Informal. Cuando puede recibir ordenes de cualquier
agente de un nivel superior al suyo.
Estructura Ad Hoc : Es una mezcla de las anteriores y eso le
da una caracterstica de dinamismo. Los diferentes grupos de
agentes se ajustan entre ellos.
31
o
o
o
o
o
Sistemas Expertos:
Es un sistema informtico que simula el proceso de aprendizaje, de
memorizacin, de razonamiento, de comunicacin, y de accin de un
experto humano en una determinada rama de la ciencia,
suministrando, de esta forma, un consultor que puede sustituirse con
unas ciertas garantas de xito.
Papel de SE: son relacionados con el papel que juega el experto
humano
como suministradores de informacin
resolviendo problemas
explicando (razones)
Componentes de un SE:
Los elementos ms importantes de un sistema experto son:
Experto Humano: Es quien aporta el conocimiento en el rea de
inters
Ingeniero del Conocimiento: Esta persona interpreta este
conocimiento en forma tal que hace capaz que el sistema asimile.
Estos dos anteriores van hablar lenguajes distintos,
Multitud de preguntas de IC al EH,
IC no se contentar con las respuestas, exigiendo razones,
IC controlara la coherencia del conocimiento en su conjunto
EH queda mas especializado, por orden de ideas,
Subsistema de control de la coherencia:
Sirve para mantener coherencia con el conocimiento,
Es un nuevo concepto puesto en SE, muchos SE algunos de los
sistemas actuales no disponen del mismo,
permite forma mas ordenada,
mas fiable,
avisar de las imperfecciones antes sealadas,
para evitar que existan reglas que se contradigan,
el sistema debe suministrar informacin para que controle
incoherencias,
evita que pase la informacin mala a la base del conocimiento,
Subsistema de Adquisicin del conocimiento:
encargado de recibir los elementos de conocimiento,
comprobar que sean elementos nuevos (aun no en Base del
Conocimiento)
el conocimiento de 2 tipos:
32
33
No escatimar tiempo
trabajar con precisin
35
Elementos
Base del Conocimiento
Modelo Probabilistico
Abstracto: Estructura
Probalisitica
Concreto: hechos
Motor de Inferencia
Evaluacin de
probabilidades
Subsistema de explicacin Basado en probabilidades
condicionales (Por
condiciones especiales
como edad, sexo, etc, que
tienen historial de que esto
ya haya ocurrido antes)
Adquisicin conocimiento Espacio probabilistico,
Parmetros
Subsistema aprendizaje
Reglas, factores de
certeza(medida de certeza
que se tiene de un hecho.
Una de las medidas de la
Incertidumbre)
Cambio en la estructura del Nuevas reglas
espacio probabilistico
Cambio en los factores de
Cambio en los parametros certeza
(historial)
Ternas objeto-atributo-valor:
es un caso especial de la red semntica,
donde existen tres nodos: objetos, atributos y valores y se
suprimen los enlaces
Reglas:
Las reglas se usan para representar relaciones y constan de
dos partes: la premisa y la conclusin
expresin lgica(constituida por una o varias ternas objetoatributo-valor unidas por los operadores y, o y no).
Alguna ocasiones, cuando el sistema amerita se forza a que
solo exista el operador lgico y y solo se maneje con
objeto-valor
la conclusin consta del adverbio entonces y de una
expresin lgica
Si luego de evaluar la premisa y esta resulta correcta,
entonces se hace que la expresin lgica de la conclusin sea
cierta
(Grfico de reglas sobre cargos de la empresa)
Marcos:
es otro de las formas de representar objetos y relaciones
casos particulares de redes semnticas
Un marco suministra toda la informacin existente sobre un
objeto
esta informacin puede ser declarativa o descriptiva y de
tipo indirecta, es decir directamente caractersticas del
objeto o dar procedimientos o reglas para determinarlas
Esta forma indirecta hizo popular su uso
(grfico de marco)
Expresiones Lgicas:
37
38
Motor de Inferencia:
Las reglas sirven para obtener nuevos hechos y/o conclusiones,
partiendo de verdades o hechos iniciales
ya que si el hecho representado por una premisa es cierto, tambin
lo ser el hecho representado por la conclusin.
existen 2 tipos de conclusiones:
Conclusiones simples: aquellas que resultan de la aplicacin
de slo una regla
Conclusiones compuestas: aquellas que resultan del
encadenamiento de varias reglas
No siempre resulta la conclusiones del anlisis de un regla o
encadenamiento de reglas; en estos casos el motor de inferencia
podr optar por:
abandonar la regla por no poder concluir nada (luego de un
rango de interacciones)
preguntar, a travs del subsistema de demanda de
informacin, sobre la verdad o falsedad de las premisas y
continuar con el proceso hasta producir la conclusin
para obtener conclusiones se utilizan diferentes tipos de
estrategias de inferencia y control de razonamiento:
para las conclusiones simples:
modus ponens
estrategia ms comn
afirma que si se tiene la regla Si A es cierto
entonces B es cierto
Si se conoce que A es cierto, entonces puede
afirmarse que B es cierto, es una afirmacin
trivial por su familiaridad
modus tollens
estrategia bastante menos corriente que la
anterior
39
equivalentes
se combinan stas entre si para dar una nueva
expresin lgica
se combina sta con la evidencia de los hechos
(Grafico de sustituir, combinar, tabla de verdad a, b) pagina 49
Un ejemplo de este mecanismo:
sustitucin de reglas por expresiones lgicas
Si llueve las calles de mojan = No
llueve o las calles se mojan
combinar expresiones lgicas
No llueve o se producen filtraciones
combinar con evidencias
evidencia es lluvia
Si llueve las calles de mojan
Si las calles de mojan se producen
filtraciones
la conclusin es: Se producen
filtraciones
(Tabla de verdad a, b, c) pagina 50)
40
Lgica clsica:
donde se parte que si la premisa de una
43
Temas Avanzados
Lenguaje Lisp
Lenguaje Prolog
Lenguaje Natural
Robtica
Redes Neuronales
MAS (sistemas multiagentes)
A-life
44
45