INTELIGENCIA ARTIFICIAL

I.S.I.
5to. AÑO

Parte 1

1
 Material
Bibliografía:
• INTELIGENCIA ARTIFICIAL. Un enfoque moderno Russell –
Norvig
• Inteligencia artificial. Segunda Edición Rich – Knight
• Inteligencia artificial. Una nueva síntesis. Nilsson
Apuntes de clases
Software:
• java
• SWI-Prolog

2
 Docentes
Leone, Horacio. Profesor titular
Gutiérrez, Milagros. Profesor adjunto
Stegmayer, Georgina. Ayudante
Regularidad
Aprobar 2 trabajos prácticos y un parcial.

Programación de Actividades
Entrega 1er tp: 10/04/06; 17/04/06 y 24/04/06 (1ra, 2da y 3ra etapa).
Entrega 2do tp: 22/05/06: 12/06/06; 19/06/06 (1ra, 2da y 3ra etapa).
Parcial: 15/05/06. Recuperatorio: 29/05/06
3
 INTELIGENCIA ARTIFICIAL (IA)

La IA es una de las disciplinas más nuevas del área de Ciencias

de la Computación.

Formalmente su comienzo se fija en 1956, cuando su nombre fue

propuesto, si bien los primeros trabajos ya llevaban
aproximadamente 5 años de ejecución.

Algunos intentos por definir el área que más frecuentemente

aparecen en la bibliografía son los siguientes:
4
 I

“Los nuevos esfuerzos que “El estudio de las facultades

hacen pensar a las
computadoras . . . máquinas
con cerebro, en todo el
sentido de la expresión”
(Haugeland, 1985)
mentales a través del uso de
modelos computacionales”
(Charniak y McDermott,
1985)

“[La automatización de] “El estudio de los cómputos

actividades que asociamos con que hacen posible percibir,
el pensamiento humano, razonar y actuar”
actividades tales como toma (Winston, 1992)
de decisión, resolución de
problemas, aprendizaje, …”
(Bellman, 1978)

5
 II

“El arte de crear “Un área de estudio que

máquinas que realizan busca explicar y emular
funciones que requieren los comportamientos
inteligencia cuando son inteligentes en términos
realizadas por personas” de procesos compu-
(Kurzweil, 1990) tacionales”
(Schalkoff, 1990)

“El estudio de cómo “La rama de las Ciencias

hacer que las de la Computación que
computadoras hagan trata la automatización
cosas para las cuales, por del comportamiento
el momento, las personas inteligente”
son mejores” (Rich y (Luger y Stubblefield,
Knight, 1991) 1993)
Algunas definiciones de IA organizadas
en cuatro categorías
6
Las definiciones se encuentran en dos dimensiones principales:
procesos de pensamiento y razonamiento ( I )
comportamientos ( II )

Por otro lado, las definiciones miden el éxito en términos de:

perfomance humana (columna izquierda)
un concepto ideal de inteligencia (columna derecha), que
se menciona como racional

Esto nos plantea los cuatro objetivos que persigue la IA.

Sistemas que piensan Sistemas que piensan
como humanos racionalmente

Sistemas que actuan Sistemas que actuan

como humanos racionalmente
7
 El enfoque centrado en el
comportamiento-humano
debe ser una ciencia empírica, involucrando
hipótesis y confirmación experimental.

El enfoque racional involucra una combinación de

matemáticas e ingeniería.

Históricamente ambos enfoques han producido resultados

valiosos, a pesar de la fuerte controversia que existe entre ambas
líneas de trabajo.
8
 Actuar Humanamente: El Test de Turing

El Test de Turing, propuesto por Alan Turing (1950), fue

diseñado para brindar una definición operacional satisfactoria
de Inteligencia.

Turing define comportamiento inteligente como la habilidad de

alcanzar performance de nivel-humano en todas las tareas
cognitivas, hasta un nivel que sea el suficiente para burlar a un
interrogador.

Este Test evitó intencionalmente interacción física directa entre el

interrogador y la computadora, ya que la simulación física de una
persona es innecesaria para el concepto de inteligencia.

9
Para pasar este test la computadora deberá poseer las
siguientes capacidades:
procesamiento de lenguaje natural para poder
comunicarse satisfactoriamente en algún idioma;
representación de conocimiento para almacenar
información provista antes o durante el interrogatorio;
razonamiento automatizado para usar la información
almacenada en la respuesta de preguntas y la
generación de nuevas conclusiones;
aprendizaje para permitir la adaptación de nuevas
circunstancias, y la detección y extrapolación de
patrones.
10
 Pensamiento Humano: El enfoque de modelado cognitivo

Existen dos estrategias de buscar los mecanismos de funcionamiento

de la mente humana:
a través de introspección
a través de experimentos psicológicos

Una vez que tenemos una teoría bastante acabada de como

funciona la mente humana, es posible expresarla como un
programa computacional.

Si las entradas/salidas y los tiempos de respuesta son

comparables a los humanos, esto es evidencia que alguno de los
mecanismos del programa pueden estar también operando en la
mente humana. 11
 Por ejemplo, Newel y Simon, que desarrollaron el “GPS”
(General Problem Solver, 1961), no estaban persiguiendo que su
programa resolviera problemas correctamente,
sino verificaban que su programa
siguiera las mismas etapas que un ser humano,
para resolver el mismo problema.

El campo interdisciplinario de las Ciencias Cognitivas une los

modelos computacionales que provienen de IA y las técnicas
experimentales de la Psicología para tratar de construir teorías
precisas y verificables del comportamiento de la mente humana.

12
Pensar Racionalmente: Las leyes del enfoque orientado al
pensamiento

Aristóteles fue uno de los primeros en intentar codificar el

“pensamiento correcto”, es decir, procesos de razonamiento
irrefutables.

Sus silogismos famosos proveen patrones para estructuras

argumentales que siempre dan conclusiones correctas ante
premisas correctas.

Por ej.:
“Socrates es Hombre;
Todos los Hombres son Mortales;
luego Sócrates es Mortal”
13
 Se suponía que esta regla de pensamiento gobernaba la
operación de la mente.
Con este modelo comenzó el desarrollo de la lógica.

La evolución de la lógica formal en los finales del siglo XIX

y comienzos del siglo XX, generaron una notación precisa
para afirmaciones descriptoras de todo tipo de cosas en el
mundo real y las relaciones entre ellas.

En 1965, ya existían programas, que con

la cantidad necesaria de memoria y tiempo, podían utilizar
una descripción basada en la notación de la lógica y hallar la
solución del problema.

14
Existen dos obstáculos principales con este enfoque:

no es fácil tomar conocimiento informal y representarlo

en los términos formales que requiere la notación lógica,
particularmente cuando el conocimiento no es 100%
cierto.

existe una gran diferencia entre ser capaz de resolver un

problema “en principio”, y lograrlo en la práctica. Aún
problemas con unas pocas docenas de hechos pueden
agotar cualquier computadora a menos que no haya
alguna guía acerca de cual paso de razonamiento intentar
primero.

15
Actuar Racionalmente
El enfoque del Agente Racional

Actuar racionalmente significa

actuar para conseguir un objetivo,
dado un conjunto de creencias.

Un agente es algo que percibe y actúa. Con este enfoque,

IA es considerada como el
estudio y construcción de agentes racionales.

16
 HISTORIA DE LA I.A.

Los primeros años de la I.Aa tuvieron muchos éxito

(1952-1969).

Entre los primeros éxitos se puede mencionar el

General Problem Solver (GPS - Newell y Simon), el
cual fue diseñado desde un comienzo para imitar los
protocolos que utilizan los humanos para resolver
problemas.

En un limitado conjunto de Rompecabezas, el mismo

consideraba los sub-objetivos y acciones de una forma
similar a la cual lo haría un humano.
17
 John McCarthy en 1958 define un
lenguaje de alto nivel, LISP.

Desde entonces hubo un trabajo conjunto de

McCarthy y Marvin Misky, definiendo el área.

Sistemas Basados en los Conocimientos

(1969 - 1979)

La primer década de la IA se focalizó en

mecanismos de búsqueda de propósito general

tratando de conectar

pasos elementales de razonamiento para encontrar la solución

completa 18
Estos enfoques se han denominado

métodos débiles

por que utilizan poca (o débil) información del

dominio.

Para muchos dominios complejos, su performance es muy

mala. La única forma de mejorar esta situación es utilizar
conocimiento para realizar pasos de razonamiento más
extensos.

Uno podría decir que para resolver problemas muy

difíciles , se debe casi conocer la respuesta previamente.
19
 El programa DENDRAL (1969), fue uno de los primeros
ejemplos de este enfoque.

El objetivo del programa era inferir la estructura molecular

a partir de la información provista por un espectrofotómetro
de masas.

La entrada del programa consistía de la

a. fórmula elemental de la molécula
( ej., C6H13NO2 ), y
b. el espectro de masas dando las masas de los distintos
fragmentos generados cuando la molécula es
bombardeada por un haz de electrones. 20
 Por ejemplo, el espectro de masas debe tener un pico a m=15, que
corresponde a la masa del fragmento metilo (CH3).

La primer versión del programa generaba

todas las posibles
estructuras consistentes con la Fórmula,

generaba el espectro teórico de cada una,

y luego lo comparaba con el espectro real.

Este enfoque convertía rápidamente el problema en intratable, no bien

se estaba frente a una molécula de mediana dimensión.
21
Los constructores de DENDRAL consultaron a los
expertos (Químicos Analíticos), y observaron que ellos
buscaban patrones de picos perfectamente determinados
en el espectro, los cuales sugerían sub-estructuras comunes
en la molécula.

Por ejemplo, la siguiente regla la usaban para reconocer el

subgrupo cetona ( C = O )
If hay dos picos a x1 y x2 tal que
a. x1 + x2 = M + 28 (M es la masa de toda la molécula);
b. x1 - 28 es un pico alto;
c. x2 - 28 es un pico alto;
d. Al menos uno de x1 y x2 es alto.
22
Then hay un subgrupo cetona
 Una vez que se ha reconocido que la molécula tiene una
determinada sub-estructura,
el número de posibles candidatos
se reduce enormemente.

El equipo de DENDRAL concluyó que la potencia del programa se

debía a que:
El mismo podía manejar todo el
conocimiento teórico necesario para resolver el problema
transformándolo desde su formato general (predicción de
los componentes del espectro) a un formato particular y
eficiente (“recetas empíricas”).
23
El gran significado de DENDRAL es que fue el primer Sistema de
Uso Intensivo de Conocimiento exitoso:
su conocimiento del dominio se derivó de un gran número de
reglas específicas.

Sistemas posteriores incorporaron el concepto de una clara

separación entre
a. conocimiento (bajo la forma de reglas) y
b. el componente de razonamiento.
Con esta lección, Feigenbaum y otros en Stanford, comenzaron un
programa para establecer hasta donde esta nueva metodología de
sistemas expertos podía ser aplicada a otros dominios de
conocimiento humano. 24
El próximo gran esfuerzo fué en el área de Diagnóstico Médico.

Feigenbaum, Buchanan y Shortliffe desarrollaron

MYCIN ,
un programa de diagnóstico de infecciones
en sangre.

Con aproximadamente 450 reglas, MYCIN fué capaz de

comportarse como un experto (en cierto sentido), y
considerablemente mejor que médicos recién recibidos. 25
Este además posee dos grandes diferencias con respecto a
DENDRAL:

no hay un modelo teórico a partir de donde sacar las

reglas de MYCIN. Se requirió de extensas entrevistas
con los expertos;

las reglas tienen que reflejar la incertidumbre

asociada con el conocimiento médico. MYCIN
incorpora un cálculo de incertidumbre llamado,
factores de certidumbre.

26
 El gran incremento de aplicaciones a problemas del mundo-real,
causó un incremento de la demanda de sistemas de
representación de conocimientos aplicables, que provocó el
desarrollo de lenguajes de representación: Prolog (basado en
lógica), Frames (Minsky, 1975), etc.

IA se convierte en Industria (1980 - 1988)

El primer Sistema Experto Comercial exitoso, R1, comenzó a operarse

en Digital Equipment Corporation en 1982. El programa ayudaba a
configurar órdenes de nuevas sistemas computacionales, y para 1986
había ahorrado para la companía U$S 40 millones por año. En 1998,
DEC había generado 40 sistemas expertos. Du Pont tenía 100 SE en uso,
y 500 en desarrollo. 27
 AGENTES INTELIGENTES

Un agente es cualquier dispositivo que puede ser observado como

percibiendo su ambiente a través de sensores y actuando sobre el
ambiente a través de actuadores.

Un agente racional es aquel que realiza las acciones correctas.

Como una primera aproximación diremos que una

acción correcta
es aquella que
hace más exitoso
el comportamiento del
agente.
28
Por lo tanto es necesario contestar la pregunta acerca de
cuándo y cómo
evaluar el éxito del agente.

Para esto deberemos definir

en que momento
de la ejecución de una tarea por parte del agente
la performance
del mismo será evaluada, y por supuesto con que,
medida de performance.
29
Resumiendo, lo que es racional en cualquier momento dependerá
de los siguientes aspectos:

• La medida de performance que define el grado de éxito;

• Todo lo que el agente ha percibido hasta el momento.

Llamaremos ésta historia de percepción como la secuencia
de percepción;

• Qué es lo que el agente conoce del ambiente;

• Las acciones que el agente puede realizar.

30
 AGENTE IDEAL

AGENTE IDEAL

percepciones SENSOR

?
AMBIENTE
AGENTE

acciones
ACTUADORES

31