Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Segundo, porque ese nombre evoca futuros tan lejanos que sugiere quimeras,
nada útil ni en el presente actual, ni en el cercano.
Por estas razones se levantó en sus inicios una barrera en contra de este
nombre y de todo lo que él significa. No obstante el uso histórico acuñó el
nombre de Inteligencia Artificial para ese campo de la Ciencia de la
Computación.
2
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Este enfoque, aunque tampoco se puede tomar como una definición, permite
al menos ubicar el campo de trabajo de la Inteligencia Artificial respecto a los
otros campos de la computación.
3
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Para Forsyth la I.A. se relaciona con problemas que han escapado de una
caracterización matemática.
Para Rich, la I.A. es el estudio de cómo lograr que los computadores hagan
cosas que, por el momento, las personas hacen mejor. Esta definición es
algo efímera debido a que hace referencia al estado actual de la Ciencia de
la Computación. Sin embargo, la rapidez con que puede variar el significado
de esta definición no es en absoluto tanta como pudiera pensarse. Ejemplo:
En el cálculo numérico la máquina aventaja sustancialmente al hombre,
pero en la traducción automática el hombre supera a la máquina
considerablemente.
4
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
5
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Los trabajos iniciales dentro del campo de la I.A. estuvieron dirigidos a emular
el proceso del pensamiento humano. Resultados relevantes fueron el intento
de Newell, Shaw y Simon de crear un Solucionador General de Problemas
(GPS), así como el éxito alcanzado a fines de la década de los 50 e inicios de
los años 60 por Rosemblatt al crear los Perceptrons. En ambos casos, otros
autores se encargaron de demostrar las limitaciones de ambos intentos. En
1973 Gödel demostró que era imposible la matematización del proceso de
razonamiento lo cual anulaba la posibilidad de crear, al menos en el presente,
un GPS como el pensado por Newell, Shaw y Simon. Minsky y Papert en los
años 60 mostraron las serias limitaciones del funcionamiento de un
perceptron simple a través del problema clásico del XOR. Es por esto que a
esta etapa se le denominó oscura.
La I.A. cobró vigor en la década de los 80, debido al éxito alcanzado por los
Sistemas Expertos, al proyecto japonés de Quinta Generación, el cual originó
un gran avance tecnológico y al éxito del uso de técnicas de I.A. en problemas
concretos como el reconocimiento de patrones, la robótica, la visión, etc.
6
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Estos paradigmas difieren entre sí, pero tienen en común que los programas
están dirigidos a alcanzar la solución del problema dado. Es por ello que en
todo modelo computacional se identifican dos elementos básicos: la forma
utilizada para describir el conocimiento sobre el dominio de la aplicación que
se modela y el método utilizado para manipular este conocimiento en busca de
un objetivo concreto. En forma general un modelo computacional se puede
expresar como:
7
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
8
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Parece que no hay manera de probar o refutar esta hipótesis con fundamentos
lógicos, por lo que ella debe estar sujeta a validación empírica, o sea, a la
experimentación. En cada investigación se selecciona una tarea que requiere
inteligencia, se propone un programa para resolverla y se ensaya. La evidencia
a favor de la hipótesis no solamente viene desde áreas donde era más probable
encontrarla como los juegos, sino también de áreas como la percepción visual,
donde parecía más posible la existencia de procesos no simbólicos. Es posible
que la hipótesis sea parcialmente verdadera, o sea, que existan problemas que
no puedan ser modelados por el sistema de símbolos físicos. Sólo tiempo y
esfuerzo nos lo dirán. Esta hipótesis tiene importancia porque forma la base
de la creencia de que es posible construir programas que puedan realizar
tareas inteligentes que actualmente realizan las personas.
9
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Todos estos caminos están cerrados a los programas inteligentes actuales: ellos
no comprenden realmente bien el lenguaje natural, no poseen conocimiento de
carácter general y su conocimiento no incluye información sobre otros dominios
de aplicación que no sea para el que está preparado. Una vía para abrir estos
caminos es fortalecer el esfuerzo que se invierte en (iii), lo cual significa crear
bases de conocimientos 10 ó 100 mil veces mayores que las que se crean actual-
mente para los sistemas expertos.
10
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
- ser voluminoso.
- ser difícil de caracterizar y modelar con precisión.
- estar cambiando constantemente.
Los lenguajes básicos para la implementación de las técnicas de I.A. son LISP
y PROLOG por las facilidades que brindan para el tratamiento simbólico, entre
otras razones. LISP permite diseñar las estructuras de datos y los algoritmos
que los manejan de una manera muy eficiente. PROLOG, a su vez, tiene muy
buen poder expresivo, permitiendo una formulación bastante natural y directa
en la solución de muchos problemas. En esto, los lenguajes procedurales son
muy malos. No se debe confundir las técnicas de I.A. con software de I.A. Se
deben diferenciar dos aspectos fundamentales:
Es posible resolver problemas de I.A. sin usar técnicas de I.A., aunque las
soluciones no son muy buenas. A su vez, es posible aplicar técnicas de I.A. a
problemas que no son de I.A.
Para intentar caracterizar las técnicas de I.A., analicemos varios enfoques del
problema del titafor que van aumentando en complejidad, uso de
generalizaciones, claridad del conocimiento y extensividad de su enfoque.
11
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Programa 1:
Comentarios:
- Eficiente en términos de tiempo y juego óptimo.
- Ocupa mucho espacio para almacenar la tabla.
- Alguien tiene que hacer mucho trabajo para construir todas las entradas
del tablero.
- Es poco probable que se entren todas las entradas sin error.
- Si se quiere ampliar el juego, por ejemplo a tres dimensiones, hay que
hacer el programa nuevamente. Además la tabla de movimientos sería de
327 elementos lo cual sobrepasa la capacidad de memoria de las
computadoras.
Programa 2:
- Hacer2: Intenta colocar dos X (O) en una fila. Primero intenta jugar en el
centro del tablero. Si no puede, intenta las casillas que no están en las
esquinas.
12
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Comentarios:
- No es tan eficiente respecto al tiempo como el primer programa, pues
debe comprobar varias condiciones antes de realizar cada movimiento.
- Es más eficiente respecto al espacio, pues no necesita almacenar la
enorme tabla de movimientos.
- Es más fácil de entender su estrategia o cambiarla si se desea.
- La estrategia aún ha sido calculada de antemano por el programador.
Cualquier fallo de éste, aparecerá en el programa.
- No se puede generalizar a un dominio diferente como el titafor
tridimensional.
Programa 3:
1. Mirar cuáles son los tableros resultantes de cada uno de los movimientos
que se pueden realizar a partir del tablero actual.
13
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Comentarios:
Este procedimiento se llama procedimiento minimax, puesto que examina
un árbol de movimientos posibles suponiendo que para cada nivel
intentamos maximizar la posibilidad de ganar, mientras que el oponente
intenta minimizar dicha posibilidad. Requiere mucho más tiempo que los
anteriores, pues tiene que examinar el árbol de todos los movimientos
posibles antes de hacer cada movimiento. Pero es superior en algo
importante: puede ampliarse para manejar juegos más complicados, para
los cuales el enfoque de enumeración exhaustiva de dichos programas se
desmorona completamente. También se puede ampliar con una variedad de
conocimientos específicos sobre otros juegos y sobre la forma de jugarlos.
Por ejemplo, en vez de considerar todos los movimientos posibles en el
siguiente turno, se puede tener en cuenta sólo un subconjunto razonable,
determinado por medio de algún algoritmo sencillo y, en vez de analizar
cada serie de movimientos hasta que el jugador gane, puede examinar hasta
una profundidad fija y evaluar el mérito o valor del tablero resultante,
usando los criterios estáticos apropiados.
14
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Comentarios:
Este procedimiento ejecuta una tarea general para una gran variedad de
datos de entrada. Ordenar una lista sólo requiere comparar dos números y
si son mayores, invertirlos.
Comentarios:
Este procedimiento ejecuta tareas específicas para pocas entradas, pues a
partir de patrones en un formato de entrada devuelve la salida deseada.
Calcular la derivada de una función requiere un conocimiento más
extensivo de los métodos a usar según la entrada. Podemos, por lo tanto,
considerarlo un programa inteligente.
15
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
- Juegos.
Fueron precisamente, las primeras aplicaciones de la I.A., pues
constituían una excelente demostración de que las computadoras podían
realizar actividades inteligentes. Actualmente se han desarrollado
múltiples programas para jugar al ajedrez, las damas, resolver el cubo de
Rubik, entre otros.
- Solución general de problemas.
Para la solución de problemas no algorítmicos o intratables
computacionalmente la I.A. ofrece una alternativa eficiente. Se han
desarrollado, de esta forma, demostradores de teoremas, simplificadores
de fórmulas matemáticas, planificadores, entre otros.
- Sistemas Expertos.
Constituye hoy en día el área de aplicación de la I.A. de mayor éxito. Los
sistemas expertos permiten almacenar y utilizar el conocimiento de uno o
varios expertos humanos en un dominio de aplicación concreto. Su uso
incrementa la productividad, mejora la eficiencia en la toma de decisiones
o simplemente permite resolver problemas cuando los expertos no están
presentes. Muchos son los ejemplos de sistemas expertos desarrollados.
Entre ellos: MYCIN (para el diagnóstico médico), PROSPECTOR (para la
detección de yacimientos minerales), DENDRAL (para el análisis de la
estructura de sustancias químicas), etc.
- Procesamiento de lenguaje natural.
Los programas de procesamiento de lenguaje natural utilizan las técnicas
de I.A. para permitir que las computadoras comprendan y generen
interfaces en lenguaje natural, lo cual haría más fácil el uso de estos
programas por el usuario. La comprensión del lenguaje natural incluye el
análisis de la sintaxis o gramática, la semántica o significado y el contexto
del lenguaje. Un ejemplo de programas de procesamiento de lenguaje
natural son los traductores de idiomas.
- Visión.
La visión por computadora comprende el análisis y evaluación de la in-
formación visual. El uso de las técnicas de I.A. permite a las computa-
doras examinar imágenes reales e identificar sus objetos y rasgos. Un
sistema típico está compuesto por una cámara de video que capta las
imágenes, un convertidor analógico-digital que envía las señales a la
computadora y un software de I.A. que, mediante técnicas de búsqueda y
reconocimiento de patrones, analiza la imagen. Un ejemplo de aplicación
es el análisis de fotografías aéreas.
- Robótica.
16
Inteligencia Artificial.
- Introducción a la Inteligencia Artificial.
Bibliografía
RESUMEN
17