Tema 9

La Inteligencia Artificial

Jaime Oyarzo Espinosa jaime.oyarzo@uah.es

Profesor Asociado, Universidad de Alcalá
eLearning Consultant, LUND University, Sweden

Contenidos

„ Contenidos
„ Introducción
„ Definición: ¿Qué es la inteligencia?
„ Antecedentes históricos
„ Test de Turing
„ Objetivos de la Inteligencia Artificial
„ Ramas de la IA
„ Areas de Estudio
„ Programación Lógica
„ Sistemas de Base de Conocimiento
„ Paradigmas de representación del conocimiento
„ Redes Neuronales
„ Bibliografía

Tema 4
© JAGM/JOE
2

1
 ¿Qué es la inteligencia?

„ La inteligencia natural no tiene una fácil definición

„ Hofstadter (1987): Inteligencia es la habilidad para
z responder flexiblemente a diferentes situaciones,
z saber aprovechar circunstancias fortuitas,
z dar sentido a mensajes ambiguos o contradictorios,
z encontrar similitudes entre situaciones diferentes
z generar nuevos conceptos e ideas innovadoras

Tema 4
© JAGM/JOE
3

Inteligencia Artificial: intento de definición

„ Bellman (1978): automatización de actividades que

vinculamos con procesos del pensamiento humano,
tales como, toma de decisiones, resolución de
problemas, aprendizaje
„ Winston (1992): estudio de las computaciones que
permiten percibir, razonar y actuar
„ Minsky (1986): arte de construir máquinas capaces
de hacer cosas que requerirían inteligencia en caso
de que fuesen hechas por los seres humanos
„ Luger (1989): rama de la informática que trata de la
automatización del comportamiento inteligente
Tema 4
© JAGM/JOE
4

2
 Definiciones de inteligencia
„ Pyle (1979): la inteligencia es una palabra contextual específica.
„ Binet: buen discernimiento, buena comprensión, buen razonamiento.
„ Spearman:...supone principalmente saber razonar y correlacionar.
„ Terman: capacidad para desarrollar conceptos y captar su significado.
„ Vernon: todo lo relacionado con capacidad de pensar o eficiencia mental
„ Burt: capacidad innata, general, habilidad cognoscitiva.
„ Heim: capacidad para captar lo esencial de una situación y responder en
consecuencia.
„ Wechsler: capacidad general o global del individuo para actuar según un
propósito, pensar racionalmente, y relacionarse eficazmente con su entorno
„ Piaget: adaptación al entorno físico y social.
„ Douglas Hofstadter: habilidad para responder a diferentes situaciones, saber
aprovechar circunstancias fortuitas, dar sentido a mensajes ambiguos o
contradictorios, encontrar similitudes entre situaciones diferentes y generación
de nuevos conceptos e ideas innovadoras.

Tema 4
© JAGM/JOE
5

Antecedentes históricos

„ Antigüedad: Homero familiarizado con la AI 800 años AC.

„ Enfoque fantástico: Bracelli(1624), Villiers de l´Isle(1879),
Helen O´Loy(1938), Karel Capek(1621) RUR, Issac Asimov.
„ Cine: Star Wars, Alien, Saturn 3, Forbiden Planet, 2001
„ Precursores de la IA: juguetes, scribe, draughsman, la
máquina de ajedrez de Leonardo Torres Quevedo...
„ Tª de Tessler: cualquier cosa que los ordenadores son
incapaces de hacer.
„ Pascal (1647), Morland y Leibniz construyeron sus primeras
calculadoras... Charles Babagge(1820) diseñó su máquina
diferencial...Hollerit (1890) primer máquina sin engranajes.
„ Zuse (1935) introdujo la aritmética binaria.

Tema 4
© JAGM/JOE
6

3
 Historia más reciente

„ Turing y Michie trabajaron en la máquina Enigma y ENIAC

„ John von Neuman diseñó EDVAD Electronic Discrete Variable
Automatic Computer) admitía programas almacenados y
concepto de sistemas informáticos autoreproducibles.
„ Norbet Wiener (1948) la nueva cibernética es aplicable a
sistemas biológicos autogobernados como a los artificiales.
„ Turing (1937) publicó trabajo sobre “números computables”
considerado el embrión de la IA. En 1974 escribió “Máquinas
de Computación e Inteligencia”.
„ John McCarthy (1956) acuñó el término de IA en una
conferencia independiente de las matemáticas

Tema 4
© JAGM/JOE
7

Test de Turing:

„ Turing (1950):
juego de la imitación (definición empírica)

„ ¿Cómo saber qué habitación está el ordenador?

Tema 4
© JAGM/JOE
8

4
 ¿Cómo superar el Test de Turing?

„ Una máquina debería ser capaz de:

z procesar lenguaje natural: comunicación satisfactoria
z representar el conocimiento: para guardar la información
recibida antes o durante la consulta
z razonar automáticamente: para responder a las preguntas
y obtener conclusiones
z autoaprendizaje: para adaptarse a nuevas situaciones y
detectar y extrapolar esquemas determinados
„ Imitar físicamente:
z Percepción: Visión artificial, reconocimiento del habla
z Robótica: Habilidades para caminar, saltar, subir escaleras

Tema 4
© JAGM/JOE
9

Objetivos de la Inteligencia Artificial

„ Ciencia multidisciplinar: matemáticas, filosofía, psicología e

ingeniería
„ Objetivos de ingeniería:
desarrollo de sistemas inteligentes mejorando otros anteriores
para los que no existe un método algorítmico
„ Objetivos científicos:
comprender mejor el funcionamiento de la inteligencia, tanto
en el hombre como en las máquinas (filosofía, psicología)
z ¿Es la inteligencia independiente del hardware?
z ¿Cómo se interrelacionan las estructuras mentales?
z ¿Qué reglas las gobiernan?

Tema 4
© JAGM/JOE
10

5
 Ramas de la IA

„ Lógico-matemática
„ Psicología
„ Informática
„ Simulación

Tema 4
© JAGM/JOE
11

Rama Lógico-matemática

„ Mecanización de los procesos de razonamiento

desde el punto de vista de la manipulación de
símbolos lógicos.
„ Los silogismos de Aristóteles (razonamiendo
deductivo formado por dos premisas y una
conclusión).
„ Leibniz construye el primer sistema axiomático de
lógica formal (cálculo de predicados)
„ Euler formaliza la Teoría de Grafos

Tema 4
© JAGM/JOE
12

6
 Rama de la Psicología

„ Estudia los fundamentos de la inteligencia en el hombre

„ Descartes: Dualismo mente/cuerpo (la mente es una entidad
independiente del cuerpo y puede estudiarse por separado)
„ Los primeros psicólogos estudiaron el pensamiento con una
metodología introspectiva (subjetiva, poco científica)
„ Los conductistas (Skinner) consideran a la mente como una
caja negra capaz de asociar estímulos con respuestas
„ Psicología cognitiva (Chomsky, Fodor) es el paradigma más
aceptado

Tema 4
© JAGM/JOE
13

Rama de la Informática

„ Inteligencia artificial: inteligencia + máquina

Ordenador: artefacto con mayor posibilidad de manifestar
inteligencia.
„ Charles Babbage (principio siglo XIX) diseñó la primera
máquina capaz de cálculos automáticos
„ Charles Babbage &Ada Lovelace diseñó la máquina analítica
de propósito general introduciendo conceptos como: memoria,
procesador, programas almacenados, saltos condicionales,
etc.
„ Alan Turing (1937) propone la máquina de Turing. Cualquier
procedimiento matemático puede desarrollarse con una tabla
de instrucciones adecuada.

Tema 4
© JAGM/JOE
14

7
 Afirmaciones y Objeciones (Turing)

„ Teológicas: la mente no reside en el cuerpo sino en el alma. Si

se admite el dualismo, se niega la psicología
No es cientí
científica
„ Del avestruz: si las máquinas pensaran, las consecuencias
serían desastrosas; luego esto no puede ocurrir
Sin comentarios
„ Matemáticas: el teorema de incompletitud de Gödel demuestra
que en un sistema formal suficientemente complejo existen
proposiciones indecidibles
La mente humana no supera esta limitació
limitación
„ De las diversas incapacidades: una máquina nunca podrá ser
afectuosa, ingeniosa, amistosa, tener iniciativa...
Ahora no, pero sí sí podrí
podría en el futuro
„ Objeción de Lady Lovelace: una máquina sólo realiza lo que
sabemos cómo ordenarle que haga
Se le puede ordenar que sea inteligente

Tema 4
© JAGM/JOE
15

Afirmaciones y Objeciones (Turing)

„ Continuidad del sistema nervioso: una máquina de

estados discretos no puede emular al hombre
La discretizació
discretización no supone limitaciones
„ Basadas en la informalidad de la conducta: el
hombre no tiene un conjunto de reglas para regir su
vida y las máquinas funcionan con reglas
Las neuronas tienen un comportamiento rí rígido y de ellas
surge comportamiento flexible inteligente
„ Basado en la percepción extrasensorial: Test de
Turing extrasensorial
No cientí
científica

Tema 4
© JAGM/JOE
16

8
 Rama de la Simulación

„ También llamada IA conexionista.

„ Imita sistemas biológicos (animal o humano) con
comportamiento inteligente
„ Objetivo: construir cerebros artificiales formalmente similares a
los cerebros biológicos para dotarles de aprendizaje
„ McCulloch y Pitts (1943). Emulación de neuronas con circuitos
eléctricos
„ Rosenblatt (1958) Perceptrón: Mecanismo de aprendizaje
mediante ajuste automático de las conexiones de una red de
neuronas
„ Friedberg (1958) Algoritmos Genéticos basados en teoría
evolucionista de Darwin.

Tema 4
© JAGM/JOE
17

Areas de Estudio

„ Representación del conocimiento en estructuras de

datos
„ Exploración del espacio de estados: Busca
soluciones en problemas modelizados con grafos
„ Heurística: Conocimiento intuitivo y solución
„ Resolución de problemas: Planificación de tareas
„ Demostración de teoremas: Programación lógica
„ Teoría de juegos

Tema 4
© JAGM/JOE
18

9
 Areas de Estudio

„ Ingeniería del conocimiento (Sistemas Expertos):

con ayuda de un experto humano
„ Diagnóstico: funcionamiento de un sistema
„ Aprendizaje
„ Comprensión y traducción automática del lenguaje
natural
„ Percepción computacional: interpreta información
sensorial
„ Simulación de procesos psicológicos humanos

Tema 4
© JAGM/JOE
19

La Inteligencia Artificial

„ Búsqueda de la imitación de las funciones lógicas

mediante el empleo de ordenadores
„ Utilización de patrones de lógica clásica en la
inteligencia artificial
„ Sistemas artificiales de representación y
recuperación del conocimiento
„ Redes neuronales artificiales
„ Reconocimiento de formas
„ Visión artificial
„ Razonamiento artificial
„ Sistemas inteligentes
Tema 4
© JAGM/JOE
20

10
 Programación Lógica

„ Parte fundamental de la Inteligencia Artificial

„ Construcción de sistemas informáticos capaces de
reproducir comportamientos “inteligentes"

Tema 4
© JAGM/JOE
21

Programación Lógica

Basado en dos ideas fundamentales:

„ El “conocimiento
conocimiento" asociado con un sistema se
puede expresar de forma declarativa mediante
fórmulas lógicas
z uso de la lógica para representar conocimiento
„ El “razonamiento
razonamiento" de un sistema se traduce en la
realización de una serie de operaciones lógicas
(deducciones) sobre este conocimiento
z uso de la lógica para la resolución de problemas

Tema 4
© JAGM/JOE
22

11
 Programación Lógica

„ Diferencia con paradigma de programación

imperativo o procedural (e.g. Pascal, Ada, C, etc), o
del orientado a objetos (C++, Java, Eiffel, Smalltalk,
etc.)
„ Los programas en un lenguaje de programación
lógico no describen cómo resolver el problema sino
simplemente especifican qué hay que resolver

Tema 4
© JAGM/JOE
23

¿Cómo escribir un programa lógico?

„ 1. Declarar el conocimiento relativo al problema:

(mediante fórmulas lógicas se construye una base
de conocimientos)
„ 2. Representar el problema a resolver mediante una
fórmula lógica de tipo existencial (realizar una
consulta a la base de conocimientos)

Tema 4
© JAGM/JOE
24

12
 Programación Lógica, Ejemplo

„ Base de conocimientos
z Madre(m1,m2);Madre(m2,m3);Madre(m2,m4)
z Padre(p1,m2); Padre(p1, p2)

„ Consultas

Tema 4
© JAGM/JOE
25

Lenguajes Formales (LF)

„ Lenguajes de predicados de primer orden

„ Los lenguajes formales están bien definidos:
z existen reglas de construcción de expresiones legales
z existen reglas tales que el significado de las expresiones
formadas legalmente puede derivarse del significado de los
componentes de esas expresiones.
„ Problema: limitados en su poder expresivo (muchos
sistemas de procesamiento son aplicables a datos
formateados y uniformemente estructurados)

Tema 4
© JAGM/JOE
26

13
 Sistemas de Base de Conocimiento

„ Conjuntos de recursos/máquinas, programas y,

posiblemente, personas
„ Responsabilidad colectiva de incluir información en
las bases de datos (tanto en forma de hechos como
en forma de reglas)
„ Mantener la seguridad e integridad
„ Proporcionar a los usuarios las rutinas de
entrada/salida
„ Incluir medios de recuperación de información
deductiva, para acceder a la base de conocimiento
cuando se necesite.

Tema 4
© JAGM/JOE
27

Diferencias entre Bases de Datos y

Bases de Conocimientos
„ Las BBDD típicamente contienen reglas
representadas explícitamente, así como hechos
sencillos.
„ Las estructuras de datos de las SBC tienen
contenido semántico estructural bajo comparado
con las estructuras de las BBDD.
„ Los sistemas de SBC incluyen componentes que
pueden hacer inferencias en la base del
conocimiento para proporcionar medios de
recuperación de información deductiva.

Tema 4
© JAGM/JOE
28

14
 Arquitectura básica de un SBC
Usuarios finales

Interfase del Interfase del

lenguaje natural esquema externo

Motor de Módulo de
inferencia mantenimiento
de integridad

Hechos sencillos Reglas generales

Base de conocimientos de forma canónica

Representación del conocimiento en

lenguajes de programación

„ En cualquier lenguaje de programación se

distinguen los datos de los procedimientos.
„ Es normal encontrar tipos de datos de la forma
Entero, Real, Fecha, Booleano, Carácter, Matriz,
Registro, Apuntador, Fichero.
„ Es importante distinguir entre lenguajes
procedurales y no procedurales.

Tema 4
© JAGM/JOE
30

15
 Dos grandes áreas en la Ingeniería del
Conocimiento

Ingeniería del software Inteligencia Artificial

Lenguajes Sistemas Expertos

Metodologías Lógicas
BB.DD Programación evolutiva...
...

Tema 4
© JAGM/JOE
31

Década de los 50: nacen las dos

ciencias: IA y RNA

Objetivo: Objetivo:
Modelar la “conducta” Modelar la estructura
humana del sistema nervioso
Sistemas
Artificiales
Inteligentes
INTELIGENCIA REDES NEURONALES
ARTIFICIAL ARTIFICIALES
Tema 4
© JAGM/JOE
32

16
 Modelos de Computación
Razonamiento lógica

Lógica Modelos de Modelos de

borrosa Razonamiento Razonamiento

Ciencias Procesos de Computación

cognoscitivas decisión Biológica

Lenguaje
Redes Computación natural
neuronales aleatorizada
Validación
Temas Visión
avanzados Artificial

Origen de las RNA

„ McCulloch y Pitts (1943) crearon el primer nivel de

RNA abstracto
„ Donald O, Hebb (1949): primer método de
aprendizaje neuronal
„ Marvin Minsky y Dean Edmans (1951)
„ 1956: 1ª Conferencia sobre IA
9 1ª simulación de RNA concebida (N.Rechester)
9 dos ramas IA y RNA
9 Minsky se decanta claramente
„ Perceptron de Frank Rosenblatt + Perceptron de
Minsky… “edad obscura de las RNA hasta 80”
Tema 4
© JAGM/JOE
34

17
 ¿Que son las RNA?

Las RNA constituyen un mecanismo

de aprendizaje por inducción.

Usan principalmente técnicas de

aprendizaje mediante ejemplos y
aprendizaje por observación
Tema 4
© JAGM/JOE
35

Tipos de aprendizaje (Michalski, 1990)

„ Implementación directa: aprendizaje programado

(Hardware y/o Software)
„ Aprendizaje mediante instrucciones: Fuente de
aprendizaje (instrucciones): libro, maestro…
„ Aprendizaje por deducción: estructuras del
conocimiento en formas equivalentes mas útiles y
efectivas.

Tema 4
© JAGM/JOE
36

18
 Tipos de aprendizaje (Michalski, 1990)

„ Aprendizaje por analogía: extensión del

conocimiento de un dominio a otro
„ Aprendizaje por inducción:
9 Aprendizaje mediante ejemplos: inducción del concepto a
partir de ejemplos. Comunmente usada en seres humanos.
Existe un maestro
9 Aprendizaje por observación: descubrir relaciones a partir de
ejemplos sin deducción ¿Qué son las RNA?

Tema 4
© JAGM/JOE
37

RNAs

„ Las RNA son el método no paramétrico para la

aproximación de funciones con capacidad de
aproximación universal.

Tema 4
© JAGM/JOE
38

19
 ¿Qué se puede hacer con RNAs?

„ Todo problema que su solución implique la construcción de un

Sistema de Procesamiento de Información (SPI) puede ser
abordado mediante RNA.
„ Espacio de entrada Æ f( ) Æ espacio de salida
„ Matemáticamente todo SPI puede ser entendido como una
función que hace corresponder un espacio de entrada en otro
de salida
„ Construir un SPI implica definir una función f(x) de
correspondencia que lo defina
„ En ocasiones no es posible encontrar la f() apropiada
mediante métodos tradicionales; las RNA aparece como una
alternativa.
„ En otros casos las RNA pueden constituir una alternativa mas
eficiente en la búsqueda de la f() frente a otros métodos
Tema 4
© JAGM/JOE
39

RNA como aproximación de funciones

Clasificación
Es el caso mas común de RNA: lo consti-
tuyen todos los problemas que puedan ser
vistos como problemas de:
Formas - Clasificación binaria (SI/NO)
especializadas - Clasificación en múltiples clases
de aproximación de Autoasociación
funciones mas - Supresión de ruido
comunes abordadas - Extracción de prototipos
por las RNA - Filtros asociativos
- Compresión de datos
- Corrección de errores
- Compleción de patrones…
Predicción
-Predicción de valores futuros en series
temporales: economía, meterología, ...

20
 Otras observaciones en las RNA

„ Las RNA son modelos muy simples de las

estructuras básicas de los sistemas
nerviosos.
„ Aunque su plausibilidad biológica es
discutible, en la mayoría de los modelos
exhiben un comportamiento similar

Tema 4
© JAGM/JOE
41

Las RNAs: tres puntos de vista

RNA como modelos
de la estructura biológica
De modelos simples de la
estructura biológica surgen
comportamientos que
concuerdan con pautas
de aprendizaje observadas
en los humanos
RNA como mecanismo de
aprendizaje por inducción:
a través de ejemplos
De la formalización matemática
de los modelos simples surgen
métodos válidos para la
aproximación de funciones
RNA como método
para la aproximación
de funciones
A través de ejemplos se inducen
conceptos; todo concepto posee
una función “f(x)” que
lo caracteriza

21
 Cómo ver las redes neuronales artificiales?

„ Como una herramienta de trabajo

„ Aplicable a un gran número de áreas de
conocimiento (medicina, ingeniería, economía, …)
„ En unas ocasiones mejora y en otras complementa
las herramientas utilizadas hasta la fecha

Tema 4
© JAGM/JOE
43

Elemento de Proceso General

y1
. W11
.
.
W1j f y1’
yj
W1n = sinapsis
. W1n f = función de síntesis
. y1 = potenciales precedentes
yn y1’ = potenciales de salida
Tema 4
© JAGM/JOE
44

22
 Elemento de Proceso General

y1
. W11
.
. F(aj(t), Netj) f(aj(t+1)
Net y1’
W1j = aj(t+1) = y1
yj

.
. W1n Entrada neta: Netj=Sum(wij*yi)
Activación: aj(t)
yn
Función de activación: F(aj(t), Netj)
Función de trasferencia: f(aj(t+1))
Tema 4
© JAGM/JOE
45

Funciones de trasferencia

f(x) f(x) f(x) f(x)

x x x x

Lineal Mixta Escalón Sigmoidal

f(x)=1/(1+eax)
Tema 4
© JAGM/JOE
46

23
 Topologías de Red más comunes
Capa de entrada

Capas ocultas
Capa de salida
Tema 4
© JAGM/JOE
47

Características generales de las RNA

„ Aprendizaje adaptativo
„ Capacidad autoorganizativa
„ Capacidad de síntesis
„ Tolerancia a fallos
„ Posible operación en tiempo real

Tema 4
© JAGM/JOE
48

24
 Bibliografía
„ Frost, R. Bases de Datos y Sistemas Expertos -Ingeniería del Conocimiento-. Díaz de
Santos, Madrid, 1989.
„ Simons, G.L. Introducción a la Inteligencia Artificial. Díaz de Santos, Madrid, 1987.
„ Nilsson, Nils J. Principios de Inteligencia Artificial. Díaz de Santos, Madrid, 1987.
„ Harmon, P. y King, D. Sistemas Expertos (aplicación de la inteligencia artificial en la
actividad empresarial). Díaz de Santos, Madrid, 1988.
„ Dussauchoy, A. y Chatain, J.N. Sistemas Expertos: métodos y herramientas. Paraninfo,
Madrid, 1988.
„ Olmeda, Y. Y Barba-Romero. Redes Neuronales Artificiales: Fundamentos y aplicaciones.
Universidad de Alcalá, 1993.
„ 1ª Jornada sobre Inteligencia Artificial, Control y Sistemas Expertos. Universidad de
Alcalá. Escuela Politécnica, 1996.
„ Hilera, J.R. y Martínez, V.J. Redes Neuronales Artificiales: Fundamentos, modelos y
aplicaciones. RaMa, Madrid, 1995.
„ Martínez, Hilera, Gutiérrez… Metodología de Desarrollo de Sistemas de Información.
Universidad de Alcalá, 1995.
„ Gerald D. Fischbach. Neuronas: estructura y comportamiento. Investigación y Ciencia.
Nov. 1994.

Tema 4
© JAGM/JOE
49

25