Inteligencia Artificial Ricardo Alonso Ralonsounitec edu ve Inteligencia
- Slides: 17
Inteligencia Artificial Ricardo Alonso Ralonso@unitec. edu. ve
Inteligencia Artificial • . . . diseño de sistemas inteligentes, es decir, que exhiben características que asociamos con la inteligencia humana - entender lenguaje natural, aprendizaje, razonamiento, etc. [Feigenbaum]. • . . . hacer computadoras más útiles y entender los principios que hacen posible la inteligencia [Winston]. • . . . programar computadoras para que hagan tareas que actualmente son hechas mejor por los seres humanos, . . . , aprendizaje perceptual, organización de la memoria, razonamiento [Jackson]. • . . . es un campo de la ciencia y de la ingeniería que se ocupa de la comprensión a través de la computadora de lo que comunmente llamamos comportamiento inteligente y de la creación de herramientas que exhiben tal comportamiento [Shapiro].
• Dos aspectos básicos: 1. Entender y modelar sistemas ``inteligentes'' (ciencia) 2. Construir máquinas ``inteligentes'' (ingeniería) • Enfoques: –Sistemas que piensan como humanos (ciencia cognitiva). –Sistemas que actuan como humanos (prueba de Turing). –Sistemas que piensan racionalmente (lógica). –Sistemas que actuan racionalmente (teoría de decisiones). • Pero, qué es inteligencia? habilidad de razonar, adquirir y aplicar conocimiento, percibir y manipular objetos, . . .
Tipo de aplicaciones: – – – Comprensión de lenguaje natural. Interpretación de imágenes. Manipulación y navegación. Matemáticas simbólicas. Planeación. Solución de problemas complejos.
Tipo de técnicas: – – Manipulación simbólica. Aprendizaje. Razonamiento. Búsqueda heurística. Tipo de lenguajes: – Simbólicos (Lisp) – Lógicos (Prolog) – Es multidisciplinaria (computación + otras áreas)
IA tiene sus fundamentos en áreas tales como: • Filosofía (Socrates - Platón, Descartes, Leibnitz, etc) • Matemáticas (Boole, Frege, Tarski, Hilbert, Gödel, Turing, Church) (Pascal, Bernoulli, Laplace, Bayes) (von Neumann, O. Morgenstern) • Psicología (Helmoltz, Wundt, Watson, James) • Ingeniería Computacional: Heath Robinson - Colossus (Turing - UK), Z-3 (Zuse - Alemania), ABC, Mark I, II y III, ENIAC (USA), IBM-701 • Linguística (Skinner, Chomsky)
Desarrollo Histórico 1950 -1965 Periodo ``clásico'' • Gestación [Mc. Colluck y Pitts, Shannon, Turing] • Inicio - reunión de Darmouth College en 1956 [Minsky, Mc. Carthy] • Redes neuronales, robótica (Shakey) • Búsqueda en un espacio de estados, Heurísticas, LISP • Resolvedor general de problemas (GPS) [Newell, Simon] • Juegos, prueba de teoremas • Limitaciones de pura búsqueda, explosión combinatoria.
1965 -1975 Periodo ``romántico'' • Representación ``general'' del conocimiento. • Redes semánticas [Quillian] • Prototipos (frames) [Minsky] • Perceptron [Minsky y Papert] • Lógica [Kowalski] • Mundo de bloques (SHDRLU) [Winograd] • Compresión de lenguaje, visión, robótica. • Dificultades de representación ``general'', problemas de ``juguete''.
1975 -Hoy Periodo ``moderno'' • Inteligencia ``especifica'' vs ``general''. • Representación explícita del conocimiento específico del dominio. • Sistemas expertos o basados en conocimiento. • Regreso de redes neuronales [Hopfield, Rumelhart, Hinton], algoritmos genéticos [Holland, Goldberg] • Reconociminto de voz (HMM), incertidumbre (RB, Lógica difusa), planeación, aprendizaje • Aplicaciones ``reales'' (medicina, finanzas, ingeniería, exploración, etc. ). • Limitaciones: conocimiento ``superficial'', muy específico, falta ``sentido común''.
Gestación (1943 -1956): • Mc. Cullock y Pitts (43), Hebb (49), Shannon (50), Turing (53), Minsky y Edmonds (51). Darmouth College (56) Mc. Carthy, Newell y Simon ``The Logic Theorist'' • Entusiasmo y grandes espectativas (1952 -1969): • Samuel - checkers (52), Mc. Carthy (58): Lisp, time sharing, Programs with common sense. Minsky y Mc. Carthy en MIT moldearon mucho del area. En 63 Mc. Carthy se fue a Stanford SRI, Shakey, etc. Minsky Evans, Student, Waltz, Winston, Winograd, etc. Trabajo en RN: Hebb, Widrow, Rosenblatt • Dosis de realidad (1966 -1974): • Simon predecía que en 10 años se tendría una máquina inteligente. Predicciones similares en traducción automática y ajedrez. Teoría de NP-completness. Experimentos en machine evolution (ahora algoritmos genéticos) (Friedberg, 58) estaban bien fundados pero no produjeron nada. Minsky y Papert Perceptrons (69) (aunque irónicamente el mismo año se descubrió backpropagation (Bryson y Ho))
Sistemas basados en conocimiento (1969 -1979): • Dendral, Mycin, HPP, Prospector, Winograd SHDRLU, Shank (no hay sintáxis), frames, Prolog, Planner • IA como industria (1980 -1988): • R 1/XCON, proyecto de la quinta generación, shells y máquinas de Lisp. . . • Regreso de redes neuronales (1986 -presente): • Hopfield, Rumelhart y Hinton y descenso de los SE • Eventos recientes (1987 -presente): • Cambio gradual hacia los técnicos y lejos de los rudos (implica cierto grado de madurez y estabilidad) e. g. , reconocimiento de voz (HMM), incertidumbre (Bayes), planeación (Tweak), robótica, aprendizaje (PAC), etc
Sistemas Historicos • • • GPS - Newell, Shaw y Simon Perceptron - Minsky y Papert Chekers - A. Samuel MACSYMA AM - D. Lenat ELIZA - Weisenbaum Shakey - SRI SHDRLU - Winogard MYCIN - E. Shortliffe Prospector - Duda, Hart Hearsay II - Erman, Hayes-Roth, Lesser, Reddy CYC - D. Lenat, R. Guha
Sistemas Actuales • PEGASUS - hace reservaciones de transporte por teléfono [Zue et al. 94] • MARVEL - sistema experto en tiempo real que maneja la información de Voyager y ayuda a diagnosticar fallas [Schwuttke 92] • Sistema de diagnóstico de medicina interna con capacidad de explicar sus razones a los expertos [Heckerman 91] • NAVLAB - vehículo autónomo que viaje en forma automática de un extremo a otro de EUA [Pomerlau 93] • Sistema de visión que monitorea el tráfico en Paris y reconoce accidentes con los cuales llama a servicios de emergencia [Koller 94] • DEEP BLUE - máquina paralela que juega ajedrez y primera en derrotar al campeón mundial [IBM 97]
Cuestionamientos • Disputas internas: lógicos/teóricos vs. prácticos • Disputa externa: se puede lograr una verdadera IA? • Existen dos posiciones: IA debil y IA fuerte. • Débil: podemos lograr crear máquinas que actuen como si fueran inteligentes? • Fuerte: Podemos tener máquinas inteligentes? (i. e. , conciencia. . . )
Criticas • Gödel (teorema de incompletes) • Dreyfus (la manipulación simbólica no es fundamento de inteligencia) • Winograd y Flores (mejor enfocarse a problemas prácticos) • Searle (pensamiento real y simulado, e. g. , la caja china) • Penrose ``The Emperor's New Mind'' (se requiere conocimiento de física no incluído en las máquinas)
Tecnicas Representacion • • • • Representaciones básicas: Reglas de producción Redes semánticas Frames (prototipos o marcos) Lógica de predicados Representaciones avanzadas: Modelos cualitativos, temporales, causales Sistemas híbridos, capas, pizarrón Razonamiento basado en casos Redes neuronales y algoritmos genéticos Sistemas multifuncionales Representación de incertidumbre: Técnicas no-numéricas (TMS) Factores de certeza Lógica difusa Redes probabilísticas
Cuestionamiento Etico Frankestein Juegos de Guerra Data Dr. Holografico STNG (Voyager) AI Andromeda IA
- Proporciones notables
- Inteligencia artificial russel
- Busca heurística inteligência artificial
- Representación del conocimiento inteligencia artificial
- Inteligencia artificial conexionista
- Henry markram
- Agentes basados en objetivos
- Conferencista inteligencia artificial
- Sistema experto caracteristicas
- Dario galassini
- Inteligencia artificial russel
- Samuel y daz
- Expert sinta download
- Edu.sharif.edu
- Presentacion parto
- Butanamida estructura
- Amparo rocha alonso
- Alonso formula alquenos