Indice
1.
¿Qué es la inteligencia
artificial?
2. ¿Qué es una
técnica de IA?
3. El algoritmo.
4. Criterios de determinación
del éxito.
5. Redes Neuronales
6. Robótica
1. ¿Qué es
la inteligencia
artificial?
Estudia como lograr que las máquinas
realcen tareas que, por el momento, son realizadas mejor por los
seres humanos. La definición es efímera porque hace
referencia al estado actual
de la informática. No incluye áreas que
potencialmente tienen un gran impacto tales como aquellos
problemas que
no pueden ser resueltos adecuadamente ni por los seres humanos ni
por las máquinas.
Problemas de la IA.
Al principio se hizo hincapié en las tareas formales como
juegos y
demostración de teoremas, juegos como
las damas y el ajedrez
demostraron interés.
La geometría
fue otro punto de interés y
se hizo un demostrador llamado: El demostrador de Galenter. Sin
embargo la IA pronto se centró en problemas que
aparecen a diario denominados de sentido común
(commonsense reasoning).
Se enfocaron los estudios hacia un problema muy importante
denominado Comprensión del lenguaje
natural. No obstante el éxito
que ha tenido la IA se basa en la creación de los sistemas
expertos, y de hecho áreas en donde se debe tener alto
conocimiento
de alguna disciplina se
han dominado no así las de sentido
común.
Ahora bien en la introducción se habló cuestiones
importantes de la IA que son:
-¿Cuáles son nuestras suposiciones fundamentales
sobre la inteligencia?
-¿Qué tipo de técnicas
son las mas adecuadas para resolver los problemas de la IA?
-¿A qué nivel de detalle, si es que no por
completo, se puede intentar modelar la inteligencia
humana?
-¿Cómo se puede saber cuando se ha tenido éxito
en la construcción de programa
inteligente?
Aplicaciones de laIA.
Tareas de la vida diaria:
Percepción
Visión
Habla
Lenguaje
natural
Comprensión
Generación
Traducción
Sentido común
Control de un
robot
Tareas formales:
Juegos
Ajedrez
Backgmmon
Damas
Go
Matemáticas
Geometría
Lógica
Cálculo
Integral
Demostración de las propiedades de los
programas
Tareas de los expertos:
Ingeniería
Diseño
Detección de fallos
Planificación de manufacturación
Análisis científico
Diagnosis médica
Análisis financiero
Suposiciones subyacentes.
En 1976 Newell y Simon hablan acerca de la Hipótesis del sistema de
símbolos físicos (physical symbol
hipótesis)
Se define a un sistema de
símbolos físicos como un conjunto de entidades
llamadas símbolos, que son patrones físicos que
pueden funcionar como componentes de otro tipo de entidad llamada
expresión (o estructura de
símbolos). Una estructura de
símbolos está formada por un número de
instancias (señales o tokens) de símbolos
relacionados de alguna forma física. En
algún instante el sistema contendrá una
colección de esas estructuras de
símbolos.
El sistema contiene también una colección
de procesos que
operan sobre expresiones para producir otras expresiones:
procesos de
creación, modificación, reproducción y destrucción. Un
sistema de símbolos físicos es una máquina
que produce a lo largo del tiempo una
colección evolutiva de estructuras de
símbolos. Este sistema existe en un mundo de objetos tan
extenso como sus propias expresiones
simbólicas.
La hipótesis de sistema de símbolos
físicos es: Un sistema de símbolos físicos
posee los medios
necesarios y suficientes para realizar una acción
inteligente y genérica.
Las evidencias que apoyan la hipótesis del
sistema de símbolos físicos no han venido solo de
áreas como juegos sino de otras áreas como la
percepción visual donde es más
atractivo esperar la influencia de procesos subsimbólicos.
Sin embargo procesos subsimbólicos como las redes
neuronales están cuestionando los simbólicos
como tareas de bajo nivel. Quizá entonces los sistemas de
símbolos físicos solo sean capaces de modelar
algunos aspectos de la inteligencia humana y no otros.
La importancia de la hipótesis de sistema de
símbolos físicos es doble. Es una teoría
significativa de la naturaleza de la
inteligencia humana y también es de gran interés
para los psicólogos.
Uno de los más rápidos y sólidos
resultados que surgieron en las tres primeras décadas de
las investigaciones
de la IA fue que la inteligencia necesita conocimiento.
Para compensar este logro imprescindible el
conocimiento posee algunas propiedades poco deseables
como:
Es voluminoso
Es difícil caracterizarlo con exactitud
Cambia constantemente
Se distingue de los datos en que se
organiza de tal forma que se corresponde con la forma en que va a
ser usado.
Con los puntos anteriores se concluye que una
técnica de IA es un método que
utiliza conocimiento representado de tal forma que:
El
conocimiento represente las generalizaciones. En otra
palabras no es necesario representar de forma separada cada
situación individual. En lugar de esto se agrupan las
situaciones que comparten propiedades importantes. Si el
conocimiento no posee esta propiedad,
puede necesitarse demasiada memoria.
Si no se cumple esta propiedad es
mejor hablar de "datos" que de
conocimiento.
Debe ser comprendido por las personas que lo proporcionan. Aunque
en mucho programas, los
datos pueden adquirirse automáticamente (por ejemplo,
mediante lectura de
instrumentos), en muchos dominios de la IA, la mayor parte del
conocimiento que se suministra a los programas lo
proporcionan personas haciéndolo siempre en
términos que ellos comprenden.
Puede modificarse fácilmente para corregir errores y
reflejar los cambios en el mundo y en nuestra visión del
mundo.
Puede usarse en gran cantidad de situaciones aún cuando no
sea totalmente preciso o completo.
Puede usarse para ayudar a superar su propio volumen, ayudando
a acotar el rango de posibilidades que normalmente deben ser
consideradas.
Es posible resolver problemas de IA sin utilizar
Técnicas de IA (si bien estas situaciones
no suelen ser muy adecuadas). También es posible aplicar
técnicas de IA para resolver problemas ajenos a la IA.
Esto parece ser adecuado para aquellos problemas que tengan
muchas de las características de los problemas de
IA.
Los problemas al irse resolviendo tienen entre las
características de su solución:
Complejidad
El uso generalizado
La claridad de su conocimiento
La facilidad de su extensión
Tres en raya.
Este problema se enuncia inicialmente así:
El tablero se representa por un vector de nueve componentes,
donde las componentes del vector se corresponden con las
posiciones del tablero de la siguiente forma:
1 2 3
4 5 6
7 8 9
Este es solo la tercera de las soluciones del
libro pero es
la más efectiva:
Posición una estructura que contiene un vector de nueve
componentes
Tablero que representa al tablero, una lista de posiciones del
tablero que podría ser el siguiente movimiento, y
un número que representa una estimación de la
probabilidad
de que la jugada lleve a la victoria al jugador que
mueve.
Para decidirla siguiente jugada, se debe tener en cuenta
las posiciones del tablero que resultarán de cada posible
movimiento.
Decidir que posición es la mejor, realizar la jugada que
corresponda a esa posición, y asignar la
clasificación de mejor movimiento a la posición
actual.
Para decidir cuál de todas las posibles
posiciones es mejor, se realiza para cada una de ellas la
siguiente:
– Ver si se produce la victoria. Si ocurre catalogarla como la
mejor dándole el mejor puesto en la
clasificación.
– En caso contrario, considerar todos los posibles movimientos
que el oponente puede realizar en la siguiente jugada. Mirar cual
de ellos es pero para nosotros (mediante una llamada recursiva a
este procedimiento).
Asumir que el oponente realizará este movimiento.
Cualquier puesto que tenga la jugada, asignarla al nodo que
está considerando.
– El mejor nodo es el que resulte con un puesto mas
alto.
Este algoritmo
inspecciona varias secuencias de movimientos para encontrar
aquella que lleva a la victoria. Intenta maximizar la probabilidad de
victoria. Mediante la suposición de que el oponente
intentará minimizar dicha probabilidad. Este algoritmo se
denomina mínimax.
El programa necesita
mucho más tiempo que otras
soluciones
debido a que debe realizar una búsqueda en un árbol
que representa todas las posibles secuencias de jugada antes de
realizar un movimiento. Sin embargo es superior a los
demás programas en algo importante: podría ser
ampliado para manipular juegos mas complicados que las tres en
raya, cualidad en que otras soluciones fracasan.
La anterior solución es un ejemplo de 1 uso de
una técnica de IA. Para problemas muy pequeños, es
menos eficiente que los métodos
más directos. Sin embargo puede usarse en aquellas
situaciones en las que fallen los métodos
tradicionales.
Respuesta a preguntas.
En este problema se aborda la solución de un texto escrito
en español,
de hecho son preguntas que deben ser respondidas.
Si embargo es más difícil delimitar formalmente y
con precisión en qué consiste el problema y que
constituye una solución correcta para
él.
En esta parte del capítulo el problema tal vez
más interesante es:
María fue a comprar un abrigo nuevo. Ella encontró
uno rojo que le gustaba de verdad. Cuando ella lo llevó a
casa, ella descubrió que hacia juego
perfectamente con su vestido favorito.
Se intenta responder a las preguntas siguientes:
¿Qué fue a comprar María?
¿Qué encontró que a ella le gustaba?
¿Compró María algo?
Nuevamente como en el problema anterior solo se
mostrará la tercera de las
soluciones:
Se transforma el
texto de
entrada en una forma estructurada que contiene frases del texto y
se combina con otras formas estructuradas que describen
conocimiento previo sobre los objetos y situaciones que aparecen
en el texto.
Se usa una estructura para construir Textointegrado a
partir del texto de entrada. Este tipo de conocimiento almacenado
sobre acciones
típicas se denomina guión. (script). En este caso
por ejemplo, M es un abrigo y M' es un abrigo rojo.
Ir de compras:
Roles: C (cliente), V
(vendedor)
Props: M (productos), D
(dólares)
Ubicación: L (tienda)
1. C entra en L
2. C empieza a curiosear.
3. C busca un M en particular 4. C busca cualquier M
interesante
5. C pide ayuda a V
7. C encuentra M'
8. C no encuentra M
9. C sale de L 10. C compra M' 11. C sale de L 12. Vuelta al paso
2
13. C sale de L
14. C se lleva M'
En la solución del problema se hace una
representación estructurada acerca del conocimiento
contenido en el texto de entrada pero cambiando ahora con una
recopilación de conocimiento relacionado.
La pregunta de entrada en forma de
caracteres.
El algoritmo.
Se estructura la entrada del programa utilizando tanto
el conocimiento como el modelo del
mundo. El número de posibles estructuras será
bastante grande. Aunque algunas veces, sin embargo, es posible
considerar menos posibilidades utilizando el conocimiento
adicional para filtrar las alternativas.
Con la última solución las preguntas si se
pueden contestar.
El guión para ir de compras se
instancia, y debido a la última frase se forma la
representación de este texto usando el paso 14 del
guión. Cuando el guión es instanciado, es seguro que M'
representa en la estructura el abrigo rojo (ya que el
guión indica que M' es lo que se lleva a casa y el texto
rojo indica que el abrigo rojo es lo que se lleva a
casa)
Esta solución es más potente que otras
debido a que utiliza más conocimiento. De hecho estas son
técnicas de IA. Sin embargo son necesarias ciertas
advertencias. Las técnicas utilizadas en la última
solución no son las adecuadas para responder adecuadamente
a todas las preguntas del español.
El aspecto más importante que no aparece en esta
solución es un mecanismo de razonamiento general
(inferencia) para poder usarlo
creando la respuesta pedida no aparece explícitamente en
la entrada del texto y sin embargo la respuesta se deduce
lógicamente del conocimiento que allí se
encuentra.
Así que se puede concluir que el objetivo de
las técnicas de IA es apoyar el uso eficaz del
conocimiento.
En las soluciones en las que se usan técnicas de IA se
ponen de manifiesto tres que so muy importantes:
Búsqueda. – Proporciona una forma de resolver
problemas en los que no se dispone de un método
más directo tan bueno como una estructura en la que
empotrar algunas técnicas directas existentes.
Uso del conocimiento. – Proporciona una forma de resolver
problemas complejos explotando las estructuras de los objetos
involucrados.
Abstracción. – Proporciona una forma de separar
aspectos y variaciones importantes de aquellos otros sin
importancia y que en caso contrario podrían colapsar un
proceso.
El nivel del Modelo o en
otras palabras: Modelar de una computadora a
similitud del hombre:
Los esfuerzos dedicado a construir programas que lleven a cabo
tareas de la misma forma que el hombre, se
dividen en dos clases: Los programas de la primera clase se
encargan de problemas que no se adecuan mucho con muestra
definición de tarea perteneciente a IA; son aquellos
problemas que una computadora
puede resolver fácilmente, pero cuya resolución
implica el uso de mecanismos de los que no dispone el
hombre.
La segunda clase de programas que intentan modelar lo
humano, son aquellos que intentan realizar tareas que se adecuan
claramente con nuestra definición de tareas de IA. Hay
cosas que no son triviales para una computadora.
Entre las razones para modelar la forma de trabajar
humana están:
– Verificar las teorías
psicológicas de la actuación humana.
– Capacitar a las computadoras
para comprender el razonamiento humano.
– Capacitar a la gente para comprender a las computadoras.
– Explotar el conocimiento que se puede buscar en el
hombre.
4. Criterios de
determinación del éxito.
Una pregunta importante a resolver en toda investigación científica o de
ingeniería es: ¿Cómo sabremos
si hemos tenido éxito?
La inteligencia
artificial formula la pregunta: ¿Cómo sabemos
si hemos construido una máquina inteligente?.
En 1950 Alan Turing propuso un método para determinar si
una máquina es capaz de pensar. Este método es
conocido como el test de Turing.
Para realizarlo se necesitan dos personas y la máquina que
se desea avaluar. Una de las personas actúa como
entrevistador y se encuentra en una habitación, separado
de la computadora
y de la otra persona. El
entrevistador hace preguntas tanto a la persona como a
la computadora
mecanografiando las cuestiones y recibe las respuestas de igual
forma.
El entrevistador solo las conoce por A y B y, debe
tratar de determinar quien es la persona y quien es la
máquina. El objetivo de la
máquina es hacer creer al entrevistador que es una
persona, si lo consigue, se concluye que la máquina
piensa.
Sin embargo mucha gente piensa que habrá que
pasar mucho tiempo para que una máquina pueda superar el
test de Turing.
Algunos piensan que nunca lo harán.
Diferencias entre el cerebro y una
computadora
Cerebro | Computadora |
Sistema capaz de múltiple | Sistemas altamente especializados con capacidad |
La frecuencia de los impulsos nerviosos puede | La frecuencia de transmisión es |
Las llamadas sinapsis cumple en el cerebro la función simultánea de varias | Las compuertas lógicas tienen una |
La memoria es del tipo asociativo y no se | La información se guarda en posiciones de |
Los impulsos fluyen a 30 metros por | En el interior de la computadora los impulsos |
Similitudes entre el cerebro y una | Ambos codifican la información en |
Tanto el cerebro como la computadora tienen | Existen distintos tipos de |
Los dos tienen aproximadamente el mismo consumo de
energía
APLICACIONES DE LA IA
5. Redes
Neuronales
– Las redes
neuronales son dispositivos inspirados en la funcionalidad de
las neuronas biológicas, aplicados al reconocimiento de
patrones que las convierten aptas para modelar y efectuar
predicciones en sistemas muy
complejos.
–
Es un conjunto de técnicas matemáticas para modelar las conexiones y
relaciones entre un conjunto de datos.
– Las Redes Neuronales surgieron
del movimiento conexionista, que nació junto con la IA
simbólica o tradicional. La IA simbólica se basa en
que todo conocimiento se puede representar mediante combinaciones
de símbolos, derivadas de
otras combinaciones que representan verdades incuestionables o
axiomas. Así pues, la IA tradicional asume que el
conocimiento es independiente de la estructura que maneje los
símbolos, siempre y cuando la ‘máquina’
realice algunas operaciones
básicas entre ellos.
– Una Red Neuronal: el
Perceptrón unicapa
– Es un conjunto de neuronas no unidas entre sí, de manera
que cada una de las entradas del sistema se conectan a cada
neurona,
produciendo cada una de ellas su salida individual.
– Existen tres métodos de aprendizaje para
un Perceptrón:
– Aprendizaje
supervisado: se presentan al Perceptrón unas entradas con
las correspondientes salidas que se quiere que sean
aprendidas.
– Aprendizaje no supervisado: solo se presenta al
Perceptrón las entradas, y para esas entradas, la red debe dar una salida
parecida.
– Aprendizaje por esfuerzo: se combinan los dos anteriores, y
cada cierto tiempo se presenta a la red una valoración
global de cómo lo está haciendo.
– Podría parecer que el Perceptrón tiene una
potencia
ilimitada para aprender, pero Minsky y Paper pusieron graves
deficiencias del Perceptrón en su libro
"Perceptroms". Según ellos el Perceptrón unicapa
era incapaz de aprender las funciones que no
fuesen linealmente separables.
– Las redes neuronales todavía se han de desarrollar
mucho. Aún se debe estudiar para que sirven realmente,
conocer en que tareas pueden resultar realmente útiles, ya
que por ejemplo es difícil saber cuánto tiempo
necesita una red para
aprender cierta tarea, cuántas neuronas necesitamos como
mínimo para realizar cierta tarea, etc…
– En la Robótica,
las redes neuronales también parecen prometer mucho, sobre
todo en su senorización.
– Son unas máquinas controladas por ordenador y
programadas para moverse, manipular objetos y realizar trabajos a
la vez que interaccionan con su entorno. Los robots son capaces
de realizar tareas repetitivas de forma más rápida,
barata y precisa que los seres humanos.
– El diseño
de un manipulador robótico se inspira en el brazo humano.
Las pinzas están diseñadas para imitar la
función y estructura de la mano humana. Muchos robots
están equipados con pinzas especializadas para agarrar
dispositivos concretos.
-Las articulaciones de
un brazo robótico suelen moverse mediante motores
eléctricos. Una computadora calcula los ángulos
de articulación necesarios para llevar la pinza a la
posición deseada.
– En 1995 funcionaban unos 700.000 robots en el mundo. Más
de 500.000 se empleaban en Japón,
unos 120.000 en Europa Occidental
y unos 60.000 en Estados Unidos.
Muchas aplicaciones de los robots corresponden a tareas
peligrosas o desagradables para los humanos. En los laboratorios
médicos, los robots manejan materiales que
conlleven posibles riesgos, como
muestras de sangre u orina.
En otros casos, los robots se emplean en tareas repetitivas en
las que el rendimiento de una persona podría disminuir con
el tiempo. Los robots pueden realizar estas operaciones
repetitivas de alta precisión durante 24 horas al
día.
– Uno de los principales usuarios de robots es la industria del
automóvil. La empresa
General Motors utiliza aproximadamente 16.000 robots para
trabajos como soldadura,
pintura, carga
de máquinas, transferencia de piezas y montaje. El montaje
industrial exige una mayor precisión que la soldadura o la
pintura y
emplea sistemas de censores de bajo coste y computadoras potentes
y baratas. Los robots se usan por ejemplo en el montaje de
aparatos electrónicos, para montar microchips.
– Se emplean robots para ayudar a los cirujanos a instalar
cadenas artificiales, y ciertos robots especializados de
altísima precisión pueden ayudar en operaciones
quirúrgicas delicadas en los ojos. La investigación en tecnología emplea
robots controlados de forma remota por cirujanos expertos; estos
robots podrían algún día efectuar
operaciones en campos de batalla distantes.
– Los robots crean productos
manufacturados de mayor calidad y menor
costo. Sin
embargo, también pueden provocar la pérdida de
empleos, especialmente en cadenas de montaje industriales.
– Las máquinas automatizadas ayudarán cada vez
más a los humanos en la fabricación de nuevos
productos, el mantenimiento
de las infraestructuras y el cuidado de hogares y empresas. Los
robots podrían fabricar nuevas autopistas, construir
estructuras para edificios, limpiar corrientes
subterráneas o cortar el césped.
– Puede que los cambios más espectaculares en los robots
del futuro provengan de su capacidad de razonamiento cada vez
mayor. El campo de la inteligencia artificial está pasando
rápidamente de los laboratorios universitarios a la
aplicación práctica en la industria, y
se están desarrollando máquinas capaces de realizar
tareas cognitivas como la planificación
estratégica o el aprendizaje
por experiencia. El diagnóstico de fallos en aviones o satélites,
el mando en un campo de batalla o el control de
grandes fabricas correrán cada vez más a cargo de
ordenadores inteligentes.
Glosario.
Artificial. – Hecho por el hombre.
Carente de naturalidad.
Instancia. – Memorial, solicitud. Por la primera vez. El primer
ímpetu.
Inteligencia. – Facultad intelectiva. Capacidad de conocimiento.
Comprensión, acto de entendimiento. Sentido en que se
puede interpretar una expresión o sentencia.
Modelo. – Ejemplar, forma, que se propone quien ejecuta una obra,
artística o de otra índole. Lo que se debe imitar
por su perfección, en lo intelectual o moral.
Técnica. – conjunto de procedimientos de
una ciencia o
arte.
Habilidad para usar procedimientos y
recursos.
Autor:
Osiris Toquero Ramos
Universidad
tecnológica de México,
campus cuitlahuac
Estudiante ingeniería en sistemas
computacionales