INTELIGENCIA

ARTIFICICIAL
TEMA: Introducción

Ing. Iván A. Calle Flores

1
 MT616: Inteligencia Artificial
● Libro de texto
S. Russell and P. Norvig Artificial
Intelligence: A Modern Approach.
Prentice Hall, 2010, 3rd Edition

● Sistema de evaluación
Tipo F

● Proyecto
Implementación de un sistema de
reconocimiento
Investigación sobre un algoritmo
de aprendizaje

2
 SYLLABUS
● Introducción

● Agentes Inteligentes

● Métodos de búsqueda

● Probabilidades

● Machine Learning
 Fundamentos básicos

 Modelos lineales (regresión y clasificación)

 Redes Neuronales Artificiales

 Support Vector Machine(SVM)

● Visión y Robótica

3
 INTRODUCCION

In which we try to explain why we consider

artificial intelligence to be a subject worthy of
study, and in which we try to decide what
exactly it is, this being to be a good thing to
decide before embarking.

4
● La ‘inteligencia’ es de suma importancia
en los seres humanos

● AI busca no solo entender la ‘inteligencia’

sino el desarrollo de ‘agentes inteligentes’

● AI es regularmente citada como ‘the

field I would most like to be in’

● AI comprende muchas sub áreas.

5
 1. QUE ES LA A.I?

Procesos del
pensamiento

Comportamiento

Inteligencia
Racionalidad
humana
6
1.1.Acting humanly - The Turing Test
approach
Alan Turing
● Fue un test diseñado con el fin de proveer
una definición de inteligencia

● Una computadora pasaba el test si un

interrogador humano, después de hacerle
unas preguntas, no podía saber si las
respuestas eran de un humano o una PC

 Procesamiento de lenguaje (Natural language processing)

 Representación de conocimiento – Knowledge representation

 Razonamiento automático – Automated reasoning

 Aprendizaje – Machine learning

7
● El test de Turing original no consideraba la interacción física.

● El test de Turing completo busca además, medir

las habilidades perceptuales.

 Visión por computadora (Computer vision)

 Robotica (Robotics)

● Debido a que es mas importante estudiar la inteligencia en si

misma, que tratar de ‘engañar’ un humano, el test de Turing no
fue ampliamente usado
‘’El vuelo artificial tuvo éxito cuando se dejo de imitar a las aves, y
se estudio las leyes de la aerodinámica’’

8
1.2. Thinking humanly – The cognitive modeling
approach

● Computadoras que piensen como los humanos

¿Como piensan los humanos?

 Mediante la introspección

 Experimentos psicológicos
 Brain imaging

● Una vez que tengamos una teoría de la mente, podemos expresarla

como un programa de computadora

● Este enfoque hoy en día se conoce como ‘Cognitive science’

9
1.3. Thinking rationally – The ‘laws of thought’
approach

● El campo de la lógica, iniciado por Aristóteles, busca describir

los principios del pensamiento ‘correcto’
P1: Sócrates es un hombre Sócrates es mortal
P2: Todos los hombres son mortales

● Computadoras que piensen ‘correctamente’ usando los principios

de la lógica
Computadoras que basen su inteligencia mediante el uso de inferencias

● Este enfoque tiene dos obstáculos principales

 En la practica la información no es completamente cierta o falsa
 Los problemas del mundo real son muy complejos

10
1.4. Acting rationally – The rational agent approach
● Un agente es algo que actúa.
 Operar de manera autónoma
 Percibir su entorno
 Adaptarse al cambio
 Crear y seguir metas

● Un agente ‘racional’ es aquel que actúa de tal manera de

obtener el mejor resultado
● Este enfoque tiene 2 ventajas sobre los otros enfoques
 Es mas general que el enfoque basado en las ‘’leyes de pensamiento” (por que
el uso de las técnicas de inferencia, son solo uno de sus mecanismos)

 Al no tratar de emular la mente o comportamiento humano sino un criterio de

racionalidad puede ser mejor manejable matemáticamente

11
Definimos la inteligencia artificial como el
área de estudio de agentes ‘racionales’ que
son capaces de percibir su entorno y
realizar acciones sobre el mismo con el fin
de tener el mejor resultado.

12
2. RELACION ENTRE LA I.A Y OTRAS
DISCIPLINAS

13
2.1. Filosofía

¿ Como es que la mente nace del cerebro?

¿ Se pueden describir las reglas del
funcionamiento de la mente ‘racional’?
¿ Como es que el conocimiento lleva a una
Aristóteles
acción?
Reglas de inferencia lógica

Da Vinci, Pascal Calculadores mecánicos

Descartes,
Teorías del funcionamiento de la mente
Locke, Hume

Las acciones se justifican por una conexión lógica entre la

Aristóteles
meta y el conocimiento del resultado de las acciones

14
2.2. Matemática

¿ Cuales son las reglas validas para sacar

conclusiones?
¿ Que cosa puede hacerse con una
computadora?
Boole Lógica booleana ‘inferencia’
¿ Como manejamos la información imprecisa?
Tractabilidad Tiempo requerido para solucionar un problema conforme
crece la dimensión de la data

Cardamo, Fermat,
Teoría de la probabilidad
Bernoulli, Laplace

Regla de actualización de la probabilidad en base a

Thomas Bayes
nueva evidencia

15
2.3. Economía

¿ Como tomar decisiones con el fin de tener

mejores beneficios?
¿ Como hacer esto cuando existen
adversarios?
¿ Adam
ComoSmith
hacer esto cuando el beneficio no es
Teoría de la riqueza de las naciones

inmediato?
Von Neumann Teoría de los juegos y comportamiento económico

Richard Bellman Markov decision processes

16
2.4. Neurociencia

Como el cerebro procesa la información?

Paul Broca Cada parte del cerebro controla determinadas

acciones cognitivas

Camillo Golgi Técnica para la observación de neuronas

en el cerebro

Hans Berger Medida de la actividad cerebral –

Electroencefalograma (EEG)

Ogawa Functional magnetic resonance

imaging(fMRI)

17
2.5. Psicología

Como los humanos y animales piensan y

actúan?
Watson Estudio de las respuestas ’acciones’ dado estímulos

Cognitive science Uso de modelos computacionales para representar la

psicología del lenguaje y el pensamiento

2.6. Ingeniería de la computación

Como construir una computadora eficiente?
Primeras
Heath Robinson, Colossus, ENIAC, etc
computadoras

Procesamiento Desde el 2005 debido a problemas de

paralelo disipación
18
2.7. Teoría de control

Como los aparatos operan bajo su propio

control?
Wiener Desarrollo de la teoría de control

Control optimo Diseño de sistemas que maximicen una

estocástico función de costo

2.8. Lingüística
Como se relaciona el lenguaje al pensamiento?
Skinner,
Teorías del aprendizaje del lenguaje
Chomsky

Procesamiento
natural del lenguaje Área común entre la IA y la lingüística

19
 3. HISTORIA DE LA I.A
3.1. La gestación de la I.A(1943-1955)

● McCulloch & Pitss (1943).

Modelo de una neurona
artificial

● Minsky, Edmonds (1950). Primera computadora basada en redes

neuronales

● Turing(1950). ‘Computing Machinery and Intelligence’

Machine learning, algoritmos genéticos, aprendizaje por
reforzamiento

20
3.2. El nacimiento de la I.A(1956)
● Conferencia de Darmouth(1956). Adopción del termino ‘Inteligencia
artificial’.

John McCarthy, Minsky, Claude Shannon, Nathaniel Rochester,

Arthur Samuel, etc..

● Newell, Simon. ‘The Logic Theorist’ programa capaz de resolver

teoremas

21
3.3. Primeras etapas de gran entusiasmo(1952-1969)

● Gelernter(1959) – ‘Geometry Theorem

Prover’

● Samuel(1952) – Programa que aprende

a jugar damas

● Rosenblatt(1962) – El perceptron

22
3.4. Una dosis de realidad(1966-1973)

Within 10 years a computer would be chess

champion, and a significant mathematical
theorem would be proved by machine.
● La mayoríaSimon,
(Herbert 1957)
de los primeros programas no sabían nada del
contexto del problema.

‘The spirit is willing but the ‘The vodka is good but the meat is
flesh is weak’ rotten’

● Incapacidad de resolver problemas de mas escala

Los primeros programas de I.A solo consideraban problemas de
‘pequeña’ escala

● Limitaciones inherentes de algunos algoritmos ‘Perceptron’

23
3.5. Sistemas expertos(1969-1979)
● DENDRAL(1969) - Programa capaz de predecir la estructura
molecular a partir de la información del espectrómetro

● MYCIN - Programa para diagnosticar infecciones de sangre

● Cada ‘gran’ compañía adopto su propio grupo de I.A

IBM Research Labs Google X-Lab

24
3.6. El retorno de las redes neuronales (1986-presente)

● Redescubrimiento por varios grupos del

algoritmo de ‘back propagation’

● Desarrollo de una gran cantidad de aplicaciones practicas que

usan redes neuronales

Reconocimiento de rostros

Reconocimiento de dígitos
25
3.7. El método científico en AI (1987-presente)
● Para ser aceptada una teoría, debe pasar pruebas rigurosas, y
los resultados deben analizarse estadísticamente.

Speech recognition -> Hidden Markov Models

Redes neuronales -> Fundamento estadístico

● Ahora es mas común construir sobre teorías conocidas que

proponer teorías nuevas

● El trabajo de Judea Perl ‘Probabilistic Reasoning in

Intelligent Systems’ llevo a una nueva aceptación
de la teoría de probabilidad en la I. A.

● El nivel de sofisticación matemática es mas común

26
3.8. La disponibilidad de data (2001-presente)

● Durante los 60 años de historia, el énfasis fue siempre en el

algoritmo

● Trabajos recientes sugieren que es mas importante la cantidad de

data, que el algoritmo a usar.

27
 4. EL ESTADO DEL ARTE
● Vehículos robóticos

STANLEY, winner of the DARPA Grand BOSS, the car that won the 2007
Challenge 2005 DARPA Urban Challenge

28
 The Google
Driverless Car

29
● Robótica

STAIR Project PR2 Robot

Stanford University Willow Garage
30
● Game playing
DEEP BLUE

● Traducción automática
Google translate

● Eliminación de SPAM, planeamiento, etc.

31