Presentation is loading. Please wait.

Presentation is loading. Please wait.

Inteligencia Artificial Ricardo Alonso

Similar presentations


Presentation on theme: "Inteligencia Artificial Ricardo Alonso"— Presentation transcript:

1 Inteligencia Artificial Ricardo Alonso

2 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].

3 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,...

4 Tipo de aplicaciones: –Comprensión de lenguaje natural. –Interpretación de imágenes. –Manipulación y navegación. –Matemáticas simbólicas. –Planeación. –Solución de problemas complejos.

5 Tipo de técnicas: –Manipulación simbólica. –Aprendizaje. –Razonamiento. –Búsqueda heurística. Tipo de lenguajes: –Simbólicos (Lisp) –Lógicos (Prolog) –Es multidisciplinaria (computación + otras áreas)

6 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)

7 Desarrollo Histórico Periodo ``clásico'' Gestación [McColluck y Pitts, Shannon, Turing] Inicio - reunión de Darmouth College en 1956 [Minsky, McCarthy] 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.

8 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''.

9 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''.

10 Gestación ( ): McCullock y Pitts (43), Hebb (49), Shannon (50), Turing (53), Minsky y Edmonds (51). Darmouth College (56) McCarthy, Newell y Simon ``The Logic Theorist'' Entusiasmo y grandes espectativas ( ): Samuel - checkers (52), McCarthy (58): Lisp, time sharing, Programs with common sense. Minsky y McCarthy en MIT moldearon mucho del area. En 63 McCarthy se fue a Stanford SRI, Shakey, etc. Minsky Evans, Student, Waltz, Winston, Winograd, etc. Trabajo en RN: Hebb, Widrow, Rosenblatt Dosis de realidad ( ): 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))

11 Sistemas basados en conocimiento ( ): Dendral, Mycin, HPP, Prospector, Winograd SHDRLU, Shank (no hay sintáxis), frames, Prolog, Planner IA como industria ( ): R1/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

12 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

13 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]

14 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...)

15 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)

16 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

17 Cuestionamiento Etico Frankestein Juegos de Guerra Data STNG AI Dr. Holografico (Voyager) Andromeda IA


Download ppt "Inteligencia Artificial Ricardo Alonso"

Similar presentations


Ads by Google