Profesor: Hugo Vega Huerta

Semana 1: Definicin, Historia , Agentes

Inteligentes.

Nuevas Tecnologas

Qu es la inteligencia Artificial?

Historia de la I.A.

La I.A. en la vida cotidiana

Qu es la inteligencia Artificial?
- La IA es un campo amplio de investigacin cientfica que trata de crear sistemas y mquinas que se comporten de manera inteligente.
- Los cientficos que se centran en esta rea de investigacin, parten con la dificultad aadida de que no existe una definicin precisa del concepto de inteligencia humana, y tampoco se conoce con exactitud el funcionamiento del cerebro humano.

Historia de la I.A.
La historia de la IA est marcada por los continuos vaivenes entre el optimismo desmesurado y el profundo pesimismo. Se le considera al matemtico ingls Alan Mathison Turing padre de la IA. En 1937, public un artculo en el que introdujo el concepto de Mquina de Turing, una abstraccin matemtica que result ser la precursora de los ordenadores digitales. Tambin formul la conocida como Prueba de Turing, que permitira comprobar si un programa de ordenador puede ser inteligente como un ser humano, y que hasta da de hoy ninguna mquina ha conseguido superar.

Historia de La Inteligencia Artificial

En los aos 50 se logra hacer el Perceptrn de Rossenblatt. En los aos 60 Alan Newell y Herbert Simon crearon un programa llamado GPS(General Problem Solver) En los aos 70 nace los sistemas expertos.

En los aos 80 se desarrollaron lenguajes LISP o el

PROLOG

La I.A. en la vida cotidiana Sistemas de redes neuronales. Las agendas electrnicas. El avin Militar Eurofighter. La medicina. El lenguaje natural.

Enfoque de la Prueba de Turing

- (Alan Turing 1950) intenta ofrecer una definicin de inteligencia Artificial que se pueda evaluar. Para que un ser o mquina se considere inteligente debe lograr engaar a un evaluador de que este ser o mquina se trata de un humano evaluando todas las actividades de tipo cognoscitivo que puede realizar el ser humano.

Fundamentos de la Inteligencia Artificial

La inteligencia de cmputo ofreci el dispositivo que permite hacer realidad las aplicaciones de la inteligencia artificial. Los programas de inteligencia artificial por general son extensos y no fusionaran si los grandes avances de velocidad y memoria apartadas por la industria de cmputo. Las ciencias que aportan a la Inteligencia Artificial: - Filosofa - Matemticas - Psicologa - Lingstica - Ciencias de la Computacin

La Funcin de un Sistema Experto

La funcin de un Sistema Experto es la de aportar soluciones a problemas, como si de humanos se tratara, es decir capaz de mostrar soluciones inteligentes.

Componentes de un Sistema Experto

La Base de Conocimientos El Mecanismo de Inferencia El Componente Explicativo La Interface de Usuario

El Componente de Adquisicin

Desarrollo de los Sistemas Expertos

El tema que engloba a los tres apartados es el mismo, el desarrollo de un sistema experto.

Equipo de desarrollo Mtodos auxiliares en el desarrollo Construccin de prototipos

Agentes Inteligentes

Agente Racional

Ambientes

Estructura de los Agentes Inteligentes

Tipos de Agentes

Agente Racional
Es aquel que hace lo correcto, lo correcto se afirma que es que el agente tenga el mejor desempeo. Un agente omnisciente es aquel que sube el resultado real que producirn sus acciones, y su conducta es congruente con ello. El estudio en el que nos encontramos se basa entonces en comprender la racionalidad de agentes inteligentes. El carcter de racionalidad viene dado por 3 factores. - Medida de evaluacin Racionalidad - Secuencia de percepciones - Acciones que se emprenden

Estructura de los Agentes Inteligentes

La base de la inteligencia artificial es el diseo de un programa de agente:
Una funcin qu permita implantar el mapeo del agente para pasar de percepciones a acciones. Este programa se ejecutar en algn tipo de dispositivo de cmputo al que se denominar arquitectura. La arquitectura puede ser una computadora sencilla o un hardware especial. Estructura de un agente Inteligente - Programa de agente. - Arquitectura.

Agente = Arquitectura + Programa.

AGENTE INTELIGENTE
PROCESO INTELIGENTE
RAZONAMIENTO LOGICO APRENDIZAJE

PERCEPCIONES

?
AGENTE

(SENSORES)

AMBIENTE
(MUNDO REAL)

ACCIONES
(EFECTORES)

Tipos de Agentes
Agentes de reflejo simple Agentes bien informados de todo lo que pasa Agentes basados en metas Agentes basados en utilidad

Ambientes
Accesibles y no accesibles

Deterministas y no deterministas

Episdicos y no episdicos

Estticos y dinmicos

Discretos y continuos

Antecedentes de la Neurona en la I.A.

Aprendizaje y Clasificacin

Neuronas Formales

Aprendizaje y Clasificacin
La clasificacin es la atribucin de una clase especfica a un objeto. Esta atribucin necesita un cierto grado de abstraccin para poder extraer generalidades a partir de los ejemplos de los cuales se dispone. Para una mquina, la clasificacin de rostros, de datos mdicos o de formas son tareas bastante difciles, en tanto que para un humano son cuestiones cotidianas. Por ejemplo, en el caso de reconocimiento de caracteres manuscritos, es difcil enunciar una descripcin general que tenga en cuenta todas las variaciones particulares de cada carcter.

Neuronas Formales
El origen de las Redes de Neuronas (RN) se encuentra en la representacin de la neurona biolgica por McCulloch y Pitts en 1943. La Inteligencia Artificial clsica ha generado una cierta decepcin al tratar de explicar los procesos cognoscitivos debido a que la representacin usando reglas se aleja mucho de cualquier inspiracin biolgica por una parte y por otra conduce a la creacin de sistemas que son demasiado rgidos y al mismo tiempo extremadamente frgiles.

Redes Neuronales

Qu es una Neurona Artificial?

OVFD (Modelos de Redes Neuronales)

Qu es una Neurona Artificial?

Una Red Neuronal Artificial es un modelo de procesamiento, tal como el cerebro procesa informacin. El elemento clave de este paradigma es la estructura original de el sistema de procesamiento de informacin. Este se compone de un gran nmero de elementos interconectados procesando (neuronas) trabajando en armona para resolver problemas especficos.

Modelo de RNA
Neuronas intermedias

Neuronas de Entrada

Solucin de Problemas mediante bsquedas Neuronas de Estrategias de bsqueda : Bsqueda por amplitud salda

Conexiones

Semana 2: Estrategias de bsqueda : Bsqueda por amplitud

ESTRATEGIAS DE BSQUEDA

Estrategias de Bsqueda
Bsqueda No Informada (Ciega)
1. Bsqueda preferente por amplitud 2. Bsqueda de costo uniforme 3. Bsqueda preferente por profundidad 4. Bsqueda limitada por profundidad 5. Bsqueda por profundizacin iterativa 6. Bsqueda bidireccional

Bsqueda Informada (Heurstica)

1. 2. 3. 4. Bsqueda avara Bsqueda A* Bsqueda A*PI Bsqueda A*SRM

Bsqueda en el Espacio de Estados

La resolucin de un problema con esta representacin pasa por explorar el espacio de estados Partimos del estado inicial evaluando cada paso hasta encontrar un estado final En el caso peor exploraremos todos los posibles caminos entre el estado inicial del problema hasta llegar al estado final Definiremos una representacin del espacio de estados para poder implementar algoritmos que busquen soluciones

Estructura del espacio de estados

Estructuras de datos: rboles y Grafos Estados = Nodos Operadores = Arcos entre nodos (dirigidos) rboles: Solo un camino lleva a un nodo Grafos: Varios caminos pueden llevar a un nodo

Algoritmo Bsico
Basado en bsqueda y recorrido en rboles y grafos La estructura la construimos a medida que hacemos la bsqueda Algoritmo para una solucin: Seleccionar el primer estado como el estado actual mientras el estado actual no es el estado final hacer Generar y guardar sucesores del estado actual (expansin) Escoger el siguiente estado entre los pendientes (seleccin) fin-mientras La seleccin del siguiente nodo determinar el tipo de bsqueda (orden de seleccin o expansin) Es necesario definir un orden entre los sucesores de un nodo (orden de generacin)

Algoritmo Bsico
Nodos abiertos: Estados generados pero an no visitados Nodos cerrados: Estados visitados y que ya se han expandido Tendremos una estructura para almacenar los nodos abiertos Las diferentes polticas de insercin en la estructura determinarn el tipo de bsqueda Si exploramos un grafo puede ser necesario tener en cuenta los estados repetidos (esto significa tener una estructura para los nodos cerrados). Merece la pena si el nmero de nodos diferentes es pequeo respecto al nmero de caminos

Evaluacin de las Estrategias

Las estrategias se evalan de acuerdo a su: Completez. La estrategia garantiza encontrar una solucin, si sta existe? Complejidad temporal. Cunto tiempo se necesitar para encontrar una solucin? Complejidad espacial. Cunta memoria se necesita para efectuar la bsqueda? Optimalidad. Con esta estrategia se encontrar una solucin de la ms alta calidad, si hay varias soluciones?
Las complejidades temporal y espacial se miden en trminos de: b mximo factor de ramificacin del rbol de bsqueda (branching factor) d profundidad de la solucin de menor coste m profundidad mxima del espacio de estados (puede ser )

Estrategias de bsqueda no informada

No existe informacin sobre la cantidad de estados intermedios o el costo de ruta para pasar del estado actual a la meta. Slo se sabe distinguir si estamos en el estado meta o no A esta bsqueda se le conoce tambin como bsqueda ciega

BUSQUEDA POR AMPLITUD

S
L M F P O Q

N F

1. Bsqueda preferente por amplitud

En este caso, primero se expande el nodo raz y luego todos los nodos generados por ste, luego sus sucesores y as sucesivamente. Todos los nodos que estn a profundidad d se expanden antes que los nodos con profundidad d+1.

Bsqueda preferente por amplitud

1. Si Abiertos = ( ), fin devolviendo fallo 2. Abiertos(n0); Cerrados( ) 3. nprimer elemento de Abiertos; eliminar n de Abiertos y llevarlo a Cerrados; Suc( ) 4. Si n es meta, fin con xito, devolviendo el camino 5. expandir n, colocando sus hijos en Suc, como hijos de n 6. eliminar de Suc cualquier nodo cuyo estado ya est asociado a algn nodo de Abiertos o Cerrados 7. colocar los nodos de Suc al final de Abiertos 8. Ir a 2

0 1 2 3 321

10 1 2 3 cba32

210 1 2 3 f edcba3

3210 1 2 3 i hg f edcba

a3210 1 2 3 i hg f edcb

b a 32 1 0 1 2 3 i hg f edc

Bsqueda preferente por amplitud

Si hay solucin, es seguro que se encontrar mediante la bsqueda preferente por amplitud. Si son varias soluciones, siempre encontrar primero el estado de meta ms prximo (menos profundidad, ms a la izquierda). La bsqueda preferente por amplitud es completa y ptima siempre y cuando el costo de ruta sea una funcin que no disminuya al aumentar la profundidad del nodo.

Completez, Complejidad Temporal, Complejidad Espacial, Optimalidad.

Complejidad Temporal
Si b es el factor de ramificacin de los estados, y la solucin est a una profundidad d, entonces la cantidad mxima de nodos expandidos antes de encontrar la solucin es:
1+ b + b2 + b3 + ... + bd + (bd+1 b)

La complejidad de este algoritmo es O(bd+1).

Resumen (BFS)
Los nodos se visitan y generan por niveles La estructura para los nodos abiertos es una cola (FIFO) Un nodo es visitado cuando todos los nodos de los niveles superiores y sus hermanos precedentes han sido visitados Caractersticas: Completidud: El algoritmo siempre encuentra una solucin Complejidad temporal: Exponencial respecto al factor de ramificacin y la profundidad de la solucin O(bd+1). Complejidad espacial: Exponencial respecto al factor de ramificacin y la profundidad de la solucin O(bd+1). Optimalidad: La solucin que se encuentra es ptima en nmero de niveles desde la raz

Ejercicio 1
A

Determine el orden en que un agente basado en metas busca el objetivo (orden en que se visitan y orden en que se aperturan): VISITA (nodos cerrados)

B D H K E F I

C G J

APERTURA (nodos abiertos)

Ejercicio 2
Diga para el siguiente rbol el orden en que se aperturan (nodos abiertos) y orden en que se visitan los nodos (nodos cerrados).
B C

Semana 3: Bsqueda por Profundidad

Bsqueda preferente por profundidad (DFS)

S L M N F F P F O Q F

Bsqueda preferente por profundidad

En esta bsqueda siempre se expande uno de los nodos que se encuentre en lo ms profundo del rbol. Slo si la bsqueda conduce a un callejn sin salida (un nodo que no es meta y que no tiene expansin), se revierte la bsqueda y se expanden los nodos de niveles menos profundos. Lo anterior se logra mediante el algoritmo de BsquedaGeneral, con una funcin de lista de espera que ponga los estados recin generados al principio de la lista.

NOTA:

Bsqueda preferente por profundidad

Se supone que el factor de ramificacin es b = 2 y que los nodos de nivel m = 3 no tienen sucesores.

Bsqueda preferente por profundidad

Slo es necesario guardar la ruta que va del nodo raz al nodo hoja, junto con los nodos restantes no expandidos, por cada nodo de la ruta. Si un espacio de estados tiene factor de ramificacin b y profundidad mxima m, se requieren almacenar bm nodos. La complejidad temporal es de O(bm).

Bsqueda preferente por profundidad

Si la cantidad de soluciones en un problema es grande, se recomienda esta bsqueda (BFS) sobre la bsqueda preferente por amplitud (DFS).
La desventaja de esta bsqueda es que se puede quedar estancada al avanzar por una ruta equivocada, ya que muchos rboles de bsqueda pueden ser muy profundos o infinitos. Por lo tanto, la BPPP no es ni la mas completa ni la ms ptima.

Resumen (DFS)
Los nodos se visitan y generan buscando los nodos a mayor profundidad y retrocediendo cuando no se encuentran nodos sucesores La estructura para los nodos abiertos es una pila (LIFO) Para garantizar que el algoritmo acaba debe imponerse un lmite en la profundidad de exploracin Caractersticas Completidud: El algoritmo encuentra una solucin si se impone un lmite de profundidad y existe una solucin dentro de ese lmite Complejidad temporal: Exponencial respecto al factor de ramificacin y la profundidad del lmite de exploracin O(bm). Complejidad espacial: Si no se controlan los nodos repetidos el coste es lineal respecto al factor de ramificacin y el lmite de profundidad O(bm). Si tratamos repetidos el coste es igual que en anchura. Si la implementacin es recursiva el coste es O(m). Optimalidad: No se garantiza que la solucin sea ptima

Semana 4: Bsqueda por Profundidad

BUSQUEDA PREFERENTE POR LO MEJOR

Bsqueda preferente por lo mejor

El conocimiento en base al cual se apoya la decisin del nodo que toca expandirse es obtenido desde una funcin de evaluacin. La funcin de evaluacin produce un nmero que sirve para representar lo deseable (o indeseable) que sera la expansin de un nodo.

Bsqueda preferente por lo mejor

Si los nodos se ordenan de tal manera que se expande primero aqul con mejor evaluacin, entonces la estrategia es llamada bsqueda preferente por lo mejor.

Bsqueda preferente por lo mejor

funcin BUSQUEDA-PREFERENTE-POR-LO-MEJOR (problema, FUNCION-EVALUACION) responde con una secuencia de solucin entradas: problema, un problema Funcin-Eval, una funcin de evaluacin Funcin-lista-de-espera una funcin que ordena los nodos mediante FUNCIN-EVAL responde con BUSQUEDA-GENERAL (Problema, Funcin-lista-de-espera)

Bsqueda preferente por lo mejor

As como es existe una familia de algoritmos BUSQUEDA-GENERAL, con distintas funciones de ordenamiento, tambin existe una familia de algoritmos BUSQUEDA-PREFERENTE-POR-LOMEJOR, que varan la funcin de evaluacin.

Bsqueda preferente por lo mejor

En el mtodo de costo uniforme, se empleaba el costo de ruta (g) para decidir qu ruta ampliar. g(n) es, entonces, el costo acumulado desde el nodo inicio hasta el nodo en que nos encontramos, n. Esta medida no es una bsqueda directa dirigida a la meta Si se quiere enfocar la bsqueda hacia la meta, en esa medida debe figurar algn tipo de clculo del costo de ruta del estado actual (n) a la meta.

BUSQUEDA AVARA
Greedy Search

Bsqueda preferente por lo mejor

Bsqueda Avara (Greedy Search)
Es una de las ms sencillas estrategias en la BPPLM, que consiste en reducir al mnimo el costo estimado para lograr una meta. En otras palabras, el nodo cuyo estado se considere ms cercano a la meta en trminos de costo de ruta se expande primero.

Bsqueda preferente por lo mejor

Bsqueda Avara (Greedy Search)
Aunque casi siempre es posible calcular el costo aproximado hasta la meta, es difcil hacerlo con precisin. La funcin utilizada para dicho estimado del costo se llama funcin heurstica, simbolizada por h. h(n) = costo estimado de la ruta ms barata que une el estado del nodo n con un estado meta

Bsqueda preferente por lo mejor

Bsqueda Avara (Greedy Search)
h puede ser cualquier funcin. El nico requisito es que h(n) = 0 cuando n es una meta. Cuando los problemas son de determinacin de rutas en el mundo real (ejemplo, Rumania), una buena funcin heurstica es la distancia en lnea recta a la meta:
hDLR (n) = distancia en lnea recta entre n y la meta

Bsqueda preferente por lo mejor

Bsqueda Avara (Greedy Search)
Para calcular los valores de hDLR se requieren las coordenadas de las ciudades de Rumania. Esta funcin heurstica es til porque la carretera que va de A a B tiende a dirigirse ms o menos en la direccin correcta.

Ejercicio
Utilizar el mtodo de bsqueda avara para solucionar el problema de Rumania. Mostrar el desarrollo con rboles de bsqueda.

Bsqueda preferente por lo mejor

Bsqueda Avara
Arad h=366

Bsqueda preferente por lo mejor

Bsqueda Avara
Arad h=366 Sibiu h=253 Zerind h=374

Timisoara h=329

Bsqueda preferente por lo mejor

Bsqueda Avara
Arad h=366 Sibiu h=253 Arad h=366 Zerind h=374

Timisoara h=329 Oradea h=380

Fagaras h=178

Rimnicu h=193

Bsqueda preferente por lo mejor

Bsqueda Avara
Arad h=366 Sibiu h=253 Arad h=366 Zerind h=374

Timisoara h=329 Oradea h=380

Fagaras h=178 Sibiu h=253

Rimnicu h=193

Bucharest h=0

Es una solucin, pero no es la ptima

Bsqueda preferente por lo mejor

Bsqueda Avara
Esta bsqueda usualmente produce resultados buenos Tienden a producir soluciones rpidamente, aunque no siempre la solucin encontrada es la ptima. Ejemplo, tratar de llegar de Lasi a Fagaras.

Bsqueda preferente por lo mejor

Bsqueda Avara
Iasi h=160

Bsqueda preferente por lo mejor

Bsqueda Avara
Iasi h=160 Neamt h=150 Vaslui h=170

Bsqueda preferente por lo mejor

Bsqueda Avara
Iasi h=160 Neamt h=150 Vaslui h=170

Iasi h=160

Bsqueda preferente por lo mejor

Bsqueda Avara
Iasi h=160 Neamt h=150 Vaslui h=170

Iasi h=160
Neamt h=150

Bsqueda preferente por lo mejor

Bsqueda Avara
Se asemeja a la bsqueda preferente por profundidad, ya que se atora al toparse con un callejn sin salida. Tiene sus mismas deficiencias: no es ptima, es incompleta, puede recorrer una ruta infinita. Su complejidad es espacial es tan grande como su temporal: O(bm), donde m es la profundidad mxima del espacio de bsqueda. Una buena funcin heurstica permite disminuir notablemente la complejidad tanto de espacio como de tiempo.

BUSQUEDA A*

Bsqueda preferente por lo mejor

Bsqueda A*
La bsqueda avara reduce h(n), el costo hacia la meta, pero no es ptima ni completa. La bsqueda de costo uniforme reduce g(n), el costo de ruta, es ptima y completa, pero puede ser ineficiente. Las dos funciones se podran combinar mediante una suma:
f(n) = g(n) + h(n)

Bsqueda preferente por lo mejor

Bsqueda A*
f(n) puede llamarse el costo estimado de la solucin ms barata, pasando por n. Es posible demostrar que esta estrategia es completa y ptima, dada una restriccin de h. La restriccin es escoger una funcin h que nunca sobreestime el costo que implica alcanzar la meta.

Bsqueda preferente por lo mejor

Bsqueda A*
A dicha funcin h se le llama heurstica admisible. A la bsqueda preferente por lo mejor que usa f como funcin de evaluacin y una funcin h aceptable se le conoce como bsqueda A*.

Bsqueda preferente por lo mejor

Bsqueda A*
En el ejemplo de Rumania, la distancia en lnea recta es una heurstica aceptable, ya que la ruta ms corta entre dos puntos es la lnea recta (por lo tanto, siempre ser menor que la distancia real, nunca la sobreestimar).

Bsqueda preferente por lo mejor

Bsqueda A*
Arad f=0+366 f=366

Bsqueda preferente por lo mejor

Bsqueda A*
Arad

Sibiu f=140+253 f=393

Timisoara f=118+329 f= 447

Zerind f=75+374 f=449

Bsqueda preferente por lo mejor

Bsqueda A*
Arad

Sibiu f=140+253 f=393

Arad f=280+366 f=646

Timisoara f=118+329 f= 447 Fagaras f=239+178 f=417 Oradea f=146+380 f=526

Zerind f=75+374 f=449

Rimnicu f=220+193 f=413

Bsqueda preferente por lo mejor

Bsqueda A*. (Comportamiento)
Se puede observar que a lo largo de las rutas originadas en la raz, el costo f nunca disminuye. En toda heurstica donde esto ocurre, se dice que muestra monotonicidad.

Bsqueda preferente por lo mejor

Bsqueda A*
Si la heurstica fuera no monotnica, debe usarse la frmula
f(n) = max f(n),g(n) + h(n) Donde n es el nodo actual y n es el padre de n

A esta frmula se le llama ecuacin de ruta mxima.