Introduction

INTELIGENCIA
ARTIFICICIAL
TEMA: Introducción
Ing. Iván A. Calle Flores

1
INTELIGENCIA ARTIFICIAL
Autor: Iván A. Calle Flores
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 acción?
Aristóteles 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?
¿ Como manejamos la información imprecisa?
Boole Lógica booleana ‘inferencia’
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?
¿ Como hacer esto cuando el beneficio no es inmediato?
Adam Smith Teoría de la riqueza de las naciones
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. (Herbert Simon, 1957)
● La mayoría 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

Introduction

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Introduction

Transféré par

Droits d'auteur :

Formats disponibles

INTELIGENCIA

Ing. Iván A. Calle Flores

MT616: Inteligencia Artificial

 Modelos lineales (regresión y clasificación)

 Redes Neuronales Artificiales

 Support Vector Machine(SVM)

In which we try to explain why we consider artificial intelligence to be a subject

● La ‘inteligencia’ es de suma importancia

● AI busca no solo entender la ‘inteligencia’

● AI comprende muchas sub áreas.

1.1.Acting humanly - The Turing Test

● Fue un test diseñado con el fin de proveer

● Una computadora pasaba el test si un

 Procesamiento de lenguaje (Natural language processing)

 Representación de conocimiento – Knowledge representation

 Razonamiento automático – Automated reasoning

 Aprendizaje – Machine learning

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

● El test de Turing completo busca además, medir

 Visión por computadora (Computer vision)

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

1.2. Thinking humanly – The cognitive modeling

● Computadoras que piensen como los humanos

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

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

1.3. Thinking rationally – The ‘laws of thought’

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

● Computadoras que piensen ‘correctamente’ usando los principios

● Este enfoque tiene dos obstáculos principales

1.4. Acting rationally – The rational agent approach

● Un agente es algo que actúa.

 Crear y seguir metas

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

● Este enfoque tiene 2 ventajas sobre los otros enfoques

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

Definimos la inteligencia artificial como el área de estudio de agentes

2. RELACION ENTRE LA I.A Y OTRAS

¿ Como es que la mente nace del cerebro?

Da Vinci, Pascal Calculadores mecánicos

Las acciones se justifican por una conexión lógica entre la

¿ Cuales son las reglas validas para sacar conclusiones?

Tractabilidad Tiempo requerido para solucionar un problema conforme

Regla de actualización de la probabilidad en base a

¿ Como tomar decisiones con el fin de tener mejores beneficios?

Von Neumann Teoría de los juegos y comportamiento económico

Richard Bellman Markov decision processes

Como el cerebro procesa la información?

Paul Broca Cada parte del cerebro controla determinadas

Camillo Golgi Técnica para la observación de neuronas

Hans Berger Medida de la actividad cerebral –

Ogawa Functional magnetic resonance

Como los humanos y animales piensan y actúan?

Cognitive science Uso de modelos computacionales para representar la

2.6. Ingeniería de la computación

Procesamiento Desde el 2005 debido a problemas de

2.7. Teoría de control

Como los aparatos operan bajo su propio control?

Control optimo Diseño de sistemas que maximicen una

● McCulloch & Pitss (1943).

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

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

3.2. El nacimiento de la I.A(1956)