Universidad Nacional Autónoma de México

Facultad de Ingeniería
Ingeniería en Computación

Inteligencia Artificial

Guillermo Molero-Castillo
Email: g.moleroc@gmail.com Enero, 2019
1
 General

Objetivo El alumno formulará problemas teóricos y prácticos en

áreas significativas de la Inteligencia Artificial.

2
 Temario general

1. Introducción.
2. Agentes inteligentes y ambientes.
3. Representación de problemas y búsqueda de
soluciones.
Temario 4. Razonamiento.
5. Modelos de IA.
6. Aplicaciones.

3
Programa de la experiencia educativa
Semana Tema o actividad
29–31 enero Introducción
5–7 febrero Representación de problemas y búsqueda de soluciones
12–14 febrero Representación de problemas y búsqueda de soluciones
19–21 febrero Representación de problemas y búsqueda de soluciones
26–28 febrero Representación de problemas y búsqueda de soluciones
5–7 marzo Agentes inteligentes y ambientes
12–14 marzo Agentes inteligentes y ambientes
19–21 marzo Primer examen parcial y revisión de avances del proyecto final
26–28 marzo Razonamiento
2–4 abril Razonamiento
9–11 abril Modelos de IA
23–25 abril Modelos de IA
30 abril – 2 mayo Aplicaciones
7–9 mayo Revisión de avances del proyecto final
14–16 mayo Aplicaciones
21–23 mayo Segundo examen parcial y revisión del proyecto final
30 de mayo Revisión y entrega de calificaciones finales
4
Criterios de evaluación

Actividad Porcentaje
Participación en clases y breve ensayo sobre tecnologías emergentes 10
Presentaciones en clase (temas relacionados con Inteligencia Artificial) 10
Elaboración de fichas de investigación 10
Presentación de la propuesta de solución del proyecto final 15
Examen parcial 1 15
Examen parcial 2 15
Entrega y presentación del proyecto final 35
100

5
 I. Contexto

§ ¿Qué es una computadora?

§ ¿Qué puede y qué no puede hacer?
§ ¿Cuánto le cuesta hacer?
§ ¿Cómo se define un modelo formal en computación?
§ ¿Cómo se comparan dos modelos distintos?

6
 I. Contexto

1. Algoritmos

A la derecha, don Algoritmo

§ (*) Al-Khowârizmî o Al-Jwarizmi fue el sobrenombre del célebre
matemático árabe Muhammad ibn Musa (780-850).
§ Escribió un libro en 825 …
§ Que se tradujo en el siglo XII como “Algoritmi de numero Indorum”.

Aporte
§ Las matemáticas no podrían haber avanzado, como lo hicieron, si no
se hubiera reemplazado los números romanos (I, II, III, IV, V,…) por los
hindúes (1, 2, 3, 4, 5, …).

Muhammad ibn Musa (780-850)

* Tiene variantes de deletreo
7
 I. Contexto

1. Algoritmos

El valor del ser humano

§ Si tiene ética, entonces su valor es 1.

§ Además, si es inteligente se agrega un cero, entonces su
valor será10.
§ Si es rico, se agrega otro cero, entonces su valor será 100.
§ Si es una bella persona, entonces su valor será 1000.

§ Pero, si pierde el 1 (ética), perderá todo su valor, pues

solamente le quedarán ceros.

§ Sin valores ni principios, no queda nada.

Actualidad
§ (Conocimiento + Habilidades)*Actitud

8
 I. Contexto

1. Algoritmo

§ Conjunto ordenado y finito de operaciones que permite encontrar la solución a un

problema.
§ Un algoritmo, en términos de un lenguaje de programación, resuelve un problema por
medio de la computadora.

9
 I. Contexto

2. Computación

Algoritmos y máquinas

Se busca entender cómo pensamos, y una vez entendido, reconstruirlo.

Propósito. Formalizar del pensamiento, que es abstracto, donde se

entrelazan dos caminos:

§ Bases matemáticas.
§ Bases computacionales e inteligencia artificial.

Los algoritmos indican CÓMO y en QUÉ orden se deben ejecutar las instrucciones.
Lenguaje de programación es el MEDIO para expresar el algoritmo. Alan Turing (1912-1954)
Las computadoras permiten EJECUTAR el programa.
10
 I. Contexto

2. Computación

Arquitectura de von Neumann

John von Neumann, apoyándose en los principios que diseñó Alan

Turing, desarrolló una arquitectura que propició un salto en el desarrollo
de las primeras computadoras.

§ Hoy sigue vigente, con modificaciones, que han incrementado la

complejidad del modelo de von Neumann.

John von Neumann (1903-1957)

11
 I. Contexto

2. Computación

Karl Pearson (1857-1936) Ronald Fisher (1890-1962) Alan Turing (1912-1954)

Estadística + Computación
Se consolidó una nueva noción en el pensamiento.
* No todo es determinista, la incertidumbre siempre está presente.
* Vivimos con incertidumbre.
12
Inteligencia Artificial

13
 I. Inteligencia Artificial

Inteligencia Artificial

Área de estudio que tiene por objetivo resolver problemas complejos, para los cuales no se
conocen soluciones algorítmicas exactas computables en la práctica, ya sea por su
complejidad o los niveles de incertidumbre de los datos que manejan.

Introducción a la Computación.
Cap. 11. - Inteligencia Artificial
Cengage Learning.
2008.

14
 I. Inteligencia Artificial

Ciclo de la Inteligencia Artificial

En un futuro cercano, la IA tendrá

Computadoras Aprendizaje consecuencias significativas para la
personales automático humanidad y el mercado laboral.

90’ Internet y la
Web mundial

Dos obstáculos (70s): 00` Teléfonos inteligentes

§ Poder de cómputo limitado y costoso. y redes sociales
§ Falta de entendimiento del
funcionamiento del cerebro humano.

Fuente: www.kdnuggets.com/2018/02/current-hype-cycle-artificial-intelligence.html 15
 I. Inteligencia Artificial

En el contexto actual

§ Cuando se habla de IA no estamos invocando al demonio.

§ Es un tipo de inteligencia no biológica impulsada por el aprendizaje automático.

§ El aprendizaje automático es una rama de la inteligencia

artificial, cuyo objetivo es desarrollar técnicas (algoritmos)
que permitan que las computadoras aprendan.

16
 I. Inteligencia Artificial

Complejidad de la IA

Predice y luego
¿Qué se debe hacer? sugiere acciones
Acciones para una mejor
Análisis toma de decisiones
Prescriptivo
Previsión, anticipación
¿Qué podría pasar?
(Foresight)
Análisis
Predictivo
¿Qué sucede? Percepción, agudeza
(Insight)
Valor

Análisis
Descriptivo

Comprensión, retrospectiva
(Hindsight)

Nivel de complejidad

17
 I. Inteligencia Artificial

Complejidad Nivel IV
Razonamiento
Razonamiento

Nivel III
Extracción de patrones
Extracción de patrones

Nivel II
Fusión de datos
Fusión de flujos
de datos
Procesamiento

S1 S2 S3 … Sn

Nivel I Red de sensores

Sensorial

S1 S2 S3 … Sn

18
 I. Inteligencia Artificial

Magnitud de almacenamiento de datos

Múltiplos de bytes

Valor Métrica Petabyte a Exabyte

1000 kB kilobyte
2
1000 MB megabyte 70s Terabyte a Petabyte
3
1000 GB gigabyte 80s Gigabyte a Terabyte
4
1000 TB terabyte 90s
Megabyte a Gigabyte
5
1000 PB petabyte 2010
6
1000 EB exabyte
7
1000 ZB Zettabyte
8
1000 YB yottabyte * Amazon, NASA, Wal-Mart (PB)
* Google (20 EB en disco y 10 EB en copias de seguridad)
* * NSA, CIA, Schlumberger, Chevron 19
Tecnologías emergentes

20
 Tendencia (Tecnologías emergentes)
2010

Fuente: www.gartner.com 21
 Tendencia (Tecnologías emergentes)
2011

22
 Tendencia (Tecnologías emergentes)
2012

23
 Tendencia (Tecnologías emergentes)
2013

24
 Tendencia (Tecnologías emergentes)
2014

25
 Tendencia (Tecnologías emergentes)
2015

26
 Tendencia (Tecnologías emergentes)
2016

27
 Tendencia (Tecnologías emergentes)
2017

28
 Tendencia (Tecnologías emergentes)
2018

29
 Tendencia (Tecnologías emergentes)
2018

Sirve para rastrear

tendencias e
innovaciones con el fin
de identificar su
alcance, estado y valor.

30
 Tarea 1

Elaborar un breve ensayo, de dos cuatillas, sobre las tecnologías emergentes vistas en clase.

Fecha de entrega: Jueves 14 de febrero de 2019

Fuentes complementarias: Gartner, Deloitte

§ www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2019/
§ www.gartner.com/en/newsroom/press-releases/2018-10-15-gartner-identifies-the-top-10-strategic-
technology-trends-for-2019
§ www2.deloitte.com/content/dam/insights/us/articles/Tech-Trends-2018/4109_TechTrends-
2018_FINAL.pdf

http://k1.caict.ac.cn/yjts/qqzkgz/zksl/201808/P020180814355000666438.pdf
31