UNIVERSIDAD AUTNOMA DE TAMAULIPAS

UNIDAD ACADMICA MULTIDISCIPLINARIA REYNOSA-RODHE

INTELIGENCIA ARTIFICIAL:

Un enfoque prctico

UNIDAD I DEFINICIONES Y CONCEPTOS

1.1 Introduccin y definicin de la Inteligencia Artificial

Desde tiempos inmemorables el hombre siempre ha tenido la inquietud de delegar tareas difciles, ya sea por pesadas, tediosas o repetitivas, lo cual lo ha llevado a desarrollar un sinnmero de herramientas con el fin de aligerar su carga. En la medida que dichas herramientas se asemejan o copian la manera en la que el hombre soluciona sus problemas se habla de Sistemas Inteligentes Sistemas con Inteligencia Artificial (I.A.). La I.A. se define como la ciencia que estudia las funciones cognoscitivas del ser humano para su aplicacin en el diseo de mquinas. Otra definicin aceptable tambin es, que la I.A. es el estudio de como hacer que las computadoras hagan cosas en las cuales hasta hoy el hombre es mejor.

1.2 Elementos de Inteligencia

An cuando a estas alturas ya contamos con una definicin formal de la I.A., es conveniente que definamos el concepto de Inteligencia en trminos generales, dado que sobre esta definicin girarn algunas suposiciones posteriores. Bsicamente podemos definir la Inteligencia en dos bloques funcionales interconectados como se muestra a continuacin en la Figura 1.1 Ambos elementos cuya interdependencia en los esquemas de inteligencia humana es evidente, se encuentran completamente separados en los modelos artificiales

RAZONAMIENTO

CONOCIMIENTO

Fig 1.1. Pag 1-1

Gustavo Len 2009

UNIVERSIDAD AUTNOMA DE TAMAULIPAS

UNIDAD ACADMICA MULTIDISCIPLINARIA REYNOSA-RODHE

INTELIGENCIA ARTIFICIAL:
cuya analoga se muestra en la Figura 1.2.

Un enfoque prctico
direcciones. Estas diferencias se han convertido en una limitacin

PROCESAMIENTO

DATO

Fig 1.2.

Las equivalencias Razonamiento / Procesamiento y Conocimiento / Datos de los modelos Humano / Artificial son solamente un esquema simulado ya que por un lado el razonamiento tiene una naturaleza heurstica (concepto que ser ampliamente descrito en unidades posteriores), mientras el procesamiento es de naturaleza algortmica. Asimismo el conocimiento se localiza a travs de conexiones neuronales mientras que los datos se localizan por medio de

para el desarrollo de sistemas inteligentes, sin embargo en la medida que los esquemas artificiales se asemejen a los humanos estaremos hablando de Sistemas Inteligentes reales. Existen otros elementos asociados con la inteligencia que son de carcter emocional entre los que podemos mencionar: Creatividad Sensibilidad

1.3 El paradigma de las Mquinas

La mquina no puede pensar, hace slo lo que el hombre le dice
"Un grupo de cientficos coloc cinco monos en una jaula, en cuyo centro colocaron una escalera y, sobre ella, un montn de bananos. Cuando un mono suba la escalera para agarrar los bananos, los cientficos lanzaban un chorro de agua fra sobre los que quedaban en el suelo. Despus de algn tiempo, cuando un mono iba a subir la escalera, los otros lo agarraban a palos. Pasado algn tiempo ms, ningn mono suba la escalera, a pesar de la tentacin de los bananos. Entonces, los cientficos sustituyeron uno de los monos. La primera cosa que hizo fue subir la escalera, siendo rpidamente bajado por los otros, quienes le pegaron. Despus de algunas palizas, el nuevo integrante del grupo ya no subi ms la escalera. Un segundo mono fue sustituido, y ocurri lo mismo. El primer sustituto particip con entusiasmo de la paliza al novato. Un tercero fue cambiado, y se repiti

Pag 1-2

Gustavo Len 2009

UNIVERSIDAD AUTNOMA DE TAMAULIPAS

UNIDAD ACADMICA MULTIDISCIPLINARIA REYNOSA-RODHE

INTELIGENCIA ARTIFICIAL:
el hecho. El cuarto y, finalmente, el ltimo de los veteranos fue sustituido. Los cientficos quedaron, entonces, con un grupo de cinco monos que, an cuando nunca recibieron un bao de agua fra, continuaban golpeando a aquel que intentase llegar a los bananos. Si fuese posible preguntar a algunos de ellos por qu le pegaban a quien intentase subir la escalera, con certeza la respuesta sera: No s, las cosas siempre se han hecho as, aqu... le suena conocido?" Es que solo por el hecho que siempre se han hecho as las cosas, es esa la mejor forma de hacerlas?. La obsolescencia total en informtica, es de 5 aos, porqu entonces, no revisamos los procesos que posiblemente tienen muchos ms aos? Joel Arthur Barkeren en su libro "Paradigmas el negocio de descubrir el futuro", define paradigma como: Un conjunto de

Un enfoque prctico
reglas establecidas. Un cambio paradigmtico es, por tanto, un cambio hacia un nuevo juego, un nuevo conjunto de reglas. Pero ms importante que conocer esas nuevas reglas, es conocer qu fue lo que dio lugar al cambio; no hay que esperar a que las tendencias se desarrollen, sino buscar a las personas que estn enredndose con las reglas, porque esa es la primera seal de un cambio importante. Durante mucho tiempo diseadores e ingenieros en el rea de sistemas de cmputo, han cerrado todas las posibilidades hacia el concepto de que pudieran construirse mquinas con inteligencia autnoma, equiparables con la mente humana. Esta barrera ha retardado el desarrollo de sistemas inteligentes por varias razones: Limitaciones tericas Limitaciones tecnolgicas Limitaciones ticas

reglas y disposiciones (escritas o no) que hace dos cosas: establecer o definir lmites, e indicar cmo comportarse dentro de tales lmites para tener xito, al cual se mide por la habilidad para resolver problemas

En cierto sentido, un paradigma indica la existencia de un juego, en qu consiste y cmo jugarlo con xito de acuerdo con las

Pag 1-3

Gustavo Len 2009

UNIVERSIDAD AUTNOMA DE TAMAULIPAS

UNIDAD ACADMICA MULTIDISCIPLINARIA REYNOSA-RODHE

INTELIGENCIA ARTIFICIAL:

Un enfoque prctico

Ejercicio 1.a
Formar equipos de trabajo segn instrucciones del profesor y discutir las 3 limitaciones que conforman el paradigma de las mquinas. Limitaciones tericas

Limitaciones tecnolgicas

Limitaciones ticas

Tiempo :

15 minutos para discusin en grupo 15 minutos para unificacin de criterios en el grupo

Pag 1-4

Gustavo Len 2009

UNIVERSIDAD AUTNOMA DE TAMAULIPAS

UNIDAD ACADMICA MULTIDISCIPLINARIA REYNOSA-RODHE

INTELIGENCIA ARTIFICIAL:

Un enfoque prctico

1.4 Antecedentes Histricos

Los primeros estudios se realizaron con problemas de resolucin geomtrica, sin embargo, las limitaciones tecnolgicas de la poca tanto en Hardware como el Software fueron evidentes. Es decir los conceptos acerca del funcionamiento de la inteligencia rebasaron a la tecnologa de la poca, por lo que su implementacin fue imprctica.

1.4.1 Dcada 50s

En la dcada de los 50's se gener un inters especial por parte de los Pedagogos y Psiclogos, por encontrar los mtodos generales de solucin de problemas con el fin de que estos mtodos se pudieran ensear a los estudiantes y con ellos se mejorara su preparacin. Se haba observado ya en aquel entonces que las personas an conociendo toda la informacin necesaria para resolver correctamente un problema (definiciones, frmulas, mtodos, etc.) son muchas veces incapaces de conseguirlo, realizando con frecuencia razonamientos defectuosos, as como conclusiones errneas. Como prembulo a inicios de los 50s Alan Touring propone un mtodo para evaluar la inteligencia de una mquina y que es descrito en la seccin 1.5. El nacimiento de la Inteligencia artificial se relaciona principalmente a la conferencia Darmouth en el ao de 1956, donde Newell, Shaw y Simon presentaron sus programas para demostrar las proposiciones lgicas Logical Theorist .La expresin Inteligencia Artificial la propuso en aquel mismo ao por John McCarthy. En los aos siguientes a 1956 se dieron las condiciones para el desarrollo del primer programa demostrador de teoremas basado en lgica proposicional (General Problem Solver, por Newell, Shaw y Simon en 1959-60).

1.4.2 Dcada 60s

En la dcada de los 60's con la llegada del lenguaje LISP se dio uno de los primeros pasos para avanzar dentro de los terrenos de la I.A. sin embargo los sistemas desarrollados slo eran simuladores de aplicaciones especficas que distan todava de nuestra definicin de la IA. LISP, desarrollado por McCarthy en 1959 y publicado en 1962 es un lenguaje que reconoce solamente dos tipos de entidades, tomos y listas; la lista es una estructura en rbol binario. El LISP no distingue entre procedimientos y datos y es muy modular, es muy fcil de aadirle reglas o conocimientos. Esta ltima cualidad permiti su rpida adopcin por los investigadores de IA durante la dcada de los 60s. En esta dcada se sentaron los principios bsicos de la investigacin en las estructuras en rbol as como el movimiento de ideas empleadas actualmente en la resolucin de problemas y los sistemas expertos. Los textos Newell y Simon (1972) y Nilsson(1971) marcan el final de este perodo. Los principales mtodos en estructura de rbol, que todava se emplean hoy en los programas de sistemas expertos,

Pag 1-5

Gustavo Len 2009

UNIVERSIDAD AUTNOMA DE TAMAULIPAS

UNIDAD ACADMICA MULTIDISCIPLINARIA REYNOSA-RODHE

INTELIGENCIA ARTIFICIAL:
estaban ya disponibles en aquel tiempo. Pero las realizaciones de los investigadores se concentraron especialmente en problemas fciles de describir, pero muy complejos de resolver, por ejemplo, el juego del ajedrez o la demostracin de teoremas matemticos. Precisamente lo que ha llegado a ser el principal campo de aplicacin de la IA son los problemas imprecisamente definidos que constan de un gran nmero de reglas y de hechos pero de una complejidad estratgica limitada, no haban sido abordados en aquel tiempo. Los investigadores comenzaron a considerar problemas que eran simples de describir donde todo era conocido con certidumbre y donde tena que construirse una profunda y potencialmente amplia estructura de rbol.

Un enfoque prctico
lenguajes orientados a objetos como son el SIMULA-67 (Dhal, Myhrhaug, Nygaard, 1970) y SMALLTALK-72 (Kay, 1976) que es el primero y genuino lenguaje orientado a objetos.
LENGUAJE FORMALIZACIN COMERCIALIZACIN

Prolog Small Talk O.P.S

1972 1972 1978

Tabla 1.1

1975 1980 1981

Es en esta poca cuando surge tambin la primera generacin de sistemas expertos que se constituyeron en los antecesores de los actuales sistemas inteligentes. Dos grandes xitos de sistemas

1.4.3 Dcada 70s

En la dcada de los 70's los programas e investigaciones se enfocan hacia la naturaleza del conocimiento. Investigadores de distintas procedencias (informtica, psicologa filosofa y matemticas) intentan determinar lo que es el conocimiento. Despus de la manera ms natural, dirigen su atencin a la ms compleja de las formas del conocimiento, es decir, a la que es inexacta, mal definida e implcita, en otras palabras: el sentido comn del hombre de la calle. En esta dcada (70s) se desarrollan los primeros lenguajes orientados a la I.A. (ver Tabla 1), En esta dcada los investigadores sintieron la necesidad de enriquecer el LISP y de disear lenguajes en los que el control del razonamiento deductivo fuese fcil de escribir y de comprobar, siendo ste el perodo en el que surgen los primeros

desarrollados en la dcada de los 70's son PROSPECTOR desarrollado por Standford Research Institute (Duda & Hart) en 1974, que ha ayudado a la deteccin de importantes yacimientos minerales. Y el sistema MYCIN diseado en la Universidad de Standford (Shortlife) en el ao de 1977 el cual es un sistema de diagnstico de enfermedades infecciosas de orden bacteriano.

Pag 1-6

Gustavo Len 2009

UNIVERSIDAD AUTNOMA DE TAMAULIPAS

UNIDAD ACADMICA MULTIDISCIPLINARIA REYNOSA-RODHE

INTELIGENCIA ARTIFICIAL:

Un enfoque prctico
de integracin y la reduccin del costo en este rengln han permitido desarrollar nuevas tcnicas y poner en prctica viejas teoras.

1.4.4 Dcada 80s

En la dcada de los 80s se comenzaron a comercializar los Sistemas Expertos. El primer sistema comercial denominado R1 (McDermott, Digital Equipment Corporation1982), se utilizaba en la elaboracin de pedidos de nuevos sistemas de cmputo. Esto en 1986 represent un ahorro de 40 millones de dlares anuales. En esta misma dcada de los 80s se retomaron conceptos y teoras sobre Redes Neuronales para convertirse en una de las fuentes ms promisorias en busca de la Inteligencia Artificial.

1.4.5 Dcada 90s

En la dcada de los 90s nuevas tcnicas fueron probadas como los Modelos de Markov Ocultos y los Algoritmos Genticos, destacando El Sistema Experto Deep Blue que en 1997 ha derrotado al ms grande ajedrecista de nuestros tiempos: Gary Kasparov, lo cual ha sido considerado como uno de los ms grandes logros de

1.4.6 Dcada 00s

Ahora en esta Primera dcada del siglo 21 se ha generado un debate en dos grandes corrientes una denominada neats" y otra llamada scruffies. Mientras los neats buscan y demuestran con mtodos cientficos y desarrollan descripciones formales, los scruffies se apoyan en tcnicas empricas y tratan de simplificar la disciplina con explicaciones ms directas sin palabras rebuscadas ni complicaciones. En esta dcada es tambin en la cual tiene un gran auge un nuevo concepto relacionado con la IA denominado, Vida Artificial (VA). La vida artificial pretende crear vida mediante la imitacin de procesos y comportamientos de los seres humanos, todo esto con el objetivo de solucionar problemas del mundo real. La vida artificial que tienen como objetivo la aplicacin del conocimiento sobre el funcionamiento de cierto

la IA hacia el final del siglo XX. En los 80's y los 90's tambin se han dado cambios significativos debido al vertiginoso avance en la parte de hardware de los sistemas. El alto grado

Pag 1-7

Gustavo Len 2009

UNIVERSIDAD AUTNOMA DE TAMAULIPAS

UNIDAD ACADMICA MULTIDISCIPLINARIA REYNOSA-RODHE

INTELIGENCIA ARTIFICIAL:
fenmeno el cual se denomina de una manera genrica: vida, y su aplicacin dentro de la investigacin y desarrollo de ciertas tecnologas. Esta ya es una nueva disciplina, a la cual se aplicaran principios biolgicos a sistemas computacionales ya que promete ser la rama ms importante y revolucionaria en cuanto a la tecnologa. Las aplicaciones de la vida artificial se pueden encontrar en alguno de estos casos:

Un enfoque prctico
para el desarrollo de robots adaptativos.

La computacin cuntica, que a travs del uso de las propiedades cunticas de los tomos y sus desplazamientos, posibilitara una nueva forma de clculos binarios.

En muchos campos de la vida artificial se plantea dos tipos de simulaciones las cuales ayudan a una toma de decisin en el mundo real las cuales son:

Los sistemas complejos adaptativos, que han dado paso a una nueva generacin de sistemas expertos, que son capaces de aprender y evolucionar. Los autmatas celulares, que imitan funciones de los organismos celulares en programas complejos, aplicando el conocimiento biolgico de los mismos a principios prcticos de organizacin en sistemas de cmputo. Los agentes autnomos que son cada da ms usados en aplicaciones de bsqueda. En el conocimiento de comportamientos adaptativos,

La primera de ellas esta basada en la realidad, centrndose en los aspectos a ms alto nivel de cada problema utilizando frmulas y reglas o hechos histricos que ayudan a la toma de decisiones. Un ejemplo de esto pueden ser las frmulas del tiro parablico ya que estos pueden entenderse como modelos de simulacin. La segunda tambin esta basada en la realidad, poniendo atencin en los aspectos a ms bajo nivel, mediante frmulas o reglas, una de las ventajas de este tipo de simulaciones es que sus caractersticas son ms sencillas, ya que suelen ser ms fciles de detectar.

Ejercicio 1.b
Ver el video de Kasparov vs. Deep Blue Formar equipos de trabajo segn instrucciones del profesor y analizar los paradigmas mostrados en el video.

Pag 1-8

Gustavo Len 2009

UNIVERSIDAD AUTNOMA DE TAMAULIPAS

UNIDAD ACADMICA MULTIDISCIPLINARIA REYNOSA-RODHE

INTELIGENCIA ARTIFICIAL:

Un enfoque prctico
para hacerlo creer que es la persona. Si la mquina tiene xito en esto, se concluir en que la mquina puede pensar. A la mquina se le permite prcticamente cualquier cosa. Por ejemplo, si es interrogada sobre la pregunta Cunto es 12,324 por

1.5 Prueba de Turing

Una de las preguntas ms importantes a resolver por cualquier cientfico o investigador en un proyecto, es la determinacin de si ste ha sido exitoso. La Inteligencia Artificial no es la excepcin. Cmo sabremos si hemos construido una mquina inteligente? En 1950, Alan Turing propuso el siguiente mtodo para determinar si una mquina puede pensar o no. Este mtodo ha sido denominado como Prueba de Turing. Para efectuar este mtodo, se necesitarn dos personas y la mquina que va a ser evaluada. Una de las personas jugar el papel de interrogador. El interrogador puede hacer preguntas ya sea a la persona o a la computadora tener conocimiento de cual es cual. El interrogado slo puede identificarlos como A B y su tarea ser la de determinar cual de ellos es la persona y cual la mquina. La meta de la mquina es engaar al interrogador

73,981 ?, podra tardarse algunos minutos en responder. Nuestras conclusiones al respecto de la prueba de Turing son: Su naturaleza emprica la limita a un nivel bsico No existe una medicin de la magnitud de Inteligencia que una mquina posee Por su sencillez, no requiere de demostraciones ni justificaciones.

Pag 1-9

Gustavo Len 2009

UNIVERSIDAD AUTNOMA DE TAMAULIPAS

UNIDAD ACADMICA MULTIDISCIPLINARIA REYNOSA-RODHE

INTELIGENCIA ARTIFICIAL:

Un enfoque prctico

Ejercicio 1.c
Formar equipos de trabajo segn instrucciones del profesor y responder a los siguientes cuestionamientos: Es la Inteligencia humana perfecta?

Es la Inteligencia humana superior a la de las mquinas? En que aspectos si, y en que aspectos, no?

Sera deseable duplicar solamente aspectos positivos de la Inteligencia humana o los negativos tambin?

Son las emociones parte de la inteligencia o un hecho separado de ella?

Cules considera que son los hechos de la Inteligencia Artificial y lo que pudiera representar una ficcin?

Ejercicio 1.d
Elaborar 5 preguntas con sus respectivas respuestas sobre la seccin 1.4 de Antecedentes histricos y enviarlas por correo electrnico al instructor de la materia

Pag 1-10

Gustavo Len 2009