Aplicaciones Modernas de Inteligencia Artificial Dr Gerardo Reyes Salgado

1INTELIGENCIA ARTIFICIAL Y INTELIGENCIA ARTIFICIAL Y

APRENDIZAJE AUTOMTICOAPRENDIZAJE AUTOMTICO

IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09Web: www.cenidet.edu.mxWeb: www.cenidet.edu.mxWeb: www.cenidet.edu.mxWeb: www.cenidet.edu.mxDr. Gerardo Reyes SalgadoDr. Gerardo Reyes Salgado

2SOBRE EL EXPOSITOR

Doctor en Ciencias Cognitivas por el Instituto Nacional Politcnico de Grenoble, Francia (2001). Maestro en Ciencias Computacionales por el CENIDET, Mxico (1995) . Ingeniero Civil por el Instituto Tecnolgico de Zacatepec, Mxico (1983). Miembro del Sistema Nacional de Investigadores desde 2002. Desde 1985 ha sido profesor en los niveles de bachillerato, licenciatura y actualmente de maestra y doctorado. Profesor honorario de la Universidad Rey Juan Carlos de Espaa.

IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09

Profesor honorario de la Universidad Rey Juan Carlos de Espaa. Ha publicado varios artculos en congresos nacionales e internacionales y en revistas especializadas. Invitado como ponente a varios eventos nacionales e internacionales. Actualmente trabaja como investigador en el grupo Inteligencia Artificial del CENIDET, donde dirige un proyecto en el cual se estudian los procesos de aprendizaje automtico, bajo la perspectiva de los sistemas hbridos. En este proyecto se encuentra dirigiendo tesis de maestra y doctorado. Subdirector Acadmico del CENIDET. DVP del IEEE para Latinoamrica.

31. El aprendizaje en los seres humanos y en los sistemas artificiales .

2. reas de la Inteligencia Artificial (I.A.).

Aplicaciones de la I.A.

PLAN DE LA PRESENTACIN


3. Aplicaciones de la I.A.

4. Tendencias de la I.A.

5. Aprendizaje automtico.

6. Conclusiones.

4TEMA 1EL APRENDIZAJE EN LOS SERES HUMANOS Y EN LOS SISTEMAS

ARTIFICIALES


5HUMANA Facultad de comprender, de conocer. Aptitud deestablecer relaciones entre las percepcionessensoriales o para abstraer y asociar conceptos.

ARTIFICIAL (I.A.) Campo de estudio que se enfoca a la explicacin y

INTELIGENCIA


Campo de estudio que se enfoca a la explicacin yemulacin de la conducta inteligente en funcin deprocesos computacionales.

Consiste en programar computadoras para que hagantareas que actualmente son hechas mejor por los sereshumanos, tales como el aprendizaje perceptual, tomade decisiones, razonamiento, etc.

61. Desarrollar una tecnologa capaz de suministrar a lacomputadora capacidades de razonamiento similares alas de la inteligencia humana (Resultados en la

Para que una entidad sea considerada inteligente bastacon que se comporte inteligentemente, o adems, deberazonar de forma inteligente?

DOS VISIONES DE LA I.A.


las de la inteligencia humana (Resultados en lautilidad y no en el mtodo).

2. Investigar los mecanismos de la inteligencia humanapara utilizar a la computadora como herramienta desimulacin para la validacin de teoras (Enfoque delas ciencias cognitivas: descubrir en qu consiste lainteligencia).

7Una computadora inteligente debera ser capaz de realizar algunas funciones inteligentes tales como:

1. Procesar lenguaje natural.

QU ESPERAMOS DE UN SISTEMA INTELIGENTE


1. Procesar lenguaje natural.2. Percibir el mundo.3. Adquirir conocimientos.4. Aprender .5. Razonar de manera automtica.6. Interacturar con el mundo fsico.

8VEAMOS ALGUNOS EJEMPLOS DE SISTEMAS QUE

APRENDEN . . .

VIDEOS


VIDEOS Torneo de robots futbolistas

El robot QRIO

9UNA GRAN PREGUNTA. . .

QU ES EL APRENDIZAJE


APRENDIZAJE

10

EL APRENDIZAJE EN LA PSICOLOGA

"Es la modificacin habitual y relativamente permanente en algn aspecto de la conducta observable, que ocurre como resultado de

experiencias adquiridas

- Caminar


Cuando hay un propsito, SI es aprendizaje

- Caminar

- Volar

-Nadar

- Comer, etc.

Instintoo

madurez biolgica

11

EL APRENDIZAJE EN LAS CIENCIAS COGNITIVAS

"El aprendizaje es a la vez la construccin del saber y del saber-hacer. El aprendizaje requiere de las capacidades de memoria para estabilizarse, pero para su utilizacin en situaciones diferentes requiere de flexibilidad y adaptacin"

- Psicologa cognitiva


Disciplinas implicadas

- Didctica y ciencias de la educacin- Psicologa animal- Neurociencias

- Neuropediatra- Psicopatologa del nio- Historia y antropologa

- Inteligencia Artificial

12

EL APRENDIZAJE EN LA I.A.

"Cualquier cambio deliberado o dirigido en la estructura del conocimiento de un sistema que permite posteriormente desarrollar mejor alguna tarea


13

ORIGEN DEL APRENDIZAJE EN HUMANOS Y SISTEMAS ARTIFICIALES

1. Habilidades genticamente heredadas

2. Informacin proporcionada

Conjunto de procedimientos o una base de datos


Caminos para

aprender

2. Informacin proporcionada

3. Evaluacin por parte de una segunda persona

4. Experiencia u observacin

5. Analoga

una base de datos

Aprendizaje automtico

14

TEMA 2REAS DE LA INTELIGENCIA

ARTIFICIAL (I.A.)


15

Manejo del lenguaje natural para poder establecer unacomunicacin satisfactoria.

1. PROCESAMIENTO DEL LENGUAJE NATURAL (PLN)


16

Ayuda en la preparacin de textos (guiones, ortografa,sintaxis)

Bsqueda de documentos Minera de textos Interfaces en lenguaje natural Traduccin automtica

APLICACIONES DEL PLN


Traduccin automtica Procesamiento de voz Generacin de texto

Reconocimiento del hablA

17

La visin por computadora tiene como finalidad la reproduccin artificial del sentido de la vista.

Una de sus reas deaplicacin es el

2. RECONOCIMIENTO DE PATRONES VISUALES


aplicacin es elprocesamiento de unaescena para supercepcin autnomapor una computadora.

18

Imagen de entrada

Clasificador (X1,1, X1,2, . . . X1,n)

Base de conocimientos

Vector de caractersticas

Clase 1

Clase 2

RECONOCIMIENTO


(X1, X2, . . . Xn)

(X2,1, X2,2, . . . X2,n)

(Xm,1, Xm,2, . . . Xm,n)

Clase 3

19

3. REPRESENTACIN Y ADQUISICIN DE CONOCIMIENTOS

4,3


(Xm,1, Xm,2, . . .Xm,n)

A BCD

E4,0 0,3

4,3

0,3 1,0

1,3

20

4. APRENDIZAJE AUTOMTICO

Aprendizaje :

Prueba y error

Por experiencia

Mediante rboles de


Mediante rboles de identificacin

Redes neuronales

Evolucin simulada

21

5. RAZONAMIENTO AUTOMTICO

Cmo pueden razonar las mquinas para tomardecisiones de forma "inteligente ?

PROBLEMA


AlgoritmoHeurstica

I.A.NO !! SI !!

22

6. ROBTICALa robtica da a la IA el medio para exhibir al mundo realla inteligencia necesaria para manipular su medio ambiente.

La robtica da a la mente artificial, un cuerpo.


23

TEMA 3

APLICACIONES DE LA I.A.


24

APLICACIONES Procesamiento de imgenes areas y de satlites. Anlisis de imgenes mdicas. Reconstrucciones tridimensionales. Visin industrial para el ensamblado e inspeccin de productos.


25

MS APLICACIONES Identificacin de personas. Construcciones inteligentes. Interfaces inteligentes.

Exploracin (minera, petrolera, etc. ). Diagnstico de fallas (sistemaselctricos, plantas nucleares, etc.). Programacin automtica.


Programacin automtica. Transportacin. Enseanza, simulacin. Juegos. Cine.

26

TEMA 4

TENDENCIAS DE LA I.A.


27

TENDENCIAS DE LA IA

Prueba de TuringDeep blue (ajedrez 97).Copa mundial de robots (Robocup).

Aplicaciones de procesamiento en paralelo.


procesamiento en paralelo.

Knowbots.

Web inteligentes.

Recuperacin de informacin.

Vehculos autnomos.

28

Vida artificial (Alife) : pretende reproducir el comportamiento de los seres vivos, para :

Entender, analizar el fenmeno de la vida.Iniciar con reglas de produccin y

MS TENDENCIAS DE LA IA


Iniciar con reglas de produccin y estudiar comportamientos.

Esfuerzos colaborativos comunitarios.

Alto impacto.

Progreso en corto tiempo.

29

TEMA 5

APRENDIZAJE AUTOMTICO ARTIFICIAL


30

DOS TEORAS EN TORNO A LOS PROCESOS MENTALES

Enfoque Simblico

La mente es un gran manipulador

Enfoque Conexionista

La mente es una gran red de neuronas


manipulador de smbolos al igual que una computadora

de neuronas trabajando en paralelo

31

CARACTERSTICAS DEL ENFOQUE SIMBLICO

El enfoque simblico supone la capacidad de categorizar y de describir fragmentos del mundo continuo que nos

rodea en entidades separadas,


rodea en entidades separadas, estructuradas entre ellas mediante relaciones lgicas

32

ALGUNOS MTODOS DE REPRESENTACIN SIMBLICA

Reglas simblicas

SI x es una imagen Y

x contiene pista(s) Y

x contiene aviones Y

x contiene edificios(s) Y

(algunos) aviones apuntan al(los)

rboles de decisin

CIELO

HUMEDAD VIENTO

P

P N N P

P = 9N = 5

P = 2N = 3

P = 3N = 2

P = 4

P = 2 N = 3 N = 2 P = 3

SoleadoCubierto

Lluvioso

Normal Alta Si No

CIELO

HUMEDAD VIENTO

P

P N N P

P = 9N = 5

P = 2N = 3

P = 3N = 2

P = 4

P = 2 N = 3 N = 2 P = 3

SoleadoCubierto

Lluvioso

Normal Alta Si No


(algunos) aviones apuntan al(los)

edificio(s),

ENTONCES x es una imagen de un

aeropuerto comercial.

Razonamiento basado en casos

Problema

Solucion

Problema similar

Solucion adaptada

Problema

Solucion

Problema similar

Solucion adaptada

33

CMO OBTENER CONOCIMIENTO SIMBLICO A PARTIR DE ESTA BASE DE EJEMPLOS?

No Estatura IQ Peso A.Ment. Resist Veloc. Clase1 168 150 58 8 6 4 ajedrecista2 176 148 62 9 7 5 ajedrecista3 180 110 98 6 6 9 futbolista4 188 115 104 7 5 9 futbolista5 192 100 85 5 9 5 basquetbolista6 196 120 97 6 8 4 basquetbolista7 200 105 94 4 8 6 basquetbolista8 204 120 100 6 9 4 basquetbolista9 168 150 58 8 6 4 ajedrecista

10 180 110 98 6 6 9 futbolista11 184 120 100 6 4 8 futbolista12 188 115 104 7 5 9 futbolista13 192 100 85 5 9 5 basquetbolista14 196 120 97 6 8 4 basquetbolista


14 196 120 97 6 8 4 basquetbolista15 200 105 94 4 8 6 basquetbolista16 204 120 100 6 9 4 basquetbolista17 160 150 58 8 6 4 ajedrecista18 166 145 67 9 5 6 ajedrecista19 167 148 62 9 7 5 ajedrecista20 179 110 98 6 6 9 futbolista21 191 100 85 5 9 5 basquetbolista22 170 150 58 8 6 4 ajedrecista23 169 145 67 9 5 6 ajedrecista24 173 148 62 9 7 5 ajedrecista25 182 110 98 6 6 9 futbolista26 186 120 100 6 4 8 futbolista27 182 115 104 7 5 9 futbolista28 197 100 85 5 9 5 basquetbolista29 198 120 97 6 8 4 basquetbolista30 204 105 94 4 8 6 basquetbolista31 200 120 100 6 9 4 basquetbolista

34

EJEMPLOS DE SISTEMAS QUE GENERAN REPRESENTACIONES SIMBLICAS

SEE5(Construye rboles de

decisin o reglas a partir de datos

numricos)


RESISTENCIA

PESOB

A F

A = 9B = 13F = 9

A = 9F = 9

13

9 9

> 7

35

SEE5: CONSTRUCCIN DE RBOL DE DECISIN O REGLAS

RESISTENCIA

PESO

B

A = 9B = 13F = 9

A = 9F = 9

13

> 7

36

CARACTERSTICAS DEL ENFOQUE CONEXIONISTA


37

LA RED NEURONAL BIOLGICA: UNA COMPUTADORA HUMANA QUE APRENDE


38

UNA NEURONA BIOLGICA EN DETALLE


39

UNA NEURONA ARTIFICIAL EN DETALLE

Fct (Net)

Funcin de activacin (Regulacin de la salida)

Salida (Axn y sinapsis hacia otras unidades)

IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09X1 X2 XN

w1

w2

wN

. .

. . .

Net = Wi . Xi+BiaisN

i

Entradas (Dendritas)

Pesos sinpticos (Efecto de inhibicin o excitacin sobre la activacin de las seales de entrada)

Activacin (Suma el conjunto de entradas y sus pesos asociados)

40

UNA RED NEURONAL ARTIFICIAL

Unidad jcapa de salida

En las redes neuronales (o conexionistas), los conocimientos son representados por las ligas entre las unidades (neuronas artificiales) y

sus pesos sinpticos asociados

Pesoij


Unidad icapa oculta

capa de entrada

41

APRENDIZAJE CONEXIONISTAEl aprendizaje es un proceso gradual e iterativo, donde los

pesos de la RNA son modificados segn una regla de aprendizaje antes de alcanzar sus valores finales.

Detener cuando el error global < error aceptado


1 2 4 2 5 1 1

1 2 4 2 5 1 1

2 2 4 2 5 1 2

1 0 2 2 2 1 2

3 2 6 2 25 2 1

1 0 4 2 1 1 2

4 4 18 5 2 3 1

aceptado

42

EJEMPLO: UNA RNA QUE APRENDE A CLASIFICAR

X Y Clase1 1 A2 1 A-3 -1 B-2 -3 B

A

A

AA

AA

A

A

AA

A

A

A

A

AA

AA

AAA

B AB

B

BB

B

BB

solucin

Clase


4 2 A0 0 B3 3 A-1 -3 B... ... ...

AA

A

AA

ABB B

B

BB

BB

B

BB B B

B

B

B

B

B

A

A

BB

X Y

wi wnww

43

EJEMPLO DE SISTEMA

CONEXIONISTA QUE APRENDE

BRAINMAKER


10 180 110 98 6 6 9 futbolista11 184 120 100 6 4 8 futbolista12 188 115 104 7 5 9 futbolista13 192 100 85 5 9 5 basquetbolista14 196 120 97 6 8 4 basquetbolista15 200 105 94 4 8 6 basquetbolista16 204 120 100 6 9 4 basquetbolista


(Aprende a reconocer o clasificar objetos a partir de datos

numricos)

16 204 120 100 6 9 4 basquetbolista17 160 150 58 8 6 4 ajedrecista18 166 145 67 9 5 6 ajedrecista19 167 148 62 9 7 5 ajedrecista20 179 110 98 6 6 9 futbolista21 191 100 85 5 9 5 basquetbolista22 170 150 58 8 6 4 ajedrecista23 169 145 67 9 5 6 ajedrecista24 173 148 62 9 7 5 ajedrecista25 182 110 98 6 6 9 futbolista26 186 120 100 6 4 8 futbolista27 182 115 104 7 5 9 futbolista28 197 100 85 5 9 5 basquetbolista29 198 120 97 6 8 4 basquetbolista30 204 105 94 4 8 6 basquetbolista31 200 120 100 6 9 4 basquetbolista

Ajedrecista = 1

Futbolista = 2

Basquetbolista = 3

44

TEMA 6

CONCLUSIONES


45

CONCLUSIONES

Cmo es posible que un diminuto y lento cerebro tengacapacidad para percibir, comprender, predecir y manipular unmundo que en tamao y complejidad lo excede a creces?

La IA es una ciencia nueva con mucho camino y con pasosprometedores.


prometedores.

La prediccin de futuras aplicaciones son inimaginables.

La IA trata de imitar aspectos de la vida natural (reproducirfunciones y comportamientos) no de dar vida.

46

GRACIAS !!!GRACIAS !!!Cenidet:

www.cenidet.edu.mx


Email - Dr. Gerardo Reyes :

[email protected]

Documents

Aplicaciones Modernas de Inteligencia Artificial Dr Gerardo Reyes Salgado