36
Centro de Inteligencia Artificial Universidad de Oviedo Sistemas Inteligentes - T1: Introducción SISTEMAS INTELIGENTES T1: Introducción a los SSII {jdiez, juanjo} @ aic.uniovi.es

SISTEMAS INTELIGENTES - Serveraic.uniovi.es/ssii/SSII-T1-Introduccion.pdf · Centro de Inteligencia Artificia l Universidad de Oviedo Sistemas Inteligentes - T1: Introducción Nacimiento

  • Upload
    dinhnhi

  • View
    232

  • Download
    1

Embed Size (px)

Citation preview

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

SISTEMAS INTELIGENTES T1: Introducción a los SSII

{jdiez, juanjo} @ aic.uniovi.es

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Sistemas Inteligentes: Introducción • Definiciones de Inteligencia Artificial

• Breve historia

• Objetivos

• Metodologías

• Agentes

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Definiciones de IA (I) Humanidad Racionalidad

Raz

onam

ient

o C

ompo

rtam

ient

o

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Test de Turing (1950)

Interrogador

A B

¿Cuál de los dos, A ó B, es un

sistema inteligente?

Para engañar al interrogador la máquina debería tener desarrolladas ciertas cualidades: •  Procesamiento de lenguaje natural, visión, robótica •  Representación del conocimiento, razonamiento

automático, aprendizaje automático

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Pensando como humanos •  ¿Cómo piensan los humanos?

°  Introspección ° Experimentos psicológicos

•  Ciencia cognitiva Combina técnicas de IA y psicología para construir teorías sobre el modo de pensar de los humanos

•  Una vez establecidas teorías sobre la forma de pensar humana, se traduce a un programa

•  GPS (General Problem Solver) Newell y Simon Los pasos del razonamiento del GPS deberían ser análogos a la traza del pensamiento humano cuando resuelve los mismos problemas

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Pensando racionalmente • Aproximación de las leyes del

pensamiento ° Aristóteles. Silogismos (patrones de estructuras argumentales correctas) » Se suponía que estas leyes gobernaban las operaciones de la mente

» Primeros desarrollos en el campo de la lógica ° Desarrollo de la lógica (s. XIX y XX)

» Notación precisa » Programas lógicos

° Dificultades » Es difícil formalizar mediante lógica » Recursos computacionales excesivos

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Actuando como humanos • Fundamental cuando se desea que un

sistema inteligente interactúe con humanos

° Dialogar ° Ofrecer explicaciones

• Convenios de mínimos para facilitar el entendimiento

•  La representación subyacente no tiene por qué seguir modelos humanos

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Actuando racionalmente • Concepto de Agente Inteligente

• Deben cumplir dos objetivos: ° Ser capaces de percibir su entorno, y ° actuar racionalmente de acuerdo con el entorno percibido » requiere razonar (lógicamente), » actuar a partir de las conclusiones obtenidas, » no siempre usan inferencia lógica (actos reflejos)

• Es más general que la lógica ° No es la única forma de actuar racionalmente

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Definiciones de IA (II)

“Producir sistemas capaces de adoptar comportamientos que, si

fuesen realizados por seres humanos no dudaríamos en calificar de

inteligentes” Nilsson

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Fundamentos de la I.A.

BIOLOGÍA

FILOSOFÍA MATEMÁTICAS

COMPUTACIÓN

PSICOLOGÍA LINGÜÍSTICA

I.A.

Teoría del razonamiento y del aprendizaje

Teorías formales de la lógica, probabilidad, toma de decisiones…

Funcionamiento del sistema nervioso y de otros sistemas biológicos

Hace posible la implementación real de las soluciones

Investigación de la mente humana

Estructura y significado del lenguaje

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Génesis de la IA (1943-1955) •  McCulloch y Pitts (1943) proponen un modelo

constituido por neuronas artificiales. Mostraron, entre otras cosas, que los conectores lógicos podrían implementarse usando redes sencillas

•  Hebb (1949) propuso y demostró una sencilla regla que permitía que redes adecuadamente definidas pudiesen aprender

•  Turing (1950) introduce el test que debería pasar un computador para considerarse inteligente: la prueba de Turing

•  Minsky y Edwards (1951) construyen el SNARC, el primer hardware neuronal

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Nacimiento de la IA (1956) •  McCarthy, Minsky, Shannon y Rochester (1956)

organizaron un curso de 2 meses en el Darmouth College

•  Newell y Simon presentan el Logic Theorist (LT), capaz de demostrar gran parte de los teoremas del capítulo 2 del Principia Matemática

•  En ese taller se acuñó el nombre de Inteligencia Artificial

•  ¿Por qué una disciplina separada? ° Desde el primer momento abarcó la idea de duplicar facultades humanas: creatividad, auto-mejora, uso del lenguaje

°  Es la única disciplina que persigue la construcción de máquinas que funcionen automáticamente en medios complejos y cambiantes

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Entusiasmo inicial, grandes esperanzas (1952-1969)

•  La mayor parte de la comunidad científica pensaba que “una máquina nunca podría hacer tareas”. Los investigadores en IA respondían demostrando la realización de una tarea tras otra. Era la época de “Mira mamá, ahora sin manos” según McCarthy

•  Al Logic Theorist del Newell y Simon siguió el GPS (General Problem Solver), el primero que incorporó el enfoque de “pensar como un humano”

•  Samuel (1952) escribió una serie de programas que aprendieron a jugar a las damas a nivel amateur

•  McCarthy (1958) definió el lenguaje Lisp, describió el Generador de consejos, que incorporaba principios de representación de conocimiento general y razonamiento

•  Robinson (1965) propone el método de Resolución (completo) para demostrar teoremas usando lógica de predicados

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Entusiasmo inicial, grandes esperanzas (1952-1969) •  Gelernter (1959) construyo el DTG, capaz de

probar teoremas de geometría que muchos estudiantes consideraban muy complejos

•  Se proponen algunos micromundos que parecen requerir inteligencia para resolver problemas en ellos: uno de los más conocidos es el mundo de bloques

•  Los métodos de aprendizaje de Hebb se reforzaron con los adalines (Widrow y Hoff, 1960) y los perceptrones (Rosenblatt, 1962)

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Una dosis de realidad (1966-1973) •  Los primeros sistemas fallaron estrepitosamente al

utilizarlos en problemas más variados y complejos °  Les faltaba conocimiento del problema °  Los problemas eran intratables

•  Los primeros pasos en evolución automática (ahora llamados algoritmos genéticos) tuvieron escaso exito

•  El informe Lighthill (1973) criticó principalmente la incapacidad para tratar con la explosión combinatoria: el gobierno británico retiró ayudas a la investigación en IA

•  Otro obstáculo se derivó de las limitaciones inherentes a las estructuras básicas:

°  Minsky y Papert demostraron la incapacidad de un perceptrón con dos entradas de resolver el problema del XOR

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Sistemas basados en el conocimiento (1969-1979) •  Buchanan, Lederberg y Feigenbaum (1969) construye el

DENDRAL, capaz de inferir una estructura molecular a partir de información de un espectrómetro de masas: fue uno de los primeros sistemas de reglas

•  Le siguió MYCIN (Feigenbaum, Buchanan y Shortlife), capaz de hacer diagnósticos tan buenos como los de un experto en infecciones sanguíneas (y mejor que los de un médico novato)

°  Las reglas se extrajeron de entrevistas con expertos °  Contaban con factores de certeza, usaba razonamiento con

incertidumbre

•  Se avanzó en procesamiento de lenguaje y en planificación

•  Se desarrollaron nuevos lenguajes y esquemas de representación (Prolog, Planner, los marcos de Minsky…)

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

La IA se convierte en industria (1980-actualidad) • R1 (McDermott, 1982) es el primer

sistema experto comercial con éxito Se usa en la elaboración de pedidos informáticos, ahorrando aproximadamente 40 mill. de dólares al año a Digital Equipment Corp.

• En 1988 el grupo de IA de la DEC ya había distribuido 40 sistemas expertos y Du Pont utilizaba más de 100

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Regreso de las redes neuronales (1986-actualidad) •  A mediados de los 80 se retoma el algoritmo de

retropropagación, mencionado por primera vez en 1969 (Bryson y Ho)

•  La difusión de los éxitos obtenidos suscitó gran entusiasmo

•  Surgió cierta rivalidad entre la aproximación conexionista de las redes neuronales y la aproximación simbólica

•  La tendencia actual es que ambas son complementarias, no competidoras

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

La IA se convierte en ciencia (1987-actualidad) •  Se produce una revolución tanto en el contenido

como en la metodología Es más usual el trabajo sobre teorías ya existentes que proponer teorías nuevas

•  La IA ya forma parte del ámbito de los métodos científicos

Formulación formal, experimentación, análisis estadístico de resultados, se usan repositorios de datos y código

•  Surgen o reciben un gran impulso Procesamiento de lenguaje, minería de datos, razonamiento probabilístico, robótica, visión, aprendizaje automático, etc…

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Caracterizaciones de la IA • Objetivos a largo plazo

• En qué se inspira

• Metodología empleada

• Tareas generales que aborda

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Objetivos a largo plazo (I) •  Se ha dado en hablar de Gran IA y Pequeña IA

•  La Gran IA persigue construir robots de inteligencia igual a la humana

•  La Pequeña IA trata de resolver problemas específicos de forma inteligente y de generalizar las técnicas para aplicarlas a otros problemas. Las investigaciones se centran generalmente en alguno de los siguientes objetivos

1.  Producir máquinas que exhiban comportamiento inteligente 2.  Comprender la inteligencia humana en el contexto social 3.  Dar paso a “formas de vida” artificiales 4.  Incrementar el conocimiento científico

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Objetivos a largo plazo (II) •  Producir máquinas que exhiban comportamiento

inteligente puede ser útil: °  pueden llevar a cabo tareas para las que los humanos somos propensos a cometer errores

°  pueden permitirnos acometer tareas que antes no podíamos afrontar

•  Comprender la inteligencia humana en la sociedad Los estudios en Inteligencia Artificial pueden ayudar a comprender mejor la inteligencia humana

°  ¿Cuántas de las actividades que denominamos inteligentes puedes ser replicadas por algoritmos?

°  El estudio de sistemas multi-agente, que cooperan y se comunican para resolver problemas es un ejemplo de inteligencia social

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Objetivos a largo plazo (III) •  Dar paso a “formas de vida” artificiales

El estudio de vida artificial (ALife) está íntimamente relacionado con el concepto de evolución

°  ¿Puede surgir comportamiento inteligente dando suficiente tiempo para que evolucionen formas de vida artificiales?

•  Incrementar el conocimiento científico Las técnicas de IA hacen surgir problemas interesantes en sí mismos, como puede ser la complejidad algorítmica, etc.

° Muchos investigadores en IA no se dedican en absoluto a desarrollar sistemas inteligentes, ni a estudiar la inteligencia humana o la vida artificial

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

En qué se inspira •  ¿Cómo conseguir que un ordenador actúe con inteligencia?

Utilizando la lógica ° Deducción formal

Imitando el razonamiento humano °  Sistemas expertos, planificación, razonamiento, aprendizaje, procesamiento de lenguaje natural

Imitando la actividad biológica del cerebro °  Redes de neuronas artificiales (ANNs)

Usando los fundamentos de la evolución °  Algoritmos genéticos, robótica basada en comportamiento

Construyendo agentes que cooperen/compitan entre ellos °  Sistemas multiagente

Modelos computacionales basados en fuerza bruta °  “Decir que Deep Blue no piensa en el ajedrez es como decir que un avión no vuela porque no agita sus alas” (Drew McDermott, New York Times)

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Metodolgía empleada •  Dos aproximaciones

Científica (“pulcra”) °  Se formula una hipótesis, se demuestra formalmente si la

hipótesis es cierta o falsa y se ejemplifica °  Es una aproximación robusta, pero el progreso para automatizar

tareas complejas es lento Tecnológica (“desaliñada”)

°  Se aplica en problemas muy grandes y no bien definidos, donde suelen combinarse diversas técnicas. A menudo las tareas son tan complejas que se considera un éxito el poder automatizarlas

RHINO: un robot guía interactivo °  Durante seis días guió a los visitantes de un museo en Bonn, evitando

obstáculos, moviéndose entre los visitantes e interaccionando con ellos. Navegó en total más de 18 Km., y guió a más de 2000 personas

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Tareas generales que aborda la IA •  Hacer que un agente

Razone de forma racional °  prueba automática de teoremas, satisfacción de restricciones,

razonamiento basado en casos, etc. Aprenda y descubra nuevo conocimiento

°  aprendizaje automático, data mining Juegue bien (ajedrez, backgammon, etc.)

°  técnicas de búsqueda en juegos con adversarios Se comunique con los humanos

°  procesamiento de lenguaje natural y síntesis del habla Muestre signos de vida

°  algoritmos genéticos, programación genética Maniobre de forma inteligente en el mundo real

°  robótica, planificación, visión artificial

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Agentes • Un agente es cualquier cosa capaz de

percibir su entorno con la ayuda de sensores y actuar sobre dicho entorno mediante actuadores

Sensores

Actuadores

Percepciones

Acciones

Agente

Entorno

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Agentes: algunos conceptos •  Función del agente: define el comportamiento del agente;

proyecta una percepción dada en una acción

•  Programa del agente: implementa la función del agente

•  Agente racional: en cada posible secuencia de percepciones, un agente racional deberá emprender aquella acción que supuestamente maximice su medida de rendimiento, basándose en las evidencias aportadas por la secuencia de percepciones y en el conocimiento que el agente mantiene almacenado

•  Autonomía: se mide por el grado en que su comportamiento viene determinado por su experiencia

°  se requiere un balance entre la falta de autonomía y la autonomía absoluta

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Propiedades de los entornos •  Totalmente/parcialmente observable

Los sensores ¿acceden al estado completo del entorno?

•  Determinista/estocástico El siguiente estado ¿está totalmente determinado por la acción?

•  Episódico/secuencial ¿Se puede dividir la experiencia del agente en episodios atómicos, tales que la elección de acción en cada episodio depende solo de éste?

•  Estático/dinámico ¿Puede cambiar el entorno mientras el agente elige una acción?

•  Discreto/continuo ¿Cómo se maneja el tiempo, las percepciones, las acciones?

•  Individual/Multiagente ¿Hay un solo agente interaccionando en el entorno?¿Es un entorno competitivo o cooperativo?

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Ejemplos de entornos •  Totalmente observable: algunos problemas de juguete

•  Parcialmente observable: conducir

•  Episódico: clasificación

•  Secuencial: jugar al ajedrez

•  Estático: resolver un crucigrama

•  Dinámico: conducir

•  Discreto: ajedrez

•  Continuo: conducir

•  Individual: buscar una ruta en un mapa

•  Multiagente: competitivo: parchís, ajedrez cooperativo: varios robots autónomos en un almacén

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Estructura de los agentes • Agentes reactivos simples

• Agentes reactivos basados en modelos

• Agentes basados en objetivos

• Agentes basados en utilidad

Agentes que aprendan

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Agentes reactivos simples

Agente

Sensores

Actuadores

Entorno

Qué acción debo tomar ahora

Cómo es el mundo ahora

Reglas de condición-acción

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Agentes reactivos basados en modelos

Cómo es el mundo ahora

Qué acción debo tomar ahora

Qué efectos causan mis acciones

Reglas de condición-acción

Cómo evoluciona el mundo

Estado Entorno

Agente Actuadores

Sensores

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Agentes basados en objetivos

Cómo es el mundo ahora

Qué pasará si realizo la acción A

Qué efectos causan mis acciones

Cómo evoluciona el mundo

Qué acción debo tomar ahora

Estado

Objetivos

Entorno

Agente Actuadores

Sensores

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Agentes basados en utilidad

Actuadores

Cómo es el mundo ahora

Qué pasará si realizo la acción A

Qué efectos causan mis acciones

Cómo evoluciona el mundo

Qué acción debo tomar ahora

Estado

Estaré contento en este estado

Utilidad

Entorno

Agente Actuadores

Sensores

Centro de Inteligencia Artificial

Universidad de Oviedo

Sistemas Inteligentes - T1: Introducción

Agentes que aprenden

Elemento de aprendizaje

Generador de problemas

Crítica

Elemento de actuación

retroalimentación

objetivos a aprender

cambios

conocimiento

Nivel de actuación

Entorno

Agente Actuadores

Sensores