Upload
arturo-sanchez-perez
View
22
Download
4
Embed Size (px)
Citation preview
1Inteligencia Artificial
HB/AFG: 2007/2008 1
Inteligencia Artificial
Mster oficial en informtica grfica,
juegos y realidad virtual
Curso acadmico: 2007/2008
Profesores: Holger Billhardt,
Alberto Fernndez Gil
Inteligencia Artificial
HB/AFG: 2007/2008 2
Tema 1: Introduccin
1. Introduccin
1.1 Qu es la IA?
1.2 Agentes de resolucin de problemas
1.3 Juegos y sus caractersticas
1.4 Representacin de juegos como problemas
1.5 Principio de resolucin de problemas
Resumen:
2Inteligencia Artificial
HB/AFG: 2007/2008 3
Real academia de la lengua:
inteligencia.inteligencia.inteligencia.inteligencia.(Del lat. intelligenta). 1.1.1.1. Capacidad de entender o comprender. 2.2.2.2. Capacidad de resolver problemas. 3.3.3.3. Conocimiento, comprensin, acto de entender. 4.4.4.4. Sentido en que se puede tomar una sentencia, un
dicho o una expresin. 5.5.5.5. Habilidad, destreza y experiencia. 6.6.6.6. Trato y correspondencia secreta de dos o ms
personas o naciones entre s. 7.7.7.7. Sustancia puramente espiritual.
~ artificial.artificial.artificial.artificial. 1.1.1.1. Desarrollo y utilizacin de ordenadores con los que se
intenta reproducir los procesos de la inteligenciainteligenciainteligenciainteligenciahumana.
Que es Inteligencia (Artificial)?
Inteligencia Artificial
HB/AFG: 2007/2008 4
Pregunta a varias personas Que es inteligencia?
Inteligencia parece estar vinculado al entorno cultural
Segn el test de inteligencia que se haca en 1912 a los inmigrantes que
entraban en EEUU, el 80 % de los hngaros, el 79% de los italianos y el
67% de los rusos eran (segn el test) dbiles mentales
Dnde estn los lmites de la inteligencia?
Aristteles: el hombre es un ser racional porqu algunas personas saben
sumar
Minsky: inteligencia es la forma de resolver problemas que an no se
entienden
Una vez que un ordenador es capaz de realizar algo inteligente, la
gente deja de considerarlo inteligencia.
La IA es todo lo que no se ha hecho hasta ahora.
Cual es la diferencia entre el comportamiento instintivo y el
comportamiento inteligente?
Que es Inteligencia (Artificial)?
3Inteligencia Artificial
HB/AFG: 2007/2008 5
Objetivo: estudiar los entes inteligentes
cientfico: entender (modelar, describir) los entes inteligentes
ingenieril: construir entes inteligentes
Disciplinas relacionadas:
Filosofa
Matemticas
Psicologa:
Lingstica:
Sociologa:
Ingeniera:
modelar y proporcionar el comportamiento inteligente
(informtica)
crear los cuerpos de los artefactos inteligentes (ingeniera)
Que es Inteligencia (Artificial)?
Inteligencia Artificial
HB/AFG: 2007/2008 6
Entender los entes inteligentes:
Facultades de los seres inteligentes
Comunicacin
Conocimiento de si mismos
Conocimiento y percepcin del entorno
Interaccin con el entorno
Intencionalidad
comportamiento dirigido por metas
Creatividad
Capacidad de usar y aplicar su conocimiento
Razonamiento e inferencia
Inteligencia Artificial: Objetivos
4Inteligencia Artificial
HB/AFG: 2007/2008 7
Inferencia:
- hacer suposiciones de lo que significan hechos (observados y/o
conocidos)
- sacar consecuencias de algo o deducir algo de otra cosa
Razonamiento:
Capacidad de derivar inferencias a partir de conocimiento y de
observaciones con el proposito de alcanzar una meta o resolver
un problema.
Tipos de razonamiento:
Deductivo
Abductivo
Inductivo
Razonamiento e inferencia
Inteligencia Artificial
HB/AFG: 2007/2008 8
Razonamiento deductivo:
- Inferir hechos concretos a partir de otros hechos y de aserciones
generales
- Ejemplo:
Hecho concreto: Pepe es un pjaro.
Asercin general: Todos los pjaros pueden volar.
Conclusin: Pepe puede volar.
Razonamiento abductivo:
- Establecer hiptesis a partir de hechos concretos y de suposiciones
generales
- Eada justifica la inferencia abductivo, excepto que proporcione una
explicacin de los hechos
- Ejemplo:
Asercin general: Cualquier asesino estaba en el lugar del crimen.
Hecho concreto: Pepe estaba en el lugar del crimen.
Conclusin: Pepe es el asesino.
Tipos de Razonamiento
5Inteligencia Artificial
HB/AFG: 2007/2008 9
Razonamiento inductivo:
Inferir suposiciones generales a partir de (muchos) hechos concretos
(aprendizaje)
Ejemplo:
Conclusin: Animales que son pjaros y pequeos pueden volar.
Tipos de Razonamiento
sipequeopjarourraca
nograndepeztiburn
sipequeopjaropaloma
sipequeopjarogaviota
nograndepjaroavestruz
nograndemamferoselefante
Puede volarTamaoEspecieAnimal
Inteligencia Artificial
HB/AFG: 2007/2008 10
Inteligencia Artificial: Objetivos
Construir entes inteligentes:
Diferentes enfoques:
Sistemas que piensan como humanos
La interesante tarea de lograr que las computadoras piensen...
Mquinas con mente, en su amplio sentido literal (Haugeland 1985)
Sistemas que actan como humanos
El arte de crear mquinas con capacidad de realizar funciones que
realizadas por personas requieren inteligencia (Kurzweil 1990)
Sistemas que actan de forma racional
La rama de la Informtica que se ocupa de la automatizacin del
comportamiento inteligente (Luger & Stubblefield, 1993)
IA fuerte
IA dbil
6Inteligencia Artificial
HB/AFG: 2007/2008 11
Pensar como humanos
General Problem Solver (GPS) [Newell & Simon 1961]:
resuelve problemas mediante la descomposicin en subproblemas ms
simples
se centra en la comparacin de los pasos de razonamiento del GPS con
los pasos seguidos por una persona al resolver el mismo problema
Ciencia Cognitiva:
modelos computacionales (IA) + tcnicas experimentales (psicologa)
construir teoras rigurosas y verificables acerca de los procesos mentales
Modelado cognitivo:
abrir la caja negra de la mente humana
analizar los procesos mentales (introspeccin, experimentos)
desarrollar una teora acerca de los procesos mentales
aplicar esta teora en la simulacin de dichos procesos en un ordenador
Inteligencia Artificial
HB/AFG: 2007/2008 12
Actuar como humanos
Prueba de Turing : [Alan Turing, 1950]
Un evaluador humano y dos interlocutores estn separados por mamparas
Un interlocutor es una persona y el otro un ordenador
El evaluador formula preguntas a travs de un teletipo, y los interlocutores dan sus respuestas del mismo modo
El ordenador supera la prueba, si el evaluador no es capaz de distinguir entre l y el humano
Capacidades requeridas :
procesamiento del lenguaje natural
representacin del conocimiento y razonamiento
aprendizaje
Prueba total de Turing:
incluye seales de vdeo y objetos fsicos
requiere capacidad de visin computacional y robtica
7Inteligencia Artificial
HB/AFG: 2007/2008 13
Actuar de forma racional
Racionalidad:
prescriptivo: como las personas deberan actuar
sentido estricto: cmo sacar conclusiones verdaderas?
sentido amplio: cmo actuar y sobrevivir en un entorno?
Pensar de forma racional:
leyes de pensamiento de Aristteles: razonamiento irrefutable
lgica formal :
lenguaje formal para representar todo tipo de entes en el mundo
modelo riguroso para razonar sobre dichos entes
en su estado puro, ms estrechamente relacionado con la
filosofa y las matemticas
Objetivo de IA:
modelar/construir sistemas que actan de forma racional
Inteligencia Artificial
HB/AFG: 2007/2008 14
Actuar de forma racional:
enfoque relativo al contexto: actuar de forma correcta en un entorno
no se limita a la inferencia racional (lgica)
a veces es imposible determinar formalmente cul es la mejor accin
en algunas situaciones es racional emprender una accin buena
inmediatamente en vez de esperar hasta determinar la alternativa ptima
se pueden determinar acciones racionales por inferencias no lgicas
Ventajas:
pone nfasis en una perspectiva ingenieril
destaca la relacin entre comportamientos inteligentes y el entorno en el
que se desarrollan
proporciona criterios transparentes para evaluar conducta inteligente
permite una concepcin integrada de las distintas tcnicas y subreas de la
Inteligencia Artificial
Actuar de forma racional
8Inteligencia Artificial
HB/AFG: 2007/2008 15
Inteligencia Artificial: Historia
1940/50:
Programas que resuelven tareas bsicas de razonamiento (jugar al ajedrez /
jugar a las damas / probar teoremas geomtricos)
primeros modelos de neuronas artificiales (McCulloch/Pitts)
1960/70:
representaciones especializadas del conocimiento (reglas, marcos, guiones)
primeros sistemas expertos (Dendral, Prospector, Mycin)
declive de la computacin neuronal (anlisis de los Perceptrones de Minsky)
1980:
aplicaciones comerciales de los sistemas expertos
proyecto de software de quinta generacin en Japn
1990 hasta hoy:
regreso de las redes de neuronas
modelos de incertidumbre (cadenas de Markov, redes Bayesianas)
agentes inteligentes (robots autnomos, sistemas multiagente)
. . .
Inteligencia Artificial
HB/AFG: 2007/2008 16
Inteligencia Artificial: Subreas
Resolucin de problemas mediante bsqueda:
actuar de forma racional en entornos bien definidos: espacios de estado
(entornos accesibles, deterministas, estticos y discretos)
Representacin del conocimiento y razonamiento
combatir la complejidad : estructurar la representacin del entorno
entornos inaccesibles / no deterministas: razonamiento no-montono
. . .
Planificacin:
combatir la complejidad : representacin estructurada + inferencia especializada
entornos no-deterministas: planificacin condicional
entornos dinmicos: replanificacin
Aprendizaje:
combatir la complejidad: aprender a actuar ms rpido
mejorar el rendimiento: aprender a actuar mejor
mejorar la autonoma: reducir dependencia de conocimientos a priori
9Inteligencia Artificial
HB/AFG: 2007/2008 17
Incertidumbre:
entornos inaccesibles/ no deterministas/ continuos: creencias
(lgica borrosa, redes Bayesianas...)
medidas de rendimiento basados en la utilidad esperada
(Teora de la Utilidad, inferencia basada en la Teora de la Decisin)
Comunicacin:
entornos en el que el agente interacta de forma flexible con humanos
(procesamiento del lenguaje natural, actos de habla, ...)
entornos multiagente (razonar sobre otros agentes, coordinacin,
lenguajes de comunicacin entre agentes, ...)
Percepcin y actuacin:
robtica: entornos fsicos y agentes hardware
visin computacional
Inteligencia Artificial: Subreas
Inteligencia Artificial
HB/AFG: 2007/2008 18
Tema 1: Introduccin a la IA
1. Introduccin
1.1 Qu es la IA?
1.2 Agentes de resolucin de problemas
1.3 Juegos y sus caractersticas
1.4 Representacin de juegos como problemas
1.5 Principio de resolucin de problemas
Resumen:
10
Inteligencia Artificial
HB/AFG: 2007/2008 19
Agentes
Agente:
ente activo embebido en un entorno
cuerpo:
percibe el entorno por medio
de sensores
acta sobre el entorno por
medio de efectores
mente:
determina las acciones a partir
de las percepciones
medida de rendimiento que gua
dicho proceso
entorno
percepciones
acciones
Inteligencia Artificial
HB/AFG: 2007/2008 20
Tipos de Agentes
Agentes naturales:
cuerpo biolgico y entorno natural
sensores: ojos, odos, lengua, etc.
efectores: piernas, brazos, manos, etc.
medida de rendimiento: sobrevivir, reproducirse, ...
Agentes artificiales:
agentes hardware (robots):
interactan directamente con un entorno fsico
disponen de un cuerpo fsico
sensores: cmaras, telmetros infrarojos, etc.
efectores: ruedas/piernas, manipuladores, etc.
agentes software (softbots):
actan en entornos virtuales (p.e. Internet)
todo software: no necesitan manipular fsicamente el entorno
sensores y efectores: dependientes del entorno
11
Inteligencia Artificial
HB/AFG: 2007/2008 21
Agente inteligente
Agentes inteligentes:
actan de forma racional en su entorno
determinantes de un comportamiento racional :
medida de rendimiento: define el grado de xito del agente
secuencia de percepciones: la experiencia del agente
conocimientos a priori sobre su entorno
capacidades: las acciones que el agente pueda emprender
Comportamiento racional:
a partir de la secuencia de percepciones hasta el momento, y el
conocimiento a priori sobre el entorno
elegir entre las capacidades la accin que maximice la medida de
rendimiento
Racionalidad Omnisciencia
la seleccin racional de acciones slo se basa en la informacin disponible
Inteligencia Artificial
HB/AFG: 2007/2008 22
Autonoma
Autonoma:
no bajo el control inmediato de una persona
un agente es ms autnomo...
... cuanto ms se rige su comportamiento por su propia experiencia
... cuanto menos depende de sus conocimientos a priori
Problema:
los conocimientos a priori compilan la inteligencia del diseador
un agente que no presta atencin a sus percepciones
no sera inteligente
slo podra actuar en entornos extremadamente simples
no puede actuar con xito en situaciones no anticipadas
(escarabajo de estircol)
Agente inteligente = comportamiento racional + autonoma
12
Inteligencia Artificial
HB/AFG: 2007/2008 23
Problema:
Se tiene un problema si se quiere conseguir un objetivo y no se conoce qu
accin o qu serie de acciones llevan a conseguir este objetivo.
Componentes de un problema:
Individuo (agente, humano, ...)
Estado actual (percepcin del mundo real)
Estado meta (objetivo)
Acciones (que el individuo puede realizar)
influyen en el mundo (cambian el estado del mundo)
deben existir varias acciones
el individuo debe ser capaz de seleccionar una accin
las acciones deben repercutir de forma diferente en la consecucin del objetivo
Voluntad de conseguir el objetivo por parte del individuo
el individuo ignora cual es la mejor secuencia de acciones para conseguir el
objetivo
Resolucin de problemas
Inteligencia Artificial
HB/AFG: 2007/2008 24
Agentes de resolucin de problemas
Son entes que desean resolver problemas
Realizan acciones para modifican el estado del mundo de acuerdo con
sus objetivos
2
8
3
1
6
4
7
5
1 2 3
4
567
8
13
Inteligencia Artificial
HB/AFG: 2007/2008 25
Agentes de resolucin de problemas
Ciclo de actuacin del agente:
1. Percibir y clasificar la situacin presente
2. Buscar una accin (o un plan de actuacin)
3. Ejecutar la accin (o el plan de actuacin)
Los agentes son especializados:
el diseador dota al agente a priori con conocimientos especficos
que definen el entorno del problema
que definen los objetivos
se supone una percepcin y una ejecucin ideal
Inteligencia Artificial
HB/AFG: 2007/2008 26
Tipos de Agentes
Funcin percepcin-accin:
Agentes estimulo-reaccin (reactivos) :
calculan las acciones directamente a partir de las percepciones
frecuentemente siguen un enfoque conexionista
en muchos dominios permite generar rpidamente acciones buenas
Agentes deliberativos:
mantienen un modelo simblico de su entorno
anticipan los efectos potenciales de sus acciones a travs del modelo
permite evitar emprender acciones equivocadas y irrevocables
Agentes hbridos: combinan ambos enfoques
enfoque reactivo para acciones inmediatas
enfoque deliberativo para acciones estratgicos
14
Inteligencia Artificial
HB/AFG: 2007/2008 27
Tema 1: Introduccin a la IA
1. Introduccin
1.1 Qu es la IA?
1.2 Agentes de resolucin de problemas
1.3 Juegos y sus caractersticas
1.4 Representacin de juegos como problemas
1.5 Principio de resolucin de problemas
Resumen:
Inteligencia Artificial
HB/AFG: 2007/2008 28
Juegos y sus caractersticas
Juegos:
Presentan una gran similitud con problemas reales
Estn bien formuladas
Unen riqueza (complejidad) y simplicidad
Jugar bien requiere inteligencia:
en muchos juegos no se conoce un algoritmo que garantice una
solucin
Son ejemplos claros de problemas de toma de decisiones
Se han utilizado tradicionalmente como campo de estudio y de
aplicacin de IA
Agentes que juegan a juegos complejos y son capaces de mejorar su
juego pueden ser los precursores de artefactos inteligentes del futuro
15
Inteligencia Artificial
HB/AFG: 2007/2008 29
Caractersticas generales
Caractersticas generales para el empleo de IA en los juegos:
Secuenciales: las jugadas se efectan de forma secuencial y los efectos son
inmediatos
Discretos: un nmero finito de jugadas posibles en cada estado del juego
Implcitos: no se sabe a priori la ganancia obtenida con una jugada
Voluntad de ganar: Existe un conjunto de estados objetivos y la voluntad
de conseguirlos
Deterministas o semideterministas: los resultados de acciones son
previsibles
Accesible: se puede percibir el estado actual y se puede determinar si es un
estado objetivo
Para muchos juegos, jugar bien es un problema bien definido.
Inteligencia Artificial
HB/AFG: 2007/2008 30
Caractersticas de Juegos
Nmero de jugadores:
unipersonales: 8-puzzle, laberinto, comococos, ...
varios jugadores: ajedrez, damas, parchis
Determinista frente a no determinista:
Los acciones del agente en un estado actual determinan
completamente el estado resultante?
con elementos de azar: backgammon, juegos con dados
sin elementos de azar: damas, ajedrez
16
Inteligencia Artificial
HB/AFG: 2007/2008 31
Caractersticas de Juegos
Totalmente observable frente a parcialmente observable:
El agente puede determinar inequvocamente el estado del juego?
informacin completa: damas, ajedrez
informacin incompleta: laberinto, pker
Esttico frente a dinmico:
El estado del entorno pueda cambiar mientras que el agente delibera?
Puede cambiar sin que el agente acte?
esttico: laberinto, 8-puzzle
semidinmico (cambios previsibles): ajedrez, damas
dinmico: videojuegos
Inteligencia Artificial
HB/AFG: 2007/2008 32
Juegos y sus caractersticas
Para qu sirve la inteligencia
artificial en juegos de ordenadores?
17
Inteligencia Artificial
HB/AFG: 2007/2008 33
Tema 1: Introduccin a la IA
1. Introduccin
1.1 Qu es la IA?
1.2 Agentes de resolucin de problemas
1.3 Juegos y sus caractersticas
1.4 Representacin de juegos como problemas
1.5 Principio de resolucin de problemas
Resumen:
Inteligencia Artificial
HB/AFG: 2007/2008 34
Problema:
Descripcin de los estados (posibles situaciones)
Descripcin de los operadores (acciones)
determina en que condiciones (estados) se puede aplicar una accin
determina el resultado de realizar una accin (el estado resultante)
Funcin de coste que asigna un coste a cada accin ( o secuencia de
acciones)
Descripcin de la solucin
un estado objetivo (4 reinas)
una accin (laberinto)
una secuencia de acciones (8-puzzle)
Instanciacin del problema:
Estado meta
Estado inicial (situacin actual)
Componentes que definen un problema
18
Inteligencia Artificial
HB/AFG: 2007/2008 35
Ejemplo: 8-Puzzle
Estados:
posicin de cada una de las piezas 2
8
31
6
47
5
Estado inicial
1 2 3
4
567
8
Estado meta
Acciones:
mover pieza adyacente a la posicin
del hueco
de 2 a 4 operadores aplicables,
segn el estado
Coste:
La aplicacin de cada operador vale
una unidad
Problema: Instanciacin:
Solucin:
secuencia de acciones que lleva de
un estado inicial al estado meta
Inteligencia Artificial
HB/AFG: 2007/2008 36
Representacin de problemas /
bsqueda en el espacio de estados
Ejemplo con 3-Puzzle
2 1
3
21
3
21
3 2
1
3
2
1 3 23
1
2
3 12
1 3
2
1
3
2
3 12
1
3
2 1
3
Instanciacin
estado inicial
estado meta
Solucin ptima
19
Inteligencia Artificial
HB/AFG: 2007/2008 37
Bsqueda en espacios de estados
mundo modelo representacin
situacion estado nodo
accin y sus efectos operador arco
solucin plan (secuencia de
acciones); accin;
estado
camino; arco; nodo
Espacio de estados: modelo del mundo representado por un grafo
actitud representacin
estados meta conjunto de nodos
eficiencia de un plan coste de un camino
estado inicial nodo inicial
Problema de bsqueda: espacio de estados + actitud del agente
Objetivo: encontrar el plan ms eficiente que lleve del estado inicial a un
estado meta
Inteligencia Artificial
HB/AFG: 2007/2008 38
Formalizacin del problema
Ejemplo 3-Puzzle:
Representacin (eficiente) de estados
Estado inicial
Estado meta
Coste de un operador: 1 para todos los operadores
Coste de un plan: suma de los costes de los operadores
Tipo de solucin: plan
2221
1211
,
,
xx
xx
3,0
2,1
0,2
1,3
20
Inteligencia Artificial
HB/AFG: 2007/2008 39
Formalizacin del problema
Ejemplo 3-Puzzle:
Operadores:
zy
x
,
,0
zy
x
,
0,OP1:
z
xy
,0
,OP2:
zy
x
,
0,
zy
x
,
,0OP3:
0,
,
y
zxOP4:
zy
x
,
,0
zy
x
,
0,
z
xy
,0
,
0,
,
z
xyOP4:
zy
x
,
,0OP5:
0,
,
y
zx
y
zx
,0
,OP6:
OP7:
z
xy
,0
,
0,
,
y
zx
zy
x
,
0,
Inteligencia Artificial
HB/AFG: 2007/2008 40
Mtodo general de resolucin de problemas
Decidir la accin en base de la bsqueda de un camino a la
situacin objetiva (el mejor camino)
Situacin actual
Acciones posibles
Situacin objetiva
Problema: Qu accin hago?
21
Inteligencia Artificial
HB/AFG: 2007/2008 41
Mtodo general de bsqueda
Mtodo de bsqueda:
estrategia para explorar el espacio de estados
en cada paso se expande un estado
se desarrolla sucesivamente un rbol de bsqueda
Arbol de bsqueda:
Mtodo general de bsqueda:
2. comprobar si es nodo meta
21
3
21
3
2
1
3
2
1 3
23
1
2
1 3
21
3
21
3
21
3
3. expandir este nodo hoja2
3 1
2
1
3
1. seleccionar nodo hoja
Inteligencia Artificial
HB/AFG: 2007/2008 42
Clasificacin de mtodos de bsqueda
Caractersticas:
Completitud: se encuentra una solucin si existe
Optimalidad: se encuentra la mejor solucin si hay varias
Complejidad en tiempo: cunto se tarda en encontrar la solucin?
Complejidad en espacio: cunta memoria se utiliza en la bsqueda?
Tipos de mtodos de bsqueda:
no informados: utilizan slo conocimientos a priori (estados y acciones)
bsqueda en profundidad
bsqueda en amplitud
bsqueda por profundizacin iterativa
heursticos: adems utilizan informacin aproximada, y especfica
del problema, para guiar la bsqueda
22
Inteligencia Artificial
HB/AFG: 2007/2008 43
Ejercicio 2.1
Problema de bsqueda / formalizacin:
En una mesa se encuentran dos jarras, una con una capacidad de 3 litros (llamada
Tres), y la otra con una capacidad de 4 litros (llamada Cuatro). Inicialmente, Tres
y Cuatro estn vacas. Cualquiera de ellas puede llenarse con el agua de un grifo
G. Asimismo, el contenido tanto de Tres como de Cuatro puede vaciarse en una
pila P. Es posible echar todo el agua de una jarra a la otra. No se dispone de
dispositivos de medicin adicionales. Se trata de encontrar una secuencia de
operadores que deje exactamente dos litros de agua en Cuatro.
a) Modele este problema como un problema de bsqueda. Con tal fin, defina
una representacin eficiente de los estados, el estado inicial, el conjunto de
estados meta, los operadores con precondiciones y postcondiciones, tipo de
solucin, as como el coste de cada operador.
b) Encuentre una solucin al problema.
Inteligencia Artificial
HB/AFG: 2007/2008 44
Ejercicio 2.2
Problema de bsqueda / formalizacin:
Modela el problema de las Torres de Hanoi
A B C
A B CObjetivo:
Trasladar los discos de
la aguja A a B en el
mismo orden
Restriccin:
un disco mayor nunca
debe reposar sobre uno
de menor tamao