Inteligencia Artificial

INTELIGENCIA ARTIFICIAL
a) Introducción
b) Características
c) Paradigmas, Teorías y Metodologías
d) Objetivos de investigación
e) Problemas
2
Introducción a la
Ingeniería Mecatrónica
Que es la inteligencia
3
Introducción a la
Inteligencia Artificial
• Es una de las disciplinas mas nuevas.
• Formalmente se acuño este termino en 1956. Sin

embargo el estudio de la inteligencia contemplada como
el razonamiento humano viene siendo estudiado por los
filósofos hace más de 2 milenios.
La inteligencia artificial es la ciencia que enfoca su

estudio a lograr la comprensión de entidades inteligentes.
4
Introducción a la
Resultado
Enfoque: Favorece:
de:
En la
explicación del
La investigación trabajo mental y
en psicología construcción de
La abstracción
cognitiva y algoritmos de
y la generalidad
lógica solución a
matemática. problemas de
propósito
general.
5
Inteligencia artificial
Combinación Ciencia del

Fisiología Filosofía
de computador
Inteligencia
Artificial
Reúne Enfocados en
campos Sistemas creación de
Robótica
como: Expertos maquinas
pensantes
Introducción a la Ingeniería Mecatrónica
6
Introducción a la
Inteligencia artificial
ROBOTICA:
• Campo industrial; comprensión de lenguajes y traducción;

• Visión en máquinas que distinguen formas y que se usan en líneas de ensamblaje;
• Reconocimiento de palabras y aprendizaje de máquinas;
• Sistemas computacionales expertos.
SISTEMAS EXPERTOS
• Reproducen el comportamiento humano en un estrecho ámbito del conocimiento, son programas tan
variados como los que diagnostican infecciones en la sangre e indican un tratamiento, los que
interpretan datos sismológicos en exploración geológica y los que configuran complejos equipos de
alta tecnología.
▫ Tales tareas reducen costos.

▫ Reducen riesgos en la manipulación humana en áreas peligrosas.
▫ Mejoran el desempeño del personal inexperto.
▫ Mejoran el control de calidad sobre todo en el ámbito comercial.
7
Introducción a la
• La idea de construir una máquina que pueda ejecutar tareas
percibidas como requerimientos de inteligencia humana es un
atractivo.
• Las tareas que han sido estudiadas desde este punto de vista
incluyen juegos, traducción de idiomas, comprensión de idiomas,
diagnóstico de fallas, robótica, suministro de asesoría experta en
diversos temas.
• Es así como los sistemas de administración de base de datos cada

vez más sofisticados, la estructura de datos y el desarrollo de
algoritmos de inserción, borrado y locación de datos, así como el
intento de crear máquinas capaces de realizar tareas que son
pensadas como típicas del ámbito de la inteligencia humana,
acuñaron el término Inteligencia Artificial en 1956.
8
Introducción a la
Las ciencias que aportan a la IA
• Filosofía
• Matemáticas
• Psicología Lingüística
• Ciencias de la Computación
9
Introducción a la
Definición
• Disciplina científico-técnica que trata de crear sistemas
artificiales capaces de comportamientos que, de ser realizados
por seres humanos, se diría que requieren inteligencia.
• Desde sus comienzos hasta la actualidad, la Inteligencia

Artificial ha tenido que hacer frente a una serie de problemas:
1. Las computadoras no pueden manejar (no contienen) verdaderos

significados.
2. Las computadoras no tienen autoconciencia (emociones, sociabilidad, etc.).
3. Una computadora sólo puede hacer aquello para lo que está programado.
4. Las máquinas no pueden pensar realmente.
10
Introducción a la
Características
1. Una característica fundamental que distingue a los
métodos de Inteligencia Artificial de los métodos
numéricos es el uso de símbolos no matemáticos,
aunque no es suficiente para distinguirlo
completamente.
• Otros tipos de programas como los compiladores y

sistemas de bases de datos, también procesan
símbolos y no se considera que usen técnicas de
Inteligencia Artificial.
11
Introducción a la
Características
2. El comportamiento de los programas no es descrito
explícitamente por el algoritmo. La secuencia de pasos
seguidos por el programa es influenciado por el
problema particular presente.
▫ El programa especifica cómo encontrar la secuencia de

pasos necesarios para resolver un problema dado
(programa declarativo). En contraste con los programas
que no son de Inteligencia Artificial, que siguen un
algoritmo definido, que especifica, explícitamente, cómo
encontrar las variables de salida para cualquier variable
dada de entrada (programa de procedimiento).
12
Introducción a la
Características
• Las conclusiones de un programa declarativo no son

fijas y son determinadas parcialmente por las
conclusiones intermedias alcanzadas durante las
consideraciones al problema específico. Los
lenguajes orientados al objeto comparten esta
propiedad y se han caracterizado por su afinidad con
la Inteligencia Artificial.
13
Introducción a la
Características
3. El razonamiento basado en el conocimiento implica
que estos programas incorporan factores y
relaciones del mundo real y del ámbito del
conocimiento en que ellos operan.
▫ Al contrario de los programas para propósito

específico, como los de contabilidad y cálculos
científicos; los programas de Inteligencia Artificial
pueden distinguir entre el programa de razonamiento
o motor de inferencia y base de conocimientos dándole
la capacidad de explicar discrepancias entre ellas.
14
Introducción a la
Características
4. Aplicabilidad a datos y problemas mal
estructurados, sin las técnicas de Inteligencia
Artificial los programas no pueden trabajar con
este tipo de problemas.
▫ Un ejemplo es la resolución de conflictos en tareas orientadas a

metas como en planificación, o el diagnóstico de tareas en un
sistema del mundo real: con poca información, con una solución
cercana y no necesariamente exacta.
15
Introducción a la
Cuando es inteligente un sistema.

En 1950 Alan Turing propuso : La prueba de Turing
• La prueba consiste en un desafío. La máquina ha de hacerse

pasar por humana en una conversación con un hombre a
través de una comunicación de texto estilo chat. Al sujeto no
se le avisa si está hablando con una máquina o una persona. Si
el sujeto es incapaz de determinar si la otra parte de la
comunicación es humana o máquina, entonces se considera
que la máquina ha alcanzado un determinado nivel de
madurez: es inteligente.
• Todavía ninguna máquina puede pasar este examen en una

experiencia con método científico.
16
Introducción a la
Paradigmas en IA
17
Introducción a la
Teorías • Partes individuales se diseñan

con detalle y luego se enlazan.
1. Construir réplicas de la •Riesgo de programar cosas sin saber
compleja red neuronal como se van a conectar al resto del sistema.
• El reuso del código es uno de los mayores
del cerebro humano beneficios del enfoque bottom-up.
(bottom-up).
• Se formula un resumen del

2. Intentar imitar el
sistema, sin especificar detalles.
comportamiento del •Planificación y conocimiento
cerebro humano con un completo del sistema.
computador (top-down). • Nivel de detalle suficiente.
• Retrasa las pruebas de las
unidades funcionales.
18
Introducción a la
Metodologías
1. La lógica difusa: permite tomar decisiones bajo condiciones de

incerteza.
2. Redes neuronales: esta tecnología es poderosa en ciertas tareas

como la clasificación y el reconocimiento de patrones. Está basada
en el concepto de "aprender" por agregación de un gran número de
muy simples elementos.
19
Introducción a la
Objetivos de investigación en IA
• Algunos investigadores se concentran principalmente en:
▫ Los sistemas expertos.
▫ La resolución de problemas.
▫ El control automático.
▫ Las bases de datos inteligentes.
▫ La ingeniería del software (diseños de entornos de
programación inteligente).
• Otros Investigadores están trabajando en el reto:

▫ Reconocimiento de patrones donde se espera un rápido
progreso en este campo que abarca la comprensión y la
síntesis del habla, el proceso de imágenes y la visión
artificial.
20
Introducción a la
Objetivos de investigación en IA
• Finalmente, la fundamental investigación sobre la
representación del conocimiento, la
conceptualización cognoscitiva y la comprensión del
lenguaje natural.
• Uno de los principales objetivos de los investigadores

en inteligencia artificial es la reproducción
automática del razonamiento humano.
21
Introducción a la
Formas de considerar situaciones

complejas.
• Deducción: Permite obtener conclusiones de reglas cuyas premisas
hemos comprobado.
• Inducción: Produce reglas a partir de observaciones parciales.
▫ La inducción puede tener lugar cuando se comparan situaciones que son

casi similares, con parámetros desconocidos en una situación dada
asignándole los valores que tienen ya en una situación de referencia; este
es un razonamiento por analogía.
• Estos dos tipos principales pueden utilizarse de un modo analítico (el

razonamiento se divide en submódulos que son más difíciles de
manejar, o de un modo sintético (inverso del proceso anterior,
juntando elementos que se separaron anteriormente).
22
Introducción a la
Resolución de problemas
Deseamos definir cualquier tipo de problema de
manera que se pueda resolver automáticamente
• Necesitamos:
1. Una representación común para todos los
problemas.
2. Algoritmos que usen alguna estrategia para resolver

problemas definidos en esa representación común.
23
Introducción a la
Definición de un problema
• Si abstraemos los elementos de un problema podemos
identificar:
1. Un punto de partida.
2. Un objetivo a alcanzar.
3. Acciones a nuestra disposición para resolver el problema.
4. Restricciones sobre el objetivo.
5. Elementos que son relevantes en el problema definidos

por el tipo de dominio.
24
Introducción a la
Representación de problemas
• Existen diferentes formas de representar problemas para resolverlos de
manera automática.
 Representaciones generales:
▫ Espacio de estados: un problema se divide en un conjunto de pasos de resolución

desde el inicio hasta el objetivo.
▫ Reducción a subproblemas: un problema se puede descomponer en una jerarquía
de subproblemas.
 Representaciones para problemas específicos:
▫ Resolución de juegos
▫ Satisfacción de restricciones
25
Introducción a la
Representación de problemas:
ESTADOS
• Podemos definir un problema por los elementos que
intervienen y sus relaciones.
• En cada instante de la resolución de un problema esos
elementos tendrán unas características y relaciones
específicas.
• Denominaremos Estado a la representación de los
elementos que describen el problema en un momento.
• Distinguiremos dos estado especiales:
▫ Estado Inicial (punto de partida) .
▫ Estado Final (objetivo del problema).
• ¿Que incluir en el estado?
26
Introducción a la
Modificación del estado:

OPERADORES
• Para poder movernos entre los diferentes estados
necesitamos operadores de transformación.
• Operador: Función de transformación sobre la
representación de un estado que lo convierte en otro
estado.
• Los operadores definen una relación de
accesibilidad entre estados.
• Representación de un operador:
▫ Condiciones de aplicabilidad
▫ Función de transformación
• ¿Que operadores?¿Cuantos?¿Que granularidad?
27
Introducción a la
Espacio entre estados

• Los estados y su relación de accesibilidad conforman lo
que se denomina espacio de estados.
• Representa todos los caminos que hay entre todos los

estados posibles de un problema.
• Podría asimilarse con un mapa de carreteras de un

problema.
• La solución de nuestro problema esta dentro de ese

mapa
28
Introducción a la
Solución de un problema en espacio de

estados.
• Solución: Secuencia de pasos que llevan del estado
inicial al final (secuencia de operadores) o también el
estado final.
• Tipos de solución: una cualquiera, la mejor, todas.
• Coste de una solución: Gasto en recursos de la aplicación

de los operadores a los estados. Puede ser importante o
no según el problema y que tipo de solución busquemos
29
Introducción a la
Descripción de un problema en espacio

de estados
• Definir el espacio de estados (explícita o implícitamente).
• Especificar el estado inicial.
• Especificar el estado final o las condiciones que cumple.
• Especificar los operadores de cambio de estado
(condiciones de aplicabilidad y función de transformación).
• Especificar el tipo de solución:
▫ La secuencia de operadores o el estado final
▫ Una solución cualquiera, la mejor (definición de coste).
30
Introducción a la
Ejemplo: 8 puzzle
31
Introducción a la
Ejemplo: 8 puzzle
• Espacio de estados: Configuraciones de 8
fichas en el tablero.
• Estado inicial: Cualquier configuración.
• Estado final: Fichas en orden específico.
• Operadores: Mover hueco
▫ Condiciones: El movimiento está dentro del tablero
▫ Transformación: Intercambio entre el hueco y la ficha
en la posición del movimiento
• Solución: Que pasos + El menor número

32
Introducción a la
Ejemplo: N reinas
33
Introducción a la
Ejemplo: N reinas
• Espacio de estados: Configuraciones de 0 a n reinas en el
tablero con sólo una por fila y columna.
• Estado inicial: Configuración sin reinas en el tablero.

• Estado final: Configuración en la que ninguna reina se
mata entre si.
• Operadores: Colocar una reina en una fila y columna.
▫ Condiciones: La reina no es matada por ninguna ya colocada

▫ Transformación: Colocar una reina mas en el tablero en una fila y
columna determinada
• Solución: Una solución, pero no nos importan los pasos.
34
Introducción a la
Búsqueda en el espacio de estados

• La resolución de un problema con esta representación
pasa por explorar el espacio de estados.
• Partimos del estado inicial evaluando cada paso hasta

encontrar un estado final.
• En el caso peor exploraremos todos los posibles caminos

entre el estado inicial del problema hasta llegar al estado
final.
• Definiremos una representación del espacio de estados

para poder implementar algoritmos que busquen
soluciones.
35
Introducción a la
Estructura del espacio de estados.
• Estructuras de datos: Árboles y Grafos
• Estados = Nodos
• Operadores = Arcos entre nodos (dirigidos)
• Árboles: Solo un camino lleva a un nodo
• Grafos: Varios caminos pueden llevar a un nodo

36
Introducción a la
Algoritmo básico
• Basado en búsqueda y recorrido en árboles y grafos.
• La estructura la construimos a medida que hacemos la búsqueda.
• Algoritmo para una solución:
Seleccionar el primer estado como el estado actual mientras el estado
actual no es el estado final.
Hacer Generar y guardar sucesores del estado actual (expansión)
Escoger el siguiente estado entre los pendientes (selección).
Mientras:
• La selección del siguiente nodo determinará el tipo de
búsqueda (orden de selección o expansión).
• Es necesario definir un orden entre los sucesores de un
nodo (orden de generación)
37
Introducción a la
Algoritmo básico
• Nodos abiertos: Estados generados pero aún no visitados.
• Nodos cerrados: Estados visitados y que ya se han expandido.
• Tendremos una estructura para almacenar los nodos abiertos.
• Las diferentes políticas de inserción en la estructura determinarán

el tipo de búsqueda.
• Si exploramos un grafo puede ser necesario tener en cuenta los

estados repetidos (esto significa tener una estructura para los
nodos cerrados). Merece la pena si el número de nodos diferentes
es pequeño respecto al número de caminos
38
Introducción a la
Características de los algoritmos

• Completitud: ¿Encontrará una solución?
• Complejidad temporal: ¿Cuanto tardará?
• Complejidad espacial: ¿Cuanta memoria

gastará?
• Optimalidad: ¿Encontrará la solución óptima?

39
Introducción a la
Árbol de búsqueda profundidad

40
Introducción a la
Tipos de algoritmos
• Algoritmos de búsqueda ciega
▫ No tienen en cuenta el coste de la solución en la búsqueda.
▫ Su funcionamiento es sistemático, siguen un orden de visitas y
generación de nodos establecido por la estructura del espacio de
búsqueda.
▫ Anchura prioritaria, Profundidad prioritaria, Profundidad
iterativa.
• Algoritmos de búsqueda heurística

▫ Utilizan una estimación del coste de la solución para guiar la
búsqueda
▫ No siempre garantizan el óptimo, ni una solución
▫ Hill-climbing, Branch & Bound, A*, IDA*
41
Introducción a la
Búsqueda en Anchura Prioritaria

• Los nodos se visitan y generan por niveles.
• La estructura para los nodos abiertos es una cola (FIFO).
• Un nodo es visitado cuando todos los nodos de los niveles.
superiores y sus hermanos precedentes han sido visitados.
Características:
• Completidud: El algoritmo siempre encuentra una solución.
• Complejidad temporal: Exponencial respecto al factor de
ramificación y la profundidad de la solución O (rp).
• Complejidad espacial: Exponencial respecto al factor de
ramificación y la profundidad de la solución O (rp).
• Optimalidad: La solución que se encuentra es óptima en número de
niveles desde la raíz
42
Introducción a la
Búsqueda de anchura prioritaria

43
Introducción a la
Búsqueda en Profundidad Prioritaria

• Los nodos se visitan y generan buscando los nodos a mayor
profundidad y retrocediendo cuando no se encuentran
nodos sucesores.
• La estructura para los nodos abiertos es una pila (LIFO).
• Para garantizar que el algoritmo acabe, debe imponerse un

límite en la profundidad de exploración.
44
Introducción a la
Búsqueda en Profundidad
Prioritaria
Características:
• Completidud: El algoritmo encuentra una solución si se impone un límite
de profundidad y existe una solución dentro de ese límite.
• Complejidad temporal: Exponencial respecto al factor de ramificación y la

profundidad del límite de exploración O(rp).
• Complejidad espacial: En el caso de no controlar los nodos repetidos el

coste es lineal respecto al factor de ramificación y el límite de profundidad
O(rp). Si tratamos repetidos el coste es igual que en anchura. Si la
implementación es recursiva el coste es O(p).
• Optimalidad: No se garantiza que la solución sea óptima

45
Introducción a la
Búsqueda de profundidad prioritaria

46
Introducción a la
Tratamiento de nodos repetidos

• En anchura
▫ Si el repetido está en la estructura de nodos cerrados podemos olvidarlo.

Tendrá una profundidad igual o mayor al repetido cerrado.
▫ Si el repetido está en la estructura de nodos abiertos podemos
olvidarlo. Tendrá una profundidad igual o mayor al repetido
abierto.
• En profundidad
▫ Si el repetido está en la estructura de nodos cerrados lo dejaremos si

tiene una profundidad menor.
▫ Si el repetido está en la estructura de nodos abiertos podemos olvidarlo,
seguro que tiene una profundidad mayor.
47
Introducción a la
ID (iterative deepening): profundidad

iterativa
• Intenta combinar el comportamiento espacial del DFS con la optimalidad del BFS.
• El algoritmo consiste en realizar búsquedas en profundidad sucesivas con un nivel de

profundidad máximo acotado y creciente en cada iteración.
• Así se consigue el comportamiento de BFS pero sin su coste espacial, ya que la

exploración es en profundidad, y además los nodos se regeneran a cada iteración.
• Además esto permite evitar los casos en que DFS no acaba (existen ramas infinitas).
• En la primera iteración la profundidad máxima será 1 y este valor irá

aumentando en sucesivas iteraciones hasta llegar a la solución.
• Para garantizar que el algoritmo acaba si no hay solución, se puede definir una cota
máxima de profundidad en la exploración.
48
Introducción a la
Profundidad iterativa
49
Introducción a la
Profundidad Iterativa
• Completitud: El algoritmo siempre encontrará la
solución.
• Complejidad temporal: La misma que la búsqueda en

anchura. El regenerar el árbol en cada iteración solo
añade un factor constante a la función de coste O(rp).
• Complejidad espacial: Igual que en la búsqueda en

profundidad.
• Optimalidad: La solución es óptima igual que en la

búsqueda en anchura.
50
Introducción a la
Tarea 5
• En base al proyecto elegido para la tarea 2, se debe continuar con la investigación.
▫ Presentar documento corregido de la primer revisión.
▫ Incluir alguna sección creada por usted mismo como:
▫ Estado del arte (Proyectos relacionados).
▫ Características.
▫ Como funciona.
▫ Alguna clasificación. (No anteriormente establecida, si realizada mediante un criterio propio).
• Incluir 3 bibliografías aparte de las ya incluidas en la primer entrega. Si no se presento

completa la bibliografía anteriormente o se presento de manera errónea, debe de buscar
más y presentar 6 en total. (Respetar el formato para bibliografías de la plantilla y no solo
presentar direcciones electrónicas).
• Presentar en formato estándar.
• FECHA DE ENTREGA: GRUPO E: Lunes 28 de Septiembre

• GRUPO D: Martes 29 de Septiembre

Inteligencia Artificial

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Inteligencia Artificial

Uploaded by

Copyright:

Available Formats

INTELIGENCIA ARTIFICIAL

• Formalmente se acuño este termino en 1956. Sin

La inteligencia artificial es la ciencia que enfoca su

Combinación Ciencia del

• Campo industrial; comprensión de lenguajes y traducción;

▫ Tales tareas reducen costos.

• Es así como los sistemas de administración de base de datos cada

• Desde sus comienzos hasta la actualidad, la Inteligencia

1. Las computadoras no pueden manejar (no contienen) verdaderos

• Otros tipos de programas como los compiladores y

▫ El programa especifica cómo encontrar la secuencia de

• Las conclusiones de un programa declarativo no son

▫ Al contrario de los programas para propósito

▫ Un ejemplo es la resolución de conflictos en tareas orientadas a

Cuando es inteligente un sistema.

• La prueba consiste en un desafío. La máquina ha de hacerse

• Todavía ninguna máquina puede pasar este examen en una

Teorías • Partes individuales se diseñan

• Se formula un resumen del

1. La lógica difusa: permite tomar decisiones bajo condiciones de

2. Redes neuronales: esta tecnología es poderosa en ciertas tareas

• Otros Investigadores están trabajando en el reto:

• Uno de los principales objetivos de los investigadores

Formas de considerar situaciones

• Inducción: Produce reglas a partir de observaciones parciales.

▫ La inducción puede tener lugar cuando se comparan situaciones que son

• Estos dos tipos principales pueden utilizarse de un modo analítico (el

2. Algoritmos que usen alguna estrategia para resolver

3. Acciones a nuestra disposición para resolver el problema.

4. Restricciones sobre el objetivo.

5. Elementos que son relevantes en el problema definidos

▫ Espacio de estados: un problema se divide en un conjunto de pasos de resolución

 Representaciones para problemas específicos:

Modificación del estado:

Espacio entre estados

• Representa todos los caminos que hay entre todos los

• Podría asimilarse con un mapa de carreteras de un

• La solución de nuestro problema esta dentro de ese

Solución de un problema en espacio de

• Tipos de solución: una cualquiera, la mejor, todas.

• Coste de una solución: Gasto en recursos de la aplicación

Descripción de un problema en espacio

• Solución: Que pasos + El menor número

• Estado inicial: Configuración sin reinas en el tablero.

▫ Condiciones: La reina no es matada por ninguna ya colocada

Búsqueda en el espacio de estados

• Partimos del estado inicial evaluando cada paso hasta

• En el caso peor exploraremos todos los posibles caminos

• Definiremos una representación del espacio de estados

Estructura del espacio de estados.

• Estructuras de datos: Árboles y Grafos

• Operadores = Arcos entre nodos (dirigidos)

• Árboles: Solo un camino lleva a un nodo

• Grafos: Varios caminos pueden llevar a un nodo

• Nodos cerrados: Estados visitados y que ya se han expandido.

• Tendremos una estructura para almacenar los nodos abiertos.

• Las diferentes políticas de inserción en la estructura determinarán

• Si exploramos un grafo puede ser necesario tener en cuenta los

Características de los algoritmos

• Complejidad temporal: ¿Cuanto tardará?

• Complejidad espacial: ¿Cuanta memoria

• Optimalidad: ¿Encontrará la solución óptima?

Árbol de búsqueda profundidad

• Algoritmos de búsqueda heurística