Documente Academic
Documente Profesional
Documente Cultură
INTELIGENCIA ARTIFICIAL
CURSO
INVESTIGACION OPERATIVA
CICLO
PROFESOR
ALUMNOS
:
ALFREDO JOSE REYES VARGAS
MANUEL JOSE SANCHEZ RODRIGUEZ
Noviembre 2012
INDICE
RESUMEN............................................................................................................... 5
SUMMARY............................................................................................................... 6
INTRODUCCION...................................................................................................... 7
ANTECEDENTES...................................................................................................... 8
HISTORIA............................................................................................................. 8
DEFINICION........................................................................................................... 13
LA INTELIGENCIA ARTIFICIAL............................................................................. 13
CARACTERISTICAS DE LA INTELIGENCIA ARTIFICIAL........................................14
Smbolos vs. Mtodos Numricos....................................................................16
Alfabeto del Lenguaje de la Lgica de Primer Orden.........................................17
FUNCIONAMIENTOS GENERALES DE LA INTELIGENCIA ARTIFICIAL......................20
Tipos de Algoritmos Utilizados............................................................................... 20
Algoritmo Gentico................................................................................................ 22
Sistemas Basados en Conocimiento.......................................................................23
Niveles de conocimiento........................................................................................ 25
Sistemas Expertos................................................................................................. 25
Fases del proceso.................................................................................................. 28
TENDENCIAS DE LOS SISTEMAS DE INTELIGENCIA ARTIFICIAL.............................29
Redes neuronales.................................................................................................. 29
Analoga de redes neuronales biolgicas y artificiales.............................................30
Sistemas de lgica difusa....................................................................................... 31
Algoritmos genticos............................................................................................. 32
CRITICAS A LA INTELIGENCIA ARTIFICIAL.............................................................33
Teoras organizativas y paradigmas organizativos...................................................33
CONCLUSIONES.................................................................................................... 35
Referencias bibliogrficas................................................................................. 36
Referencias electrnicas................................................................................... 36
ANEXOS................................................................................................................ 37
RESUMEN
La Inteligencia Artificial tiene una larga historia que se inicia con los aportes de
Aristteles y el comienzo de esta ciencia asentando sus bases cientficas y
tecnolgicas en el siglo 20, hasta sus aportes ms recientes en el siglo 21.
Con su avance la Inteligencia Artificial ha dejado de ser solo un conjunto de
propuestas abstractas a su aplicacin en la Bsqueda Heurstica de Soluciones,
Representacin del Conocimiento, Deduccin Automtica, Programacin Simblica
(LISP) y Redes Neuronales. Estas tcnicas son las bases de las aplicaciones. Como
base para su aplicacin a una serie de tecnologas. Las tecnologas son ms
especializadas que las tcnicas bsicas y estn ms cerca de las aplicaciones
finales. Se pueden mencionar a la Robtica y Visin, Lenguaje Natural, Sistemas
Expertos
Tambin existen una serie de aplicaciones: Diagnstico, Prediccin (sistemas de
autocontrol de reactores atmicos), Secuenciamiento de operaciones ("Scheduling"),
Diseo, Interpretacin de datos. Todas ellas son familias de problemas tipo. Por
ejemplo, el diagnstico se refiere a encontrar las causas de fallas, ya sea que se
trate de fallas en una lnea de produccin o de enfermedades en una persona.
Todos los avances mencionados anteriormente proporcionados por el avance de la
Inteligencia Artificial han producido un gran impacto en campos tan disimiles como la
Ingeniera, Medicina, Sistemas de Manufactura, Administracin, Apoyo a la Toma de
Decisiones Gerenciales, etc. Todas caen dentro de las reas de los sistemas
computacionales, pero que se consideran como clientes de la Inteligencia Artificial.
SUMMARY
The address and
.
INTRODUCCION
ANTECEDENTES
HISTORIA
La Inteligencia Artificial "naci" en 1943 cuando Warren McCulloch y Walter Pitts
propusieron un modelo de neurona del cerebro humano y animal. Estas neuronas
nerviosas abstractas proporcionaron una representacin simblica de la actividad
cerebral. Ms adelante, Norbert Wiener elabor estas ideas junto con otras, dentro
del mismo campo, que se llam "ciberntica"; de aqu nacera, sobre los aos 50, la
Inteligencia Artificial.
Los primeros investigadores de esta innovadora ciencia, tomaron como base la
neurona formalizada de McCulloch y postulaban que:
"El cerebro es un solucionador inteligente de problemas, de modo que imitemos al
cerebro".
La Inteligencia Artificial surge definitivamente a partir de algunos trabajos publicados
en la dcada de 1940 que no tuvieron gran repercusin, pero a partir del influyente
trabajo en 1950 de Alan Turing, matemtico britnico, se abre una nueva disciplina
de las ciencias de la informacin.
En su histrico artculo de 1950, Turing propuso que la pregunta puede pensar
una mquina? era demasiado filosfica para tener valor y, para hacerlo ms
concreto, propuso un juego de imitacin. En la prueba de Turing intervienen dos
personas y un computadora. Una persona, el interrogador, se sienta en una sala y
teclea preguntas en la terminal de una computadora. Cuando aparecen las
respuestas en la terminal, el interrogador intenta determinar si fueron hechas por
otra persona o por una computadora. Si acta de manera inteligente, segn Turing
es inteligente. Turing, seal que una mquina podra fracasar y an ser inteligente.
Aun as crea que las mquinas podran superar la prueba a finales del siglo XX.
De todas maneras esta prueba no tuvo el valor prctico que se esperaba, aunque
sus repercusiones tericas son fundamentales. El enfoque de Turing de ver a la
inteligencia artificial como una imitacin del comportamiento humano no fuen tan
prctico a lo largo del tiempo y el enfoque dominante ha sido el del comportamiento
racional, de manera similar, en el campo de la aeronutica se dej de lado el
enfoque de tratar de imitar a los pjaros y se tom el enfoque de comprender las
reglas de aerodinmica. Aunque desde luego, el enfoque del comportamiento
humano y el del pensamiento humano siguen siendo estudiados por las ciencias
cognitivas y continan aportando interesantes resultados a la Inteligencia Artificial, y
viceversa.
El trmino "inteligencia artificial" fue acuado formalmente en 1956 durante la
conferencia de Darthmounth, ms para entonces ya se haba estado trabajando en
ello durante cinco aos en los cuales se haba propuesto muchas definiciones
distintas que en ningn caso haban logrado ser aceptadas totalmente por la
comunidad investigadora. La IA es una de las disciplinas ms nuevas junto con la
gentica moderna. Ambos son dos de los campos ms atractivos para los cientficos
hoy da.
Las ideas ms bsicas se remontan a los griegos, antes de Cristo. Aristteles (384322 a. C.) fue el primero en describir un conjunto de reglas que describen una parte
del funcionamiento de la mente para obtener conclusiones racionales: Estas reglas
de pensamiento supuestamente gobiernan la manera de operar de la mente: su
estudio fue el inicio de un campo llamado lgica 1. Ctesibio de Alejandra (250 a. C.)
construy la primera mquina autocontrolada, un regulador del flujo de agua
(racional pero sin razonamiento).
En 1315 Ramon Llull en su libro Ars magna tuvo la idea de que el razonamiento
poda ser efectuado de manera artificial.
En 1936 Alan Turing disea formalmente una Mquina universal que demuestra la
viabilidad de un dispositivo fsico para implementar cualquier cmputo formalmente
definido.
En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas
artificiales, el cual se considera el primer trabajo del campo, aun cuando todava no
exista el trmino. Los primeros avances importantes comenzaron a principios de los
aos 1950 con el trabajo de Alan Turing, a partir de lo cual la ciencia ha pasado por
diversas situaciones.
En 1955 Herbert Simon, Allen Newell y J.C. Shaw, desarrollan el primer lenguaje de
programacin orientado a la resolucin de problemas, el IPL-11. Un ao ms tarde
desarrollan el LogicTheorist, el cual era capaz de demostrar teoremas matemticos.
En 1956 fue inventado el trmino inteligencia artificial por John McCarthy, Marvin
Minsky y Claude Shannon en la Conferencia de Dartmouth, un congreso en el que
DEFINICION
LA INTELIGENCIA ARTIFICIAL
La inteligencia artificial es considerada una rama de la computacin y relaciona un
fenmeno natural con una analoga artificial a travs de programas de computador.
La inteligencia artificial puede ser tomada como ciencia si se enfoca hacia la
elaboracin de programas basados en comparaciones con la eficiencia del hombre,
contribuyendo a un mayor entendimiento del conocimiento humano.
Si por otro lado es tomada como ingeniera, basada en una relacin deseable de
entrada-salida para sintetizar un programa de computador. "El resultado es un
programa de alta eficiencia que funciona como una poderosa herramienta para quien
la utiliza."
A travs de la inteligencia artificial se han desarrollado los sistemas expertos que
pueden imitar la capacidad mental del hombre y relacionan reglas de sintaxis del
lenguaje hablado y escrito sobre la base de la experiencia, para luego hacer juicios
acerca de un problema, cuya solucin se logra con mejores juicios y ms
rpidamente que el ser humano. En la medicina tiene gran utilidad al acertar el 85 %
de los casos de diagnstico.
Existen mltiples definiciones pero una de las ms cercanas a la realidad es la que
se indica en la Encyclopedia of Artificial Intelligence: La IA es un campo de la
ciencia y de la Ingeniera que se ocupa de la comprensin, desde el punto de vista
informtico de lo que se denomina comnmente comportamiento inteligente.
Tambin se ocupa de la creacin de artefactos que exhiben este comportamiento 2.
COMPORTAMIENTO HUMANO: ENFOQUE DE LA PRUEBA DE TURING
Propuesta por Alan Turing se plante para proporcionar una definicin operacional
clara y satisfactoria de la inteligencia. Turing propuso una prueba basada en la
incapacidad de diferenciar entre entidades inteligentes indiscutibles y seres
humanos. El computador supera esta prueba si un evaluador humano no es capaz
de distinguir si las respuestas, a una serie de preguntas planteadas son de una
persona o no.
El computador debera poseer las siguientes caractersticas para superar la prueba:
2
PINO DIEZ, RAUL; GOMEZ GOMEZ, ALBERTO y OTROS. Introduccin a la Inteligencia Artificial: Sistemas expertos,
Razonamiento automtico
Aprendizaje automtico
recetar(X,aspirina)<=tiene(X,fiebre),
tiene(X,cefalea).
Esta ltima establece una regla que dice que, si X tiene fiebre y cefalea (dolor de
cabeza), X debe tomar una aspirina.
El Lenguaje de Primer Orden posee un amplio poder de expresin, los trminos
permiten nombrar los objetos del universo, mientras que las frmulas permiten
afirmar o negar propiedades de stos o bien establecen las relaciones entre los
objetos del universo.
Puede decirse que la Programacin Lgica utiliza la Lgica de Primer Orden como
lenguaje de programacin. Prolog es un ejemplo de lenguaje basado en la Lgica de
argumentando que una bsqueda puramente aleatoria era mucho mejor que el
algoritmo de Friedberg.
El trabajo de Bremermann, en 1958, se enfoc ms a la optimizacin, introduciendo
el importante manejo de un valor de aptitud, y definiendo a un individuo como una
cadena de smbolos binarios (unos y ceros). Bremermann advirti, acertadamente,
que la mutacin jugaba un papel importante en la evolucin, pues impeda el
estancamiento en mnimos locales. Aunque muchas de sus ideas se usan hoy en
da, Bremermann cometi el error de tratar de optimizar funciones lineales y
convexas, obteniendo resultados decepcionantes, pues sus algoritmos evolutivos
tenan que ser complementados con otras heursticas para converger en una
solucin. Hoy sabemos que los algoritmos evolutivos difcilmente pueden competir
con las tcnicas tradicionales de optimizacin en esos dominios.
Barricelli ofreci, en 1954, una de las primeras simulaciones que usaba principios
evolutivos, utilizando los mismos procedimientos generales que se usan hoy en da
en la disciplina conocida como vida artificial. Sin embargo, en este trabajo, as como
el que Reed realiz posteriormente en 1967, se concluy que la cruza no pareca
mejorar la velocidad de la adaptacin selectiva, y el operador primordial era la
mutacin.
Fue Fogel el que introdujo la primera tcnica evolutiva que realmente funcion ms o
menos dentro de los lineamientos actuales de la computacin evolutiva. Su
programacin evolutiva consista en hacer evolucionar autmatas de estados finitos
por medio de mutaciones. Fogel introdujo los importantes conceptos de poblacin y
seleccin, y aunque las revisiones iniciales de su trabajo fueron favorables, algunos
investigadores, como Solomonoff, enfatizaron que el mtodo de Fogel no deba
verse en su estado actual (en 1966) como algo particularmente til para resolver
problemas, a excepcin de los ms simples posibles. Solomonoff vio a la
programacin evolutiva como una especie de bsqueda escalando la colina
modelada mediante autmatas, y otros investigadores como Holland, Kieras, Rada y
Lenat compartieron esa opinin.
Otra tcnica evolutiva dirigida particularmente a la optimizacin de funciones
continuas de alta complejidad se desarroll en Alemania, en 1965, por Rechenberg y
Schwefel. Esta tcnica, llamada estrategia evolutiva, se utiliz inicialmente para
resolver problemas de ingeniera que desafiaban a los mtodos de optimizacin
tradicionales, como el gradiente conjugado, y se basa en la modificacin sistemtica
Algoritmo Gentico
La principal diferencia del algoritmo gentico con las tcnicas antes mencionadas, es
que utiliza la cruza como operador principal y a la mutacin como operador
secundario (e incluso opcional). El algoritmo gentico, al igual que las redes
neuronales, funciona como una caja negra que recibe ciertas entradas y produce
(tras una cantidad de tiempo indeterminada) las salidas deseadas. Sin embargo, a
diferencia de stas, los algoritmos genticos no necesitan entrenarse con ejemplos
de ningn tipo, sino que son capaces de generar sus propios ejemplos y
contraejemplos que guen la evolucin a partir de poblaciones iniciales totalmente
aleatorias.
Los mecanismos de seleccin del ms apto y de reproduccin sexual del algoritmo
gentico, son los encargados de preservar las caractersticas ms adecuadas de
cada individuo a fin de hacer converger a la poblacin en soluciones ptimas.
Los algoritmos genticos se distinguen tambin por no quedar atrapados fcilmente
en mnimos locales, como la mayor parte de las tcnicas de bsqueda clsicas,
adems de usar operadores probabilsticos ms robustos que los operadores
determinsticos, que las otras tcnicas suelen usar.
No obstante, siendo una heurstica, tampoco pueden garantizar encontrar siempre la
solucin ptima, si bien la experiencia acumulada hasta la fecha parece demostrar
que, cuando se utilizan apropiadamente, pueden proporcionar soluciones muy
aceptables y, en la mayora de los casos, superiores a las encontradas con otras
tcnicas de bsqueda y optimizacin.
Implementacin
Testeo
Mantenimiento
Niveles de conocimiento
Sistemas Expertos
Los sistemas expertos se basan en la simulacin del razonamiento humano. El
razonamiento humano tiene para ellos, un doble inters: por una parte, el del anlisis
del razonamiento que seguira un experto humano en la materia a fin de poder
codificarlo mediante el empleo de un determinado lenguaje informtico; por otra, la
sntesis artificial, de tipo mecnico, de los razonamientos de manera que stos sean
5
para
modelizarlos.
son, por lo
tanto,
Redes Neuronales.
Algoritmos genticos.
Pero se han venido destacando otros paradigmas como lo son los agentes de
decisin inteligente y autmatas programables, con respecto a estos ltimos se
suelen emplear en gran medida en procesos industriales de acuerdo a necesidades
a satisfacer como, espacio reducido, procesos de produccin peridicamente
cambiantes, procesos secuenciales, maquinaria de procesos variables, etc.
A juicio de los autores se determina que todos estos desarrollos acortan bastante el
proceso de decisiones y optimizan las mismas, pero hay que tener mucho cuidado
ya que hay que analizar los diferentes impactos ya sea ambiental, social, poltico y
econmico.
Redes neuronales
A grandes rasgos, se recordar que el cerebro humano se compone de decenas de
billones de neuronas interconectadas entre s formando circuitos o redes que
desarrollan funciones especficas.
Una neurona tpica recoge seales procedentes de otras neuronas a travs de una
plyada de delicadas estructuras llamadas dendritas. La neurona emite impulsos de
actividad elctrica a lo largo de una fina y delgada capa denominada axn, que se
escinde en millares de ramificaciones.
Las extremidades de estas ramificaciones llegan hasta las dendritas de otras
neuronas y establecen conexin llamada sinapsis, que transforma el impulso
elctrico en un mensaje neuroqumico mediante liberacin de unas sustancias
llamadas neurotransmisores que excitan o inhiben sobre la neurona, de esta manera
la informacin se transmite de neuronas a otras y va siendo procesada a travs de
las conexiones sinpticas y el aprendizaje vara de acuerdo a la efectividad de la
sinapsis.
3
4
Un psiclogo D Hebb [1949], introdujo dos ideas fundamentales que han influido de
manera decisiva en el campo de las redes neuronales. La hiptesis de Hebb,
basadas en investigaciones psicofisiolgicas, presentan de manera intuitiva el modo
en que las neuronas memorizan informacin y se plasman sintticamente en la
famosa regla de aprendizaje de Hebb (tambin conocida como regla de producto).
Esta regla indica que las conexiones entre dos neuronas se refuerzan si ambas son
activadas. Muchos de los algoritmos actuales proceden de los conceptos de este
psiclogo.
Widrow [1959], publica una teora sobre la adaptacin neuronal y unos modelos
inspirados en esta teora, el Adaline (Adaptative Linear Neuron) y el Madaline
(Mltiple Adaline). Estos modelos fueron usados en numerosas aplicaciones y
permitieron usar, por primera vez, una red neuronal en un problema importante del
mundo real: filtros adaptativos que eliminan ecos en las lnea telefnicas.
Hopfield [1980], elabora un modelo de red consistente en unidades de proceso
interconectadas que alcanzan mnimos energticos, aplicando los principios de
estabilidad desarrollados por Grossberg. El modelo result muy ilustrativo sobre los
mecanismos de almacenamiento y recuperacin de la memoria. Su entusiasmo y
claridad de presentacin dieron un nuevo impulso al campo y provoc el incremento
de las investigaciones.
Otros desarrollos destacables de esta dcada son la mquina de Boltzmann y los
modelos Bam (Bi-directinal Associative Memory).
Las redes neuronales deben tener como estructura varias capas las cuales son:
primera capa como buffer de entrada, almacenando la informacin bruta
suministrada en la red realizando un sencillo preproceso de la misma, la llamamos
capa de entrada; otra capa acta como interfaz o buffer de salida que almacena la
respuesta de la red para que pueda ser leda, la llamamos capa de salida; y las
capas intermedias, principales encargadas de extraer, procesar y memorizar la
informacin, las denominan capas ocultas.
Sistemas de lgica difusa
Es la segunda herramienta que permite emular el razonamiento humano. Los seres
humanos pensamos y razonamos por medio de palabras y en grados entre dos
estados por ejemplo blanco y negro fro y caliente, etc. Estos sistemas de lgica
difusa son una mejora a los sistemas experto tradicionales, en el sentido de que
permiten utilizar lenguaje humano como nosotros razonamos
Ya hablando de sistemas expertos tradicionales, estos intentan reproducir el
razonamiento humano de forma simblica. Es un tipo de programa de aplicacin
informtica que adopta decisiones o resuelve problemas de un determinado campo,
como los sistemas de produccin, las finanzas o la medicina, utilizando los
conocimientos y las reglas analticas definidas por los expertos en dicho campo. Los
expertos solucionan los problemas utilizando una combinacin de conocimientos
basados en hechos y en su capacidad de razonamiento. En los sistemas expertos,
estos dos elementos bsicos estn contenidos en dos componentes separados,
aunque relacionados: una base de conocimientos y una mquina de deduccin, o de
inferencia. La base de conocimientos proporciona hechos objetivos y reglas sobre el
tema, mientras que la mquina de deduccin proporciona la capacidad de
razonamiento que permite al sistema experto extraer conclusiones. Los sistemas
expertos facilitan tambin herramientas adicionales en forma de interfaces de
usuario y los mecanismos de explicacin. Las interfaces de usuario, al igual que en
cualquier otra aplicacin, permiten al usuario formular consultas, proporcionar
informacin e interactuar de otras formas con el sistema. Los mecanismos de
explicacin, la parte ms fascinante de los sistemas expertos, permiten a los
sistemas explicar o justificar sus conclusiones, y tambin posibilitan a los
para
la
reproduccin;
continuacin
dichos
padres
Representacin
del
Conocimiento,
Deduccin
Automtica,
Manufactura,
una
tendencia
creciente
la
implementacin
de
sistemas
de
CONCLUSIONES
Los grandes avances de I.A aplicada a sistemas de produccin han hecho que
da a da la industria en su constante bsqueda por mejorar su competitividad
logren dicho objetivo, sin embargo el impacto social producido por la
automatizacin ha sido alto.
FUENTES DE INFORMACION
Referencias bibliogrficas
Delgado Alberto. Inteligencia Artificial y Mini robots. Segunda Edicin. Ecoe
Ediciones. Julio 1998.
PINO DIEZ, RAUL; GOMEZ GOMEZ, ALBERTO y OTROS. Introduccin a la
Inteligencia Artificial: Sistemas expertos, Redes Neuronales Artificiales y
computacin evolutiva. 2. Universidad de Oviedo, 2001. Pg. 106.
RUSSEL, STUART J. y PETER NORVIG. Inteligencia Artificial: un enfoque
moderno. 2. Edicin. Editorial Pearson Prentice Hall. Madrid, 2004. Pg. 1240
Stuart Rusell. Norving Meter. Inteligencia Artificial un Enfoque Moderno.
Printice Hall. Mxico 1996.
Referencias electrnicas
http://es.wikipedia.org/wiki/Inteligencia_artificial
http://es.wikipedia.org/wiki/Historia_de_la_inteligencia_artificial
http://www.monografias.com/trabajos16/inteligencia-artificial-historia/inteligenciaartificial-historia.shtml
http://www.monografias.com/trabajos14/inteligenciartif/inteligenciartif.shtml
ANEXOS
ANEXO N 1. Definiciones de la Inteligencia Artificial
42
42
42
ANEXO N 6. XXX.
42
ANEXO N 7. XXX.
42
42