Sistemas inteligentes, o «inteligencia artificial»

Transcripción

1 Sistemas inteligentes, o «inteligencia artificial» ØØÔ»»ÛÛÛº º ØºÙÔÑº» Ö»» ØØÔ»»ÑÓÓ Ð ºÐ º ØºÙÔÑº»ÑÓÓ Ð» c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 1 Inteligencia artificial? Entrevista a Claude Shannon: Could machines «think»? You bet. I m a machine and you re a machine, and we both think, don t we? (J. Horgan: «Claude E. Shannon», IEEE Spectrum, 29, 4, Apr.1992, pp.72-75) Depende de lo que entendamos por «inteligencia» c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 2

2 IA/Ciencia IA modelos de razonamiento, aprendizaje... modelos de representación, comunicación... Psicología Epistemología «Estudio de las facultades mentales mediante el uso de modelos computacionales» (Charniak y McDermott, 1985) c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 3 IA/Ingeniería modelos de procesamiento de la información y del conocimiento IA modelos de resolución de problemas y automatización Informática Ingeniería «Cómo hacer que los ordenadores ejecuten tareas cognoscitivas que, por ahora, las personas realizan mejor» (Rich y Knight, 1991) c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 4

3 Clasificación de definiciones según AIMA Charniak y McDermot: énfasis en pensamiento; criterio: inteligencia ideal, o racionalidad Rich y Knight: énfasis en comportamiento; criterio: inteligencia humana inteligencia humana pensamiento Sistemas que piensan como humanos: Enfoque cognoscitivo comportamiento Sistemas que actúan como humanos: Enfoque «prueba de Turing» racionalidad Sistemas que piensan racionalmente: Enfoque lógico Sistemas que actúan racionalmente: Enfoque de agentes racionales Russell, S. y Norvig, P.: Artificial Intelligence: A Modern Approach, 2nd. ed. («AIMA»). Prentice Hall, 2003 Traducido en Pearson Educación, 2004 c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 5 IA/Negocio IA nuevas funciones y prestaciones etiqueta de innovación Productos Mercado Evolución de las «etiquetas»: sistemas expertos, ingeniería del conocimiento, agentes inteligentes, gestión del conocimiento, inteligencia de negocio... c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 6

4 IA interdisciplinaria PSICOLOGÍA/ EPISTEMOLOGÍA redes semánticas procesador cognoscitivo interfaces amigables problemas de comunicación INFORMÁTICA/ INGENIERÍA metodologías de desarrollo herramientas de desarrollo PRODUCTOS/ MERCADO c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 7 Paradigmas de la IA Procesamiento simbólico: problemas de naturaleza no numérica (lógica) Búsqueda heurística: hacer tratable la complejidad del proceso Sistemas expertos: visión conductista, funcional Sistemas basados en conocimiento: visión cognoscitiva, estructural Aprendizaje automático: Sistemas con autonomía, inducción de conocimiento Agentes inteligentes: «sociedades» de componentes con «personalidad» c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 8

5 Formulación del problema de resolver problemas Idea básica: Espacio de búsqueda espacio de estados (años 50: influencia de la teoría de autómatas) < Q,R,C > Q: Estructura de datos que describe al estado R: Reglas u operaciones que describen las transiciones en el espacio de estados R Q Q C: Estrategia de control Resolución: Búsqueda de una secuencia r 1,r 2,...r n que conduzca de q 0 a q f c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 9 Ejemplo de busqueda: «pesetas y duros» P P D D q r 1 0 r 2 r r4 3 P P D D P P D D P P D D P P D D D D P P q f Estado: lista con dos «P», dos «D» y un Reglas: r 1 : desplazar P a hueco a la derecha r 2 : desplazar D a hueco a la izquierda r 3 : saltar P a la derecha r 4 : saltar D a la izquierda card(q) = 27 algoritmo de búsqueda exhaustiva c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 10

6 Ejemplo de busqueda: «puzzle k n 1» q q f Estado: matriz Reglas: r 1 =, r 2 =, r 3 =, r 4 = card(q) = 9! = búsqueda exhaustiva aún posible, pero para «puzzle 15», card(q) = 16! c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 11 Complejidad algorítmica: Notación O Complejidad temporal y espacial: crecimiento asintótico k+log(x)+x+x x n = O(x n ) (polinómico) O(x n )+...+m x = O(m x ) (exponencial) x x x log(x) x*log(x) x**2 2**x x log x x log x clase P: O(x n ) (problemas «fáciles») clase NP (No determinista Polinómico) problemas NP-completos c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 12

7 Heurísticos D.R.A.E.: «heurística» = «arte de inventar» En I.A.: Como adjetivo, para distinguir de «algorítmico» «seguro» Como sustantivo, truco o regla empírica que ayuda a encontrar la solución de un problema (pero que no garantiza que se encuentre) c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 13 Búsqueda heurística En el desarrollo del árbol de búsqueda no fijarse en todos los estados posibles («nodos»), sólo en los más «prometedores» Algoritmo A*: en cada nodo se estima la distancia, o coste, del camino que pasando por ese nodo lleva desde el estado inicial al final (la solución). Función de evaluación: f(n) = g(n)+h(n) g(n): coste de n 0 a n (conocido) h(n): estimación del coste de n a n f (menor que el coste real, para que el algoritmo encuentre solución óptima, si la encuentra) De los sucesores de cada nodo se elije el de menor f(n) c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 14

8 Ejemplos de heurísticos para el 8-puzzle h 1 (n): Número de piezas mal colocadas h 2 (n): Suma de «distancias Manhattan» h 1 (n) = 7 h 2 (n) = = 18 c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 15 Paradigmas de la IA Procesamiento simbólico: problemas de naturaleza no numérica (lógica) Búsqueda heurística: hacer tratable la complejidad del proceso Sistemas expertos: visión conductista, funcional Sistemas basados en conocimiento: visión cognoscitiva, estructural Aprendizaje automático: Sistemas con autonomía, inducción de conocimiento Agentes inteligentes: «sociedades» de componentes con «personalidad» c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 16

9 Sistema experto British Computer Society, 1983: «Incorporación en un ordenador [... ] de la pericia de un experto de modo que el sistema pueda dar consejos inteligentes o tomar decisiones inteligentes y justificar su razonamiento» Aplicable el «test de Turing». c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 17 Sistema basado en conocimiento (SBC, o KBS) Evolución de modelos estructurales de sistemas software: sistema primitivo: usuario programa ficheros independencia de datos: usuario E/S (S.O.) programa SGBD BD independencia del conocimiento: usuario interfaz motor de inferencias SGBD BD expertos interfaz ingenieros conocimiento base de conocimientos c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 18

10 SS.EE. vs. SS.BB.C. SE: punto de vista funcional (conductista) USUARIO (ENTORNO) problemas, preguntas respuestas, justificaciones, preguntas SISTEMA EXPERTO SBC: punto de vista estructural (cognoscitivo) SISTEMA motor de inferencias base de conocimientos c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 19 I.A., SS.BB.C. y SS.EE. SISTEMAS DE I.A. SS.BB.C. SS.EE. heurísticos, procesamiento simbólico conocimiento, arquitectura aplicaciones a dominios en los que la resolución de problemas requiere experiencia especial c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 20

11 Ingeniería del conocimiento Heterodoxia (con respecto a la ingeniería del software): Conocimiento humano incompleto, inconsistente, impreciso, incierto, tolerante... Razonamiento y respuestas del sistema inseguros Conocimiento evolutivo, posibilidad de aprendizaje Responsabilidad del diseño, desarrollo y mantenimiento: ingenieros, expertos y usuarios finales No aplicable el ciclo de vida en cascada c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 21 Representación del conocimiento Modelos y lenguajes basados en la psicología Sistemas de reglas de producción: Si <antecedente>entonces <consecuente> (implicación) Si <condiciones>entonces <acción> (activación) Redes semánticas y marcos, basados en teorías de la formación de conceptos en la mente humana Formalización en lenguajes lógicos Lógicas de base: proposiciones, predicados Prolog Lógicas de descripciones web semántica Lógicas modales creencias, deseos, intenciones... Lógica borrosa... c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 22

12 Ejemplo de red semántica vida sentir moverse tiene puede puede ANIMAL bien vuela tipo_de tipo_de da leche plumas tiene AVE MAMIFERO huevos pone tiene tipo_de tipo_de tipo_de tipo_de pelo AVESTRUZ ALBATROS BALLENA LEON patas vuela vuela tiene vive_en come largas no_puede muy_bien piel mar carne c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 23 Traducción de la red semántica a un lenguaje lógico (1) «Lógica OAV», o «lógica 0+»: triplas Conocimiento factual: <Objeto> <Atributo> <Valor>. ÅÓ Ý ÙÒ ÐÐ Ò º ÅÓ Ý ÓÐÓÖ Ð ÒÓ Ä Ó Î Ö ÙÖ ÙÒ Ä Ò º Ü Ä Ó Î Ö ÙÖ ÓÑ ÓÖØ Ð Þ µ º ººº Conocimiento normativo sobre el dominio: Ò Ñ Ð Ø Ò Ú º Ò Ñ Ð ÔÙ ÒØ Ö º Ò Ñ Ð ÔÙ ÑÓÚ Ö º Ú ÚÙ Ð Ò º ººº Ü ÐÐ Ò Ø Ò Ô Ðµ º Ú ØÖÙÞ Ø ÔÓ Ú º ººº c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 24

13 Traducción de la red semántica a lenguaje lógico Conocimiento normativo general (reglas sobre herencia): Ø ÔÓ µ ÓÖ ÙÒ µ Ø Ò Ö µ º Ø ÔÓ µ ÓÖ ÙÒ µ Ò Ö µ Ø Ò Ö µ º Ö µ Ò Ï µ Ò ÒÓØ Ü Ï µµ Ø Ò Ï µ º Ü Ï µµ Ø Ò Ï µ º c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 25 Paradigmas de la IA Procesamiento simbólico: problemas de naturaleza no numérica (lógica) Búsqueda heurística: hacer tratable la complejidad del proceso Sistemas expertos: visión conductista, funcional Sistemas basados en conocimiento: visión cognoscitiva, estructural Aprendizaje automático: Sistemas con autonomía, inducción de conocimiento Agentes inteligentes: «sociedades» de componentes con «personalidad» c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 26

14 Paradigma de la «agencia» sensores entorno perceptos acciones? agente efectores (Figura de AIMA) Agente: Sistema que actúa (eventualmente, por encargo) para producir ciertos efectos en su entorno Agencia: Cualidades (funcionales, estructurales y/o procesales) propias de los agentes (en inglés: agency, o agenthood) c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 27 Agentes software El «entorno» puede ser accesible mediante sensores y efectores, pero más frecuentemente está formado por otros agentes y/o personas (que también se consideran «agentes») accesibles localmente (en la misma máquina en la que se ejecuta el agente) o (más interesante) remotamente.? es un sistema basado en conocimiento. Los «perceptos» y las «acciones» son actos de comunicación expresados en un lenguaje. Agente y entorno deben compartir el lenguaje y una «visión del mundo», u «ontología»: vocabulario y significado de los términos. Más el próximo día c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 28

15 SINT vs. MIT «6.034 Artificial Intelligence» (M.I.T.) T. Lozano Pérez y L. Kaelbling ØØÔ»»ÓÛºÑ Øº Ù» ÇÛÏ» Ð ØÖ Ð¹ Ò Ò Ö Ò ¹ Ò ¹ ÓÑÔÙØ Ö¹Ë Ò» ¹¼ ËÔÖ Ò ¹¾¼¼» ÓÙÖ ÀÓÑ» Ò Üº ØÑ Tema horas Tema horas Búsqueda Search 6 Lenguajes de represent. Knowledge Representation para ontologías 12 and Inference 15 Aprendizaje 10 Machine Learning 15 Agentes 16 Aplicaciones 16 c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 29 Sistemas Inteligentes: Temas Ö: Gregorio Fernández : José Carlos González Ñ : Mercedes Garijo Tema/horas Profesor Introducción/2 Ö ØºÙÔÑº Ontologías/12 Ö ØºÙÔÑº Aprendizaje/10 Ö ØºÙÔÑº Agentes/16 Ñ ØºÙÔÑº Aplicaciones/16 ØºÙÔÑº c 2009 DIT-ETSIT- Sistemas Inteligentes: Introducción transp. 30