aplicaciones modernas de inteligencia artificial dr gerardo reyes salgado
TRANSCRIPT
-
1INTELIGENCIA ARTIFICIAL Y INTELIGENCIA ARTIFICIAL Y
APRENDIZAJE AUTOMTICOAPRENDIZAJE AUTOMTICO
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09Web: www.cenidet.edu.mxWeb: www.cenidet.edu.mxWeb: www.cenidet.edu.mxWeb: www.cenidet.edu.mxDr. Gerardo Reyes SalgadoDr. Gerardo Reyes Salgado
-
2SOBRE EL EXPOSITOR
Doctor en Ciencias Cognitivas por el Instituto Nacional Politcnico de Grenoble, Francia (2001). Maestro en Ciencias Computacionales por el CENIDET, Mxico (1995) . Ingeniero Civil por el Instituto Tecnolgico de Zacatepec, Mxico (1983). Miembro del Sistema Nacional de Investigadores desde 2002. Desde 1985 ha sido profesor en los niveles de bachillerato, licenciatura y actualmente de maestra y doctorado. Profesor honorario de la Universidad Rey Juan Carlos de Espaa.
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Profesor honorario de la Universidad Rey Juan Carlos de Espaa. Ha publicado varios artculos en congresos nacionales e internacionales y en revistas especializadas. Invitado como ponente a varios eventos nacionales e internacionales. Actualmente trabaja como investigador en el grupo Inteligencia Artificial del CENIDET, donde dirige un proyecto en el cual se estudian los procesos de aprendizaje automtico, bajo la perspectiva de los sistemas hbridos. En este proyecto se encuentra dirigiendo tesis de maestra y doctorado. Subdirector Acadmico del CENIDET. DVP del IEEE para Latinoamrica.
-
31. El aprendizaje en los seres humanos y en los sistemas artificiales .
2. reas de la Inteligencia Artificial (I.A.).
Aplicaciones de la I.A.
PLAN DE LA PRESENTACIN
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
3. Aplicaciones de la I.A.
4. Tendencias de la I.A.
5. Aprendizaje automtico.
6. Conclusiones.
-
4TEMA 1EL APRENDIZAJE EN LOS SERES HUMANOS Y EN LOS SISTEMAS
ARTIFICIALES
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
5HUMANA Facultad de comprender, de conocer. Aptitud deestablecer relaciones entre las percepcionessensoriales o para abstraer y asociar conceptos.
ARTIFICIAL (I.A.) Campo de estudio que se enfoca a la explicacin y
INTELIGENCIA
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Campo de estudio que se enfoca a la explicacin yemulacin de la conducta inteligente en funcin deprocesos computacionales.
Consiste en programar computadoras para que hagantareas que actualmente son hechas mejor por los sereshumanos, tales como el aprendizaje perceptual, tomade decisiones, razonamiento, etc.
-
61. Desarrollar una tecnologa capaz de suministrar a lacomputadora capacidades de razonamiento similares alas de la inteligencia humana (Resultados en la
Para que una entidad sea considerada inteligente bastacon que se comporte inteligentemente, o adems, deberazonar de forma inteligente?
DOS VISIONES DE LA I.A.
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
las de la inteligencia humana (Resultados en lautilidad y no en el mtodo).
2. Investigar los mecanismos de la inteligencia humanapara utilizar a la computadora como herramienta desimulacin para la validacin de teoras (Enfoque delas ciencias cognitivas: descubrir en qu consiste lainteligencia).
-
7Una computadora inteligente debera ser capaz de realizar algunas funciones inteligentes tales como:
1. Procesar lenguaje natural.
QU ESPERAMOS DE UN SISTEMA INTELIGENTE
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
1. Procesar lenguaje natural.2. Percibir el mundo.3. Adquirir conocimientos.4. Aprender .5. Razonar de manera automtica.6. Interacturar con el mundo fsico.
-
8VEAMOS ALGUNOS EJEMPLOS DE SISTEMAS QUE
APRENDEN . . .
VIDEOS
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
VIDEOS Torneo de robots futbolistas
El robot QRIO
-
9UNA GRAN PREGUNTA. . .
QU ES EL APRENDIZAJE
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
APRENDIZAJE
-
10
EL APRENDIZAJE EN LA PSICOLOGA
"Es la modificacin habitual y relativamente permanente en algn aspecto de la conducta observable, que ocurre como resultado de
experiencias adquiridas
- Caminar
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Cuando hay un propsito, SI es aprendizaje
- Caminar
- Volar
-Nadar
- Comer, etc.
Instintoo
madurez biolgica
-
11
EL APRENDIZAJE EN LAS CIENCIAS COGNITIVAS
"El aprendizaje es a la vez la construccin del saber y del saber-hacer. El aprendizaje requiere de las capacidades de memoria para estabilizarse, pero para su utilizacin en situaciones diferentes requiere de flexibilidad y adaptacin"
- Psicologa cognitiva
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Disciplinas implicadas
- Didctica y ciencias de la educacin- Psicologa animal- Neurociencias
- Neuropediatra- Psicopatologa del nio- Historia y antropologa
- Inteligencia Artificial
-
12
EL APRENDIZAJE EN LA I.A.
"Cualquier cambio deliberado o dirigido en la estructura del conocimiento de un sistema que permite posteriormente desarrollar mejor alguna tarea
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
13
ORIGEN DEL APRENDIZAJE EN HUMANOS Y SISTEMAS ARTIFICIALES
1. Habilidades genticamente heredadas
2. Informacin proporcionada
Conjunto de procedimientos o una base de datos
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Caminos para
aprender
2. Informacin proporcionada
3. Evaluacin por parte de una segunda persona
4. Experiencia u observacin
5. Analoga
una base de datos
Aprendizaje automtico
-
14
TEMA 2REAS DE LA INTELIGENCIA
ARTIFICIAL (I.A.)
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
15
Manejo del lenguaje natural para poder establecer unacomunicacin satisfactoria.
1. PROCESAMIENTO DEL LENGUAJE NATURAL (PLN)
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
16
Ayuda en la preparacin de textos (guiones, ortografa,sintaxis)
Bsqueda de documentos Minera de textos Interfaces en lenguaje natural Traduccin automtica
APLICACIONES DEL PLN
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Traduccin automtica Procesamiento de voz Generacin de texto
Reconocimiento del hablA
-
17
La visin por computadora tiene como finalidad la reproduccin artificial del sentido de la vista.
Una de sus reas deaplicacin es el
2. RECONOCIMIENTO DE PATRONES VISUALES
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
aplicacin es elprocesamiento de unaescena para supercepcin autnomapor una computadora.
-
18
Imagen de entrada
Clasificador (X1,1, X1,2, . . . X1,n)
Base de conocimientos
Vector de caractersticas
Clase 1
Clase 2
RECONOCIMIENTO
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
(X1, X2, . . . Xn)
(X2,1, X2,2, . . . X2,n)
(Xm,1, Xm,2, . . . Xm,n)
Clase 3
-
19
3. REPRESENTACIN Y ADQUISICIN DE CONOCIMIENTOS
4,3
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
(Xm,1, Xm,2, . . .Xm,n)
A BCD
E4,0 0,3
4,3
0,3 1,0
1,3
-
20
4. APRENDIZAJE AUTOMTICO
Aprendizaje :
Prueba y error
Por experiencia
Mediante rboles de
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Mediante rboles de identificacin
Redes neuronales
Evolucin simulada
-
21
5. RAZONAMIENTO AUTOMTICO
Cmo pueden razonar las mquinas para tomardecisiones de forma "inteligente ?
PROBLEMA
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
AlgoritmoHeurstica
I.A.NO !! SI !!
-
22
6. ROBTICALa robtica da a la IA el medio para exhibir al mundo realla inteligencia necesaria para manipular su medio ambiente.
La robtica da a la mente artificial, un cuerpo.
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
23
TEMA 3
APLICACIONES DE LA I.A.
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
24
APLICACIONES Procesamiento de imgenes areas y de satlites. Anlisis de imgenes mdicas. Reconstrucciones tridimensionales. Visin industrial para el ensamblado e inspeccin de productos.
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
25
MS APLICACIONES Identificacin de personas. Construcciones inteligentes. Interfaces inteligentes.
Exploracin (minera, petrolera, etc. ). Diagnstico de fallas (sistemaselctricos, plantas nucleares, etc.). Programacin automtica.
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Programacin automtica. Transportacin. Enseanza, simulacin. Juegos. Cine.
-
26
TEMA 4
TENDENCIAS DE LA I.A.
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
27
TENDENCIAS DE LA IA
Prueba de TuringDeep blue (ajedrez 97).Copa mundial de robots (Robocup).
Aplicaciones de procesamiento en paralelo.
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
procesamiento en paralelo.
Knowbots.
Web inteligentes.
Recuperacin de informacin.
Vehculos autnomos.
-
28
Vida artificial (Alife) : pretende reproducir el comportamiento de los seres vivos, para :
Entender, analizar el fenmeno de la vida.Iniciar con reglas de produccin y
MS TENDENCIAS DE LA IA
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Iniciar con reglas de produccin y estudiar comportamientos.
Esfuerzos colaborativos comunitarios.
Alto impacto.
Progreso en corto tiempo.
-
29
TEMA 5
APRENDIZAJE AUTOMTICO ARTIFICIAL
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
30
DOS TEORAS EN TORNO A LOS PROCESOS MENTALES
Enfoque Simblico
La mente es un gran manipulador
Enfoque Conexionista
La mente es una gran red de neuronas
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
manipulador de smbolos al igual que una computadora
de neuronas trabajando en paralelo
-
31
CARACTERSTICAS DEL ENFOQUE SIMBLICO
El enfoque simblico supone la capacidad de categorizar y de describir fragmentos del mundo continuo que nos
rodea en entidades separadas,
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
rodea en entidades separadas, estructuradas entre ellas mediante relaciones lgicas
-
32
ALGUNOS MTODOS DE REPRESENTACIN SIMBLICA
Reglas simblicas
SI x es una imagen Y
x contiene pista(s) Y
x contiene aviones Y
x contiene edificios(s) Y
(algunos) aviones apuntan al(los)
rboles de decisin
CIELO
HUMEDAD VIENTO
P
P N N P
P = 9N = 5
P = 2N = 3
P = 3N = 2
P = 4
P = 2 N = 3 N = 2 P = 3
SoleadoCubierto
Lluvioso
Normal Alta Si No
CIELO
HUMEDAD VIENTO
P
P N N P
P = 9N = 5
P = 2N = 3
P = 3N = 2
P = 4
P = 2 N = 3 N = 2 P = 3
SoleadoCubierto
Lluvioso
Normal Alta Si No
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
(algunos) aviones apuntan al(los)
edificio(s),
ENTONCES x es una imagen de un
aeropuerto comercial.
Razonamiento basado en casos
Problema
Solucion
Problema similar
Solucion adaptada
Problema
Solucion
Problema similar
Solucion adaptada
-
33
CMO OBTENER CONOCIMIENTO SIMBLICO A PARTIR DE ESTA BASE DE EJEMPLOS?
No Estatura IQ Peso A.Ment. Resist Veloc. Clase1 168 150 58 8 6 4 ajedrecista2 176 148 62 9 7 5 ajedrecista3 180 110 98 6 6 9 futbolista4 188 115 104 7 5 9 futbolista5 192 100 85 5 9 5 basquetbolista6 196 120 97 6 8 4 basquetbolista7 200 105 94 4 8 6 basquetbolista8 204 120 100 6 9 4 basquetbolista9 168 150 58 8 6 4 ajedrecista
10 180 110 98 6 6 9 futbolista11 184 120 100 6 4 8 futbolista12 188 115 104 7 5 9 futbolista13 192 100 85 5 9 5 basquetbolista14 196 120 97 6 8 4 basquetbolista
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
14 196 120 97 6 8 4 basquetbolista15 200 105 94 4 8 6 basquetbolista16 204 120 100 6 9 4 basquetbolista17 160 150 58 8 6 4 ajedrecista18 166 145 67 9 5 6 ajedrecista19 167 148 62 9 7 5 ajedrecista20 179 110 98 6 6 9 futbolista21 191 100 85 5 9 5 basquetbolista22 170 150 58 8 6 4 ajedrecista23 169 145 67 9 5 6 ajedrecista24 173 148 62 9 7 5 ajedrecista25 182 110 98 6 6 9 futbolista26 186 120 100 6 4 8 futbolista27 182 115 104 7 5 9 futbolista28 197 100 85 5 9 5 basquetbolista29 198 120 97 6 8 4 basquetbolista30 204 105 94 4 8 6 basquetbolista31 200 120 100 6 9 4 basquetbolista
-
34
EJEMPLOS DE SISTEMAS QUE GENERAN REPRESENTACIONES SIMBLICAS
SEE5(Construye rboles de
decisin o reglas a partir de datos
numricos)
No Estatura IQ Peso A.Ment. Resist Veloc. Clase1 168 150 58 8 6 4 ajedrecista2 176 148 62 9 7 5 ajedrecista3 180 110 98 6 6 9 futbolista4 188 115 104 7 5 9 futbolista5 192 100 85 5 9 5 basquetbolista6 196 120 97 6 8 4 basquetbolista7 200 105 94 4 8 6 basquetbolista8 204 120 100 6 9 4 basquetbolista9 168 150 58 8 6 4 ajedrecista
RESISTENCIA
PESOB
A F
A = 9B = 13F = 9
A = 9F = 9
13
9 9
> 7
-
35
SEE5: CONSTRUCCIN DE RBOL DE DECISIN O REGLAS
RESISTENCIA
PESO
B
A = 9B = 13F = 9
A = 9F = 9
13
> 7
-
36
CARACTERSTICAS DEL ENFOQUE CONEXIONISTA
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
37
LA RED NEURONAL BIOLGICA: UNA COMPUTADORA HUMANA QUE APRENDE
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
38
UNA NEURONA BIOLGICA EN DETALLE
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
39
UNA NEURONA ARTIFICIAL EN DETALLE
Fct (Net)
Funcin de activacin (Regulacin de la salida)
Salida (Axn y sinapsis hacia otras unidades)
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09X1 X2 XN
w1
w2
wN
. .
. . .
Net = Wi . Xi+BiaisN
i
Entradas (Dendritas)
Pesos sinpticos (Efecto de inhibicin o excitacin sobre la activacin de las seales de entrada)
Activacin (Suma el conjunto de entradas y sus pesos asociados)
-
40
UNA RED NEURONAL ARTIFICIAL
Unidad jcapa de salida
En las redes neuronales (o conexionistas), los conocimientos son representados por las ligas entre las unidades (neuronas artificiales) y
sus pesos sinpticos asociados
Pesoij
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Unidad icapa oculta
capa de entrada
-
41
APRENDIZAJE CONEXIONISTAEl aprendizaje es un proceso gradual e iterativo, donde los
pesos de la RNA son modificados segn una regla de aprendizaje antes de alcanzar sus valores finales.
Detener cuando el error global < error aceptado
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
1 2 4 2 5 1 1
1 2 4 2 5 1 1
2 2 4 2 5 1 2
1 0 2 2 2 1 2
3 2 6 2 25 2 1
1 0 4 2 1 1 2
4 4 18 5 2 3 1
aceptado
-
42
EJEMPLO: UNA RNA QUE APRENDE A CLASIFICAR
X Y Clase1 1 A2 1 A-3 -1 B-2 -3 B
A
A
AA
AA
A
A
AA
A
A
A
A
AA
AA
AAA
B AB
B
BB
B
BB
solucin
Clase
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
4 2 A0 0 B3 3 A-1 -3 B... ... ...
AA
A
AA
ABB B
B
BB
BB
B
BB B B
B
B
B
B
B
A
A
BB
X Y
wi wnww
-
43
EJEMPLO DE SISTEMA
CONEXIONISTA QUE APRENDE
BRAINMAKER
No Estatura IQ Peso A.Ment. Resist Veloc. Clase1 168 150 58 8 6 4 ajedrecista2 176 148 62 9 7 5 ajedrecista3 180 110 98 6 6 9 futbolista4 188 115 104 7 5 9 futbolista5 192 100 85 5 9 5 basquetbolista6 196 120 97 6 8 4 basquetbolista7 200 105 94 4 8 6 basquetbolista8 204 120 100 6 9 4 basquetbolista9 168 150 58 8 6 4 ajedrecista
10 180 110 98 6 6 9 futbolista11 184 120 100 6 4 8 futbolista12 188 115 104 7 5 9 futbolista13 192 100 85 5 9 5 basquetbolista14 196 120 97 6 8 4 basquetbolista15 200 105 94 4 8 6 basquetbolista16 204 120 100 6 9 4 basquetbolista
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
(Aprende a reconocer o clasificar objetos a partir de datos
numricos)
16 204 120 100 6 9 4 basquetbolista17 160 150 58 8 6 4 ajedrecista18 166 145 67 9 5 6 ajedrecista19 167 148 62 9 7 5 ajedrecista20 179 110 98 6 6 9 futbolista21 191 100 85 5 9 5 basquetbolista22 170 150 58 8 6 4 ajedrecista23 169 145 67 9 5 6 ajedrecista24 173 148 62 9 7 5 ajedrecista25 182 110 98 6 6 9 futbolista26 186 120 100 6 4 8 futbolista27 182 115 104 7 5 9 futbolista28 197 100 85 5 9 5 basquetbolista29 198 120 97 6 8 4 basquetbolista30 204 105 94 4 8 6 basquetbolista31 200 120 100 6 9 4 basquetbolista
Ajedrecista = 1
Futbolista = 2
Basquetbolista = 3
-
44
TEMA 6
CONCLUSIONES
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
-
45
CONCLUSIONES
Cmo es posible que un diminuto y lento cerebro tengacapacidad para percibir, comprender, predecir y manipular unmundo que en tamao y complejidad lo excede a creces?
La IA es una ciencia nueva con mucho camino y con pasosprometedores.
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
prometedores.
La prediccin de futuras aplicaciones son inimaginables.
La IA trata de imitar aspectos de la vida natural (reproducirfunciones y comportamientos) no de dar vida.
-
46
GRACIAS !!!GRACIAS !!!Cenidet:
www.cenidet.edu.mx
IAINTELIGENCIA ARTIFICIAL - IEEE PER - NOVIEMBRE 09
Email - Dr. Gerardo Reyes :