i a completo

I

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJALa Universidad Católica de Loja

MODALIDAD ABIERTA Y A DISTANCIA

Reciba asesoría virtual en: www.utpl.edu.ec

Guía didáctica

CICLO

10

NTELIGENCIA ARTIFICIAL

181004

ESCUELA DE CIENCIAS DE LA COMPUTACIÓN

AUTORES:

Ing. Priscila Valdiviezo Díaz

Ing. Héctor Fernando Gómez

1. Datos informativos

CARRERA:Ingeniería en Informática

INTELIGENCIA ARTIFICIALGuía DidácticaPriscila Valdiviezo DíazHéctor Fernando Gómez

© 2007, UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA

Diagramación, diseño e impresión:EDITORIAL DE LA UNIVERSIDAD TÉCNICA PARTICULAR DE LOJACall Center: 593 - 7 - 2588730, Fax: 593 - 7 - 2585977C. P.: 11- 01- 608www.utpl.edu.ecSan Cayetano Alto s/nLoja-Ecuador

Primera edición

ISBN-978-9942-08-025-7

Esta versión impresa, ha sido licenciada por el autor con Creative Commons; la misma que permite copiar, distribuir y comunicar públicamente la obra, mientras se reconozca la autoría original, no se realicen obras derivadas ni se utilice con fines comerciales. http://www.creativecommons.org/licences/by-nc-nd/3.0

Octubre, 2010

ÍNDICE

ITEM PÁGINA

INTRODUCCION .................................................................................................................................5OBJETIVOS GENERALES ................................................................................................................5CONTENIDOS ....................................................................................................................................5BIBLIOGRAFIA ...................................................................................................................................6ORIENTACIONES PARA EL ESTUDIO .......................................................................................7

PRIMER BIMESTRE

OBJETIVOS ESPECIFICOS ..............................................................................................................9CONTENIDOS .....................................................................................................................................9DESARROLLO DEL APRENDIZAJE ...........................................................................................10

UNIDAD 1: FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL ............................... 11

1.1 ¿Qué es la IA? ............................................................................................... 11

1.2 HistoriadelaInteligenciaartificial .............................................................. 12

1.3 Estadodelartedelainteligenciaartificial. ............................................... 14

Autoevaluación 1 ................................................................................................... 16

UNIDAD 2: AGENTES INTELIGENTES ........................................................................ 17

2.1 Agentes inteligentes y su entorno ................................................................... 17

2.2 La naturaleza del entorno ............................................................................... 19

2.3 Estructura de los agentes ................................................................................. 21

Autoevaluación 2 ................................................................................................... 23

UNIDAD 3: RESOLVER PROBLEMAS MEDIANTE BÚSQUEDAS ................................. 25

3.1 Agentes resolventes-problemas ...................................................................... 25

3.2 Búsqueda de soluciones .................................................................................. 27

3.3 Estrategias de búsqueda no informada ........................................................ 28

3.4 Búsqueda con información parcial ................................................................ 31

Autoevaluación 3 ................................................................................................... 32

UNIDAD 4: ESTRATEGIAS DE BÚSQUEDA INFORMADA Y DE EXPLORACIÓN ....... 33

4.1 Estrategias de Búsqueda Informada .............................................................. 33

4.2 Algoritmos de búsqueda local y problemas de optimización .................... 36

4.3 Búsqueda online y ambientes desconocidos ............................................... 37

Autoevaluación 4 ................................................................................................... 39

SEGUNDO BIMESTRE

OBJETIVOS ESPECIFICOS ..........................................................................................................51CONTENIDOS ................................................................................................................................51DESARROLLO DEL APRENDIZAJE ........................................................................................52

UNIDAD 5: PROBLEMAS DE SATISFACCION DE RESTRICCIONES .......................... 41

5.1 Algoritmo de vuelta atrás para resolver problemas de satisfacción de

restricciones (PSR) ................................................................................................... 43

5.2 Búsqueda local para problemas de satisfacción de restricciones. ........... 45

Autoevaluación 5 ................................................................................................... 47

UNIDAD 6: BÚSQUEDA ENTRE ADVERSARIOS ........................................................ 48

6.1 Algoritmo MINIMAX ........................................................................................... 48

6.2 Poda Alfa-Beta. ................................................................................................. 50

Autoevaluación 6 ................................................................................................... 53

UNIDAD 7: AGENTES LÓGICOS .............................................................................. 54

7.1 Agentes basados en el conocimiento. .......................................................... 54

7.2 Lógica Proposicional. ....................................................................................... 56

7.3 Patrones de razonamiento en lógica proposicional .................................... 587.4. Encadenamiento hacia adelante y hacia atrás ......................................... 59

7.4. Backtracking ..................................................................................................... 61

7.5. Agentes Basados en lógica proposicional ................................................... 61

Autoevaluación 7 ................................................................................................... 63

ANEXOS ............................................................................................................71

F EVALUACIONES A DISTANCIA

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja 5

PRELIMINARES Guía didáctica: Inteligencia Artificial

Introducción

Reciba un cordial saludo de bienvenida a esta asignatura, tenemos el agrado de compartir con usted los conocimientos de la asignatura de Inteligencia Artificial, que forma parte del décimo ciclo de la carrera de Ingeniería en Informática, de la Modalidad Abierta y a Distancia de la UTPL.

La Inteligencia Artificial (IA) estudia las estrategias y algoritmos que permiten a los computadores pensar “igual” que las personas. Esta disciplina puede ser aplicada en distintas áreas del conocimiento: Medicina, Control automático, Análisis de datos, etc. Es por ello que, el propósito de esta asignatura es aprender las técnicas adecuadas para enseñar al computador a pensar y conocer su aplicabilidad en el ámbito informático.

Para alcanzar dicho propósito, el programa de la asignatura se lo ha organizado de la siguiente forma: en el primer bimestre se contemplan temas como: Fundamentos de la Inteligencia Artificial, donde se conocerán aspectos generales de esta disciplina, Agentes inteligentes, Resolución de problemas mediante búsqueda y Estrategias de búsqueda informada y de exploración. El segundo bimestre se abarcarán unidades relacionadas a la Búsqueda entre adversarios, donde se cubrirán temas como el algoritmo Minimax, y la poda Alfabeta; Agentes Lógicos que contempla temas relacionados a Lógica Proposicional y a los Patrones de razonamiento; finalmente, el Encadenamiento hacia adelante y hacia atrás, donde se analiza el desempeño del algoritmo Backtracking y del algoritmo de Búsqueda local. Seleccionamos estos temas ya que creemos que son la base fundamental de “cómo piensa un computador”. Además, como esta materia contempla también elementos de práctica, hemos creído conveniente proponer ejercicios que se irán desarrollando con el fin de afianzar la teoría.

Hagamos de este camino de la Inteligencia Artificial, un sendero para transitar juntos, recuerde que siempre estaremos apoyándolo en sus inquietudes. Estamos seguros que con su esfuerzo personal y nuestro apoyo podrá culminar con éxito el aprendizaje de esta asignatura. ¡Adelante!

UNIVERSIDAD TÉCNICA PARTICULAR DE LOJA La Universidad Católica de Loja6

PRELIMINARESGuía didáctica: Inteligencia Artificial

Objetivo general

Aplicar la teoría de la Inteligencia artificial en situaciones de la vida real

Bibliografía

BÁSICA

Russell, Stuart.(2004), Inteligencia Artificial un enfoque moderno. 2da edición. Prentice Hall, 2004.

El texto de Inteligencia Artificial describe los conceptos necesarios para aprender y comprender los temas que iremos tratando en esta asignatura. De los contenidos desarrollados en el texto, hemos seleccionado los capítulos que consideramos que son los más importantes para que se haga una idea lo suficientemente clara de la forma en cómo pueden pensar los computadores. El texto además contiene ejemplos que ayudarán a la compresión de cada uno de los temas tratados en la presente guía.

Valdiviezo P., G.; Gómez H. (2011) Guía didáctica de Inteligencia Artificial, Editorial UTPL, Ecuador.

La Guía didáctica de Inteligencia Artificial, orienta y da las pautas que el estudiante necesita para su aprendizaje, está diseñada para acompañar el estudio de la asignatura. Encontrará en ella ejemplos aclarativos de la teoría del texto base y elementos educativos para resolver sus dudas e inquietudes.

COMPLEMENTARIA

Borrajo, D. y otros. (2009). Inteligencia Artificial. Departamento de Informática. Universidad Carlos III de Madrid. Recuperado el 10 de mayo de 2011, de: http://ocw.uc3m.es/informatica/inteligencia-artificial-2/material-de-clase-1/

En este curso encontrará material relacionado a la inteligencia artificial como: Búsqueda no informada, búsqueda heurística y Búsqueda con adversarios.

Sarria, G. (2006). Inteligencia Artificial. Recuperado el 11 de mayo de 2011, de: eisc.univalle.edu.co/materias/IA/pdf/parte06-handout.pdf

En este documento encontrará algunas bases necesarias para trabajar con los algoritmos de búsqueda relacionados con la inteligencia artificial avanzada.

Bravo Raspeño, J. (2011). Teoría de Juegos. Recuperado el 12 de mayo de 2011, de: http//: www.ecpunr.com.ar/Docs/Teoria_de_Juegos%20II.pdf

Una de las mejores maneras de entender el funcionamiento de los algoritmos de la inteligencia artificial es mediante la teoría de juegos. Este documento le permitirá conocer todo lo relacionado a este tema.



Cruz Jimenez, J. J. (2006). Encadenamiento hacia adelante y atrás. Recuperado el 10 de mayo de 2011, de: http://www.uco.es/~i42crjij/aplicada/tema4.htm

Este documento le ayudará a comprender como es posible realizar búsquedas en espacios de estados.

Marcos, M. (2002). Logica Proposicional en Wumpus. Recuperado el 10 de mayo de 2011, de: http://www.cs.us.es/~joaquin/tema-02.pdf

Otro de los ejemplos clásicos de la inteligencia artificial y que va a encontrar en el texto base, es el mundo de wumpus. Revise la programación del juego en este documento y por supuesto puede intentar jugar y ganar.

ScribbD. (2005). Algoritmica Backtracking. Recuperado el 12 de mayo del 201, de: http://es.scribd.com/doc/39928396/Algoritmica-Backtracking

Estudiaremos el algoritmo Backtracking que permite obtener mejores resultados que el utilizar lógica proposicional. En este documento se dará cuenta como todo problema puede ser sometido a un análisis de búsqueda hacia atrás obteniendo mejores soluciones aunque no necesariamente las más optimas. Esta última frase debió haber despertado su curiosidad, ¡Anímese a revisarlo!.

Molina, M. Á. (s.f.). Como juega un programa al ajedrez. Recuperado el 06 de mayo del 2011, de: http://www1.freewebs.com/cheoss/index.html

Habíamos mencionado que los computadores pueden “pensar”. En esta dirección encontrará como se puede programar un algoritmo para que un computador juegue al ajedrez.


PRELIMINARESGuía didáctica: Inteligencia Artificial

Orientaciones generales

El estudiar a distancia requiere de organización y planificación, estamos seguros que si usted realiza el mejor esfuerzo posible y con nuestro apoyo logrará habituarse a esta modalidad de estudio. Es por ello que con el objeto de posibilitar un aprendizaje significativo le ofrecemos algunas orientaciones que le ayudarán a comprender mejor a esta rama de la ciencia.

Tenga en cuenta que para el desarrollo de la asignatura dispone de los siguientes materiales y recursos didácticos:

• Guía didáctica y el texto base, detallados en la bibliografía y que son los recursos indispensables para el desarrollo del aprendizaje. Trabajaremos constantemente con los dos, por lo que le recomendamos siempre tenerlos a mano.

• Tenga presente que los contenidos están divididos en dos partes, para el primer bimestre estudiaremos las unidades de la 1 a la 4 y para el segundo bimestre abordaremos las unidades 5, 6 y 7.

• Es importante que escoja un lugar tranquilo, bien iluminado para el estudio de la asignatura.

• Para una mejor comprensión de los temas señalados en la guía didáctica, utilice técnicas de estudio como el subrayado, resúmenes, cuadros sinópticos, y/o cualquier estrategia de aprendizaje de acuerdo a su manera de aprender.temas.

• Como parte de su autoaprendizaje es recomendable que resuelva las autoevaluaciones ubicadas al final de cada unidad de estudio, luego puede verificar las respuestas en el solucionario que se encuentra al final de la guía didáctica.

• Los trabajos a distancia son un conjunto de actividades teóricas y prácticas que deben desarrollarse obligatoriamente con el fin de evaluar el progreso de su aprendizaje. Existen dos evaluaciones a distancia, una por cada bimestre, que tienen una valoración de seis puntos cada una (2 puntos para la parte objetiva, y 4 para la parte de ensayo que corresponden a las actividades propuestas en su trabajo a distancia y a su participación en el EVA). Estas evaluaciones son requisito para presentarse a la evaluación presencial.

• Le recomendamos ingresar al EVA semanalmente, para consultar a los profesores y revisar algunas orientaciones que se hayan ingresado respecto a los temas de la asignatura o para el desarrollo de las evaluaciones.

• Si tiene alguna inquietud recuerde que no está solo, cuenta con nuestro apoyo, estamos dispuestos a ayudarle, puede realizar las respectivas consultas vía telefónica, email o a través de los diferentes medios que le ofrece la universidad.

Esperamos que todas y cada una de estas recomendaciones contribuyan al aprendizaje exitoso de esta asignatura.



Como parte adicional que se incluye en la guía didáctica usted se podrá guiar con los siguientes iconos que le indicarán la acción a realizar en cada unidad:

Revisar Texto básico

Actividad Recomendada

Ejercicio

Inquietudes

Actividad en el EVA


PRIMER BIMESTRE Guía didáctica: Inteligencia Artificial

1. Identificar las áreas de aplicación de la inteligencia artificial y determinar la importancia de su estudio.

2. Adquirir destrezas para el diseño de agentes inteligentes

3. Comprender y aplicar las estrategias de búsqueda para la resolución de problemas.

UNIDAD 1

FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

1.1 ¿Qué es la IA?

1.2 Historia de la Inteligencia artificial

1.3 Estado del arte de la inteligencia artificial.

Autoevaluación 1

UNIDAD 2

AGENTES INTELIGENTES

2.1 Agentes inteligentes y su entorno

2.2 La naturaleza del entorno

2.3 Estructura de los agentes

Autoevaluación 2

PRIMER BIMESTREObjetivos específicos

Contenidos


PRIMER BIMESTREGuía didáctica: Inteligencia Artificial

UNIDAD 3

RESOLVER PROBLEMAS MEDIANTE BÚSQUEDAS

3.1 Agentes resolventes-problemas

3.2 Búsqueda de soluciones

3.3 Estrategias de búsqueda no informada

3.4 Búsqueda con información parcial

Autoevaluación 3

UNIDAD 4

ESTRATEGIAS DE BÚSQUEDA INFORMADA Y DE EXPLORACIÓN

4.1 Estrategias de Búsqueda Informada

4.2 Algoritmos de búsqueda local y problemas de optimización

4.3 Búsqueda online y ambientes desconocidos

Autoevaluación 4



Desarrollo del aprendizaje

UNIDAD 1FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

Estimado estudiante, empezamos con el estudio de esta interesante asignatura haciendo referencia algunos fundamentos básicos de la Inteligencia artificial (IA), como su definición, un poco de historia haciendo referencia a su nacimiento y en lo que se ha venido convirtiendo esta ciencia. Iniciaremos entonces en primer lugar con algunas definiciones básicas y con una breve historia de las disciplinas que han contribuido a la IA.

1.1 ¿QUÉ ES LA IA?

La IA en los últimos años ha ido evolucionando con gran rapidez que otras disciplinas, lo que ha ocasionado que abarque una gran cantidad de áreas, desde algunas muy generales como razonamiento, búsqueda, etc. a otras más específicas como las redes neuronales, sistemas expertos, etc. Pero, ¿qué es la IA?. Para aclarar esta interrogante es necesario:

Desarrollar las lecturas del capítulo 1: “Introducción” del texto base, secciones 1.1 y 1.2 donde se da algunas definiciones de IA y los fundamentos en los que se sustenta esta ciencia.

Con la lectura realizada, encontraremos una gran variedad de definiciones de la IA, pero puede ser entendida como la disciplina que estudia cómo lograr que las computadoras actúen racionalmente, es decir, buscan lograr que éstas se asemejen cada vez más al comportamiento humano.

De ahí que en el texto base se describen algunos enfoques que dan una visión general de la inteligencia artificial:

• El enfoque de la prueba de Turing

• El modelo del enfoque cognitivo

• El enfoque de las «leyes del pensamiento» y

• El enfoque del agente racional.

Por otro lado, también encontrará que la Inteligencia artificial se fundamenta en varias disciplinas como las que se muestran a continuación:



Figura 1.1. Disciplinas que contribuyeron al desarrollo de la IA

Bien, ahora lo invitamos a desarrollar la siguiente actividad para que refuerce los conocimientos adquiridos durante la lectura:

ACTIVIDAD RECOMENDADA

• Defina con sus propias palabras el término “inteligencia artificial”.

______________________________________________________________

______________________________________________________________

• Realice un mapa conceptual de las disciplinas que han contribuido al desarrollo de la IA.

1.2 HISTORIA DE LA INTELIGENCIA ARTIFICIAL

Para seguir abordando los temas concernientes a la IA, hemos creído conveniente revisar un poco de historia hasta llegar al estado actual de la misma. Es por ello que para conocer cómo nace esta ciencia, cómo ha ido evolucionando, hasta llegarla a concebir como una ciencia, es necesario:



Realizar una lectura de la sección 1.3: “Historia de la Inteligencia Artificial” del texto base, veremos una visión general de la IA desde su nacimiento hasta el perfeccionamiento de los enfoques que se han venido dando de esta ciencia.

Con la lectura realizada, veremos que Warren McCulloch y Walter Pitts fueron los autores del primer trabajo de la IA, los cuales se basaron en tres fuentes:

• Conocimientos sobre fisiología básica y funcionamiento de las neuronas.

• Análisis formal de la lógica proposicional (Russel & Whitehead)

• Teoría de la computación de Turing.

Para conocer en qué consiste el modelo propuestos por estos autores y otros trabajos caracterizados como parte de la Inteligencia artificial lo invitamos a seguir leyendo la génesis y el nacimiento de la IA.

Evolución de la IA en sus primeros años

En esta parte conocerá el entusiasmo inicial en los primeros años de la IA, donde algunos de sus hitos fueron:

• Hipótesis del sistema de símbolos físicos.

• Lenguaje de alto nivel LISP.

• Micromundos, el mundo de los bosques.

• Redes neuronales como adalines o perceptrones., etc.

Lo invitamos a seguir revisando otros desarrollos que se vinieron dado durante las primeras décadas de la IA, como los sistemas basados en el conocimiento, la IA como industria y como ciencia, el regreso de las redes neuronales y la emergencia de los sistemas inteligentes, apartados que se encuentran explicados en su texto base en la sección antes indicada.

Muy bien!, poco a poco, avanzamos con el estudio de la IA, ahora realicemos la siguiente actividad.


• Considerando la historia de la IA, construya una línea de tiempo sobre la evolución de esta disciplina.

Un aspecto importante que debe tener en cuenta tras la lectura del texto base es cómo la IA llega a convertirse en una industria, y luego en una ciencia, lo cual ha permitido que esta disciplina pueda ser vista ya como un campo científico.



1.3 ESTADO DEL ARTE DE LA INTELIGENCIA ARTIFICIAL.

A medida que avanzamos con el estudio de la IA, se vuelve muy interesante este tema. Pues ahora, conoceremos que es capaz de hacer hoy en día esta ciencia realizando lo siguiente:

Desarrollar la lectura de la sección 1.4. Estado del arte. Además para completar esta parte puede recurrir al recurso OCW especificado en la bibliografía complementaria y revisar el tema “Introducción a la Inteligencia Artificial”.

Cómo podemos ver existen muchos subcampos de la IA provenientes de muchas de las actividades que se pueden realizar con esta ciencia. Es así que tomando como referencia lo señalado en el texto base, presentamos a continuación algunas de las principales áreas o ramas de la IA1:

Procesamiento del Lenguaje Natural

Consulta inteligente de base de datos

Robótica

Programación Automática

Sistemas Expertos

Sistemas de Aprendizaje

Percepción y reconocimiento de patrones

Autoaprendizaje: Redes Neuronales

……

Áreas de la IA

Otro aspecto importante por señalar es la IA aplicada a los sistemas de producción, que debido a los grandes avances de esta ciencia, estos han hecho que la industria logre sus objetivos con más rapidez y eficiencia que en otros años.

Aplicaciones de la Inteligencia artificial

En su texto base podrá encontrar qué es capaz de hacer hoy en día la inteligencia artificial, a través de la descripción de unas cuantas aplicaciones de esta disciplina.

Para completar un poco este tema a continuación mencionamos algunas otras aplicaciones de esta ciencia, a parte de las mencionadas en el texto base:

• Predicción: Por ejemplo sistemas de autocontrol, etc.

• Medicina: En este caso se pueden aplicar a sistemas de diagnóstico médico.

1 Grupo de IA y Robótica. Introduccióna la Inteligencia artificial. Buenos Aires. Discponible en: http://secyt.frba.utn.edu.ar/gia/IIA-mod1-Fundamentos.pdf[consulta 05-05-2011]



• Apoyo a la toma de decisiones: Por ejemplo mediante el uso de técnicas inteligentes paramétricas y no paramétricas para el análisis de datos.

• Educación: sistemas recomendadores educativos, tutores inteligentes, modelización de estudiantes, etc.

• Comercio electrónico: agentes recomendadores para la compra de un producto, etc.

Recuerde en caso de tener alguna inquietud puede recurrir al entorno virtual de aprendizaje y consultar a su profesor.

Bien, es hora de comprobar los conocimientos adquiridos en esta unidad, para lo cual le proponemos resuelva las preguntas indicadas en la siguiente autoevaluación.

Autoevaluación 1

A. Escriba una V o una F, según sean verdaderos o falsos los siguientes enunciados.

1. ( ) La prueba de Turing se diseñó con el objeto de proporcionar una definición operacional y satisfactoria de Inteligencia.

2. ( ) La introspección consiste en intentar atrapar nuestros propios pensamientos conforme éstos van apareciendo.

3. ( ) El Dualismo considera que las operaciones del cerebro realizadas de acuerdo a las leyes de la física constituyen la mente.

4. ( ) Un agente racional es aquel que actúa con la intención de alcanzar el mejor resultado, o cuando hay incertidumbre, el mejor resultado esperado.

5. ( ) Los economistas formalizaron el problema de la toma de decisiones para maximizar los resultados esperados.

6. ( ) El razonamiento incierto en sistemas de IA es abordado por la teoría de la NP-completitud.

7. ( ) Normalmente una base de conocimiento representa el conocimiento en forma de reglas ¨si.. entonces..¨.

8. ( ) Los sistemas expertos pueden ser aplicados en el área de la medicina, específicamente para diagnósticos médicos.

9. ( ) La teoría de juegos es aquella que proporciona un marco completo y formal para la toma de decisiones.

10. ( ) La Robótica es una de las aplicaciones de la inteligencia artificial que hoy en día es muy utilizada en operaciones de microcirugía.

Verifique sus respuestas con las del solucionario que se encuentra al final de la presente guía didáctica.



UNIDAD 2AGENTES INTELIGENTES

Apreciado estudiante, en la unidad anterior conoció de manera general algunos aspectos relacionados a la IA, pues bien, estamos seguros de que sus ánimos están predispuestos para continuar con el estudio de esta segunda unidad.

En esta parte corresponde estudiar un tema muy importante como los Agentes Inteligentes, su entorno, su estructura y los tipos de agentes que podemos encontrar. Sigamos entonces las instrucciones detalladas a continuación para el desarrollo de esta unidad.

2.1 AGENTES INTELIGENTES Y SU ENTORNO

Para empezar a explorar este tema conviene conocer primero ¿Qué es un agente? ¿Cuáles son sus elementos?. Para dar respuesta a estas interrogantes es necesario:

Realizar una lectura del capítulo 2. Agentes inteligentes, sección 2.1 y sección 2.2 conocerá la definición de un agente, los elementos que lo conforman y el concepto de racionalidad.

De la lectura realizada se podrá dar cuenta que un agente inteligente nos es más que: una entidad que:

• Percibe su entorno a través de sensores

• Modifica el entorno mediante actuadores

En base a estos dos puntos, los elementos que lo conforman serían los señalados en la figura 2.1 del texto base.

Estos elementos se pueden ver reflejados en la imagen que se muestra a continuación:

Figura 2.1. Concepto de Agente

Como podemos observar el agente percibe mediante sensores (entradas), actualiza su entorno mediante los actuadores, y deberá emprender aquella acción o secuencia de acciones que mejor lo guíe hacia la salida deseada.



Algunos ejemplos donde se pueden hacer uso de agentes son:

• Ejemplos:

• Comprar por internet.

• Sistema de diagnóstico médico

• Análisis de imágenes satelitales

• Robot ensamblador de partes

• Sistemas de seguridad del hogar

Otro aspecto importante mencionado en el texto es lo relacionado al buen comportamiento del agente, es decir el concepto de racionalidad. De ahí que podríamos decir que un agente racional es aquel que: Intuitivamente “hace lo correcto”, por las razones mencionadas en el texto base.

De ahí que de un agente esperamos:

• Que posea controles autónomos

• Perciba su entorno

• Persista en el tiempo

• Se adapte a los cambios,

• Y especialmente que sea capaz de alcanzar objetivos diferentes.

Para determinar el éxito en el comportamiento del agente hay que considerar las medidas de rendimiento la cual en base a lo explicado en el texto base podríamos decir que esta puede ser: objetiva, externa y que cuantifica el éxito del agente.


• Establezca la diferencia entre racionalidad y omnisciencia.

________________________________________________________________

En la actividad aparecen nuevos términos ¡Verdad!, por lo que es conveniente que tenga claro durante las lecturas el concepto de omnisciencia, aprendizaje y autonomía, para distinguir cuando un agente es omnisciente, autónomo o que carece de autonomía.

2.2 LA NATURALEZA DEL ENTORNO

¿Cómo van esos ánimos?. Lo invitamos a seguir con el estudio de este tema que tiene que ver con la especificación del entorno de trabajo para el agente. Tenga en cuenta que en el texto base para definir el entorno de trabajo de un agente se utiliza el acrónimo REAS = Rendimiento, Entorno, Actuadores, Sensores.



Ahora, regresemos un momento al texto base y realice una lectura de la sección 2.3. La naturaleza del entorno. Conocerá en qué consiste la especificación REAS, las propiedades de los entornos de trabajo y observará algunas descripciones REAS de los ejemplos de los tipos de agentes propuestos en el texto.

Una vez realizada la lectura y revisados los tipos de agentes de la figura 2.5 del texto base, con su respectiva descripción REAS, conviene que ponga en práctica sus conocimientos realizando el siguiente ejercicio:

Ejercicio:

Completar la descripción REAS que define el entorno de trabajo para el siguiente agente:

AGENTEMEDIDA DE

RENDIMIENTOENTORNO ACTUADORES SENSORES

Agente Piloto automático

Satisfacción del cliente……………………..

Tráfico………

¿Qué le pareció el ejercicio? Interesante verdad. Ahora revisemos otros temas relacionados a las propiedades de los entornos de trabajo.

De a acuerdo al lo señalado en el texto base los entornos de trabajo se pueden categorizar en:

Figura 2.2. Tipos de entornos de trabajo

Ahora continúe con el estudio del texto para comprender cada tipo de entorno de trabajo y complete con la revisión de la figura 2.6 para analizar los ejemplos de los entornos de trabajo con sus respectivas características. Una vez comprendidos estos realice la siguiente actividad:




En base al ejercicio anterior “Agente piloto automático”, señale el tipo (o tipos) de entorno de trabajo que podría ajustarse más a este agente.

2.3 ESTRUCTURA DE LOS AGENTES

Listo! hemos llegado al estudio de la estructura de los agentes, en esta parte conoceremos la arquitectura de los agentes inteligentes, los programas de agentes y los tipos de agentes que podemos encontrar.

En el texto base, la sección 2.4 Estructura de los agentes, se muestra cómo están estructurados los agentes inteligentes dependiendo del tipo. Realice una lectura comprensiva, para conocer de estos temas.

¿Verdad que la lectura le proporcionó abundante información sobre el tema?... Pues bien, cómo usted puede apreciar todos los agentes tienen una estructura básica o mínima, diseñados justamente para satisfacer una cierta clase de ambiente.

Veamos ahora una explicación de las estructuras presentadas en el texto.

Agentes reactivo simples

Una vez revisado en qué consiste este agente, es conveniente hacer hincapié en el diagrama de la figura 2.9 y el programa del agente mostrado en la figura 2.10 del texto base. Tener en cuenta que:

• Las reglas condición-acción a las que hace referencia la estructura del agente reactivo simple, permiten establecer la conexión entre percepción y acción.

• En el programa del agente, INTERPRETAR-ENTRADA genera una descripción abstracta del estado mostrado por la percepción.

• REGLA-COINCIDENCIA produce una regla del conjunto que satisface la percepción.

Agentes reactivos basados en modelos

Tras la lectura de este tipo de agentes en el texto base, es conveniente se podrá dar cuenta que existen dos tipos de conocimiento que se requiere codificar durante la actualización del estado interno, los cuáles son:

• conocimiento acerca de la forma como el mundo evoluciona, independientemente de las acciones del agente.

• conocimiento sobre cómo afectan al mundo las acciones del agente.

Un aspecto importante que hay que tener en cuenta es que el conocimiento del estado interno no siempre es suficiente, por ejemplo, considerando el agente piloto automático para elegir entre rutas



decisionales alternativas (en una intersección ¿girar o no girar el volante del carro?), pues se requiere conocer la meta a lograr, es por ello, que aparecen otro tipo de agentes como el mencionado a continuación.

Agentes basados en objetivos

Estamos seguros que durante la lectura se percató que en este tipo de agentes se necesita de algún tipo de información que describa las situaciones que son deseables para el agente, es decir información sobre su meta.

Cómo podemos observar en la figura 2.13 de su texto base, ya se agregan dos componentes adicionales relacionados como el conjunto de objetivos que intenta alcanzar el agente y lo que pasaría si el agente realiza determinada acción.

Agentes basados en utilidad

En este tipo de agentes interviene un aspecto importante como la función de utilidad, pero ¿qué es utilidad? ¿A qué hace referencia la función utilidad? ¿Para qué es necesaria?. Para aclarar estas inquietudes regrese al texto base y analice la estructura de estos agentes.

Se podrá dar cuenta que cuando se prefiere un estado en lugar de otro, se dice que ese estado ofrece mayor “utilidad” al agente.

Agentes que aprenden

Hasta aquí ha revisado estructuras de agentes similares, pero si comparamos el modelo general para los agentes que aprenden con los diagramas de agentes señalados anteriormente, veremos que este cuarto diagrama tiene diferencias, principalmente en los componentes que conforman el agente. Para corroborar esto analizar la figura 2.15 del texto base y revisar en qué consiste cada uno de ellos.

Es hora de poner en práctica lo aprendido, por ello lo invitamos a participar de la actividad propuesta a continuación.

Interactividad en el EVA

Ahora Usted ya cuenta con los fundamentos necesarios de agentes inteligentes y está en la capacidad de emitir su criterio respecto a las interrogantes planteadas en el EVA.

Con la participación en el EVA esperamos que haya fortalecido algunos de sus criterios e ideas respecto a los agentes inteligentes, Ahora, verifique la comprensión de los temas estudiados a través de la realización de la autoevaluación.



Autoevaluación 2

A. Escriba una V o una F, según sean verdaderos o falsos los siguientes enunciados.

1. ( ) El término percepción se utiliza para indicar que el agente puede producir salidas en cualquier instante.

2. ( ) Las medidas de rendimiento incluyen los criterios que determinan el éxito en el comportamiento del agente.

3. ( ) En el diseño de un agente el primer paso es la especificación del entorno de trabajo.

4. ( ) La estructura de un agente es: Agente = arquitectura + reglas de condición.

5. ( ) El agente reactivo simple es aquel que selecciona las acciones sobre la base de las percepciones actuales, ignorando el resto de las percepciones históricas.

6. ( ) Se dice que el agente basado en objetivos es más flexible porque el conocimiento que soporta su decisión está representado explícitamente y puede modificarse.

7. ( ) Dentro de los agentes que aprenden el componente conocido como ¨Crítica ¨ es quien proporciona información al elemento de aprendizaje.

8. ( ) Uno de los elementos conceptuales de un agente que aprende es el “elemento de aprendizaje”, el cual es el responsable de la selección de acciones externas.

DESARROLLE LA SIGUIENTE ACTIVIDAD:

9. ( ) Resolver el ejercicio 2.1 de la página 65 de su texto base.

10. ( ) Explique la diferencia entre la medida de rendimiento y la función de utilidad, solicitada en el ejercicio 2.2 de su texto base.

Verifique sus respuestas con las del solucionario que se encuentra al final de la presente guía didáctica.



UNIDAD 3RESOLVER PROBLEMAS MEDIANTE BÚSQUEDAS

Es un gusto iniciar nuevamente el desarrollo de esta tercera unidad. En esta ocasión haremos una revisión de otro tipo de agente como el agente resolvente problemas, y conoceremos diferentes algoritmos que se pueden utilizar para resolver problemas mediante búsquedas. Bien analicemos entonces estos temas de trascendental importancia en el área de la inteligencia artificial.

3.1 AGENTES RESOLVENTES-PROBLEMAS

Es importante iniciar aclarando la siguiente interrogante ¿qué es un problema?. Pues bien, un problema se puede entender como “una colección de información que un agente puede usar para decidir qué hacer.”2. Una vez aclarada esta pregunta, empezaremos por conocer algunos aspectos relacionados con los agentes resolventes-problemas, para ello realice lo siguiente:

Lea comprensivamente del capítulo 4: Resolver problemas mediante búsquedas, la sección 3.1 y 3.2 de su texto base y luego extraiga las ideas más importantes de los agentes resolvente-problemas y analice los ejemplos de problemas: de juguete y del mundo real.

Es importante señalar que si lo que se requiere es resolver automáticamente un problema se necesita:

• Una representación del problema

• Algoritmos que usen alguna estrategia para resolver el problema definido en esa representación

Por ello, es necesario conocer cómo definir un problema. En su texto base encontrará que éste se puede definir en base a cuatro componentes:

Figura 3.1. Componentes de un problema

Además durante la lectura también podrá conocer ciertas formulaciones de problemas en base a estos componentes. Es muy importante que realice las lecturas antes señaladas donde se indican aspectos importantes a tener en cuenta para definir un problema mediante búsquedas.

Problemas del mundo real

Existen algunos problemas del mundo real que se pueden dar solución mediante algoritmos de búsqueda. En su texto base encontrará problemas como:

• De búsqueda de una ruta

2 Raue, F. Inteligencia Artificial. Capítulo 02: Técnicas de IA para resolver problemas. Disponible en: http://www.ocw.espol.edu.ec/facultad-de-ingenieria-en-electricidad-y-computacion/inteligencia-artificial/tecnicas-para-resolver-problemas [consulta 15-05-2011]



• Turísticos

• Del viajante de comercio

• De Distribución VLSI, etc.

Es así que analicemos mediante un ejemplo un problema de búsqueda de rutas, donde describiremos cada uno de los componentes señalados anteriormente:

• Ejemplo:

Problema de búsqueda de una ruta que la llamaremos: “De vacaciones en Quito”.

En este problema consideremos un problema de viajes por transporte terrestre para ir de Loja a Quito.

Estados: Serían los terminales terrestres de las ciudades por donde pasa la cooperativa y la hora de salida.

Estado inicial: Loja

Función sucesor: Ejemplo: Loja -> Cuenca Loja -> Catamayo

Test objetivo: “Quito”

Costo del camino: Ejemplo: Suma de distancias, tiempo de trayecto entre ciudades, etc.

¿Quedó claro con el ejemplo este tipo de problemas?, como podemos ver en el texto base los problemas de rutas están estrechamente relacionado con los problemas turísticos, aunque existe una importante diferencia. Para conocer cuál es esta y en qué consisten los otros tipos de problemas, conviene que realice un cuadro sinóptico de los problemas del mundo real.

Bien ahora que ya hemos revisado la formulación de algunos problemas, debemos buscar la mejor solución para el mimo. Por lo que, lo invitamos a continuar con el estudio del siguiente tema.

3.2 BÚSQUEDA DE SOLUCIONES

Tenemos conocimiento de los elementos a considerar para formular problemas, pero, es conveniente también que conozcamos sobre cómo resolverlos, para ello siga las instrucciones que se indican a continuación:

Para conocer sobre las técnicas de búsqueda y cómo medir el rendimiento de la resolución de un problema, lea la sección 3.3 Búsqueda de soluciones.

Durante la lectura usted podrá conocer una estructura de datos tipo árbol para encontrar la ruta desde un estado inicial a un estado meta y una descripción informal del algoritmo general de búsqueda en árboles.



Sería de gran ayuda para su aprendizaje, que conforme vaya leyendo la parte sugerida, además de observar las figuras que contiene el texto básico, proponga usted mismo un problema al cuál dar solución con este tipo de estrategia de búsqueda.

Medida del rendimiento de la resolución de un problema

Algunos puntos claves que debe tener en cuenta durante la lectura de su texto son lo relacionado a los siguientes factores:

• Completitud

• Optimización

• Complejidad en tiempo

• Complejidad en espacio

• Factor de ramificación

• Costo de la búsqueda

• Coste total

Estos factores son importantes para medir el buen éxito en la solución de un problema.

3.3 ESTRATEGIAS DE BÚSQUEDA NO INFORMADA

En esta ocasión analizaremos algunas estrategias de búsqueda no informada, sus características, su forma de implementación, algunas variantes etc. Pero ¿porqué no informada?, pues para conocer la razón del porqué este nombre y cuáles son las estrategias que se ubican dentro de este tipo, lo invitamos a realizar lo siguiente:

Leer la sección 3.4 Estrategias de búsqueda no informada, para comprender en qué consisten cada una y su forma de implementación.

Ahora revisemos el siguiente cuadro, donde se observa las estrategias de búsqueda descritas en el texto base.

Figura 3.2. Estrategias de búsqueda no informada

Para completar este cuadro lo invitamos a revisar la figura 3.17 donde se hace una pequeña comparación entre estas estrategias en términos de cuatro criterios.

i a completo

Documents