Introducción a las técnicas inteligentes

1.Objetivos

Qué vas a aprender en este tema

2

Objetivos

▣ Aprender los fundamentos de los sistemas inteligentes▣ Comprender los retos y objetivos de los sistemas inteligentes▣ Entender para qué se utilizan algunas de las tecnologías

clave en este campo, tales como:□ Representación del conocimiento□ Sistemas basados en conocimiento□ Aprendizaje automático□ Procesamiento de lenguaje natural

3

2.Introducción

¿Qué es la Inteligencia Artificial (IA)?

4

Diferentes visiones de inteligencia artificial

5

▣ A menudo ya tenemos una visión de la Inteligencia Artificial (IA) a través del cine y la prensa.

¿Qué es la IA? Visión de la prensa

6

¿Qué es la IA? Visión del cine

7

Mira este vídeo y piensa qué habilidades son necesarias para que HAL sea inteligente

¿Qué es la IA? Visión del cine

8

¿Qué es la IA? Visión del cine

9

¿Qué es la Inteligencia Artificial?

10

‘’

11

“Inteligencia Artificial es la ciencia y la ingeniería de hacer máquinas inteligentes”

John McCarthy, 1965

¿Qué es la Inteligencia artificial?

12Fuente: https://www.bbva.com/es/infografia-inteligencia-artificial/

Stuart Russell y Peter Norvig distinguen 4 tipos de IA

¿Qué es la IA?

13

PENSAMIENTOSistemas que piensan como

humanos

Sistemas que piensan

racionalmente

CONDUCTASistemas que actúan como

humanos

Sistemas que actúan

racionalmente

HUMANO RACIONAL

Fuente: Artificial Intelligence, a A Modern Approach, 3rd Ed, Russell & Norvig, Chapter 1, Prentice Hall, 2016

14

PENSANDO RACIONALMENTE "El estudio de facultades mentales a través del uso de modelos

computacionales." (Charniak and McDermott, 1985)"El estudio de computaciones que hacen posible percibir, razonar y actuar."

(Winston, 1992)ACTUANDO COMO HUMANOS

"El arte de crear máquinas que realizan funciones que requieren inteligencia cuando son realizadas por las personas." (Kurzweil, 1990)

"El estudio sobre cómo hacer que los ordenadores hagan cosas para las que, por el momento, las personas las hacen mejor." (Rich and Knight, 1991)

ACTUANDO RACIONALMENTE"Inteligencia computacional es el estudio del diseño de agentes

inteligentes." (Poole et at, 1998)"IA ... trata de la conducta inteligente en artifactos." (Nilsson, 1998)

PENSANDO COMO HUMANOS"Un nuevo esfuerzo excitante para hacer que los ordenadores piensen ...

máquinas con mentes, en un sentido completo y literal" (Haugeland, 1985) "[La automatización de] actividades que asociamos con el pensamiento

humano, actividades tales como la toma de decisiones, resolución de problemas o aprendizaje" (Hellman, 1978)

IA - definiciones

15

▣ Sistemas que piensan como humanos□ Tratan de emular el pensamiento humano, p. ej. las redes

neuronales▣ Sistemas que actúan como humanos

□ Tratan de emular cómo se comportan los humanos, p. ej. los robots

▣ Sistemas que piensan racionalmente□ Tratan de pensar siguiendo una lógica racional, p. ej. los sistemas

expertos▣ Sistemas que actúan racionalmente

□ Tratan de reproducir comportamientos racionales, por ejemplo, agentes inteligentes

Puedes observar que mientras en unas definiciones es importante “reproducir la conducta o pensamiento humano” en otras lo importante es que el sistema se comporte bien, sin importar si imita a los humanos.

Actuando como humanos: el Test de Turing

16

▣ El Test de Turing permite comprobar si un sistema es inteligente

▣ Turing propuso este test:□ Una persona mantiene una conversación a través del ordenador□ Si la persona piensa que le está respondiendo otra persona,

cuando en realidad le está respondiendo un programa, ese programa ha superado el test de Turing, y se considera inteligente

¿Qué capacidades piensas que requiere el Test de Turing?

17

Representacióndel

conocimiento

Razonamientoautomatizado

Aprendizajeautomático

Procesamiento de Lenguaje

Natural

Total Turing Test (Harnard, 1992)

18

▣ El ordenador es un robot que debe parecer, actuar y comunicarse como un humano

RobóticaVisiónArtificial

19

Crítica: la habitación china de Searle

20Minds, Brains and Programs, John Searle, 1980

▣ Supongamos que tenemos una máquina capaz de traducir del chino al inglés

▣ La máquina es como una habitación, por una ventana recibe textos en chino y por otra envía las traducciones

▣ Dentro de la máquina hay una persona que no sabe chino, pero tiene un diccionario donde busca los textos y escribe las traducciones

▣ Según el test de Turing, la máquina sería inteligente, sin embargo, el que realiza la traducción no sabe lo que hace, sólo mira un diccionario

Filosofía e IA: IA fuerte e IA débil

21

▣ Otra clasificación habitual de IA tiene que ver con el concepto de “inteligencia”

▣ IA fuerte: □ Se considera que los ordenadores pueden tener mente como los

humanos, incluso superar su inteligencia□ Las máquinas inteligentes pueden tener mentes reales

conscientes□ Ej. HAL, Terminator, ...

▣ IA débil:□ IA “sólo” simula la cognición humana□ IA puede restringirse a un problema o dominio determinado

Pensando como los humanos: el enfoque cognitivo

▣ Con este enfoque, para hacer una máquina inteligente es necesario entender cómo piensan los humanos

▣ Formas de entender la mente humana:□ Observar el razonamiento humano□ Realizar experimentos psicológicos□ Observar el cerebro en acción

▣ Algunas líneas siguiendo este enfoque□ Ciencia cognitiva: modelos de ordenador combinando modelos

de inteligencia artificial, psicología, filosofía, neurociencia para construir teorías precisas de la mente humana

□ General Problem Solver (GPS, Newell & Simon 1961): programa desarrollado por Newell y Simon para resolver cualquier problema que se pueda expresar con un lenguaje lógico. Destaca que no sólo los resuelve correctamente, sino siguiendo razonamientos similares a los humanos

22

Pensando de forma racional: el enfoque lógico

▣ Tradición lógica desde Aristóteles□ Formalizar el conocimiento con notación lógica y uso de reglas

para derivar nuevo conocimiento▣ Para determinar si una inferencia es correcta, se emplean

pruebas lógicas▣ Retos

□ Integrar conocimiento informal o con incertidumbre□ Escalabilidad en problemas reales

23

Actuando de forma racional:el enfoque de agente racional

▣ El concepto de agente racional consiste en que el agente debe decidir qué acción debe realizar basándose en

□ lo que percibe a través de los sensores□ el conocimiento que tiene□ los objetivos que quiere lograr

▣ Los agentes inteligentes operan de forma autónoma, sin intervención humana.

▣ Los agentes racionales son los que actúan de forma que consiguen realizar la mejor acción o, si hay incertidumbre, la acción con mayor beneficio esperado

▣ Por tanto, seguir una conducta racional consiste en realizar la acción correcta

24

Fundamentos de la IA

▣ La IA es un área multidisciplinar, en que confluyen:□ Filosofía: lógica, razonamiento, racionalidad, …□ Matemáticas: lógica, computabilidad, tratabilidad, probabilidad,

problemas, …□ Economía: utilidad, teoría de la decisión, teoría de juegos,

investigación operativa, …□ Neurociencia: modelos artificiales del cerebro y las neuronas, …□ Psicología: conductismo, psicología cognitiva, …□ Ingeniería de ordenadores: Big Data, computación con GPUs, …□ Teoría de Control y cibernética: adaptación al medio, robots, ... □ Lingüística: lingüística computacional, teorías del lenguaje, ...

25

Aplicaciones de IA

26Fuente: Iberdrola, infografía IA

2.Historia de la IA

Principales hitos en el desarrollo de la IA

27

Historia IA: principales hitos

28

1869: “Nacimiento” de Máquinas inteligentesWilliam S. Jeavons crea el Piano Lógico

1956: “Nacimiento” de IAJohn McCarthy acuña el término inteligencia artificial IA) en la Conferencia de Dartmouth del 56

1887: Precursores de IACharles S. Pierce

1950: Test de TuringTuring introduce una prueba de la conducta inteligente 1965: Primer

Sistema ExpertoE. Feigenbaum crea DENDRAL

1974-1980: 1er Invierno de IA

1990: Agentes inteligentesProgramas de extracción de información en la web

1987-1993: 2o Invierno de la IA

2005: Coche autónomoUn coche autónomo construido en Stanford gana el Reto DARPA

2014: Comercialización IAIBM forma el grupo Watson y Google compra Nest Labs

1997: Deep BlueDeep Blue de IBA vence al campeón mundial de ajedrez

2011: WatsonWatson de IBM compite y gana el concurso de TV Jeopardy!

Pre-IA: 1911 Torres Quevedo: los autómatas “ajedrecistas”

29

"Torres and His Remarkable Automatic Devices," Scientific American Supplement, Vol. 80, No. 2079, 1915, pp. 296-298.https://history.computer.org/pioneers/torres.html

Pre-IA: 40s

▣ Época de ciencia ficción▣ Isaac Asimov define las tres leyes de la

robótica□ No dañar a los humanos□ Obedecer a los humanos□ Auto protegerse

30

Pre-IA: Primera neurona

▣ 1888 - Ramón y Cajal - cerebro compuesto de neuronas▣ 1943 - McCulloch-Pitts - primer modelo de una neurona

artificial□ La neurona artificial se basa en el modelo real de neurona de

Ramón y Cajal. El comportamiento de una se modela como una suma ponderada de las entradas seguida de la aplicación de una función no lineal, lo que hace que la neurona se active o no según las entradas

31

Nacimiento de la IA: 1952-1956

32

▣ Después de la segunda guerra mundial, varios científicos británicos fundaron el Ratio Club Dinner para discutir de cibernética. El grupo era muy multidisciplinar (biólogos, psicólogos, matemáticos, neurólogos, ingenieros, …)

▣ Entre sus miembros destacan Turing, que introdujo el Test de Turing en estas charlas, Ashby o Walter.

▣ Un ejemplo de los desarrollos es la tortuga de Walter, muy parecida a la Roomba actual

Tortuga de Walter (activar subtítulos en español)

Nacimiento de la IA: 1952-1956

▣ 1951 Programa de Prinz para jugar el problema de Jaque Mate en dos jugadas (Reino Unido)

▣ Primer ordenador comercial, Ferrari Mark I, Manchester Electronic Computer

33

Birth of AI: 1952-1956

▣ 1956: Newell & Simon: desarrollo del programa “Logic Theorist”

□ primer programa de IA que emplea heurísticos (reglas) para probar 38 de los 52 teoremas de Principia Mathematica (Whitehead y Russell)

34

Nacimiento oficial de la IA: Conferencia de Dartmouth del Verano del 56

▣ Dados los avances, varios investigadores deciden realizar una conferencia para discutir sobre inteligencia artificial, usando este término por primera vez

▣ Algunos de los asistentes conocidos son McCarthy, Minsky, Shannon, Simon, Newell, Mc Culloch, Nash, Samuel

35

https://en.wikipedia.org/wiki/Dartmouth_workshop

Época dorada - 1956-1974

▣ Época de grandes avances, parece que la IA va a tener una transferencia rápida a la industria

▣ 1957 Newell & Simon - General Problem Solver (GPS): □ generalizan el programa ‘Logic Theorist’ para resolver cualquier

problema que se pueda expresar de forma lógica▣ 1957 Rosenblatt - Perceptron

□ basado en el modelo de McCulloch-Pitts (1943) definen pesos numéricos así como un mecanismo para aprender estos pesos y poder aprender funciones

▣ 1959 Juego de Damas de Samuel’s M (EEUU)□ Acuña el término ‘aprendizaje automático’ (machine learning)

36

Época dorada - 1956-1974

▣ 1960 - Quillian - Primera representación del conocimiento empleando Redes Semánticas

▣ 1966 - Weizenbaum - Desarrollo del primer Chatbot ELIZA

37Ejemplo de Eliza

Época dorada - 1956-1974

▣ Época de gran optimismo sobre el futuro de la IA▣ Época de grandes inversiones creando laboratorios de IA en

EEUU y Europa

38

“Primer invierno” de la IA: 1974–1980

▣ Las altas expectativas chocan con resultados muy pobres▣ Esto supone el fin de la financiación▣ 1966 - fallo de la Traducción Automática

□ La academia de ciencias americana NRC publica un informe explicando que tras invertir 20.000 millones de dólares, la traducción automática es imprecisa, lenta y cara, y deja de invertir en esta tecnología

□ Se subestimaron las dificultades del lenguaje, tales como ■ la ambigüedad de las palabras ■ el conocimiento del contexto y el sentido común

▣ 1969 - abandono de las redes neuronales□ Minsky & Papert, publican un artículo en que demuestran que el

perceptrón no puede resolver una función sencilla, como XOR▣ Falta de escalabilidad de la IA

□ En estos años las capacidades de computación son aún muy limitadas, y se emplean dominios “de juguete”, que hacen que las técnicas fallen cuando se aplican en problemas reales

□ Por ejemplo, las redes semánticas de Quilliam se realizaban sólo con 20 palabras 39

Primer invierno de la IA 1974–1980 - IA adolescente

▣ 1971-75 Frustración de DARPA con el programa de investigación en Compresión de Habla de Carnegie Mellon

▣ 1973 - Informe Lighthill al parlamento británico, indicando que la IA no puede resolver problemas reales aún, lo que provoca un gran descenso en la investigación en IA en el Reino Unido

▣ 1973-74 DARPA recorta toda la investigación académica en IA

40

Nuevos desarrollos: razonamiento lógico y simbólico

41

▣ 1972 - Colmerauer, Roussel y Kowalski inventan Prolog (PROgrammation en LOGique) que obtiene un gran éxito

1969-1979 - Sistemas Expertos. Nuevas esperanzas

▣ Se concentran en pequeños dominios bien acotados para evitar el razonamiento de sentido común

▣ 1969 Feigenbaum, Buchanan et al. DENDRAL □ infiere la estructura molecular a partir de la información

proporcionada por un espectrómetro de masa▣ 1972 Feigenbaum - MYCIN

□ diagnóstico de enfermedades infecciosas, con el mismo nivel que los médicos internos de primer año

▣ 1978 McDermott R1/XCON, eXpert CONfigure□ sistema de selección de componentes de ordenador basado en

los requisitos de los clientes□ más de 2500 reglas□ En 1986 había procesado 80,000 pedidos, consiguiendo una

precisión del 95-98%. Se estimaban unos ahorros de costes de 25 millones de dólares al año

42

Ejemplo de reglas de MYCIN

43

Sistemas Expertos

44

Sistema Experto

Sistema Experto con arquitectura de Sistema Basado en Conocimiento

45

La arquitectura de un Sistema experto tiene: - interfaz de usuario (para hacer preguntas al usuario, p.ej. ¿qué te

duele?)- interfaz de adquisición de conocimiento para que el experto

introduzca las reglas- base de datos (hechos) conocimiento que tenemos (p.ej.

tengo-fiebre)- motor de inferencias: es la parte software que analiza qué reglas

son aplicables basándose en los datos (hechos) y las aplica para generar nuevo conocimiento (p.ej. si tengo-fiebre entonces tengo-anginas, añadiría a la base de hechos tengo-anginas)

- módulo de explicación: módulo opcional que puede explicar por qué hemos llegado a una conclusión, indicando las reglas aplicadas

Boom 1980–1987

▣ Emergencia de los sistemas basados en conocimiento▣ 1988 - El programa Deep Thought vence a campeones de

ajedrez▣ Retorno de la inversión▣ 1986 Nuevos avances ponen otra vez de moda las redes

neuronales□ Rumelhart, algoritmo de retropropagación

46

1987–1993 Segundo invierno de la IA

▣ 1987: colapso del mercado de las máquinas Lisp, hardware especializado para ejecutar programas de IA

▣ 1988: cancelación de nuevas inversiones en IA ▣ 1993: fallo de los sistemas expertos

□ Muchos proyectos no consiguen obtener un sistema, se suele atribuir a la falta de un experto claro

□ Dificultad de mantenimiento de los sistemas expertos existentes▣ 1993s: más de 300 empresas dedicadas a IA cierran o entran

en bancarrota, se acaba esta era de empresas de IA

47

Resurgimiento de la IA 1993–2011

▣ 90s: nace el concepto de agente inteligente, como nuevo paradigma de computación para tener programas autónomos que se adaptan al entorno

▣ 1997 el programa Deep Blue de IBM gana a Kasparov jugando al ajedrez

▣ 2011 IBM Watson gana el programa de TV Jeopardy

48

Definición débil de agente inteligente (Wooldridge 1994)

▣ autonomía: capacidad de operar sin la intervención directa de humanos, y de tener control sobre las propias acciones así como un estado interno

▣ habilidad social: capacidad de interactuar con otros agentes o personas a través de un lenguaje de comunicación de agentes

▣ reactividad: capacidad de percibir del entorno, y de adaptarse a los cambios que suceden en él

▣ iniciativa: capacidad de tener la iniciativa para cumplir los objetivos asignados

49

Sistemas multiagente

▣ Sistemas de agentes□ En vez de concebir programas independientes, se comienza a

trabajar en programas que pueden cooperar entre ellos▣ Requiere que los agentes puedan cooperar, integrando

mecanismos de coordinación y negociación▣ También se replican estructuras sociales para simplificar la

coordinación (definición de normas y protocolos)

50

Deep learning, big data e inteligencia artificial general: 2000–presente

▣ 2007 Hinton Padre de Deep learning□ Hipótesis de representación distribuida

▣ Big Data

51Activa los subtítulos en español

52

3.Disciplinas de

IAAŕeas de la inteligencia artificial

53

Disciplinas de la IA

54

Áreas de Inteligencia Artificial

55

▣ En la Inteligencia Artificial hay diferentes áreas de investigación. Las principales son:□ Representación del conocimiento.

■ Cómo representar el conocimiento.■ Ingeniería de ontologías, tecnologías de datos enlazados

□ Razonamiento. ■ Cómo generar nuevo conocimiento partiendo del conocimiento

existente. ■ Enfoques lógicos, razonamiento con incertidumbre

□ Procesamiento de Lenguaje natural. ■ Comprensión y generación de lenguaje natural (p. ej. español)■ Bots, traducción automática, extracción de información de textos, …

□ Aprendizaje automático (machine learning)■ Obtención de nuevo conocimiento procesando datos■ Aprendizaje supervisado, no supervisado, con refuerzo, deep learning

□ Procesado de Voz y Visión artificial■ Procesado de audio e imágenes para reconocer palabras y objetos

□ Robótica■ Diseño de robots, mecanismos de planificación y navegación

4.IA y

administración pública

Aplicaciones en la administración pública

56

Contribuir a objetivos de política pública

▣ Automatización de procesos para reducir los procesos burocráticos

▣ Clasificar llamadas de emergencia según la urgente

▣ Detectar y prevenir la propagación de enfermedades

▣ Ayudar a los funcionarios en la realización de procesos administrativos y toma de decisiones

▣ Monitorizar medios sociales para conocer la opinión de los ciudadanos y detectar situaciones de emergencia

▣ Identificar fraudes de forma automática57

Contribuir a objetivos de política pública (II)

▣ Predecir crímenes y recomendar la presencia y acciones policiales

▣ Predecir congestiones y accidentes de tráfico▣ Anticipar la necesidad de mantenimiento de

las carreteras▣ Proporcionar educación personalizada a los

estudiantes▣ Ayudar a la toma de decisiones en la defensa

nacional▣ Emplear tecnología de Chatbots para servicios

públicos, salud, educación y defensa

58

Mejorar la relación con los ciudadanos

▣ Uso de asistentes virtuales para responder preguntas

▣ Redirigir las solicitudes de los ciudadanos al departamento adecuado automáticamente

▣ Asistentes virtuales para rellenar formularios automáticamente usando la información del estado

▣ Planificación automática de citas

59

5.Conclusiones Qué hemos

aprendido

60

Conclusiones

61

▣ La IA intenta desarrollar sistemas que reproducen la conducta y razonamiento humano

▣ La IA es un campo multidisciplinar ▣ La IA tiene varios subcampos, tales como razonamiento,

representación del conocimiento, aprendizaje automático, procesamiento de lenguaje natural, visión artificial y robótica

▣ La IA está viviendo una época dorada gracias a la disponibilidad de grandes volúmenes de datos y nuevos avances científicos, asentándose en la industria

Referencias

▣ Artificial Intelligence, a A Modern Approach, 3rd Ed, Russell & Norvig, Capítulo 1, Prentice Hall, 2016

62

Créditos

Gracias a todos los que han publicado sus recursos con una licencia gratuita:▣ Minicons de Webalys▣ Plantilla de SlidesCarnival▣ Imágenes de Unsplash y Wix

63