Upload
daparedes2817842
View
4.086
Download
0
Embed Size (px)
Citation preview
1
INTELIGENCIA ARTIFICIAL Y INTELIGENCIA ARTIFICIAL Y
APRENDIZAJE AUTOMÁTICOAPRENDIZAJE AUTOMÁTICO
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09Web: www.cenidet.edu.mxWeb: www.cenidet.edu.mxWeb: www.cenidet.edu.mxWeb: www.cenidet.edu.mx
Dr. Gerardo Reyes SalgadoDr. Gerardo Reyes Salgado
2
SOBRE EL EXPOSITOR
� Doctor en Ciencias Cognitivas por el Instituto Nacional Politécnico de Grenoble, Francia (2001).
� Maestro en Ciencias Computacionales por el CENIDET, México (1995) .
� Ingeniero Civil por el Instituto Tecnológico de Zacatepec, México (1983).
� Miembro del Sistema Nacional de Investigadores desde 2002.
� Desde 1985 ha sido profesor en los niveles de bachillerato, licenciatura y actualmente de maestría y doctorado.
� Profesor honorario de la Universidad Rey Juan Carlos de España.
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
� Profesor honorario de la Universidad Rey Juan Carlos de España.
� Ha publicado varios artículos 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 automático, bajo la perspectiva de los sistemas híbridos. En este proyecto se encuentra dirigiendo tesis de maestría y doctorado.
� Subdirector Académico del CENIDET.
� DVP del IEEE para Latinoamérica.
3
1. El aprendizaje en los seres humanos y en los sistemas artificiales .
2. Áreas de la Inteligencia Artificial (I.A.).
Aplicaciones de la I.A.
PLAN DE LA PRESENTACIÓN
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
3. Aplicaciones de la I.A.
4. Tendencias de la I.A.
5. Aprendizaje automático.
6. Conclusiones.
4
TEMA 1EL APRENDIZAJE EN LOS SERES HUMANOS Y EN LOS SISTEMAS
ARTIFICIALES
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
5
HUMANA
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 explicación y
INTELIGENCIA
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
� Campo de estudio que se enfoca a la explicación yemulación de la conducta inteligente en función 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.
6
1. Desarrollar una tecnología 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 además, deberazonar de forma inteligente?
DOS VISIONES DE LA I.A.
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
las de la inteligencia humana (Resultados en lautilidad y no en el método).
2. Investigar los mecanismos de la inteligencia humanapara utilizar a la computadora como herramienta desimulación para la validación de teorías (Enfoque delas ciencias cognitivas: descubrir en qué consiste lainteligencia).
7
Una computadora “inteligente” debería ser capaz de realizar algunas funciones “inteligentes” tales como:
1. Procesar lenguaje natural.
QUÉ ESPERAMOS DE UN SISTEMA INTELIGENTE
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
1. Procesar lenguaje natural.2. Percibir el mundo.3. Adquirir conocimientos.4. Aprender .5. Razonar de manera automática.6. Interacturar con el mundo físico.
8
VEAMOS ALGUNOS EJEMPLOS DE SISTEMAS QUE
APRENDEN . . .
VIDEOS
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
VIDEOS
�Torneo de robots futbolistas
� El robot QRIO
9
UNA GRAN PREGUNTA. . .
QUÉ ES EL APRENDIZAJE
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
APRENDIZAJE
10
EL APRENDIZAJE EN LA PSICOLOGÍA
"Es la modificación habitual y relativamente permanente en algún aspecto de la conducta observable, que ocurre como resultado de
experiencias adquiridas”
- Caminar
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
Cuando hay un propósito, SI es aprendizaje
- Caminar
- Volar
-Nadar
- Comer, etc.
Instinto
o
madurez biológica
11
EL APRENDIZAJE EN LAS CIENCIAS COGNITIVAS
"El aprendizaje es a la vez la construcción del saber y del saber-hacer. El aprendizaje requiere de las capacidades de memoria para estabilizarse, pero para su utilización en situaciones diferentes requiere de flexibilidad y adaptación"
- Psicología cognitiva
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
Disciplinas implicadas
- Didáctica y ciencias de la educación
- Psicología animal
- Neurociencias
- Neuropediatría
- Psicopatología del niño
- Historia y antropología
- 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 PERÚ - NOVIEMBRE 09
13
ORIGEN DEL APRENDIZAJE EN HUMANOS Y SISTEMAS ARTIFICIALES
1. Habilidades genéticamente heredadas
2. Información proporcionada
Conjunto de procedimientos o una base de datos
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
Caminos para
aprender
2. Información proporcionada
3. Evaluación por parte de una segunda persona
4. Experiencia u observación
5. Analogía
una base de datos
Aprendizaje automático
14
TEMA 2ÁREAS DE LA INTELIGENCIA
ARTIFICIAL (I.A.)
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
15
� Manejo del lenguaje natural para poder establecer unacomunicación satisfactoria.
1. PROCESAMIENTO DEL LENGUAJE NATURAL (PLN)
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
16
� Ayuda en la preparación de textos (guiones, ortografía,sintaxis)
� Búsqueda de documentos � Minería de textos � Interfaces en lenguaje natural� Traducción automática
APLICACIONES DEL PLN
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
� Traducción automática� Procesamiento de voz� Generación de texto
� Reconocimiento del hablA
17
� La visión por computadora tiene como finalidad la reproducción artificial del sentido de la vista.
� Una de sus áreas deaplicación es el
2. RECONOCIMIENTO DE PATRONES VISUALES
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
aplicación es elprocesamiento de unaescena para supercepción autónomapor una computadora.
18
Imagen de entrada
Clasificador (X1,1, X1,2, . . . X1,n)
Base de conocimientos
Vector de características
Clase 1
Clase 2
RECONOCIMIENTO
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
(X1, X2, . . . Xn)
(X2,1, X2,2, . . . X2,n)
(Xm,1, Xm,2, . . . Xm,n)
•••
Clase 3
19
3. REPRESENTACIÓN Y ADQUISICIÓN DE CONOCIMIENTOS
4,3
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
(Xm,1, Xm,2, . . .Xm,n)
A B
CDE
4,0 0,3
4,3
0,3 1,0
1,3
20
4. APRENDIZAJE AUTOMÁTICO
Aprendizaje :
�Prueba y error
�Por experiencia
�Mediante árboles de
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
�Mediante árboles de identificación
�Redes neuronales
�Evolución simulada
21
5. RAZONAMIENTO AUTOMÁTICO
• Cómo pueden razonar las máquinas para tomardecisiones de forma "inteligente“ ?
PROBLEMA
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
AlgoritmoHeurística
I.A.NO !! SI !!
22
6. ROBÓTICA
�La robótica da a la IA el medio para exhibir al mundo realla “inteligencia” necesaria para manipular su medio ambiente.
�La robótica da a la mente artificial, un cuerpo.
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
23
TEMA 3
APLICACIONES DE LA I.A.
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
24
APLICACIONES� Procesamiento de imágenes aéreas y de satélites.� Análisis de imágenes médicas.� Reconstrucciones tridimensionales.� Visión industrial para el ensamblado e inspección de productos.
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
25
MÁS APLICACIONES
� Identificación de personas.� Construcciones inteligentes.� Interfaces inteligentes.
� Exploración (minera, petrolera, etc. ).� Diagnóstico de fallas (sistemaseléctricos, plantas nucleares, etc.).� Programaciónautomática.
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
� Programaciónautomática.� Transportación.� Enseñanza, simulación.� Juegos.� Cine.
26
TEMA 4
TENDENCIAS DE LA I.A.
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
27
TENDENCIAS DE LA IA
�Prueba de Turing�Deep blue (ajedrez ‘97).�Copa mundial de robots (Robocup).
�Aplicaciones de procesamiento en paralelo.
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
procesamiento en paralelo.
�Knowbots.
�Web inteligentes.
�Recuperación de información.
�Vehículos autónomos.
28
�Vida artificial (Alife) : pretende reproducir el comportamiento de los seres vivos, para :
� Entender, analizar el fenómeno de la vida.�Iniciar con reglas de producción y
MÁS TENDENCIAS DE LA IA
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
Iniciar con reglas de producción y estudiar comportamientos.
�Esfuerzos colaborativos comunitarios.
�Alto impacto.
�Progreso en corto tiempo.
29
TEMA 5
APRENDIZAJE AUTOMÁTICO ARTIFICIAL
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
30
DOS TEORíAS EN TORNO A LOS PROCESOS MENTALES
Enfoque Simbólico
La mente es un gran manipulador
Enfoque Conexionista
La mente es una gran red de neuronas
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
manipulador de símbolos al igual que una computadora
de neuronas trabajando en paralelo
31
CARACTERÍSTICAS DEL ENFOQUE SIMBÓLICO
El enfoque simbólico supone la capacidad de categorizar y de describir fragmentos del mundo continuo que nos
rodea en entidades separadas,
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
rodea en entidades separadas, estructuradas entre ellas mediante relaciones lógicas
32
ALGUNOS MÉTODOS DE REPRESENTACIÓN SIMBÓLICA
Reglas simbólicas
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)
Árboles de decisión
CIELO
HUMEDAD VIENTO
P
P N N P
P = 9N = 5
P = 2N = 3
P = 3N = 2
P = 4
P = 2 N = 3N = 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 = 3N = 2 P = 3
SoleadoCubierto
Lluvioso
Normal Alta Si No
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - 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
¿CÓMO OBTENER CONOCIMIENTO SIMBÓLICO 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 PERÚ - 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 SIMBÓLICAS
SEE5(Construye árboles de
decisión o reglas a partir de datos
numéricos)
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 <= 7
<= 67 > 67
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
numéricos)
EXSYS (Construye sistemas expertos a partir de
reglas)
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)
edificio(s),
ENTONCES x es una imagen de un
aeropuerto comercial.
S.E.
35
SEE5: CONSTRUCCIÓN DE ÁRBOL DE DECISIÓN O REGLAS
RESISTENCIA
PESO
B
A = 9B = 13F = 9
A = 9F = 9
13
> 7 <= 7
<= 67 > 67
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
A F
13
9 9
<= 67 > 67
IF (Peso <= 67) THEN Clase = Ajedrecista
IF (Peso > 67) AND (Resistencia <= 7) THEN Clase = Futbolista
IF (Resistencia > 7) THEN Clase = Basquetbolista
36
CARACTERÍSTICAS DEL ENFOQUE CONEXIONISTA
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
37
LA RED NEURONAL BIOLÓGICA: UNA COMPUTADORA HUMANA QUE APRENDE
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
38
UNA NEURONA BIOLÓGICA EN DETALLE
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
39
UNA NEURONA ARTIFICIAL EN DETALLE
Fct (Net)
Función de activación (Regulación de la salida)
Salida (Axón y sinapsis hacia otras unidades)
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
X1 X2 XN
w1
w2
wN
. .
. . .
Net = ΣWi . Xi+BiaisN
i
Entradas (Dendritas)
Pesos sinápticos (Efecto de inhibición o excitación sobre la activación de las señales de entrada)
Activación (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 sinápticos asociados
Pesoij
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - 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 según una regla de aprendizaje antes de alcanzar sus valores finales.
Detener cuando el error global < error aceptado
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - 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 Clase
1 1 A
2 1 A
-3 -1 B
-2 -3 B
A
A
AA
A
A
A
A
AA
A
A
A
A
A
A
AA
AAA
B AB
B
B
B
B
B
B
solución
Clase
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
4 2 A
0 0 B
3 3 A
-1 -3 B
... ... ...
AA
A
AA
AB
B 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 PERÚ - NOVIEMBRE 09
(Aprende a reconocer o clasificar objetos a partir de datos
numéricos)
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 PERÚ - NOVIEMBRE 09
45
CONCLUSIONES
� ¿Cómo es posible que un diminuto y lento cerebro tengacapacidad para percibir, comprender, predecir y manipular unmundo que en tamaño y complejidad lo excede a creces?
� La IA es una ciencia nueva con mucho camino y con pasosprometedores.
IAINTELIGENCIA ARTIFICIAL - IEEE PERÚ - NOVIEMBRE 09
prometedores.
�La predicción 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 PERÚ - NOVIEMBRE 09
Email - Dr. Gerardo Reyes :