Unidad III Mecanismos de protección M.C. Juan Carlos Olivares Rojas.
Fundamentos de Inteligencia Artificial M.C. Juan Carlos Olivares Rojas.
-
Upload
eloy-murguia -
Category
Documents
-
view
230 -
download
1
Transcript of Fundamentos de Inteligencia Artificial M.C. Juan Carlos Olivares Rojas.
Fundamentos de Inteligencia Artificial
M.C. Juan Carlos Olivares Rojas
Agenda
2.1 Introducción
2.2 Representación del Conocimiento
2.3 Sistemas Expertos
Introducción
• La Inteligencia Artificial pretende emular la Inteligencia Humana a través del uso de computadoras
• La Inteligencia es la capacidad para resolver problemas de cualquier tipo. “La inteligencia distingue al hombre del animal”
Introdcción
• A los sistemas inteligentes existentes les falta el sentido común y la generalidad de los seres humanos.
• Alan M. Turing definió en 1950 una forma de comprobar si una máquina piensa, esto lo hizo a través del Test de Turing.
Introducción
• Consiste en colocar dos hombres y una computadora en un lugar en el cual no estén visibles los tres elementos, se ocultan las identidades.
• Uno de los participantes funciona como interrogador. La prueba se pasa cuando el interrogador no sabe distinguir entre las respuestas de la computadora y del otro hombre.
Introducción
• Extracto del diálogo del Ensayo de Turing:
P: Por favor, redacte un soneto sobre el tema del Fuerte Bridge
R: No me incluya. Nunca pude escribir poesía.
P: Sume 34957 y 70764
R: (Pausa de 30s seguida de la respuesta) 105621
….
Introducción• La IA se ha desarrollado desde mucho
tiempo atrás. Aristóteles comenzó a explicar y codificar ciertos estilos de razonamientos como el deductivo.
• Los filósofos griegos ayudaron a plantear la lógica clásica. El Silogismo se convierte en la primera gran herramienta de la IA.
P->Q y Q->S = P->S
Introducción
• En 1956 John McCarthy definió el concepto de IA y es considerado el padre de la misma.
• Muchos investigadores han hecho aportaciones valiosísimas a este campo, como Chomsky (Lenguajes), Rosenblat (Perceptrón), Alan Turing (Autómatas), etc.
Aplicaciones• Sistemas expertos• Procesamiento de lenguaje natural• Visión Artificial• Robótica• Aprendizaje
• Lógica Clásica y Difusa
• Juegos
• Redes neuronales
• Algoritmos genéticos
• Realidad virtual
Representación del Conocimiento
• La características más importante que deben de tener todo Sistemas Inteligente (SI) son:
• La forma de representar el conocimiento
• La forma en cómo se recupera la información
• La forma en como se puede adquirir nuevo conocimiento (aprendizaje).
Representación del Conocimiento• Las formas de representación (“explicitación”)
de conocimiento son muy variadas y de ellas dependerá la forma en que se recupere la información y el cómo se aprende.
• Siempre que se desarrolla un modelo se tiene dos representaciones: lógica y física.
• Dichas representaciones se necesitan “mapearse” para poder trabajar en conjunto.
Representación del Conocimiento
• Cuando se tiene un problema de la vida real, éste debe mapearse al esquema de una computadora para poderse realizar un sistema computacional.
• Imaginemos que deseamos desarrollar un juego de laberintos (modelo físico), ¿Cómo quedaría representado su conocimiento (modelo )?
Representación del Conocimiento
• Se puede representar como una matriz, como un grafo, máquinas de estado finito, etc. Además, se deben tener reglas de cómo es el juego.
• Sino tenemos las dos representaciones no podemos comprender ni aprender el juego.
Representación del Conocimiento
• El mismo conocimiento puede estar estructurado en diferentes representaciones como por ejemplo una base de datos, una red semántica, un frame, un mapa conceptual, etc. Pero al final de cuentas deben tener el mismo significado (semántica).
Representación del Conocimiento• Las redes semánticas son una forma sencilla
de explicitar conocimiento, están conformadas por grafos que codifican el conocimiento en forma taxonómica.
• Los nodos nos representan categorías y las aristas relaciones entre esas categorías.
• Existen dos tipos de relaciones muy especiales Is-A y la Have-A.
Representación del Conocimiento
• Se puede acceder a través de cada uno de los conceptos para inferir conocimiento.
• Los guiones (script) son otra forma de representar conocimiento. Están conformados por componentes llamados “ranuras” (slots) que es un conjunto de pares atributo-valor. Los guiones son más fáciles de introducir en muchos casos que un mapa conceptual.
Redes Semánticas
• Ejemplo de un guión:
• Impresoras– Subconjunto_de: Máquina_Oficina– Superconjunto_de: {Impresora_Laser,
Impresora_Inyección}– Fuente_alimentacion: Toma_Pared– Autor: Juan_Perez– Fecha: 15_Febrero_2008
Representación del Conocimiento• Una forma de explicitar conocimiento con
gran difusión en la actualidad es a través del uso de ontologías, las cuales consiste de relaciones entre distintos conceptos como definiciones.
• Las ontologías pueden ser representadas a través de lenguajes como XML.
Representación del Conocimiento
• La representación del conocimiento tiene una gran importancia a tal punto de actualmente se habla de la Ingeniería del Conocimiento.
• Los frames son una estructura en la cual se pueden representar valores, restricciones, procesos, tienen relaciones de pertinencia y herencia (por lo que se parecen a la programación orientada a objetos).
Representación del Conocimiento
• El método descripción y pareamiento se utiliza para solucionar problemas de IA y es de los más básicos.
• El primer paso consiste en identificar todas las características de un objeto.
• Después se realiza una búsqueda con un conjunto de objetos ya definidos.
Representación del Conocimiento
• En realidad se utilizan dos métodos muy importantes: el extractor y el evaluador de conocimientos.
• Al realizar el pareamiento de los objetos puede ser que no caigan exactamente en el patrón de conocimiento por lo que se tiene que tener una medida de similitud.
Representación del Conocimiento
• AMOR– Querer a una persona o cosa sobre todas las
cosas– Palabra de 4 caracteres: ‘A’, ‘M’, ‘O’ y ‘R’
yuxtapuestos
• AMOR = AMOR AMOR = ROMA
• Amor = AMOR Amor = Cariño
• Amor = Amar Distancia Léxica 1
Representación del Conocimiento
CírculoDescripción:
Figura formada por todos los puntos comprendidos a una distancia equidistante del centro correspondidos en un ángulo de 0 a 360 grados.
PropiedadesCentro (punto)
Diámetro (dos veces radio)
Áreas
Representación del Conocimiento
=
=
=
=Similitud de 75%
Representación del Conocimiento
• Se utiliza en otras múltiples ramas como:– Reconocimiento de huellas digitales– Reconocimiento de Voz– Reconocimiento de Lenguaje Natural– Validación de Requerimientos de Software– Etc.
• Se debe de representar de manera adecuada el conocimiento para poder compararlo.
Representación del Conocimiento
• Un granjero quiere cruzar un rió llevando consigo una zorra, una ganso y un saco de trigo. Por desgracia, su bote es tan pequeño que sólo puede transportar una de sus pertenencias en cada viaje. Peor aún, la zorra, si no se le vigila, se como al ganso, y el ganso, si no se le cuida, se come el trigo; de modo que el granjero no debe dejar a la zorra sola con el ganso o al ganso solo con el trigo.
Representación del Conocimiento
GranjeroZorraGansoTrigo
GranjeroZorraGansoTrigo
¿Se puede utilizar el método de descripción y pareamiento?
Representación del Conocimiento
GranjeroZorraGansoTrigo
ZorraTrigo
GranjeroGanso
GranjeroZorraTrigo
Ganso
Ganso
TrigoGranjeroZorra
GranjeroGanso
ZorraTrigo
GranjeroZorraGansoTrigo
Zorra
GansoTrigoGranjero
GranjeroZorraGanso
Trigo
Trigo
GranjeroZorraGanso
GranjeroGansoTrigo
Zorra
ZorraGanso
TrigoGranjero
GansoTrigo
ZorraGranjero
TrigoGranjero
ZorraGanso
ZorraGranjero
GansoTrigo
ZorraGansoTrigo
Granjero
Granjero
ZorraGansoTrigo
Representación del Conocimiento
• Otra forma de resolución de problemas utilizado en la IA consiste en las Analogías.
• Las analogías son un tipo especial de relación que define como están representados los objetos de una categoría y como obtener sus predecesores y antecesores inmediatos.
Representación del Conocimiento• Alguna vez nos hemos preguntado ¿por qué
en la mayoría de los exámenes de admisión generalmente son más importantes que los de conocimientos?
• Por que en la mayoría de los casos el conocimiento de cierta forma se puede adquirir pero la forma de aprender y razonar es sumamente complicado. En muchos casos son más importantes las reglas que el conocimiento.
Representación del Conocimiento
A B
C 1 2 3 4
¿Cómo quedarían D y 5?
Representación del Conocimiento
• ¿Qué problemas se presentan con la Abstracción de la Figura D o bien de la Figura 3?
• La resolución de problemas por analogía tiene como base cierto conocimiento previo en ocasiones difícil de obtener.
A B C 1 2
Sistemas Expertos
• Son el primer producto viable comercialmente de la Inteligencia Artificial.
• Permiten introducir información acerca de una materia específica a la computadora (base de conocimientos), y actúan como si fueran expertos en la materia.
Sistemas Expertos
• Un Sistema experto simula el proceso de razonamiento humano mediante la aplicación específica de conocimientos e inferencias.
Bibliografía
• Decker, R. y Hirshfield, S. (2001). Máquina Analítica. Introducción a las Ciencias de la Computación con Uso de Internet, Thomson, México. Capítulo 9 Inteligencia Artificial pp. 295-325.
• Hernández, V. (2007). Mapas Conceptuales La gestión del Conocimiento en la Didáctica. Segunda Edición, México: Alfaomega.
Bibliografía
• Montes, M. y Villaseñor L. (2008) Fundamentos de Inteligencia Artificial Métodos básicos de solución de problemas, Instituto Nacional de Astrofísica, Óptica y Electrónica, Puebla, México.
¿Preguntas, dudas y comentarios?