Este documento presenta una introducción a la inteligencia artificial. Explica conceptos básicos como algoritmos, estructuras de datos y complejidad computacional que son prerequisitos para estudiar AI. También recomienda el libro "Artificial Intelligence: A Modern Approach" de Russell y Norvik como una referencia clave. Finalmente, describe algunas aplicaciones comunes de la inteligencia artificial como reconocimiento de voz y lenguaje natural.

1. Inteligencia Artificial
(AI)
Por: Ivan SanchezVera
UPSE - 2016

2. Ciencia Ficción
▪ Acaso los robot suenan
con ovejas eléctricas?
Philip K. Dick

3. Prerequisitos
▪ Conocer conceptos básicos de ciencias de la computación:
– Algoritmos
– Estructuras de datos
– Complejidad computacional
▪ Son útiles también conocimientos en:
– Algebra lineal
– Calculo

4. Libro
▪ Artificial Intelligence: A Modern Approach
(AIMA), Russell, Norvik, 3ra Edicion.
▪ Sitio Web de AIMA:
http://aima.cs.berkeley.edu/code.html
▪ Repositorio de Código en el sitio web de AIMA

5. Objetivos de Aprendizaje

6. Otros científicos acerca de AI
▪ “Es el campo en el que me
gustaría estar”.
▪ “La inteligencia artificial es
relevante a cualquier
actividad intelectual. Es en
realidad un campo de
estudio universal”.
Muchos científicos en
conferencias.

7. Definición
▪ Inteligencia Artificial es la capacidad de maquinas (agentes) de
exhibir comportamiento inteligente dadas las condiciones de su
entorno.
▪ Decisiones inteligentes son aquellas que maximizan las posibilidades
de éxito al ejecutar las tareas para las cuales el software fue
diseñado.
▪ En otras palabras, maquinas inteligentes

8. Enfoques
▪ Enfoque humano: Estudia AI en referencia y fidelidad a las
capacidades de pensamiento humano.
▪ Enfoque racional: Estudia AI en referencia a hacer lo
correcto dado lo que la maquina conoce de su entorno.

9. Definiciones
Pensando Humanamente
“AI es el esfuerzo de hacer a las computadoras pensar…
maquinas con mentes, en el sentido mas completo y literal”
(Haugeland, 1985)
“AI es la automtizacion de actividades que asociamos con el
pensamiento humano, actividades como toma de decisiones,
resolución de problemas, aprendizaje…” (Bellman, 1978)
Pensando Racionalmente
“AI es el estudio de las facultades mentales, a
través del uso de modelos computacionales”
(Charnik & McDermott, 1985).
“El estudio de la computación que hara posible
el percibir, razonar y actuar” (Winston, 1992)
Actuando Humanamente
“El arte de crear maquinas que realizan acciones que
requieren inteligencia al ser realizadas por personas”
(Kurzweil, 1990)
“AI es el estudio del como hace que las computadoras hagan
cosas para las cuales, hasta el momento, las personas hacen
mejor”. (Rich & Knight, 1991).
Actuando Realmente
“InteligenciaArtificial es el estudio del diseño
de agentes inteligentes” (Pool et al., 1998)
“AI … involucra el comportamiento inteligente
en artefactos” (Nilsson, 1998)

10. Racionalidad
▪ Un sistema es racional si hace lo “correcto”, dado su entorno y lo que
conoce de el.

11. Aplicaciones de la Inteligencia
Artificial
▪ Reconocimiendo deVoz
▪ Reconocimiento de Lenguaje Natural
▪ Automatizacion de las traducciones
▪ Vehiculos autónomos
▪ Robotica

12. Pueden las maquinas pensar?
▪ Al formular el campo del conocimiento la
pregunta era?
▪ Se puede simular la inteligencia humana?
▪ Puede la inteligencia humana ser descrita con
tal grado de precisión que puede ser
simulada?
▪ Turing test.

13. Actuando Humanamente
▪ La prueba deTuring: Propuesta porTuring (1950).
▪ Un computador pasa la prueba si es que logra confundir a un ser
humano, al punto tal que al interrogar a la maquina el humano no
puede distinguir si las respuestas obtenidas fueron provistas por un
humano o una maquina.
▪ Existe aun debate acerca de si es que la computadora logra pasar
determina que esta es inteligente.

14. Pasando la prueba de Turing
▪ Pasar la prueba deTuring requiere que un computador tenga al
menos las siguientes capacidades:
▪ Procesamiento de Lenguaje natural (Lenguaje humano).
▪ Representar el conocimiento (Almacenar lo que percibe o sabe).
▪ Razonamiento automatico (Usar la info almacenada para responder
preguntas y sacar conclusiones).
▪ Machine Learning (Adaptarse a nuevas circunstancias, detectar y
extrapolar patrones).

15. Turing Test
▪ La prueba deTuring no incluye la interacción física, puesTuring la
creyó innecesaria para demostrar inteligencia.

16. Divide y vencerás?
▪ En este momento, aun existe división entre las diversas Areas que
estudian la inteligencia artificial.
▪ Algunos campos no se comunican con otros por enfocarse en la
solución de problemas niche (aplicando muchas técnicas para la
resolución de un solo problema).
▪ Otros equipos de trabajo se enfocan en el uso de una sola técnica
para la resolución de varios problemas (Enfocados en la técnica y no
en el problema, tratando de adaptar la técnica al problema).

17. Inteligencia Artificial, un termino
sombrilla.
▪ El termino Inteligencia artificial abarca muchas áreas y problemas, entre
ellos:
▪ Razonamiento
▪ Extracción de conocimiento
▪ Planificación
▪ Aprendizaje
▪ Procesamiento de Lenguaje Natural
▪ Percepción (como percibe un computador su ambiente).
▪ Habilidad de mover objetos.

18. Una sola meta
▪ MAQUINAS INTELIGENTES
▪ La meta ultima de la inteligencia artificial es lograr que las maquinas
se comporten de manera inteligente en el sentido amplio de la
palabra.
▪ Esta noción de inteligencia esta muy atada al comportamiento
considerado razonable por la mayoría, como el que esperaríamos de
un ser humano ante ciertas condiciones o eventos.

19. Métodos de Inteligencia Artificial
▪ El área de inteligencia artificial, se basa en el uso de:
▪ Métodos Estadísticos: La creación de métodos matemáticos para la
resolución de problemas específicos.
▪ Inteligencia Computacional – Soft Computing (Soluciones a
problemas que no pueden ser resueltos con total certeza a través de
la Lógica): Redes Neuronales, algoritmos Evolutivos, sistemas
basados en lógica difusa.
▪ Inteligencia Simbólica: Reduccion de los conceptos de inteligencia a
la manipulación de símbolos para simular inteligencia.

20. Tecnica en Inteligencia Artificial
▪ El área de inteligencia artificial, usa técnicas de varias áreas, en
especial:
▪ Optimización
▪ Lógica
▪ Probabilidad y Estadística

21. Pensando Humanamente
▪ Que las computadoras piensen como humanos.
▪ Pero como piensan los humanos?
▪ Necesitamos determinar como piensan los humanos.
▪ Meternos dentro del cerebro humano y dentro de los métodos del
pensamiento humano.
– Introspección:Tratar de atrapar nuestros propios pensamientos mientras
fluyen.
– Experimentos Psicológicos: Observar a las personas actuar (en acción).
– Escaneos Cerebrales: Observaciones del cerebro en acción.

22. Teoria de la Mente Humana y Sofware
▪ Cuando tengamos una teoría precisa de como funciona la mente
humana, recién allí será posible expresar esa teoría en forma de
Software.
▪ El campo que junta AI con psicología se llama Ciencia coginitiva.
▪ Nosotros solo experimentaremos con computadores, pero no
titubeen en cuestionar el funcionamiento del cerebro humano, quizá
descubramos algo!

23. Pensando Racionalmente
▪ Aristóteles: Razonamiento correcto (Silogismos).
▪ Lógica Codificada: Notación desarrollada en el siglo 19.
▪ Programas Lógicos.: En los 60 ya había programas capaces de resolver cualquier
problema de lógica proposicional (si es que la solución existe).
▪ Entonces que paso? Porque no tenemos compus inteligentes?
▪ Problemas:
▪ No es fácil definir conocimiento informal en la forma de lógica formal.
▪ No todas las proposiciones de lógica informal son 100% ciertas (incertidumbre).
▪ Es diferente resolver un problema en principio, que resolver un problema practico.

24. Agentes
▪ Un agente es algo que actua
▪ Latin agere: hacer.
▪ Agente computacional debe:
– OperarAutonomamente (difícil)
– Percibir su ambiente. (obtener información)
– Sobrevir por un extenso periodo de tiempo.
– Adaptarse al cambio (difícil).
– Crear y persiguir metas (super difícil).
▪ Agente racional:
– Actua para obtener el mejor resultado posible, incluso bajo incertidumbre.

25. Actuando Racionalmente
▪ Inferencias correctas: Parte de ser un agente racional, incluye razonar
lógicamente. De esas inferencias correctas, se debe actuar para
obtener las metas.
▪ Pero las inferencias correctas no lo son todo!
▪ En algunas situaciones no hay como decidir que es lo mas correcto.
▪ Pero igual se debe hacer algo (No loopear para siempre).

26. Ventajas del Enfoque de Agente Racional
▪ Es mas general que el enfoque de las leyes del pensamiento
(inferencias). Puesto que las leyes de inferencia son solo uno de los
mecanismos de la racionalidad.
▪ Son mas desarrollables desde el punto de vista científico que los
enfoques basados en comportamiento humano.
▪ Nos enfocaremos en agentes racionales, aunque si revisaremos de
cuando en cuando comportamiento humano.
▪ Notaremos que alcanzar racionalidad (hacer siempre lo correcto), no
es siempre posible en ambientes complejos (requeriría demasiado
recursos computacionales).

27. Disciplinas Contribuyentes a la AI
▪ Filosofía: De donde viene el conocimiento?
▪ Matemáticas: Cuales son las reglas formales para obtener conclusiones correctas?
▪ Economía: Como tomar decisiones que maximicen el beneficio?
▪ Neurociencia: Como procesa el cerebro la información?
▪ Psicología: Como actúan los seres humanos?
▪ Ingeniería en Computación: Como construir un computador eficiente?
▪ Teoría del control y cibernética: Pueden los aparatos actuar autónomos?
▪ Lingüística: como se relaciona el lenguaje al pensamiento.

28. Filosofía
▪ Su mayor aporte es la conexión que intenta establecer entre el saber
y actuar.
▪ AI requiere no solo el razonar, sino el actuar en base a ese
razonamiento.
▪ Entendiendo como las acciones pueden ser justificadas, podemos
construir un agente cuyas acciones sean justificables (razonables).
▪ Las acciones son justificadas por una conexión lógica entre metas y el
conocimiento del resultado que dichas acciones tendrán. Aristoteles.

29. Matemáticas
▪ Cuales son las reglas formales para obtener conclusiones validas?
▪ Que puede ser computado? (no es una pregunta trivial).
▪ Como razonamos ante información incierta?
▪ La formalización de las ideas de los filósofos tomo la forma de:
– Lógica (George Boole)
– Computación
– Probabilidad.
▪ Primer algoritmo para calcular máximo común divisor (GCD), es dado por
Euclides (Hace miles de años).
▪ Teorema de incompletes (Godel): Hay proposiciones verdaderas sin prueba
en la teoría. Es decir, hay funciones de enteros que no pueden ser
representadas por un algoritmo (no computables).

30. Matematicas – Que es computable?
▪ Turing trato de encontrar exactamente que funciones son
computables.
▪ La tesis de Church-Turing, dice que la maquina deTuring es capaz de
computar cualquier función que sea computable.
▪ Hay funciones que no son computables por ninguna maquina de
Turing.
▪ Ejemplo: Ninguna maquina puede generalizar una regla para decidir
si un programa dado retornara una respuesta en un input
determinado o si correrá por siempre.
▪ Estas son nociones de Computabilidad y decidibilidad.

31. Matematicas – Tractability
(manejabilidad)
▪ Un problema es llamado inmanejable (intratable) si el tiempo requerí
para resolver instancias del problema crece exponencialmente con
respecto al numero de instancias del problema.
▪ La distinción entre el crecimiento en complejidad Polinomial (P) y no
polinomial (NP) es importante, porque implica que incluso para un
numero bajo de instancias, problemas NP no pueden ser resueltos en
tiempo razonable.
▪ Al final por ahora solo invertiremos tiempo en crear agentes
inteligentes que intenten resolver problemas manejables (P).

32. Matematicas – Como reconocer un problema
no manejable?
▪ La teoría de NP Completeness (Cook & Carp, 1972) provee un método para
probar que un problema es NP-Completo.
▪ Se han encontrado una serie de problemas NP-Completos (la mayoría
problemas de clase de búsqueda combinatorial).
▪ Cualquier problema que pueda ser reducido a NP-Complete es
probablemente no manejable (no se ha podido probar, pero creemos que es
asi).
▪ Las soluciones a problemas NP-Complete son verificables en P, aunque no
sepamos una forma eficiente para encontrar la solucion (no sabemos si es
P).
▪ CrudaVerdad: A pesar de las mejoras en las computadoras, el mundo es un
ambiente muy complejo. El mundo es una instancia muy grande de un
problema muy complejo.

33. P VS NP
▪ El problema es: Determinar si es posible o no resolver problema NP-
Completos de manera rápida y eficiente.
▪ Es uno de los mas importantes problemas de la computación y del
Universo que conocemos ahora.

34. La Respuesta de la Vida, el Universo y
todo lo demás.

35. Matemáticas: Probabilidad
▪ AI usa probabilidades en muchas partes para la toma de decisiones.
▪ Predecir eventos o valores en función de variables es parte de IA.
▪ Manejar la incertidumbre es parte de AI, los agentes razonables
deben tener esta capacidad.
▪ Bayes. Super importante.
▪ El teorema de bayes es fundamental en AI. (Lo veremos después)
▪ Teorema de Bayes permite actualizar las probabilidades de eventos
cuando encontramos nueva evidencia.
– Es la base del razonamiento en AI.

36. Reflexionemos. 10 minutos en grupo
▪ Que nos dice el video anterior acerca de la formulación de problemas y su solución?
▪ Que problemas pueden ser resueltos por una computadora (Y cuales no)? Por que?
▪ Acerca del tiempo de respuesta de la computadora? Por que tardo tanto?
▪ Es la respuesta satisfactoria? Que tipo de respuesta esperábamos?
▪ Es la respuesta correcta? Como probarlo (o refutarlo)?
▪ Puede una computadora crear otra computadora? Puede una computadora crear una
computadora mas poderosa? (Self Replicating Machine).
▪ Quiero sus respuestas por grupo expuestas desde su puesto por un representante.
▪ Tarea: Reflexionar individualmente en casa sobre la respuesta a estas preguntas.
Contestar todas las preguntas en un párrafo cada una. Enviar por Moodle.

37. Economía
▪ La economía no es sobre el dinero. Es el estudio de como tomar decisiones
que nos lleven a resultados preferentes (la mayoría del tiempo acumular
dinero).
▪ Las teorías de decisiones (combina probabilidad con teoría de la utilidad)
provee un marco completo para efectuar decisiones bajo incertidumbre.
▪ Teoría de Juego: En algunos juegos un agente racional debe tomar
decisiones que parecen randomica.
▪ Como tomar decisiones racionales cuando los pagos por acciones no son
inmediatos, sino el resultado de varias acciones en secuencia. Investigación
de Operaciones.
▪ Procesos de decisión de Markov: Método secuencia de resolución de
problemas de toma de decisiones.

38. Neurociencia
▪ Es el estudio del sistema nervioso y el cerebro.
▪ Estamos lejos de saber como funciona de verdad el proceso
cognitivo.
▪ Incluso con una computadora de recursos ilimitados, no podríamos
lograr el nivel de inteligencia humano en muchos aspectos. Puesto
que no conocemos como opera el proceso cognitivo.

39. Psicologia
▪ Psicologia Cognitiva:Trata al cerebro como un dispositivo de
procesamiento de información.
▪ Craik fue un pionero en esta rama y estableció los pasos que debe
seguir un agente cognitivo:
– El estimulo recibido debe ser transformado en una representación intermedia.
– La representación intermedia es manipulada según el proceso cognitivo.
– Resultado de las transformaciones se convierte en acción.

40. Ingenieria en Computacion
▪ Para lograrAI se necesitan 2 cosas básicas, Inteligencia y un
artefacto.
▪ El artefacto elegido es la computadora.
▪ Computadores e Inteligencia Artificial han ido de la mano desde sus
inicios.
▪ Los avances en tecnología permiten ahora sonar con verdadera AI.
– Dispositivos mas rapidos, menos costosos, mas eficientes y en todas partes.

41. Teoria del Control y Cybernetica
▪ Involucra que las cosas puedan modificar su propio comportamiento
a través de retroalimentación.
▪ Wiener creo la teoría del control, escribió un libro mundialmente
famoso llamado cybernetics y difundio sus ideas al mundo.
▪ La visión que tenían es la de comportamiento con propósito, en la
cual un mecanismo se autorregula tratando de minimizar el error (la
diferencia entre el estado actual y el estado meta).
▪ Hoy la teoría del control se refiere a procesos estocásticos que tiene
como objeto maximizar una función objetiva sobre el tiempo.

42. Linguistica
▪ Como se relación el lenguaje al pensamiento?
▪ Como puede un niño crear oraciones que nunca antes ha escuchado?
Noam Chomsky en Syntactic estructures dice que a través de
Creatividad.
▪ La teoría de Chomsky era formal, podía ser programada.
▪ NLP: Natural Language Processing (Procesamiento de Lenguaje
Natural).
– Codificar y entender el lenguaje humano en maquinas! Problema difícil.

43. Quiero saber mas
▪ No esta cubierto en este curso, pero si quieren saber mas pueden
revisar:
▪ Automatas
▪ Maquinas deTuring (determinísticas).
▪ Maquinas deTuring (no-determinísticas).

44. Un Mundo Computable
▪ Los que tenemos a la computacion como profesion somos aquellos
que debemos Emprender un viaje bajo la premisa de un mundo
computable.
▪ @Grady_Booch
▪ #IEEE #ComputingTHEHumAnexpERIENCE #OnComputer
#SoFTWAREmagazine