06 Mar
1.2 QUE ES LA IA
El objetivo de la Inteligencia Artificial consiste en la construcción de sistemas, tanto hardware como software, que sean capaces de replicar aspectos de lo que se suele considerar “inteligencia”. Evidentemente este objetivo está muy ligado a la definición de la propia palabra “inteligencia”, de la que existe, aproximadamente, una definición por cada persona. Es por esto que en la siguiente figura se presentan algunas definiciones de IA
.1.2.1 Comportamiento humano: el enfoque de la Prueba de Turing La prueba de Turing, propuesta por Alan Turing (1950), se diseñó para proporcionar una definición operacional y satisfactoria de inteligencia. En vez de proporcionar una lista larga y quizá controvertida de cualidades necesarias para obtener inteligencia artificialmente, él sugirió una prueba basada en la incapacidad de diferenciar entre entidades inteligentes indiscutibles y seres humanos. El computador supera la prueba si un evaluador humano no es capaz de distinguir si las respuestas a una serie de preguntas planteadas, son de una persona o no.
El computador debería poseer las siguientes capacidades: Procesamiento de lenguaje natural: que le permita comunicarse satisfactoriamente. Representación del conocimiento:
Para almacenar lo que se conoce o siente. Razonamiento automático: para utilizar la información almacenada para responder a preguntas y extraer nuevas conclusiones. Aprendizaje automático: para adaptarse a nuevas circunstancias y para detectar y extrapolar patrones. Visión computacional: para percibir objetos. Robótica: para manipular y mover objetos.
Pensar como un humano: El enfoque del modelo cognitivo
Para poder decir que un programa dado piensa como un humano, es necesario contar con un mecanismo para determinar cómo piensan los humanos. Es necesario penetrar en el funcionamiento de las mentes humanas. Hay dos formas de hacerlo: mediante introspección (intentando atrapar nuestros propios pensamientos conforme éstos van apareciendo) y mediante experimentos psicológicos. Una vez se cuente con una teoría lo suficientemente precisa sobre cómo trabaja la mente, se podrá expresar esa teoría en la forma de un programa de computador. Si los datos de entrada/salida del programa y los tiempos de reacción son similares a los de un humano, existe la evidencia de que algunos de los mecanismos del programa se pueden comparar con los que utilizan los seres humanos.
1.2.2 Pensamiento racional: el enfoque de las “Leyes del pensamiento”El filósofo griego Aristóteles fue uno de los primeros en intentar codificar la “manera correcta de pensar”, es decir, un proceso de razonamiento irrefutable. Los silogismos son esquemas de estructuras de argumentación mediante las que siempre se llega a conclusiones correctas si se parte de premisas correctas (por ejemplo: “Sócrates es un hombre, todos los hombres son mortales, por lo tanto Sócrates es mortal”). Estas leyes de pensamiento supuestamente gobiernan la manera de operar de la mente, su estudio fue el inicio de un campo llamado lógica.
Este enfoque presente un obstáculo, no es fácil transformar conocimiento informal y expresarlo en los términos formales que requieren de notación lógica.
1.2.3 Actuar de forma racional:
el enfoque del agente racional Un agente es algo que razona (agente viene del latín agere, hacer). Pero de los agentes informáticos se espera que tengan otros atributos que los distingan de los programas convencionales, como que estén dotados de controles autónomos, que perciban su entorno, que persistan durante un periodo de tiempo prolongado, que se adapten a los cambios y que sean capaces de alcanzar objetivos diferentes. Un agente racional es aquel que actúa con la intención de alcanzar el mejor resultado, o cuando hay incertidumbre, el mejor resultado esperado.
1.3 APORTE DE LAS DEMAS CIENCIAS A LA INTELIGENCIA ARTIFICIAL
En el siguiente trabajo presentaremos una descripción de las disciplinas que han contribuido con ideas, puntos de vista y técnicas al desarrollo de la Inteligencia Artificial (IA). LA FILOSOFIA: La Filosofía es una de las ciencias que más ha aportado al crecimiento de la inteligencia artificial en los demás temas veremos a través de la historia como es que la filosofía ha aportado a la evolución de la Inteligencia Artificial hasta la actualidad, los principales filósofos y su aporte a la Inteligencia artificial.
El aporte de la filosofía a la IA, es tratar de entender la relación que existe entre conocimiento y acción. MATEMÁTICAS (800 al presente)
Lógica
El desarrollo matemático de la lógica formal comenzó realmente con el trabajo de George Boole que definió la lógica proposicional o Booleana. Se extendió la lógica de Boole para incluir objetos y relaciones, y creo la lógica de primer orden que se utiliza hoy como el sistema más básico de representación de conocimiento Computación:
Después el trabajo consistía en definir los límites de lo que se podía hacer con la lógica y la informática
Probabilidad:
La probabilidad se convirtió pronto en parte imprescindible de la ciencia cuantitativa, ayudando en el tratamiento de mediciones con incertidumbre y de teorías incompletas.
ECONOMÍA (1776 al presente)
La ciencia de la economía comenzó 1776, con el filósofo escoses Adam Smith, quien fue el primero en tratarlo como ciencia. La mayor parte de la gente piensa que la economía solo se trata de dinero pero los economistas dicen que ellos realmente estudian cómo la gente toma decisiones que les lleva a obtener los beneficios esperados
LA NEUROCIENCIA (1861 al presente) :
¿Cómo procesa información el cerebro? La neurociencia se encarga del sistema neurológico y especialmente del cerebro esta ciencia intenta dar explicación de cómo el cerebro puede generar el pensamiento, como se procesa la información y todos las demás actividades que realiza el cerebro, teniendo en cuenta y sabiendo que cada cerebro tiene diferente forma de actuar frente de diferentes situaciones.
LA PSICOLOGIA (1879 al presente)
¿Cómo piensan y actual los humanos y los animales? La psicología científica comenzó con los estudios de la vista humana, este trabajo se desarrolló hasta convertir psicología en una ciencia, estudiando los comportamientos de los seres humanos. El cerebro fue conceptualizado con un dispositivo de procesamiento de información, el cual es la característica principal de la psicología cognitiva
. INGENIERIA COMPUTACIONAL (1940 al presente) :
¿Cómo se puede construir un computador eficiente? La ingeniería computacional ha aportado en gran medida a la Inteligencia Artificial ya que para que la inteligencia artificial pueda desarrollarse se necesitaban dos cosas esenciales que son inteligencia y un artefacto, y es justamente el computador fue elegido como artefacto.
TEORIA DE CONTROL Y CYBERNETICA (1948 al presente) :
¿Cómo pueden operar los aparatos bajo su propio control? Teniendo el gran avance de la tecnología con el desarrollo del computador como artefacto para la IA, el siguiente paso fue desarrollar artefacto que se puedan controlar
LINGÜÍSTICA
¿Cómo está relacionado el lenguaje con el pensamiento? Los estudios de la Lingüística así como su aporte a la Inteligencia son basados principalmente en descubrir e intentar implementar a los agentes la relación entre el lenguaje y el pensamiento, para ello se realizaron estudios del enfoque conductista al aprendizaje del lenguaje.
1.4 APLICACIONES DE LA INTELIGENCIA ARTIFICIAL
Planificación Automática Juegos Control automático Diagnóstico Planificación logística Robótica Procesamiento del lenguaje y resolución de problemas
1.5.1 ¿QUE ES UN SISTEMA EXPERTO? Según Stevens (1984): Los sistemas expertos son máquinas que piensan y razonan como un experto lo haría en una cierta especialidad o campo. Un sistema experto de verdad no sólo realiza funciones tradicionales de manejar grandes cantidades de datos, sino que también manipula esos datos de forma tal que el resultado sea inteligible y tenga significado para responder a preguntas incluso no completamente especificadas. A partir de ésta surgieron definiciones de otros autores como Castillo y Álvarez (1991) y Durkin (1994) que pueden resumirse de la siguiente manera: Un sistema experto es un sistema informático (software y hardware) que simula a los expertos humanos en un área de especialización dada. Un sistema experto debería ser capaz de procesar y memorizar información, aprender y razonar en situaciones deterministas e inciertas, comunicar con los hombres y/u otros sistemas expertos, tomar decisiones apropiadas y explicar por qué se han tomado tales decisiones. Además, se puede pensar en un sistema experto como un consultor que puede suministrar ayuda a los expertos humanos con un grado razonable de fiabilidad. El primer paso para resolver cualquier problema es definir el área o dominio del problema que será resuelto; esta consideración es tan cierta para la inteligencia artificial como en la programación convencional.
El profesor Edward Feigenbaum de la Universidad de Stanford, pionero en la tecnología de los sistemas expertos, los ha definido como “un programa de computación inteligente que usa el conocimiento y los procedimientos de inferencia para resolver problemas que son lo suficientemente difíciles como para requerir significativamente experiencia humana para su solución”. Es decir, un sistema experto es un sistema de cómputo que emula la habilidad de tomar decisiones de un especialista humano. El término emular significa que el sistema experto tiene el objetivo de actuar en todos los aspectos como un especialista humano. Una emulación es mucho más fuerte que una simulación, que en algunos aspectos sólo requiere que se actúe como en la realidad.
Los sistemas expertos son una rama de la IA que hace un amplio uso del conocimiento especializado para resolver problemas como un especialista humano. Éste es una persona que tiene experiencia desarrollada en cierta área
Un dominio de problema es el área específica de problemas, como medicina, finanzas, ciencias, ingeniería, etc. En el que un especialista puede resolver problemas con facilidad. Los sistemas expertos, como los especialistas humanos, suelen diseñarse especializados en un Inteligencia Artificial y Sistemas Expertos Ing. Yovana L. Sánchez Sánchez Página 10 dominio de problemas. Por ejemplo, normalmente no se esperaría que un especialista en ajedrez tuviera conocimiento especializado en medicina. Las experiencias en un dominio de problema no llevan automáticamente a otro. Al conocimiento del especialista para resolver problemas específicos se le llama dominio de conocimiento del experto.
Por ejemplo, un sistema experto médico, diseñado para diagnosticar enfermedades infecciosas debe tener una gran cantidad de conocimiento acerca de los síntomas causados por este tipo de enfermedades. En este caso, el dominio del conocimiento es la medicina y consta del conocimiento de las enfermedades, sus síntomas y tratamientos.
En su dominio de conocimiento, el sistema experto razona o hace inferencias de la misma forma en que un especialista humano inferiría la solución de un problema. Esto es, dados algunos hechos, se infiere una conclusión.
1.5.2 VENTAJAS DE LOS SISTEMAS EXPERTOS
El desarrollo o adquisición de un sistema experto es generalmente caro, pero el mantenimiento y el coste marginal de su uso repetido es relativamente bajo. Pero la ganancia en términos monetarios, tiempo y precisión resultantes del uso de los sistemas expertos son muy altas y la amortización en muy rápida. Debido a esto antes de Inteligencia Artificial y Sistemas Expertos Ing. Yovana L. Sánchez Sánchez Página 11 desarrollar o adquirir un sistema experto debe realizarse un análisis de factibilidad y de coste-beneficio.
Mayor disponibilidad: La experiencia está disponible para cualquier hardware de cómputo adecuado. En un sentido muy real, un sistema experto es la producción masiva de experiencia. Costo reducido: El costo de poner la experiencia a disposición del usuario se reduce enormemente. Peligro reducido: Los sistemas expertos pueden usarse en ambientes que podrían ser peligrosos para un ser humano. Permanencia: La experiencia es permanente. A diferencia de los especialistas humanos, que pueden retirarse, renunciar o morir, el conocimiento del sistema experto durará indefinidamente. Experiencia múltiple: El conocimiento Mayor confiabilidad: Explicación: Respuesta rápida: Tal vez sea necesaria una respuesta rápida, o en tiempo real, para ciertas aplicaciones.Respuestas sólidas, completas y sin emociones, en todo momento:
El conocimiento de un sistema experto puede representarse de varias maneras (puede estar encapsulado en reglas y objetos). Un método común de representar el conocimiento es en forma de reglas tipo SI … ENTONCES, ejemplos como: SI la luz es roja ENTONCES deténgase
un sistema experto clásico abarca conocimiento no escrito que debe obtenerse de un especialista a través de extensas entrevistas con un ingeniero del conocimiento, durante un largo periodo. Al proceso de construir un sistema experto se le llama ingenieria del conocimiento y consiste en la adquisición de conocimiento a partir de un especialista humano o de otra fuente y su codificación en el sistema experto.
Los especialistas humanos también conocen el alcance de sus conocimeintos y evalúan su consejo cuando el problema alcanza sus limites de ignorancia. Un especialista humano también sabe cuando “romper las reglas”. A menos que los sistemas expertos se diseñen explícitamente para lidiar con la incertidumbre, harán recomendaciones con la misma confianza, aunque los datos con los que se están tratando sean imprecisos o estén incompletos.
1.5.4 CARACTERISTICAS DE UN SISTEMA EXPERTO
Un sistema experto suele diseñarse para que tenga las siguiente características genearles:
Alto desempeño
El sistema debe tener la capacidad de responder a un nivel de competencia igual o superior al de un especialista en el campo. Esto significa que la calidad del consejo dado por el sistema debe ser muy alta.
Tiempo de respuesta adecuado
El sistema debe actual en un tiempo razonale, comparable o mejor al tiempo requerido por un especialista, para alcanzar una decisión. Si un sistema experto necesita una semana para tomar una decisión qu eun especialista tomaria en una hora, no sería muy útil
Confiabilidad
El sistema experto debe ser confiable y no propenso a “caídas” o no será utilizado.
Comprensible:
El sistema debe ser capaz de explicar los pasos de su razonamiento mientras se ejecutan, de tal modo que sea comprensible.
En lugar de ser sólo una caja negra que produce una respuesta milagrosa, el sistema debe tener capacidad de explicación, de la misma forma en que los especialistas pueden explicar su razonamiento.
1.5.5 ORGANIZACIÓN DE UN SISTEMA EXPERTO
La base de conocimiento contiene el conocimiento sobre el dominio específico (o área) donde se aplicará el SE. El dominio debe estar bien definido y delimitado. Dentro de un dominio específico, se le llama conocimiento al entendimiento sobre cómo manipular los elementos que conforman el dominio para inferir conclusiones y soluciones a problemas.
Memoria de Trabajo La Memoria de Trabajo contiene los hechos sobre el problema que son adquiridos durante el proceso de consulta. El proceso de consulta se refiere al proceso mediante el cual el usuario ingresa al sistema las informaciones sobre el problema. El sistema compara estas informaciones con el conocimiento que posee, con el objetivo de inferir nuevos hechos. El sistema coloca estos nuevos hechos en la Memoria de Trabajo y el proceso continúa. Eventualmente, el sistema llegará a una conclusión que también es almacenada en esta memoria.
Máquina de Inferencia La Máquina de Inferencia es el procesador de un Sistema Experto. Su función es comparar la información de la Memoria de Trabajo con el Conocimiento de la Base de Conocimiento, de forma a inferir nuevas informaciones que le permitan buscar una solución al problema colocado.
Interface de Usuario:
Es el enlace entre el sistema experto y el usuario. Para que un sistema experto sea una herramienta efectiva debe incorporar mecanismos eficientes para mostrar y obtener información fácil y agradable
El Subsistema de Explicación:
Es el subsistema que explica el proceso seguido por el motor de inferencia o por el subsistema de ejecución, por ejemplo: si un cajero automático rechaza una palabra clave (una acción) la máquina puede mostrar un mensaje (una explicación) como la siguiente: “retenemos su tarjeta de crédito para garantizar su seguridad”. En muchos casos, la explicación es necesaria debido a los riesgos asociados con la acción a ejecutar, por ejemplo en el campo del diagnóstico médico.
EJEMPLOS DE APLICACIÓN DE SISTEMAS EXPERTOS A)
Transacciones bancarias: Anteriormente para realizar una transacción bancaria (depositar o extraer dinero de una cuenta) había que visitar el banco en horas de oficina. Hoy en día, estas y otras transacciones pueden realizarse en cualquier horario utilizando los cajeros automáticos o comunicándose a través de la línea telefónica
. B)
Control de tráfico: Tiempo atrás el flujo de tráfico en las calles se controlaba por guardias de tráfico. Hoy se utilizan sistemas expertos que operan automáticamente los semáforos y regulan el flujo del tráfico en las calles de una ciudad. C)
Problemas de planificación: En este aspecto se pueden utilizar sistemas expertos para la asignación y la organización de aulas en una gran universidad.
D) Diagnóstico médico
En este campo se requerirían como datos los síntomas del paciente, los resultados de análisis clínicos y otros hechos relevantes; utilizando estos buscaría en una base de datos la información necesaria para poder identificar la correspondiente enfermedad.
Deja un comentario