Inteligencia Artificial

UNIDAD I 

Introducción a la Inteligencia Artificial

UNIDAD II

Procedimientos de Búsqueda de Información

UNIDAD III 

Representación del conocimiento.

La representación del conocimiento y el razonamiento es un área de la inteligencia artificial cuyo objetivo fundamental es representar el conocimiento de una manera que facilite la inferencia (es decir, sacar conclusiones) a partir de dicho conocimiento. Analiza cómo pensar formalmente - cómo usar un sistema de símbolos para representar un dominio del discurso (aquello de lo que se puede hablar), junto con funciones que permitan inferir (realizar un razonamiento formal) sobre los objetos.

Mapa mental (Esquema Neuronal) de REPRESENTACIÓN

Generalmente, se usa algún tipo de lógica para proveer una semántica formal de como las funciones de razonamiento se aplican a los símbolos del dominio del discurso, además de proveer operadores como cuantificadores, operadores modales, etc. Esto, junto a una teoría de interpretación, dan significado a las frases en la lógica.

Lógica del predicado.
Es un sistema formal diseñado para estudiar la inferencia en los lenguajes de primer orden. Los lenguajes de primer orden son, a su vez, lenguajes formales con cuantificadores que alcanzan sólo a variables de individuo, y con predicados y funciones cuyos argumentos son sólo constantes o variables de individuo.

*Las lógicas se caracterizan por lo que ellas consideran como "primitivas".

Lógica	Que existe en el Mundo	Estados de Conocimiento
Proposicional	Hechos	Verdadero/falso/desconocido
Predicados	Hechos, objetos, relaciones	Verdadero/falso/desconocido
Temporal	Hechos, objetos, relaciones, tiempo	Verdadero/falso/desconocido
Probabilidad	Hechos	Grado de creencia 0..1
Difusa	Grados de verdad	Grado de creencia 0..1

La lógica de primer orden tiene el poder expresivo suficiente para definir a prácticamente todas las matemáticas.

Representación del conocimiento mediante reglas.

     Conocimiento procedimental y conocimiento declarativo.

Una representación declarativa es aquella en la que el conocimiento está especificado, pero la forma en que dicho conocimiento debe ser usado no viene dado.

Una representación procedimental es aquella en la que la información de control necesaria para utilizar el conocimiento se encuentra dentro del propio conocimiento.

Hombre (Marco)

Hombre (César)

Persona (Cleopatra)

∀x: Hombre (x) → Persona (x)

¿Quién es una persona?

∃y: Persona (y)

Representación Declarativa.

y = Marco hombre (Marco)

y = César hombre (César)

y = Cleopatra                                     ∀x: hombre (x) → Persona (x)

                                          Persona (Cleopatra)

Representación Procedimental.

y = Cleopatra                                     y = Marco

Razonamiento simbólico bajo incertidumbre.

Son métodos computacionales para tratar con problemas donde surge conocimiento incierto, difuso y cambiante:

– El razonamiento no monótono, en el que se extienden los axiomas y/o las reglas para que sea posible razonar con información incompleta.

– En estos sistemas una sentencia puede pensarse que es CIERTA, FALSA o NINGUNA de las dos.

– El razonamiento estadístico, en el que se extiende la representación para permitir que algún tipo de medida numérica sobre la certeza (en lugar de simplemente CIERTO o FALSO) se pueda asociar a cada sentencia.

Razonamiento estadístico (Teorema  Bayes)

En la teoría de la probabilidad el teorema de Bayes es un resultado enunciado por Thomas Bayes en 1763 que expresa la probabilidad condicional.

En términos más generales y menos matemáticos, vincula la probabilidad de A dado B con la probabilidad de B dado A.

A partir de que ha ocurrido el suceso B deducimos las probabilidades del suceso A.

La fórmula del Teorema de Bayes es:

Lógica difusa.

La lógica difusa (también llamada lógica borrosa) se basa en lo relativo de lo observado como posición diferencial. Este tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre sí. Así, por ejemplo, una persona que mida dos metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en un metro. Ambos valores están contextualizados a personas y referidos a una medida métrica lineal.

-          Fue formulada en 1965 por el ingeniero y matemático Lotfi Zadeh.

Estructuras de ranura y relleno débiles.

-          Sistemas de Producción, Redes Semánticas y Frames.

Estructuras de ranura y relleno fuertes.

-          Scripts, Dependencia Conceptual.

UNIDAD IV

Representación formal del aprendizaje.

La representación del conocimiento y el razonamiento es un área de la inteligencia artificial cuyo objetivo fundamental es representar el conocimiento de una manera que facilite la inferencia (sacar conclusiones) a partir de dicho conocimiento. Analiza cómo pensar formalmente - cómo usar un sistema de símbolos para representar un dominio del discurso (aquello de lo que se puede hablar), junto con funciones que permitan inferir (realizar un razonamiento formal) sobre los objetos.

Teoría formal del aprendizaje.
Pretenden describir los procesos mediante los cuales tanto los seres humanos, como los animales aprenden. Numerosos psicólogos y pedagogos han aportado sendas teorías en la materia.

Las diversas teorías ayudan a comprender, predecir y controlar el comportamiento humano, elaborando a su vez estrategias de aprendizaje y tratando de explicar cómo los sujetos acceden al conocimiento. Su objeto de estudio se centra en la adquisición de destrezas y habilidades en el razonamiento y en la adquisición de conceptos.

Modelos conexionistas.
El principio central del conexionismo es que los fenómenos mentales pueden ser descritos por redes de unidades sencillas y frecuentemente iguales que se interconectan. La forma de las conexiones y de las unidades varía de un modelo a otro. Por ejemplo, las unidades de la red podrían representar neuronas y las conexiones podrían representar sinapsis. Otro modelo podría hacer cada unidad de la red una palabra, y cada conexión una indicación de similitud semántica.

Aprendizajes de redes neuronales.
El aprendizaje es el proceso por el cual una red neuronal modifica sus pesos en respuesta a una información de entrada. Los cambios que se producen durante la etapa de aprendizaje se reducen a la destrucción (el peso de la conexión toma el valor 0), modificación y creación (el peso de la conexión toma un valor distinto de 0) de conexiones entre las neuronas.

Podemos considerar que el proceso de aprendizaje ha terminado cuando los valores de los pesos permanecen estables

o   dwj / dt = 0

Existen cuatro aspectos que caracterizan una red neuronal: su topología, el mecanismo de aprendizaje, tipo de asociación entre la información de entrada y de salida, y la forma de representación de estas informaciones.

Aprendizaje genético.
“Modelo de aprendizaje computacional que usa una metáfora genético-evolutiva.” La Programación Genética es más expresiva que las cadenas de bits de longitud fija de los AGs, aunque los AGs pueden ser más eficientes para algunas clases de problemas.

UNIDAD V

Sistemas basados en conocimiento: "Sistemas expertos"

La tecnología representada por los Sistemas Expertos actuales, surge de las técnicas de Inteligencia Artificial que han sido objeto de amplias e intensivas investigaciones desde finales de los 50’s. Las investigaciones referidas comenzaron en las matemáticas para apoyar el razonamiento simbólico. mediante el uso de IPL, el primer lenguaje simbólico orientado al procesamiento de listas.

Arquitectura de sistemas expertos.
Los Sistemas Expertos emplean una amplia variedad de arquitecturas específicas a las aplicaciones, sin embargo, se puede generalizar un módulo de componentes que normalmente se deben integrar en cualquier ámbito, cuyos elementos se ilustran en la siguiente Figura:

Adquisición de conocimiento.
Un adecuado dominio y conocimiento del mecanismo por el cual el hombre adquiere los conocimientos, sería un gran adelanto en todos los órdenes de la actividad humana, desde la educación infantil hasta la formación y perfeccionamiento de profesionales. Ello nos lleva a exponer los aportes de la Logosofía al respecto.

Las preguntas básicas son:

1) ¿Qué es un conocimiento?

2) ¿Cómo adquiere el hombre los conocimientos?

Componentes de un sistema de planificación.

• Resumen ejecutivo
• Información actual de la organización
• Requisitos de negocio para los sistemas de información
• Estado actual de los sistemas de información
• Estado de la industria IT y de la competencia (benchmarking)
• Identificación de oportunidades de mejora
• Objetivos y estrategia de sistemas de información
• Gap Analysis (aplicaciones, infraestructuras, organización y procesos necesarios)
• Planificación de implementación (hoja de ruta, presupuestos, prioridades y fechas, proyectos necesarios)