Resumen IA 2013 Inteligencia Artificial (IA) Qu es la inteligencia artificial? Es la parte de la ciencia de la computacin que se encarga de desarrollar Sistemas Computacionales Inteligentes, es decir, sistemas que tienen caractersticas asociadas a la inteligencia del comportamiento del ser humano, como por ejemplo: La comprensin del Lenguajes | La resolucin de problemas | Aprendizajes.

Mquina de Turing

Es un dispositivo que manipula smbolos sobre una tira de cinta. Se puede adaptar para simular la lgica de cualquier algoritmo de computadora y est diseada como un dispositivo hipottico que representa una mquina de computacin.

Test de Turing Se basa en la hiptesis de que, si una mquina se comporta en todos los aspectos como inteligente, entonces debe ser inteligente. El procedimiento consta de situar a un juez en una habitacin, una mquina y un ser humano en otra. El juez debe descubrir cul es el ser humano y cul es la mquina, permitindoles a los 2 mentir al momento de contestar una pregunta. Si ambos jugadores son lo suficientemente hbiles, el juez no podra distinguir quin es la mquina.

Perspectiva cientfica La perspectiva cientfica busca entender la naturaleza de la inteligencia, reproducir las acciones y el razonamiento de los seres vivos inteligentes en dispositivos artificiales.

Perspectiva Ingenieril

La perspectiva ingenieril busca desarrollar teoras, conceptos, mtodos y prcticas para construir artefactos (software-hardware) que presenten una conducta inteligente.

Tipo de sistemas

Hay distintos tipos de sistemas, los cuales reciben como fuente de entrada: Datos | Funciones | Eventos | Comportamiento | Conocimiento.

Sistemas Administrativos: operaciones diarias, control interno. Sistemas de Apoyo a las Decisiones: Business Intelligence, Data Warehouse, Data Mining, Cubos. Conocimiento Inteligencia Artificial: Sistemas Expertos, Redes Neuronales, Algoritmos

Genticos. Aportan mucho a los otros tipos de sistemas.

Pgina 1 de 25

Resumen IA 2013

Ingeniera del Conocimiento (INCO) Es el proceso de disear y poner en marcha los Sistemas Basados en Conocimiento. Es el sub-campo de la Inteligencia Artificial, concerniente a la adquisicin, representacin y aplicacin de conocimientos, los cuales se integran dentro de un sistema de computadora para resolver problemas complejos que normalmente requiere un alto nivel de comprensin / conocimiento.

Sistemas Basados en Conocimiento (SBC / SS.BB.CC) Tienen como fuente, el conocimiento pblico, esto quiere decir que la fuente esta publicada en: Libros, Normas, Estndares, etc. Dicha fuente esta detallado de forma clara y exacta, por lo tanto puede ser representada en la computadora.

Desde el punto de vista funcional:

Desde el punto de vista estructural:

Sistemas de Apoyo a las Decisiones

Conocimiento (IA)

Sistemas Expertos (SE) Redes Neuronales (RN) Algoritmos Genricos (AG)

Sistemas Administrativos / Operaciones diarias /

Control Interno.

Pgina 2 de 25

Resumen IA 2013 Sistemas Expertos (SE / SS.EE) Tienen como fuente, el conocimiento pblico (SBC) y adems posee determinados conocimientos de experiencia en un dominio concreto. Los SE buscan mejorar la calidad y rapidez en las respuestas, para mejorar la productividad del experto. No pretende reproducir el pensamiento humano, sino la tcnica de un profesional capaz (para construir un SBC se suele contar con grandes expertos en la materia que incorporan su conocimiento al sistema). Esta pretensin es ms sencilla ya que en algunos campos reducidos los expertos trabajan siguiendo reglas, pero generalmente no son conscientes de ello. En aquellos campos en los que no sea necesario aplicar la intuicin ni el sentido comn, los sistemas basados en conocimiento han conseguido notables xitos, logrando en ocasiones ser ms regulares y rpidos que los propios expertos. Ejemplo: Un SE en diagnstico mdico requiere como datos los sntomas del paciente, los resultados de anlisis clnicos y otros hechos relevantes, y, utilizando stos datos de entrada, buscara la informacin necesaria para poder identificar la correspondiente enfermedad. Un SE no slo maneja grandes cantidades de datos, sino que tambin los manipula de forma tal que el resultado sea claro y tenga significado para responder incluso a preguntas no especificadas.

Sistemas basados en el conocimiento vs sistemas expertos

SBC: conocimiento no necesariamente experto. SE: conocimiento experto + interaccin. SE SBC.

Definicin de SBC vs. Sistemas Expertos

Pgina 3 de 25

Resumen IA 2013 Sistemas Tradicionales vs. Sistemas Inteligentes

Sistemas Procesamiento de Datos Sistemas Inteligentes Procesamiento de datos. Procesamiento de smbolos. La estructura de control y el conocimiento

estn integrados. [Variando el conocimiento cambia el programa]

La estructura de control y el conocimiento son independientes. [Variando el conocimiento no cambia el programa]

Slo se admite la mejor solucin posible. Todas las respuestas satisfactorias son aceptables.

Sistemas Convencionales vs. Sistemas Orientados a Conocimiento

Sistemas Convencionales Sistemas Orientados a Conocimiento

Dominio del conocimiento

Combinatoria reducida de opciones.

Gran volumen de informacin y de relaciones.

Ej: Clculo de Sueldo.

Requiere heurstica para acortar los espacios de bsqueda.

Ej: Ajedrez 10120 (Juegos) Programacin Procesamiento sistemtico y procedural.

Procesamiento Inferencial y deductivo.

Anlisis y Diseo Sistemas abarcativos e integrados. Sistema focalizado en un aspecto

especfico del conocimiento.

Arquitectura

Base de Datos Programas (Instrucciones y

control de secuencia).

Base de Datos. Base de Conocimiento (Reglas) Motor de Inferencia (control de

Encadenamiento)

Ventajas de los Sistemas Expertos Mayor disponibilidad: La experiencia est disponible para cualquier hardware adecuado. Permanencia: La experiencia es permanente, a diferencia de lo que ocurre con los expertos

humanos. Experiencia mltiple:

o El conocimiento de varios especialistas puede estar disponible para trabajar simultnea y continuamente en un problema.

o El nivel de experiencia combinada de muchos sistemas expertos puede exceder el de un solo especialista humano.

Respuestas no subjetivas: El sistema experto ofrece respuestas slidas, completas y sin emociones en todo momento.

Explicacin del razonamiento: El sistema experto puede explicar clara y detalladamente el razonamiento que conduce a una conclusin.

Respuesta rpida: Algunas situaciones de emergencia pueden exigir respuestas ms rpidas que las de un humano.

Pgina 4 de 25

Resumen IA 2013 Limitaciones

Sentido comn: Para un SE no hay nada obvio. Por ejemplo, un SE sobre medicina podra admitir que un hombre lleva 40 meses embarazado, a no ser que se especifique que esto no es posible ya que un hombre no puede procrear hijos.

Lenguaje natural: Con un experto humano podemos mantener una conversacin informal mientras que con un SE no podemos.

Capacidad de aprendizaje: Cualquier persona aprende con relativa facilidad de sus errores y de errores ajenos, que un SE haga esto es muy complicado.

Perspectiva global: Un experto humano es capaz de distinguir cuales son las cuestiones relevantes de un problema y separarlas de cuestiones secundarias.

Capacidad sensorial: Un SE carece de sentidos. Flexibilidad: Un humano es sumamente flexible a la hora de aceptar datos para la resolucin de

un problema. Conocimiento no estructurado: Un SE no es capaz de manejar conocimiento poco estructurado.

Arquitectura de los SOC

Base de Conocimiento Contiene el conocimiento que el SOC maneja, expresado en lenguaje de programacin. Es el conjunto de reglas de razonamiento, por ejemplo:

o SI (Aceleracin = alta y Falla = A236 o Falla =B53) ENTONCES (Reparacin = Cambiar mariposa)

Suministra al motor de inferencia las reglas de razonamiento a recorrer.

Base de Datos

Contiene los valores de datos/atributos que identifican cada caso y que usa el sistema para razonar, por ejemplo:

o Aceleracin: alta | media | baja o Falla: A236 (luz roja tablero) | B53 (interrupcin encendido) o Reparacin: cambiar mariposa | cambiar paso a paso | reparar inyectores | cambiar

inyectores. Suministra al motor de inferencia los valores de los atributos que requieren las reglas de

razonamiento a recorrer.

Pgina 5 de 25

Resumen IA 2013 Memoria de Trabajo

Memoria temporal en la cual el motor de inferencia guarda, por ejemplo: o El Conocimiento que va deduciendo a medida que recorre las reglas de razonamiento.

o Las reglas que fueron disparadas, lo que permite explicar cmo fue razonando la/las respuesta/s

Motor de Inferencia

Contiene algoritmos que son independientes del dominio de aplicacin y que controlan: o El orden de recorrido de las reglas y la ejecucin de las inferencias de la base de

conocimiento. o Acepta entradas y produce salidas.

Proporciona al trazador de explicaciones, las reglas que explican cmo se razon la salida del sistema.

Proporciona al trazador de consultas, las respuestas a consultas del usuario

Interfaz de Conocimiento

Administra la comunicacin entre el sistema y los usuarios en forma amigable. Permite al usuario ingresar datos. Permite al sistema solicitar datos. Permite al usuario ingresar nuevos conocimientos. Interpretar y responder consultas del usuario.

Ciclo de Vida de Sistemas Orientados a Conocimiento

Se lleva a cabo de forma espiral (Movimiento Perifrico) e incremental.

Metodologa IDEAL 1. Identificacin de la Tarea. [Plan de Proyecto | Estudios de Viabilidad | Requerimientos] 2. Desarrollo de los prototipos. [Adquirir Conocimiento, Conceptualizar y Formalizar conocimiento

| Implementacin | Validacin y Evaluacin] 3. Ejecucin de la construccin del Sistema Integrado. [Integracin con otros sistemas |

Aceptacin del sistema] 4. Actuacin para conseguir el mantenimiento del sistema. [Mantener sistema | Mantener Base

de Conocimiento] 5. Lograr una adecuada transferencia tecnolgica. [Documentacin | Organizar la transferencia

tecnolgica]

Pgina 6 de 25

Resumen IA 2013 PPT 2 - IDEAL - Estudio de Viabilidad

Permite determinar si la solucin de un problema es viable o no con el Sistema Basado en Conocimiento. En IDEAL se analizan 4 factores de viabilidad:

1. Posible / Plausible. En este punto se determina si se cuentan con los medios necesarios para abordar el problema desde la INCO. Se analizan 2 factores bsicos: 1.1. Caractersticas del Experto:

- Debe existir el experto y debe ser reconocido por sus colegas como tal. - Debe ser cooperativo y poder explicar sus mtodos y procedimientos. - Debe haber resuelto problemas con frecuencia.

1.2. Caractersticas de las tareas del experto: - Se analiza el grado de dificultad de las tareas. - Se analiza si est adecuadamente estructurada la tarea. - Se analizan las habilidades que se requieren para llevar a cabo la tarea.

2. Justificado. En este punto se determina si se justifica o no el uso de un SE. Se analizan 2 factores

bsicos: 2.1. Caractersticas de la experiencia:

- Se analiza el entorno en donde hay que llevarse a cabo las tareas. Por ejemplo: Peligrosidad de la tarea | Distancia donde hay que realizar la tarea, etc.

2.2. Caractersticas de la inversin: - Se analiza el costo de llevar a cabo el sistema, la recuperacin de la inversin, el valor de

lo que sale realizar la tarea y si existen soluciones alternativas.

3. Apropiado. En este punto se determina si la INCO permite abordar el problema o no, dado que existen problemas que no pueden ser resueltas, ya que requieren algoritmos convencionales o sentido comn. Tambin se estudian la complejidad y el tipo de tarea a realizar.

4. xito.

4.1. Si existe la predisposicin del experto para desarrollar el sistema. 4.2. Si existe el apoyo de los directivos para afrontar los costos de desarrollo. 4.3. Si existe la predisposicin de los usuarios en general.

IDEAL - Estudio de Viabilidad Mtodo El mtodo (basado en mtricas y ponderaciones) para estimar si un Sistema Experto es posible de llevarse a cabo y consiste en completar una tabla donde hay un conjunto de de variables, los cuales hay que puntuar o valorar.

Pgina 7 de 25

Resumen IA 2013 IDEAL - Estudio de Viabilidad Mtodo - Valores

Numrico Valores discretos en un intervalo. Ejemplo: [1, , 10] Booleano Valores [S - No]. Ejemplo: Si 10 | No 0. Lingsticos Valores [Nada, Poco, Regular, Mucho, Todo]

IDEAL - Estudio de Viabilidad Mtodo - Procedimiento

Paso 1. Completar los valores de la tabla. CATEGORIA Con quien est relacionada la caracterstica. Valores: [EXPERTO | TAREA | DIRECTIVO | USUARIO]. DIMENSIN Con qu grupo bsico est relacionada la caracterstica. Valores: [Pn (Posible) | Jn (Justificado) | An (Adecuado) | En (Exitoso)]. PESO Indica la importancia de la caracterstica Valores: [1, ..., 10]. TIPO Indica la importancia de la caracterstica dentro del proyecto. Valores: [ESENCIAL | DESEABLE]. NATURALEZA Indica el tipo de valor. Valores: [NUMRICA | BOOLEANA | DIFUSA] UMBRAL Indica el valor mnimo a superar en caso de ser una caracterstica esencial. VALOR Asignado por quien est evaluando el proyecto. Paso 2. Calcular el valor las dimensiones.

Para calcular las dimensiones de Plausibilidad / Adecuacin / xito, se usa la frmula:

= 12 =1 =1 + 12 =1

=1

Donde: o = Valor global de la aplicacin en una dimensin dada. o = Valor de la caracterstica k en la dimensin i. o = Peso de la caracterstica k en la dimensin i. o = Nmero de la caracterstica k en la dimensin i.

Para calcular la dimensin de Justificacin, se toma el valor MXIMO asignado a las

caractersticas y luego se calcula la aproximacin numrica de los intervalos difusos y se toma el MXIMO.

Pgina 8 de 25

Resumen IA 2013 Paso 3. Calcular el valor final. Se calcula la media aritmtica ponderada del resultado obtenido para cada dimensin. Los valores de ponderacin son:

Plausibilidad 8 Justificacin 3 Adecuacin 8

xito 5 Total coeficiente 24

= .=1 =1

IDEAL - Estudio de Viabilidad Mtodo Conclusiones

En la Justificacin de la dimensin PLAUSIBILIDAD, se deben asignar valores y una justificacin a cada una de las preguntas existentes.

En el Anlisis de la Dimensin de Plausibilidad, se determina que el sistema planteado es posible de realizar por los II.CC.

En el Anlisis de la Dimensin de Justificacin, se determina que el sistema planteado se justifica realizar un SE.

En el Anlisis de la Dimensin de Adecuacin, se determina que el sistema planteado es posible de ser aprobado por los II.CC.

En el Anlisis de la Dimensin de xitos, se determina que el sistema planteado cuenta con la colaboracin y predisposicin de los expertos y usuario.

Conclusin Final es que si la media aritmtica es > 6, entonces el sistema es viable.

PPT 3 - Adquisicin del Conocimiento (AC)

Es el proceso que va recolectando informacin de cualquier fuente (ejemplo: Del Experto | Revistas | Libros | Informes, etc.) para poder construir el Sistema Basado en Conocimiento (SOC) o Sistema Experto (SE).

La AC no es un paso concreto en la metodologa de desarrollo, sino que es una tarea que acaba todas las etapas de la construccin del sistema.

La AC proporciona informacin en cada una de las etapas del desarrollo, por lo que la recoleccin de informacin no se realiza de forma aislada sino durante todo el desarrollo.

La AC es la tarea ms importante en el desarrollo de un SBC / SE, pero no es ms que una tarea, ya que no existe un mtodo automtico para la adquisicin de conocimiento. Por lo tanto, la AC es una tarea a medida, el cual se ajusta a cada situacin en particular.

Pgina 9 de 25

Resumen IA 2013 Elicitacin vs. Educcin (Cmo se adquiere el conocimiento?)

Elicitacin: Cuando la fuente de conocimiento se presenta en forma escrita.

Parte del Usuario Anlisis de objetivos y metas. Anlisis de formularios. Anlisis de tareas.

Educcin: Cuando la fuente de conocimiento se obtiene de seres humanos.

Entrevistas abiertas. Entrevistas estructuradas. Cuestionarios Observacin de las tareas habituales Emparrillado.

Proceso de la Adquisicin del Conocimiento

Primeras Reuniones con directivos, expertos, usuarios y la evaluacin de la viabilidad. - Se busca determinar los requisitos funcionales del sistema y las necesidades de usuario. - Se buscan conocimientos generales y no en detalle. - Se busca familiarizarse con la terminologa del dominio.

Elicitacin de conocimiento desde la documentacin. Se busca conocer lo ms que se que pueda acerca del dominio, antes de tener las reuniones con el experto.

Educcin de conocimiento desde el Experto. - El experto se debe sentir a gusto durante este proceso. - Debe servir esta etapa para discutir factores importantes que afectarn al proceso de

desarrollo.

Anlisis Estructural de Texto Las estructuras de textos pueden ser: Definiciones | Afirmaciones | Leyes | Procedimientos. En ellos se buscan trminos de conocimiento en la documentacin. Hay 3 tipos de tcnicas.

1. En Tiempo de Ejecucin. El IC establece qu trminos se deben buscar. 2. Trminos Preestablecidos y dependientes del dominio. Ejemplo: En medicina [enfermedad |

terapia | tratamiento] 3. Trminos Preestablecidos e independientes del dominio.

- Se define como Son Conceptos. - Est relacionado a Son Definiciones de Terminologas. - Es una caracterstica de Son Relaciones entre Conceptos.

Elicitacin Educcin

Extraccin del Conocimiento

Pgina 10 de 25

Resumen IA 2013 Anlisis de Protocolo Se pide al experto que piense en voz alta.

1. Grabacin. Se graba lo que dice el experto, quien detalla los pasos a seguir ante una determinada situacin.

2. Transcripcin. Se transcribe lo grabado y se agregan las observaciones. 3. Codificacin. En este proceso se deben identificar los conceptos, caractersticas, valores,

relaciones, operadores, factores de inferencia, entre otras cosas. 4. Interpretacin.

PPT 4 - Tcnica del Emparrillado Un emparrillado es un test de clasificacin, en el cual se decide una lista de elementos (representativos del dominio) en base a un conjunto de caractersticas. Los datos generados por el experto se introducen en una tabla bidimensional en la cual hay una columna de elementos y una fila de caractersticas.

Es una matriz (elementos y caractersticas) que se definen a partir de la entrevista con el experto. Se calcula la matriz de datos y los rboles de elementos y caractersticas. Se analiza la estructura de los datos. Corroboracin y discusin de los resultados con el experto.

Los resultados obtenidos en dicha tcnica son: Semejanzas y diferencias entre los elementos analizados. Relaciones entre las caractersticas. Se obtiene un modelo conceptual o mapa cognitivo del experto.

La tcnica del emparrillado se aplica en 5 etapas:

1. Identificacin de los Elementos. 2. Identificacin de las Caractersticas. 3. Diseo de la parrilla. 4. Formalizacin.

4.1. Arma la Matriz Distancia entre Elementos. [Es un proceso iterativo hasta que quede un solo valor. Si hubiera ms de un valor mnimo en

alguna formalizacin, se tomar tantos elementos agrupados como nuevos grupos disjuntos que se hayan generado.]

4.1.1. Se calcula la diferencia entre 2 columnas. 4.1.2. Se suman los valores absolutos obtenidos de cada resta. 4.1.3. Se repite el procedimiento 4.1. y 4.2. hasta encontrar la distancia entre todos los

elementos. 4.1.4. Se arma la matriz con los valores obtenidos.

Pgina 11 de 25

Resumen IA 2013

La Matriz Distancia entre Elementos puede ser del tipo: Distancia Mnima entre Elementos. Se elige el Valor Mnimo para las iteraciones. Distancia Media entre Elementos. Se elige el Valor Medio para las iteraciones. Distancia Mxima entre Elementos. Se elige el Valor Mximo para las iteraciones. 4.1.5. Si usamos valor mnimo, se elige el valor mnimo del MDE, se arma una nueva matriz

con el elemento seleccionado y se recalculan las distancias con otros elementos. 4.1.6. Armar el rbol entre elementos.

4.2. Armar la Matriz Distancia entre Caractersticas. Se deben armar 2 diagonales: a. Diagonal Superior. Se procesa de la misma forma que para el MDE, pero usando las

caractersticas. b. Diagonal Inferior. Se debe realizar el mismo clculo que en la Diagonal Superior, pero en

vez de usar los valores originales, se usan los valores complemento. 5. Anlisis de los Resultados.

Tcnica del Emparrillado Tipo de Emparrillado

Generalmente hay 3 estrategias para disear la parrilla:

1. Evaluativa. Se definen valores entre [1 a N]. El valor asignado vara en funcin al grado de satisfaccin con el que el elemento cumpla con la caracterstica.

2. Dicotmica. Se definen valores [0 o 1], dependiendo si el elemento posee o no la caracterstica. 3. Clasificatoria. Se asigna un valor M a cada elemento seleccionado de un rango de 1 a N. Donde

N es el nmero de elemento y M ser la posicin que ocupa el elemento dentro del rango total para cada caracterstica.

Tcnica del Emparrillado Ventajas e Inconvenientes del Emparrillado

Ventajas Inconvenientes El experto reflexiona sobre el problema. Valores Subjetivos Representacin grfica de un modelo mental. Difcil de capturar el conocimiento profundo. No se consideran asociaciones. Modelos difciles de comprender sin un experto. Replantear el problema de refinamiento. Requiere Software.

Pgina 12 de 25

Resumen IA 2013 PPT 5 - Conceptualizacin de Conocimiento

Pasos para completar el Anlisis de la Conceptualizacin Pasos Tipo de Conocimiento Productos

1. Identificar, Comparar y Categorizar los conceptos.

Fcticos Glosario de Trminos Diccionario de Conceptos. Tabla de Conceptos (Atributo Valor).

2. Identificar la relacin entre conceptos.

Fcticos Modelo Relacional (DER)

3. Identificar los conocimientos estratgicos.

Estratgicos rbol de Descomposicin funcional de

problemas. Descripcin de los Mdulos.

4. Identificar los conocimientos tcticos.

Tcticos

Tablas de Decisiones. Especificacin de frmulas. Especificacin de pseudo reglas. Rede de Inferencia. (Grafo Causal).

5. Identificar los conocimientos fcticos.

Fcticos Descripcin de Atributos

Paso 1. Identificar, Comparar y Categorizar los Conceptos.

a. Glosario de Trminos - Es una tabla donde est especificado el significado de los trminos que usa el experto y

el Sistema Orientado a Conocimiento. - Est formado por una columna de trminos y una columna con la descripcin. - Se completa dicha tabla a lo largo de todas las etapas.

b. Diccionario de Conceptos

- Es una tabla donde se detalla la funcin, atributos y derivaciones de cada concepto.

c. Tabla Concepto (Atributo Valor) - Es una tabla donde se detalla el valor de cada uno de los atributos.

Paso 2. Identificacin de las Relaciones entre Conceptos.

a. DER - Es un modelo conceptual de alto nivel donde se relacionan todos los atributos y

entidades del dominio.

Pgina 13 de 25

Resumen IA 2013 Paso 3. Identificar los conocimientos Estratgicos.

a. rbol de descomposicin funcional del problema - Es un diagrama representado mediante un rbol invertido, donde la raz representa el

objetivo del sistema, es decir, la funcin primaria y las ramas representan las estrategias/funciones que hay que realizar para cumplir con dicho objetivo.

b. Descripcin de los Mdulos

- Cada funcin descrita en el rbol de funciones, se detalla el propsito, las entradas y salidas.

Paso 4. Identificar los conocimientos Tcticos.

a. Tabla de Decisin - Es un conjunto de condiciones y un conjunto de acciones que se van a tomar segn el

valor que toma la condicin.

b. Especificacin de Frmulas - Es un documento que establece de forma clara las frmulas a utilizar.

c. Especificacin de Pseudo Reglas

- Es un documento que establece de forma clara las reglas a utilizar.

d. Red de Inferencia (Grafo Causal) - Son grafos cuyos nodos representan trminos, de los cuales sale un arco dirigido hacia

otro trmino. Paso 5. Identificar los conocimientos Fcticos.

a. Descripcin de atributos - Es una tabla formada por la columna de atributos y una columna con la descripcin.

Pgina 14 de 25

Resumen IA 2013 Agentes Inteligentes

Un agente es cualquier cosa capaz de percibir un medio con la ayuda de sensores y actuar en ese medio a travs de actuadores.

Agente Humano Agente Robot

Sensores Ojos | Odos | rganos

Sensoriales Cmaras | Sensores | Archivos de

informacin

Actuadores Manos | Piernas | Toda parte del

cuerpo para actuar Motores para ejecutar una accin

Cada agente puede percibir sus propias acciones pero no siempre sus efectos.

Agente Racional Ideal

Aquel que para cada posible secuencia de percepciones, realiza la accin que se espera que maximice su medida de rendimiento, basndose en la evidencia proporcionada por su secuencia de percepcin y conocimiento que el agente mantiene almacenado.

Percepciones y Acciones Percepciones: El agente recibe entradas (percibe) en cualquier momento / instante. Acciones: Las decisiones que toma depende de la secuencia de percepciones que recibe hasta el

momento.

Funcin del Agente

Se debera poder especificar qu decisin tomar un agente para cada una de las secuencias de percepciones.

La funcin de agente se implementa a travs de un programa.

Racionalidad del Agente

Un agente racional es aquel que hace lo correcto (sera aquel quien completa la tabla que define la funcin de forma correcta) y que en cada accin maximice la medida de rendimiento, basndose en las percepciones y en el conocimiento que ha almacenado hasta el momento.

Hay 4 factores que influyen en la racionalidad. 1. La medida del rendimiento que define el criterio del xito. 2. El conocimiento acumulado sobre el medio.

Pgina 15 de 25

Resumen IA 2013

3. Las acciones que puede llevar a cabo. 4. La secuencia de percepciones hasta el momento.

Tipo de Agente Medida de

Rendimiento Entorno Actuadores Sensores

Sistema de diagnstico mdico

Pacientes sanos, Reducir costos, Demandas

Pacientes, Hospital, Personal

Visualizar preguntas, Pruebas, Diagnsticos, Tratamientos, Casos

Teclado para la entrada de sntomas

Robot para la seleccin de

componentes

Porcentaje de componentes clasificados en los compartimientos correctos

Cinta transportadora con componentes

Brazos y manos articulados

Cmara, sensor

Controlador de una refinera

Maximizar la pureza, produccin y seguridad

Refinera, operadores

Vlvulas, bombas, calentadores, monitores

Temperatura, presin, sensores, qumicos

Tutor de ingles interactivo

Maximizar la puntuacin de los estudiantes en los exmenes

Conjunto de estudiantes, agencia examinadora

Visualizar los ejercicios, sugerencias, correcciones

Teclado de entrada

Aprendizaje El agente tiene un conocimiento inicial, el cual se va incrementando con la experiencia del

aprendizaje.

Autonoma

El agente es autnomo cuando se apoya ms en sus percepciones que en el conocimiento inicial asignado. A su vez debe aprender a determinar qu es lo que tiene que hacer cuando tiene conocimiento incompleto. En la prctica, esto no es posible desde un comienzo, dado que el agente no tiene experiencia, con lo cual su forma de actuar ser de forma aleatoria o bien con ayuda externa, como por ejemplo de un diseador.

Medidas de Rendimiento No hay una nica medida adecuada para medir el rendimiento para todos los agentes.

Componentes del Entorno de Trabajo [R.E.A.S]

Los componentes que debemos describir son: - Medidas de Rendimiento.

Pgina 16 de 25

Resumen IA 2013

- Entorno. - Actuadores. - Sensores.

Propiedades del Entorno de Trabajo Totalmente observable vs. Parcialmente observables

Totalmente Observables Parcialmente Observables Los sensores proporcionan el estado completo del medio en cada momento.

Los sensores toman informacin con ruido, son pocos exactos o no reciben informacin de parte del medio.

Los sensores detectan todos los aspectos que son relevantes para la toma de decisiones.

Determinista

El siguiente estado del medio est totalmente determinado por el estado actual y la accin ejecutada por el agente. Si yo realizo una accin s que va a pasar despus.

Episdico En un medio episdico, la experiencia del agente se divide en episodios, donde el siguiente episodio no depende de los episodios anteriores y la accin que ocurra en cada una de ellas depender del episodio en el que se est, con lo cual tienen independencia entre las acciones.

Secuencial A diferencia con los medios episdicos es que una decisin presente si puede afectar las decisiones futuras. Hay que tener en cuenta que las acciones a corto plazo incluso pueden tener efectos a largo plazo, por lo tanto los agentes llevan mayor complejidad dado que deben pensar/decidir anticipadamente.

Dinmico El entorno puede cambiar mientras el agente est decidiendo que hacer, por lo tanto, siempre est preguntndole al agente qu desea hacer, y si el agente no decide, entonces asume que el agente decide no hacer nada.

Esttico

El entorno no cambia mientras el agente delibera que es lo que tiene que hacer, por lo tanto son ms fciles de tratar.

Discreto vs. Continuo Se aplica al estado del medio, la forma en que se maneja el tiempo, las percepciones y las acciones del agente.

Pgina 17 de 25

Resumen IA 2013

o Discreto. Ejemplo: El ajedrez tiene un conjunto discreto de percepciones y acciones.

o Continuo. Ejemplo: La velocidad y posicin de un taxi y los autos que pasan a su lado, son valores continuos a lo largo del tiempo.

Individual vs. Multiagente

Individual. Ejemplo: agente resolviendo crucigrama (est resolviendo slo)

Multiagente. Un agente A debe tratar a otra entidad del medio como otro agente B. La diferencia entre los agente individuales y los multiagentes radica que el comportamiento del agente B busca la maximizacin de una Medida de Rendimiento cuyo valor depende del comportamiento del agente A, o viceversa. Es importante la comunicacin, dado que es un requisito para ser agente racional. Ejemplo: el agente que juega ajedrez, est en un entorno con 2 agentes.

o Multiagente Competitivo: Ejemplo. El Ajedrez. Donde el agente B intenta maximizar su Medida de Rendimiento, minimizando el rendimiento del agente A.

o Multiagente Cooperativo: Ejemplo. Evitar los choques en el trnsito. Dado que el trnsito intenta maximizar el rendimiento de todos los agentes que hay en l.

Pgina 18 de 25

Resumen IA 2013 Estructura de los Agentes Agente = Arquitectura + Programa. El trabajo en IA es disear el programa que implementa la funcin del agente que proyecta las percepciones que recibe mediantes los sensores y las devuelve en acciones mediantes los actuadores.

Agente Reactivos SIMPLES

Selecciona la accin segn las percepciones actuales, ignorando las histricas. Ej. La aspiradora, toma decisiones en base a la posicin actual y al grado de suciedad. Son simples y tienen la inteligencia limitada, con lo cual funcionan bien si el medio es totalmente observable. Si en una parte que no puede observar, puede tener problemas. Cmo funciona el agente reactivo simple?

1. Interpreta la entrada (Percepcin) 2. Busca la regla coincidente (Estado actual / Reglas) 3. Aplica la accin de la regla.

Aspiradora: - Si ESTADO = SUCIO -> ASPIRAR - Si ESTADO = LIMPIO

o Si UBICACIN = A -> mover a derecha o Si UBICACIN = B -> mover a izquierda

Pgina 19 de 25

Resumen IA 2013 Agente Reactivos BASADOS EN MODELOS Es una forma efectiva de manejarse en un medio parcialmente observable, dado que almacena la informacin que no puede ver o percibir. Es decir, que mantiene un estado interno, que depende de la historia percibida. Cmo funciona el agente reactivo simple?

1. Actualizar estado (estadoActualMundo, accionReciente, percepcin) 2. Busca la regla coincidente (Estado actual / Reglas) 3. Aplica la accin de la regla.

En el taxi automtico: - Se podra guardar la fotografa anterior de la cmara, no solo la percepcin actual de las

luces, entonces podra detectar luces intermitentes. - Tambin se puede usar conocimiento del mundo: un auto que se est adelantando y

est detrs, est ms cerca.

Pgina 20 de 25

Resumen IA 2013 Agente Reactivos BASADOS EN OBJETIVOS No siempre alcanza el conocimiento sobre el mundo, con lo cual es necesario tener informacin sobre la meta del agente. Ej. Con el ejemplo del Taxi, la decisin de seguir, girar a la derecha o girar a la izquierda en un cruce, depende del lugar donde se quiera llegar.

Se puede alcanzar el objetivo debido a una accin individual, o se puede alcanzar el objetivo debido a una secuencia de acciones.

Pgina 21 de 25

Resumen IA 2013 Agente Reactivos BASADOS EN UTILIDAD Los objetivos por s solos no son suficientes para tomar buenas decisiones. Ej. En el caso del Taxi, se puede llegar a destino de muchas formas posibles, pero algunas de dichas formas son ms baratas / seguras que otras.

Esto se debe a que en el mundo algunos estados tienen mayor utilidad que otros estados. Por lo tanto la funcin de utilidad permite tomar decisiones racionales en dos casos donde los objetivos son inadecuados:

- Cuando los objetivos son conflictivos y slo se puede alcanzar uno de ellos. (La funcin de utilidad determina el equilibrio adecuado)

- Cuando hay varios objetivos y no se puede estar seguro de alcanzar alguno de ellos. (La funcin de utilidad tiene un mecanismo para ponderar la probabilidad de xito)

Pgina 22 de 25

Resumen IA 2013 Agente que APRENDEN

Elementos de aprendizaje: - Encargado de hacer mejoras.

Elementos de actuacin: - Se encarga de la seleccin de acciones externas

Crticas: - El elemento de aprendizaje se realimenta con crticas sobre la actuacin del agente y

determina cmo modificar el elemento de actuacin para el futuro. - Indica al elemento de aprendizaje que tal est haciendo la tarea en base a un nivel de

actuacin fijo. Generador de problemas:

- Es responsable de sugerir acciones que lo guiarn hacia experiencias nuevas e informativas.

El elemento de aprendizaje puede hacer cambios en cualquiera de los componentes de conocimiento de los diferentes tipos de agentes.

Pgina 23 de 25

Resumen IA 2013 Ontologa Son usados para capturar conocimiento sobre un dominio de inters. Una ontologa describe los conceptos de dominio y tambin la relacin que hay entre los conceptos. Adems los conceptos con mayor complejidad se pueden construir mediante las definiciones de conceptos ms simples.

Elementos de las Ontologas

Individuos: Representan los objetos relevantes dentro del dominio. Los individuos son tambin conocidos como instancias, con lo cual pueden ser nombrados como "Instancias de clases".

Propiedad: Las propiedades relacionan a los individuos unos con otros.

- Hay distintos tipos de propiedades, pueden ser: De Objeto | De tipo de datos | Inversas. - Los atributos que pueden asumir las propiedades son: Simtrica | Asimtrica |

Funcional | Inversa Funcional | Transitiva | Reflexiva | Irreflexiva. - Dominio: es el conjunto de origen de la relacin. - Rango: es el conjunto de destinatario de la relacin. - Las cardinalidades que pueden asumir las propiedades son: Cardinalidad mxima |

Cardinalidad mnima | Valor exacto.

Clases: Son consideradas como una descripcin / agrupamiento de un conjunto de individuos. Y se definen las condiciones necesarias y suficientes.

Pgina 24 de 25

Resumen IA 2013

Razonadores: se encargan de inferir conocimiento a partir de la definicin de las ontologas. Y permiten a su vez:

- Clasificar: armar la jerarqua de clase. - Definir la membreca: asignar los individuos a clases. - Verificacin de consistencia: que todas las clases tengan al menos un individuo.

Pgina 25 de 25