diapositivas "inteligencia artificial" - grupo colaborativo 90169-33 unad
TRANSCRIPT
Trabajo Colaborativo 3
Carlos Alberto CasadiegoGrupo Colaborativo 90169_33
Angela María GonzálezTutora
Universidad Nacional Abierta y a DistanciaUNAD
INTELIGENCIA ARTIFICIAL
Universidad Nacional Abierta y a DistanciaUNAD
CONCEPTO
Marvin Minsky sugiere el carácter práctico de la inteligencia artificial mencionando: "La inteligencia artificial es la ciencia de hacer que las máquinas hagan cosas que requerirán inteligencia si fueran hechas por seres humanos".
Elaine Rich: "La inteligencia artificial es el estudio de cómo hacer que los ordenadores hagan cosas que por el momento las personas realizan de una forma más perfecta".
Otras definiciones que pueden darnos una idea de lo se que llama IA.
Una de las áreas de las ciencias computacionales encargadas de la creación de hardware y software con comportamientos inteligentes
El estudio de las computaciones que permitan percibir, razonar y actuar
Estudio como lograr que las máquinas realicen tareas que, por el momento, son realizadas mejor por los seres humanos
REDES NEURONALES
Universidad Nacional Abierta y a DistanciaUNAD
CONCEPTO
Las redes neuronales son sistemas ideados como abstracciones de las estructuras neurobiológicas (cerebros) encontradas en la naturaleza y tienen la característica de ser sistemas desordenados capaces de guardar información.
REDES NEURONALES
Universidad Nacional Abierta y a DistanciaUNAD
PROPIEDADES
Una función de propagaciónUna función de activaciónUna función de transferencia
VENTAJAS
Aprendizaje: aprenden mediante la etapa de aprendizajeAuto organización: Crea su propia representación de la informaciónTolerancia a fallos: Debido a que almacena la información de forma redundante ésta puede seguir respondiendo de manera aceptable aún si se daña parcialmenteFlexibilidad: Maneja cambios no importantes en la información de entradaTiempo real: La estructura es paralela, obteniendo respuestas en tiempo real en eventos donde sea implementado en computadoras o dispositivos electrónicos
REDES NEURONALES
Universidad Nacional Abierta y a DistanciaUNAD
TIPOLOGÍA DE LAS RNA
PerceptrónAdalinePerceptron multicapaMemorias asociativasMáquina de boltzmannMáquina de cauchyPropagación hacia atrásRedes de ElmanDe HopfieldDe contra propagaciónDe base radialDe aprendizaje competitivoMapas autoorganizadosCrecimiento dinámico de células
AGENTES INTELIGENTES
Universidad Nacional Abierta y a DistanciaUNAD
CONCEPTO
Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales percepciones y responder o actuar en su entorno de manera racional, es decir, de manera correcta y tendiendo a maximizar un resultado esperado. Es capaz de percibir su medioambiente con la ayuda de sensores y actuar en ese medio utilizando actuadores (elementos que reaccionan a un estímulo realizando una acción).
AGENTES INTELIGENTES
Universidad Nacional Abierta y a DistanciaUNAD
EJEMPLOS
Un robot con comportamiento variable autoreguladoComputadoras especializadas
CLASIFICACION
Reactivos Reactivos basados en modeloBasados en objetivosBasados en utilidadQue aprendenDe consulta
SISTEMAS EXPERTOS
Universidad Nacional Abierta y a DistanciaUNAD
CONCEPTO
Sistemas informáticos que simulan el proceso de aprendizaje, de memorización, de razonamiento, de comunicación y de acción en consecuencia de un experto humano en cualquier rama de la ciencia.
ESTRUCTURA BÁSICA DE UN SE
Base de conocimientosBase de hechosMotor de inferenciaMódulo de justificaciónInterfaz de usuario
SISTEMAS EXPERTOS
Universidad Nacional Abierta y a DistanciaUNAD
Tipos de SE
Basados en reglas previamente establecidasBasados en casos o CBRBasados en redes bayesianas
VENTAJAS
PermanenciaReplicaciónRapidezBajo costoEntornos peligrososFiabilidadConsolidar varios conocimientosApoyo académico
SISTEMAS EXPERTOS
Universidad Nacional Abierta y a DistanciaUNAD
LIMITACIONES
Sentido comúnLenguaje naturalCapacidad de aprendizajePerspectiva globalCapacidad sensorialFlexibilidadConocimiento no estructurado
EJEMPLOS IMPORTANTES
Dentral, Xcon, Dipmeter Advisor, Mycin, Caduceus, R1, Clips, Jess, Prolog
SISTEMAS EXPERTOS
Universidad Nacional Abierta y a DistanciaUNAD
TAREAS DE REALIZA UN SE
MonitorizaciónDiseñoPlanificaciónControlSimulaciónInstrucciónRecuperación de la información
MÉTODOS BÁSICOS DE BÚSQUEDA
Universidad Nacional Abierta y a DistanciaUNAD
Búsqueda
Una ruta
Ruta optima
Juegos
Profundidad primeroAmplitud primeroAscenso de colinaBúsqueda en hazPrimero el mejor
Museo británicoRamificación y cotaProgramación dinámicaA*
MinimaxPoda Alfa-betaContinuación heurísticaProfundidad progresiva
A tientas
Heuristicos
Búsqueda en Profundidad Primero
Universidad Nacional Abierta y a DistanciaUNAD
Para llevar a cabo una búsqueda en profundidad,
Inserte en una pila el elemento raíz (nodo de
partida)
Hasta que el elemento tope sea el nodo meta, o
se vacié la pila
Si nodo tope tiene hijos, insertar el hijo siguiente
aun no visitado, según ordenamiento.
Si no, entonces eliminar nodo tope.
Si el nodo meta se alcanza, mencione éxito, de lo
contrario, notifique el fracaso.
Árbol Generado Profundidad Primero
Universidad Nacional Abierta y a DistanciaUNAD
s
a d
a eb d
c e b fbe
d f b f d e a c g
g c g f
g
1
2
3 4
56
7
Búsqueda en Amplitud Primero
Universidad Nacional Abierta y a DistanciaUNAD
Para llevar a cabo una búsqueda en amplitud,
Inserte en una cola el elemento raíz (nodo de
partida)
Hasta que el elemento frontal sea el nodo meta, o
se vacié la cola
Si nodo frontal tiene hijos, insertar todos sus hijos al
final de la cola.
Eliminar nodo frontal.
Si el nodo meta se alcanza, mencione éxito, de lo
contrario, notifique el fracaso.
Árbol Generado Amplitud Primero
Universidad Nacional Abierta y a DistanciaUNAD
s
a d
a eb d
c e b fbe
d f b f d e a c g
g c g f
g
1 2
3 4 5 6
7 8 9 10 11 12
13 14 15 16 17 18 19 20 21
Métodos Heurísticos
Universidad Nacional Abierta y a DistanciaUNAD
La búsqueda se puede mejorar si existe una forma
de ordenar las posibilidades de modo que las más
prometedoras se exploren primero.
Mayor conocimiento, menor tiempo de búsqueda
Tres métodos muy conocidos:
Ascenso de colina (-> profundidad primero),
Búsqueda en Haz (-> anchura primero),
Primero el mejor
Ascenso a la Colina
Universidad Nacional Abierta y a DistanciaUNAD
Mediciones de calidad convierten la búsqueda en
profundidad en ascenso de colina.
Se ordenan las posibilidades (estados hijo) usando una
medición heurística de la distancia que queda por recorrer.
Distancia en línea recta al estado objetivo.
Mejor medición, mejor el ascenso de colina
Árbol Generado
Universidad Nacional Abierta y a DistanciaUNAD
s
a d
a eb d
c e b fbe
d f b f d e a c g
g c g f
g
8.910.4
10.4 6.9
3.06.7
Problemas del Ascenso a la Colina
Universidad Nacional Abierta y a DistanciaUNAD
En problemas orientados a ajuste de parámetros:Problema de la falta de colina
Se encuentra un punto optimo, pero se trata de un máximo local.
Problema de la meseta La operación de mejoramiento local fracasa por completo. Todas las pruebas de paso normal dejan intacta la medición de calidad.
Problema del borde Es como estar en el filo de una navaja, solamente puede salirse del problema si se tiene un número muy grande de direcciones para orientar los pasos.
Búsqueda en Haz
Universidad Nacional Abierta y a DistanciaUNAD
Parecida a la búsqueda en amplitud en cuanto a que
avanza de nivel en nivel.
Sólo se mueve hacia abajo a través de los w mejores
nodos de cada nivel.
Extiende varias trayectorias parciales y elimina el
resto.
El número de nodos se mantiene manejable aún cuando
la ramificación sea alta y la búsqueda sea profunda.
Árbol Generado
Universidad Nacional Abierta y a DistanciaUNAD
s
a d
a eb d
c e b fbe
d f b f d e a c g
g c g f
g
8.910.4
10.4 6.9
3.06.7
8.96.7
4.0 6.9
Callejónsin salida
Búsqueda Primero el Mejor
Universidad Nacional Abierta y a DistanciaUNAD
Extiende la mejor trayectoria parcial en cada punto.
Considera todos los nodos abiertos hasta el momento.
Ascenso de colina inspecciona la que parece la mejor
trayectoria hasta el final; la búsqueda primero el mejor
analiza varias trayectorias a la vez, siempre siguiendo la
mejor trayectoria parcial conocida al momento.
Generalmente la búsqueda primero el mejor encuentra
trayectorias más cortas a los estados meta.
Árbol Generado
Universidad Nacional Abierta y a DistanciaUNAD
s
a d
a eb d
c e b fbe
d f b f d e a c g
g c g f
g
8.910.4
10.4 6.9
3.06.7
Cuál es el Mejor Método
Universidad Nacional Abierta y a DistanciaUNAD
Primero en profundidad es bueno cuando se sabe –
con seguridad – que el árbol no es muy profundo.
Primero en anchura, cuando el factor de
ramificación no es muy grande.
Los métodos heurísticos son adecuados cuando
existe una medida natural de la distancia entre
cada estado y el estado meta.
Encontrando la mejor ruta
Universidad Nacional Abierta y a DistanciaUNAD
Estos métodos consideran, a diferencia de los
anteriores, el peso de las ramas.
Su objetivo no es únicamente encontrar una
ruta, sino encontrar la mejor (típicamente la más
corta).
Entre ellos se encuentran:
El procedimiento del museo británico
Ramificación y cota
El algoritmo A*
Procedimiento Británico
Universidad Nacional Abierta y a DistanciaUNAD
¿qué hacer para asegurar encontrar la ruta óptima?
Procedimiento de museo británico:Primero encontrar todas las rutas al objetivoDespués seleccionar la mejor
Puede usarse búsqueda en anchura o en profundidad como estrategia de exploración.
Terminar hasta recorrer el árbol completamente.
¿qué inconveniente le encuentran?
Árbol Generado
Universidad Nacional Abierta y a DistanciaUNAD
s
a
b
c e
d f
g
1
2
3 4
56
7
14
d
a ed
b fbe
b f d e a c g
c g f
g
11
9
8
10 12
13
15
16
17 18
19
20
21
22
23 24
25
26
Aplicabilidad
Universidad Nacional Abierta y a DistanciaUNAD
No tiene problemas con árboles (muy) pequeños.
En la mayoría de los casos no es aplicable.
Por explosión exponencial
Si tenemos un árbol (mediano) con niveles d =
10, y un factor de ramificación b = 10.
Los estados visitados son bd.
1010 = 10 billones de estados
Ramificación y Cota
Universidad Nacional Abierta y a DistanciaUNAD
Menos sacrificado para encontrar la ruta óptima.Idea básica es expandir en cada ocasión la ruta parcial con el menor costo hasta el momento.
Es decir, todos los nodos abiertos hasta el momento entran en consideración.
Similar a método “primero el mejor”, pero al revés. En lugar de seguir el trayecto que aparentemente tiene la menor distancia hacia el objetivo, se sigue aquel que hasta el momento es el más corto.
Algoritmo Básico
Universidad Nacional Abierta y a DistanciaUNAD
Formar una cola de trayectos parciales. Inicialmente sólo tiene el elemento raíz.Hasta que la cola se vacié o se alcance el nodo objetivo, determinar si el primer elemento alcanza el nodo objetivo.
Si alcanza el objetivo, salir.Si no, entonces;
Borrar el nodo de la colaAgregar sus hijos a la colaOrdenar los nodos por costo acumulado
Si el nodo objetivo fue encontrado mencionar éxito, de lo contrario anunciar falla.
Árbol Generado
Universidad Nacional Abierta y a DistanciaUNAD
a d
a eb d
c e b fbe
d f b f d e a c g
g c g f
g
s
3 4
7 8 9 6
11 1011 12 10 13
13
1 2
4 5 6 3
87
9
15 14
Asegurar la Ruta Optima
Universidad Nacional Abierta y a DistanciaUNAD
¿cuál es la respuesta del método?¿cómo podemos asegurar encontrar la ruta óptima?¿cuándo debemos terminar el algoritmo?
Cuando todas las rutas parciales tengan igual o mayor peso que la trayectoria encontrada
s
b
a g23
51
s
b
a g23
31
Árbol Completo
Universidad Nacional Abierta y a DistanciaUNAD
a d
a eb d
c e b fbe
d f b f d e a c g
g c g f
g
s
3 4
7 8 9 6
11 1011 12 10 13
13
1 2
4 5 6 3
87
9
15 1414 16 15 15
1011 12
Estimación de la Distancia Restante
Universidad Nacional Abierta y a DistanciaUNAD
Usar una estimación de la distancia restante a la meta puede mejorar considerablemente el método.Si es buena estimación, entonces ella mas distancia recorrida debe ser un buen cálculo de la longitud total de la trayectoria:
e(long trayectoria) = d(ya recorrida) + e(dist. restante)
Si las conjeturas fueran correctas este método se mantendría todo el tiempo en la ruta optima.
Mejor estimación, mejor la búsqueda
Las subestimaciones son apropiadas
Universidad Nacional Abierta y a DistanciaUNAD
Las estimaciones no son perfectas; esto puede traer serios problemas al método.¿Qué sucederá con sobreestimaciones de la distancia restante?
Desvío permanente de la trayectoria óptimaNo existiría la certeza, hasta recorrer el árbol completo, que la ruta encontrada es la optima.
El método funciona adecuadamente con subestimaciones de la distancia restante.
Arbol GeneradoCon distancias directas entre ciudades
Universidad Nacional Abierta y a DistanciaUNAD
a d
a eb d
c e b fbe
d f b f d e a c g
g c g f
g
s
13.4 12.9
19.4 12.9
13
13
1
2
3
4
17.7
Trayectorias Redundantes
Universidad Nacional Abierta y a DistanciaUNAD
Ramificación y cota puede mejorarse eliminando las trayectorias redundantes.Se relaciona con el principio de programación dinámica.
El mejor camino del punto de inicio a la meta, a través de un lugar intermedio específico, es el mejor camino hacia éste desde el lugar de inicio, seguido por el mejor camino desde éste a la meta. No hay necesidad de buscar por otras trayectorias hacia o desde el punto intermedio.
Árbol Generado
Universidad Nacional Abierta y a DistanciaUNAD
a d
a eb d
c e b fbe
d f b f d e a c g
g c g f
g
s
3 4
7 8 9 6
11 1011 12 10 13
13
1 2
4 3
5
6
15 1414 16 15 15
7
Procedimiento A*
Universidad Nacional Abierta y a DistanciaUNAD
Es una búsqueda de ramificación y cota con:
Estimación de distancia restante
Eliminación de trayectorias redundantes
Si la estimación de la distancia restante es un limite
inferior de la distancia real, entonces A* produce
soluciones optimas.
Bibliografía
Universidad Nacional Abierta y a DistanciaUNAD
http://es.wikipedia.org/wiki/
Red_neuronal_artificial
http://es.wikipedia.org/wiki/Agente_inteligente_
%28inteligencia_artificial%29
http://es.wikipedia.org/wiki/
Inteligencia_artificial
http://elvex.ugr.es/decsai/iaio/slides/
A3%20Search.pdf
.