U1-U2_Inteligencia Artificial (SABATINO1)

Inteligencia Artificial (IA)

D.I.A. Octavio Ramos FigueroaE-mail: UX99979776@UX.EDU.MX WhatsApp: 2281124551

Enfoque híbrido Modelo constructivista

01 Dinámica de presentación

Dinámica de presentación

1. Nombre. 2. Lugar de nacimiento. 3. Preparatoria dónde estudié. 4. ¿Por qué elegí esta carrera? 5. ¿Qué espero de esta materia? 6. ¿Cuándo estudio prefiero leer, escuchar o escribir? 7. Pasatiempo preferido. 8. ¿Cómo me veo en 10 años?

02 Generalidades del curso

Objetivo del curso

• Conceptos fundamentales
• Técnicas para el desarrollo de IA
• Reconocer, diferenciar y aplicar herramientas para la solución de problemas clásicos de IA.

Comunicación

Esquema de evaluación

Bibliografía

1. Russell, S. J., & Norvig, P. (2004). Inteligencia Artificial: un enfoque moderno (No. 04; Q335, R8y 2004.).
2. Benítez, R., Escudero, G., Kanaan, S., & Rodó, D. M. (2014). Inteligencia artificial avanzada. Editorial UOC.
3. García, A. (2012). Inteligencia Artificial. Fundamentos, práctica y aplicaciones. Rc Libros.

03 Encuadre

Puntos a tomar en cuenta durante las clases

Asistencia

Camara

Dudas y comentarios

Puntosextra

Entrega de trabajos

04 Consenso: Criterios de evaluación

Criterios de evaluación

Actividades sincrónicas

Evaluación

Actividades asincrónicas

Criterios de evaluación

05 Examen diagnóstico

Liga para examen diagnóstico

https://forms.gle/WLtqixxuV8QB3PM4A

Análisis de resultados

Unidad I.- Introducción

1.1 Definición de inteligencia artificial 1.2 Evolución de la inteligencia artificial 1.3 Características y campo de evolución

¿Qué es la IA?

Actividad sincrónica 1

Todos hemos escuchado hablar de la IA. ¿Si te preguntan qué es la IA qué contestarías?

Todos hemos escuchado hablar de la IA. ¿Si te preguntan qué es la IA qué contestarías? La respuesta es complicada, ya que la inteligencia artificial es un tema complejo. Por esa razón, podemos encontrar distintas definiciones acerca de ella.

No existe una definición general; sin embargo, las definiciones de IA que se han presentado han sido agrupadas en cuatro principales enfoques.

Enfoque 1

Comportamiento humano: El enfoque de la prueba de Turing.

¿Cuál crees que sea el objetivo principal del test de Turing?

¿Cuál crees que sea el objetivo principal del test de Turing?

Demostrar que las máquinas pueden simular un comportamiento humano.

Datos importantes sobre la prueba de Turing

• Propuesta en 1950.
• Por Alan Turing.
• Basada en la incapacidad de diferenciar entre entidades inteligentes indiscutiblemente y seres humanos.
• Esta prueba se mantiene vigente

Enfoque 2

Pensar como un humano: el enfoque del modelo cognitivo

¿Cuál crees que sea el objetivo principal del enfoque de IA basado en el modelo cognitivo?

¿Cuál crees que sea el objetivo principal del enfoque de IA basado en el modelo cognitivo?

• Defienden la idea de que un programa puede pensar como un humano. Por lo tanto, buscan desarrollar mecanismos para determinar cómo piensan los humanos, para diseñar programas que emulen su funcionamiento.

Enfoque 3

Pensamiento racional: el enfoque de las leyes del pensamiento

¿Cuál crees que sea el objetivo principal del enfoque de IA basado en el pensamiento racional?

¿Cuál crees que sea el objetivo principal del enfoque de IA basado en el pensamiento racional?

• Se enfocan en descifrar la manera correcta de pensar para llevarla a las computadoras (campo de la lógica).
• Siempre se llega a conclusiones correctas si se parte de premisas correctas
• Ejemplo: <<Sócrates es un hombre; todos los hombres son mortales; por lo tanto Sócrates es mortal>>

Enfoque 4

Actuar de forma racional: el enfoque del agente racional

https://www.youtube.com/watch?v=u1MZGH5K5jM

https://www.youtube.com/watch?v=MOrFWm0eo34

¿Cuál crees que sea el objetivo principal del enfoque de IA basado en la idea de actuar de forma racional?

¿Cuál crees que sea el objetivo principal del enfoque de IA basado en en la ida de actuar de forma racional?

• Agentes: A diferencia de los programas convencionales, los agentes están dotados de controles que perciben su entorno, persisten durante un periodo de tiempo prolongado, se adaptan a los cambios y son capaces de alcanzar objetivos diferentes.
• Agente racional: Es aquel que actúa con la intensión de alcanzar el mejor resultado, o cuando hay incertidumbre el mejor resultado esperado. Utiliza premisas que le permiten hacer ciertas inferencias.

¿Y entonces, si hay tantos enfoques y tantas definiciones diferentes de IA, cuál debemos utilizar?

En general se puede decir que la inteligencia artificial es aquella disciplina que tiene como objetivo el estudio de la conducta humana, mediante el análisis del comportamiento inteligente del ser humano, mismo que se puede denominar análisis de los procesos cognoscitivos, debido a que estos se enfocan en el estudio de los procesos internos que conducen al aprendizaje.

Se puede decir que en la actualidad la inteligencia artificial es una disciplina fundamental en la ciencia y la tecnología, misma que tras el paso del tiempo ha creado una serie de conocimientos básicos que le permiten emular diversas capacidades del ser humano para exhibir comportamientos inteligentes. Debido a lo anterior se han desarrollado diversos sistemas que tienen por objetivo perfeccionar las distintas capacidades del ser humano con el fin de la reproducción de las mismas.

Actividad sincrónica 2

Historia

De La Inteligencia Artificial

Historia

De La Inteligencia Artificial

1955

1943

El génesis

Historia

De La Inteligencia Artificial

1956

Nacimiento de la IA

Historia

De La Inteligencia Artificial

1952

1952

Entusiasmo, grandes esperanzas

Historia

De La Inteligencia Artificial

1973

1966

Una dosis de realidad

Historia

De La Inteligencia Artificial

1969

1979

La IA se convierte en una industria

Historia

De La Inteligencia Artificial

1980

Presente

La IA se convierte en una industria

Actividad asincrónica 1

IA

Aplicaciones

IA

Técnicas

¿Qué es una Técnica de IA?

Una técnica de la Inteligencia Artificial es un método que utiliza conocimiento representado de tal forma que:

1. Representa generalizaciones
2. Es comprendido por las personas que lo proporcionan
3. Se puede modificar fácilmente
4. Puede usarse en gran cantidad de situaciones

Actividad sincrónica 3

Robótica

Procesamiento del lenguaje natural

Redes neuronales

Técnicas básicas de la IA

Sistemas expertos

Reconocimiento de patrones

Algoritmos genéticos

Representación del conocimiento

Búsqueda de soluciones

Algoritmos genéticos

¿Qué es un algoritmo genético?¿Cuáles son las aplicaciones que tienen los algoritmos genéticos en la IA?

Los algoritmos genéticos emulan el proceso de la evolución natural y la selección natural.

Un algoritmo genético normalmente trabaja sobre la representación de una posible solución a un problema dado (ej. cadenas de texto), y sobre ella se aplican operadores genéticos (ej. cruza y mutación) para combinar las bondades de las soluciones.

Para medir la oportunidad de solución se crea una función de aptitud que califica a las soluciones propuestas.

La aplicación más común de los algoritmos genéticos ha sido la solución de problemas de optimización, en donde han demostrado ser eficientes y confiables.

Algoritmos genéticos

Robótica

Procesamiento del lenguaje natural

Redes neuronales

Técnicas básicas de la IA

Sistemas expertos

Reconocimiento de patrones

Algoritmos genéticos

Representación del conocimiento

Búsqueda de soluciones

Sistemas expertos

¿Qué es un sistema experto?¿Cuáles son las aplicaciones que tienen los sistemas expertos en la IA?

Los sistemas expertos (o basados en el conocimiento) almacenan el conocimiento de expertos para un campo determinado y la solución se da mediante deducción lógica. Así mediante esta técnica se desarrolla software que imita el comportamiento de un experto humano en la solución de un problema.

Un problema clave en el desarrollo de sistemas expertos es encontrar la forma de representar y usar el conocimiento que los humanos expertos en esas materias poseen y usan, debido a que el conocimiento de los expertos es a menudo impreciso, dudoso o anecdótico.

Existe un gran número de aplicaciones, entre las más destacadas están las aplicaciones en el área de la medicina.

Participantes en un sistema experto:Experto del dominio: Persona que posee las habilidades y el conocimiento necesario para solucionar un problema específico más eficientemente que la mayoría de las personas.

Participantes en un sistema experto:Ingeniero de conocimiento: persona que diseña, construye y prueba un sistema experto.

Participantes en un sistema experto:Usuario final: Persona que eventualmente estará trabajando con el sistema. La aceptación final del sistema dependerá en gran medida del ajuste que presente el sistema a las necesidades del usuario final.

Sistemas expertos

Robótica

Procesamiento del lenguaje natural

Redes neuronales

Técnicas básicas de la IA

Sistemas expertos

Reconocimiento de patrones

Algoritmos genéticos

Representación del conocimiento

Búsqueda de soluciones

Redes neuronales

¿Qué es una red neuronal?¿Cuáles son las aplicaciones que tiene una red neuronal en la IA?

Las redes neuronales: son sistemas compuestos por estructuras de red con un gran número de conexiones entre diferentes capas de procesadores, los cuales a su vez tienen asignadas diferentes funciones, dentro de dichos procesadores se efectúa una labor de aprendizaje por la reproducción de las salidas de un conjunto de señales de entrenamiento.

Se puede decir que las redes neuronales constituyen una tecnología, la cual trata con éxito algunos problemas clásicos de la IA, haciendo énfasis en el reconocimiento de formas y de la palabra hablada.

Redes neuronales

Robótica

Procesamiento del lenguaje natural

Redes neuronales

Técnicas básicas de la IA

Sistemas expertos

Reconocimiento de patrones

Algoritmos genéticos

Representación del conocimiento

Búsqueda de soluciones

Procesamiento de lenguaje natural

¿Qué es el procesamiento del lenguaje natural?¿Cuáles son las aplicaciones que tiene el procesamiento del lenguaje natural en la IA?

El lenguaje natural (o lenguaje ordinario) es el que utiliza una comunidad lingüística con el fin primario de la comunicación, y se ha construido con reglas y convenciones lingüísticas y sociales durante el período de constitución histórica de nuestra sociedad.

El procesamiento del lenguaje natural dentro de la IA consiste en:Procesamiento del lenguaje escrito, requiere el conocimiento léxico, sintáctico y semántico de las palabras, y del mundo real.

El procesamiento del lenguaje natural dentro de la IA consiste en:Procesamiento del lenguaje real, requiere conocimientos de fonología y de la información para manejar ambigüedades que se presenten en el habla; también requiere de los conocimientos para el procesamiento de lenguaje escrito.

Se puede decir que el procesamiento del lenguaje natural es una de las técnicas más interesante en la IA, ya que tiene por objetivo estudiar el lenguaje de los seres humanos para poder acceder desde a una computadora hasta todo tipo de dispositivos electrónicos inteligentes.

Procesamiento de lenguaje natural

Robótica

Procesamiento del lenguaje natural

Redes neuronales

Técnicas básicas de la IA

Sistemas expertos

Reconocimiento de patrones

Algoritmos genéticos

Representación del conocimiento

Búsqueda de soluciones

Reconocimiento de patrones

¿Qué es el procesamiento reconocimiento de patrones?¿Cuáles son las aplicaciones que tiene el reconocimiento de patrones en la IA?

El reconocimiento de patrones se utiliza para clasificar e identificar los subgrupos con características comunes en un grupo, y con el grado de asociación se obtiene una conclusión diferente.

Los algoritmos desarrollados en esta área son herramientas útiles en otros campos como en el reconocimiento de lenguaje natural, la visión por computadora, reconocimiento de imágenes, reconocimiento de señales, el diagnóstico de fallos de equipos, el control de procesos, etcétera.

De manera general se puede decir que el reconocimiento de patrones consiste en medir el parecido entre formas y su comparación cuantitativa, es decir, es un método formal para medir el parecido o similitud entre dos formas, o fenómenos que representan cierta regularidad.

Reconocimiento de patrones

Reconocimiento de patrones:Aplicaciones

Robótica

Procesamiento del lenguaje natural

Redes neuronales

Técnicas básicas de la IA

Sistemas expertos

Reconocimiento de patrones

Algoritmos genéticos

Representación del conocimiento

Búsqueda de soluciones

Representación del conocimiento

¿Qué es representación de conocimiento?¿Cuáles son las aplicaciones que tiene la representación del conocimiento en la IA?

El uso del conocimiento proporciona una forma de resolver problemas complejos explotando las estructuras de los objetivos involucrados. El agente que actúa inteligentemente requiere tener una representación del ambiente sobre el que actúa, o por lo menos de los aspectos que son relevantes para resolver un problema.

Es fundamental distinguir diversas formas de conocimiento, según el problema a solucionar, siendo los principales:Conocimiento general, leyes que cumplen sobre un conjunto de objetos. Puede presentarse como fórmulas matemáticas o lógicas, o de manera informal, el lenguaje hablado / escrito.

Es fundamental distinguir diversas formas de conocimiento, según el problema a solucionar, siendo los principales:Conocimiento procedural, secuencias de acciones a seguir, se pueden representar mediante diagramas de flujo, algoritmos, etcétera.

Es fundamental distinguir diversas formas de conocimiento, según el problema a solucionar, siendo los principales:Conocimiento factual, hechos.

Es fundamental distinguir diversas formas de conocimiento, según el problema a solucionar, siendo los principales:Metaconocimiento, conocimiento sobre el conocimiento. Puede ser una forma extremadamente importante de conocimiento, sobre todo en sistemas que aprenden.

La representación del conocimiento, consiste en encontrar una correspondencia entre el “cuerpo del conocimiento” y un “sistema simbólico” que lo denote o le haga referencia y que además, permita solucionar problemas con base de dicha correspondencia.

El fin de la representación de conocimiento es organizar la información sobre el dominio o tema a tratar, de tal manera que el programa de la Inteligencia Artificial puede acceder fácilmente a la información para hacer decisiones, planear, reconocer objetos y situaciones, analizar, sacar conclusiones y otras funciones cognitivas.

Representación del conocimiento

Robótica

Procesamiento del lenguaje natural

Redes neuronales

Técnicas básicas de la IA

Sistemas expertos

Reconocimiento de patrones

Algoritmos genéticos

Representación del conocimiento

Búsqueda de soluciones

Búsqueda de soluciones

¿Qué es búsqueda de soluciones?¿Cuáles son las aplicaciones de la búsqueda de soluciones en la IA?

Las búsquedas proporcionan una forma de resolver los problemas en los que no se dispone de un método más directo como una estructura con técnicas directas existentes

Las búsquedas proporcionan una forma de resolver los problemas en los que no se dispone de un método más directo como una estructura con técnicas directas existentes.

Búsqueda de soluciones

Robótica

Procesamiento del lenguaje natural

Redes neuronales

Técnicas básicas de la IA

Sistemas expertos

Reconocimiento de patrones

Algoritmos genéticos

Representación del conocimiento

Búsqueda de soluciones

Robótica

Dentro de las técnicas de la IA la robótica es de las más beneficiadas, debido a que tiene por objetivo la construcción de robots inteligentes capaces de funcionar con autonomía. La robótica se ocupa de tareas motrices y perceptuales, es decir la robótica es la conexión inteligente entre la percepción y la acción.

La construcción de robots autónomos se realiza teniendo presente ciertas capacidades como lo son:

1. La percepción básica, misma que implica la visión, la capacidad de identificar y reconocer sonidos, la habilidad de identificar olores y el sentido del tacto.
2. La función motriz comprende la habilidad de moverse en forma autónoma y la manipulación de símbolos.

Aplicaciones de la robótica inteligente

Actividad sincrónica 4

Algoritmos de búsqueda

Actividad asincrónica 2

Unidad II.- 2 Introducción al Common Lisp

2.1 Funciones básicas de manipulación de listas 2.2 Iteración y recursión 2.3 Funciones y macros 2.4 Entradas, salidas y las variables locales

Introducción a Common Lisp

• Orígenes
• Características
• Datos elementales
• Evaluación
• Macros y funciones
• Hola, mundo

Actividad sincrónica 5

Introducción a Common Lisp

• Tutorial

Orígenes

• 1958, John McCarthy
• Uso habitual en IA
• List Processing
• Programación funcional

Características

• Lenguaje interpretado (directamente ejecuta las sentencias sin necesidad de hacer una compilación).
• Todas las variables son punteros.
• Liberación automática de memoria.
• Adecuado para prototipos e IA.
• Programación funcional.
• Notación prefija.
• Ej: 2 + 3 es equivalente a (+ 2 3)

Listas enlazadas

Datos elementales: Átomos

Combinaciones de caracteres del alfabeto con dígitos. No son átomos los que comienzan con dígitos.

• Símbolos:
• ejemplo-simbolo
• Keywords:
• :ejemplo
• Strings:
• "octavio"
• Números:
• Enteros: 1, 2, 3; Racionales1/5, -1/7; Reales: 3.5, -6.3

Datos elementales: Listas

• Colección de expresiones
• Están encerradas entre paréntesis
• Ejemplos:
• (esta es una lista), (1, 2, "serie"), (esta es (otra lista))
• Términos:
• 4, 3 y 2

Evaluación

• Átomos: Su evaluación es su valor como variable.
• Ejemplo (macros)
• Lista: Una lista evaluable debe tener un simbolo como primer elemento.
• Ejemplo:
• (+ 2 (+ 2 4))

Macros

• quote: Devuelve el valor del argumento.
• Ejemplo: (quote '(+ 5, 6))
• setf: Asigna valores a valiables y modifica valores de componenetes de una lista.
• Ejemplo:
• (setf dias '("lunes" "martes" "jueves" "viernes"))
• (print dias)
• (setf (second dias) "miercoles")
• (print dias)

Funciones de manipulación de listas

• first o car: Devuelve el primer elemento de una lista.
• rest o cdr: Regresa el resto de elementos de la lista.
• second, third, ... nth: Regresa segundo, tercero, ... de la lista.
• Ejemplo:
• (setf dias '("lunes" "martes" "jueves" "viernes"))
• (print (first dias)), (print (car dias))
• (print (rest dias)), (print (cdr dias))
• (print (second dias)), (print (third dias)), (print (fourth dias))

Funciones de manipulación de listas

• Combinar car a un cdr:
• Sintaxis: (car (cdr lista))
• Ejemplo: (print (car (cdr dias)))
• cons: Regresa una lista cuyo primer elemento es <exp> y el resto es lista:
• Sintaxis: (cons <exp> lista)
• Ejemplo: (cons '("sabado" "domingo") dias)
• append: Regresa la unión de dos listas.
• Sintaxis (append lista1 lista 2)
• Ejemplo: (append dias '(1 2 3 4 5))

Funciones de manipulación de listas

• last: regresa el último elemento del primer nivel
• Sintaxis: (last lista)
• Ejemplo: (print (last dias))
• reverse: Regresa la lista invertida
• Sintaxis: (reverse lista)
• Ejemplo: (reverse dias)

Actividad asincrónica 3

Ejemplos

Actividad asincrónica 3

• ¡Hola mundo!
• Concatenar
• Definir una función suma

• Definir una lista
• Definir función para sumar los elementos de una lista
• Definir una función para recorrer una lista y aplicarle una operación (mapeo)
• Mostrar los elementosd de una lista de forma individual

Unidad IV.- Lógica de predicados del primer orden (LPPO)

4.1 Lógica proporcional 4.2 Sintaxis y semántica de LPPO 4.3 Reglas de inferencia 4.4 Principios de resolución 4.5 Conversión a forma clausual 4.6 Unificación 4.7 Sistemas basados en reglas 4.8 Encadenamiento progresivo y regresivo

Actividad Sincrónica 4: Resumen de Lógica de predicados del primer orden

Genera un resumen que incluya las características principales de la lógica de predicados de primer orden.

Actividad Sincrónica 5: Resumen de Lógica de predicados del primer orden

Genera un mapa mental con base en el reporte que elaboraste.

01 Generalidades del curso

Examen

Sincrónico: Examen con preguntas. Asincrónico: Proyecto integrador (Reporte sobre cada una de las unidades, incorporando las definiciones más importantes y algunos ejemplos diferentes a los realizados en clase).

• Correo: ux99979776@ux.edu.mx
• WhatsApp: 2281124551

Rasgos a calificar

01 Generalidades del curso

Sincrónico: Enfoque tradicional (preguntas contestadas correctamente). Asincrónico: Contenido (información y ejemplos), Creatividad, Tiempo y forma.

• Correo: ux99979776@ux.edu.mx
• WhatsApp: 2281124551

Indicaciones para examen sincrónico

Evaluación: sábado 15 de mayo del 2021 de 7:00 a 9:00 am.

Detalles del examen: - Pueden revisar todo el material utilizado durante las clases. - El examen contendrá solo con preguntas teóricas.

Indicaciones para examen asincrónico

Entrega: sábado 15 de mayo a las 7:00 am.

Detalles del reporte a entregar: 1. Portada (Formato opcional) - Institución - Tema: Examen - Nombre completo - Carrera - Materia - Fecha de entrega 2. Indice 3. Contenido (máximo 20 páginas y mínimo 18, destacar el número y nombre de cada unidad y subtemas, "formato libre"). - Número y tema de cada unidad. - Información más relevante de cada unidad (Resumen). - Incluir ejemplos revisados en clase. - Crear material propio, no utilizar capturas de pantalla de las presentaciones en clase. 4. Conclusiones 5. Referencias (al menos 5 referencias en formato APA)

Evaluación: - Claridad, coherencia y consistencia del resumen de cada unidad. - Incluir un porcentaje similar de información de cada unidad. - Material duplicado (40 puntos menos). - Capturas de pantalla (proyecto inválido).

01 Generalidades del curso

¿Cuál opción prefieren?