Recuperacion

RECUPERACION:

1. ¿Cuales son las suposiciones subyacentes acerca de la inteligencia?
2. ¿Cuáles son las técnicas útiles para la resolución de problemas en IA?
3. ¿A qué nivel de detalle se trata de modelar la inteligencia humana?
4. ¿Cómo se puede saber que se ha tenido éxito en el desarrollo de un sistema inteligente?       
   
   
    SOLUCION A LAS PREGUNTAS
   La Hipótesis del Sistema Físico de Símbolos
   Un sistema físico de símbolos está formado por un conjunto de entidades básicas (llamadas símbolos), las cuales son patrones físicos que pueden ocurrir como componentes de otro tipo de entidad llamada expresión o estructura de símbolos. Una estructura de símbolos está compuesta de un número de instancias de símbolos, relacionados en alguna forma física. Además de estas estructuras, el sistema también contiene una colección de procesos que operan sobre las expresiones, para producir otras: procesos de creación, modificación, reproducción y destrucción.
   Un sistema físico de símbolos es una máquina que produce, a través del tiempo, una colección evolutiva de estructuras de símbolos.
   Hipótesis: Un sistema físico de símbolos tiene los medios necesarios y suficientes para actuar en general de forma inteligente.
   Importancia de la Hipótesis
5. Representa una importante teoría acerca de la naturaleza de la inteligencia humana.
6. Constituye la base sobre la que se fundamenta la creencia de que es posible construir programas que pueden realizar tareas inteligentes como las que hacen las personas.

Problemas y Técnicas en Inteligencia Artificial

Desde el punto de vista de ingeniería, la mayor parte del trabajo requerido para construir sistemas de IA, está basado en el desarrollo de adecuadas representaciones de conocimiento y sus correspondientes estrategias de manipulación. No se puede manipular conocimiento a menos que esté adecuadamente representado. En consecuencia, las siguientes tres preguntas claves pueden guiarnos en el estudio de la IA.

• ¿Qué es el conocimiento?
• ¿Cómo se puede representar el conocimiento?
• ¿Cómo se podría manipular el conocimiento?

A continuación, se dan respuestas parciales a estas preguntas planteadas. En los capítulos posteriores se presenta un estudio más formal y detallado acerca del conocimiento, su representación y manipulación.

Conocimiento

Puede ser definido como el conjunto de hechos y principios acumulados por la humanidad, o el acto, hecho o estado de conocer. Es la familiaridad con el lenguaje, conceptos, procedimientos, reglas, ideas, abstracciones, lugares, costumbres y asociaciones, unida a la habilidad de utilizar estas nociones en forma efectiva para modelar diferentes aspectos del universo que nos rodea.

Los conceptos de conocimiento e inteligencia están íntimamente ligados. La inteligencia requiere de la posesión y acceso al conocimiento. Conocimiento no debe ser confundido con datos o información. El conocimiento incluye y requiere del uso de datos e información. Además, combina relaciones, dependencias, y la noción del saber con datos e información.

A veces es también útil o más aun necesario distinguir entre conocimiento y otros términos como creencia e hipótesis.

Esencialmente, se define como creencia a toda expresión que tiene significado, que es coherente y puede ser representada. En consecuencia una creencia puede ser verdadera o falsa. Hipótesis se define como una creencia justificada que no se conoce sea verdadera. Una hipótesis es una creencia que está respaldada por cierta evidencia, pero todavía puede resultar falsa. Finalmente, se puede también decir que conocimiento es una creencia justificada como verdadera.

Otros términos relacionados con el conocimiento y que son ocasionalmente empleados son epistemología y metaconocimiento. Epistemología es el estudio de la naturaleza del conocimiento, mientras que metaconocimiento es conocimiento acerca del conocimiento, esto es, conocimiento acerca de lo que se conoce.

El conocimiento puede ser de tipo procedimental, declarativo o heurístico. Conocimiento procedimental es aquel conocimiento compilado que se refiere a la forma de realizar una cierta tarea (el saber como hacerlo). Por ejemplo, los pasos necesarios para resolver una ecuación algebraica son expresados como conocimiento procedimental.

Por otro lado, el conocimiento declarativo es conocimiento pasivo, expresado como sentencias acerca de los hechos del mundo que nos rodea (el saber que hacer). La información personal en una base de datos es un típico ejemplo de conocimiento declarativo. Tales tipos de datos son piezas explícitas de conocimiento independiente.

El conocimiento heurístico es un tipo especial de conocimiento usado por los humanos para resolver problemas complejos. El adjetivo heurístico significa medio para descubrir. Está relacionado con la palabra griega heuriskein que significa descubrir, encontrar. Se entiende por heurístico a un criterio, estrategia, método o truco utilizado para simplificar la solución de problemas. El conocimiento heurístico usualmente se lo adquiere a través de mucha experiencia.
Representación del Conocimiento

Dado que el conocimiento es importante y primordial para el comportamiento inteligente, su representación constituye una de las máximas prioridades de la investigación en IA. El conocimiento puede ser representado como imágenes mentales en nuestros pensamientos, como palabras habladas o escritas en algún lenguaje, en forma gráfica o en imágenes, como cadenas de caracteres o colecciones de señales eléctricas o magnéticas dentro de un computador. En nuestro estudio de IA, consideraremos las representaciones escritas y sus correspondientes estructuras de datos utilizadas para su almacenamiento en un computador. La forma de representación que se escoja dependerá del tipo de problema a ser resuelto y de los métodos de inferencia disponibles.

Una representación del conocimiento puede ser un esquema o dispositivo utilizado para capturar los elementos esenciales del dominio de un problema. Una representación manipulable es aquella que facilita la computación. En representaciones manipulables, la información es accesible a otras entidades que usan la representación como parte de una computación.

Debido a la variedad de formas que el conocimiento puede asumir, los problemas involucrados en el desarrollo de una representación del conocimiento son complejos, interrelacionados y dependientes del objetivo. El términos generales, se debe tratar que el conocimiento esté representado de tal forma que:

• Capture generalizaciones.
• Pueda ser comprendido por todas las personas que vayan a proporcionarlo y procesarlo.
• Pueda ser fácilmente modificado.
• Pueda ser utilizado en diversas situaciones aún cuando no sea totalmente exacto o completo.
• Pueda ser utilizado para reducir el rango de posibilidades que usualmente debería considerarse para buscar soluciones.

El conocimiento declarativo puede ser representado con modelos relacionales y esquemas basados en lógica. Los modelos relacionales pueden representar el conocimiento en forma de árboles, grafos o redes semánticas. Los esquemas de representación lógica incluyen el uso de lógica proposicional y lógica de predicados.

Los modelos procedimentales y sus esquemas de representación almacenan conocimiento en la forma de cómo hacer las cosas. Pueden estar caracterizados por gramáticas formales, usualmente implantadas por sistemas o lenguajes procedimentales y sistemas basados en reglas (sistemas de producción).

Las representaciones declarativas son usualmente más expansivas y costosas, en el sentido que la enumeración puede ser redundante e ineficiente. Sin embargo, la modificación de las representaciones declarativas es usualmente muy fácil; simplemente se agrega o se elimina conocimiento. Las representaciones procedimentales, en cambio, pueden ser más compactas, sacrificando flexibilidad. Representaciones prácticas pueden incluir elementos tanto declarativos (listado de hechos conocidos), como procedimentales (un conjunto de reglas para manipular los hechos).

Manipulación del conocimiento
Existen tres paradigmas que los investigadores han utilizado tradicionalmente para la resolución de problemas de IA: 
 *Programación Heurística.- Está basado en el modelo de comportamiento humano y su estilo para resolver problemas complejos. Existen diversos tipos de programas que incluyen algoritmos heurísticos. Varios de ellos son capaces de aprender de su experiencia.

*Redes Neuronales Artificiales.- Es una representación abstraída del modelo neuronal del cerebro humano. Las redes están formadas por un gran número de elementos simples y por sus interconexiones. Una red neuronal artificial puede ser simulada o ser real. Al elemento procesador de la red, se lo denomina neurona artificial.
*Evolución Artificial.- Su modelo está basado en el proceso genético de evolución natural, propuesto por Charles Darwin. Se utilizan sistemas simulados en computador que evolucionan mediante operaciones de reproducción, mutación y cruce (Algoritmos Genéticos).

Cada paradigma comprende una colección de métodos, configuraciones y técnicas desarrolladas para manipular el conocimiento. En general, una técnica de IA está caracterizada por incluir los siguientes componentes:

*Procesos de Búsqueda.- Proporciona una forma de resolver problemas para los cuales no hay un método más directo, así como también se constituye en un marco de trabajo dentro del cual cualquier técnica directa puede ser incorporada.
*Uso del Conocimiento.- Proporciona una forma de resolver problemas explotando las estructuras de los objetos involucrados.
*Abstracción.- Proporciona una forma de separar rasgos importantes y variaciones, de los tantos que no tienen importancia.

La manipulación del conocimiento involucra además la selección de objetos, entidades y rasgos que son claves para las representaciones. Al nivel más bajo de representación del conocimiento, estas entidades pueden consistir de simples datos de entrada, por ejemplo: grabaciones cuantizadas y digitalizadas de audio, datos de una imagen, valores captados por un sensor, información de interruptores o hechos elementales. Estos bloques constructivos de la representación se los denomina comúnmente primitivas. La representación escogida para las primitivas, puede determinar las capacidades del sistema, el éxito, la corrección y sus posibilidades de expansión.

En lo sucesivo, este tutorial se centrará en el estudio de las aplicaciones de la programación heurística, para el desarrollo de sistemas de IA

El Nivel del Modelo de Inteligencia

En primer lugar, un proyecto de IA, debe definir lo más exactamente posible, lo que desea lograr:

• Desarrollar programas que realicen las tareas de la misma forma en que lo realizan las personas.
• Desarrollar programas que simplemente realicen las tareas de la forma que parezca más sencilla.

Los programas que se enmarcan en el primer caso, tratan de modelar el comportamiento humano, para ejecutar las siguientes tareas:

• Probar teorías psicológicas del comportamiento humano.
• Capacitar a los computadores para entender el razonamiento humano.
• Capacitar a los humanos para que comprendan a los computadores.
• Explotar el conocimiento que es posible obtener de la gente.

En el segundo caso, están agrupados los programas de IA de índole más práctica, que sin ser rigurosos en la modelación del comportamiento humano, tratan de proporcionar soluciones aceptables.

Criterios de Evaluación en I. A.

Cada campo necesita criterios para evaluar el éxito alcanzado. En general, es muy difícil determinar si una máquina o un sistema tiene inteligencia o puede pensar. Al respecto se han sugerido algunas pruebas entre las que se destaca la de Alan Turing (1912-1954). En 1950 ideó una prueba para reconocer comportamientos inteligentes, esta prueba dice lo siguiente:

Si la ejecución de un sistema de IA puede convencernos de que su comportamiento es el que tendría un humano, entonces el sistema es verdaderamente inteligente.

En una forma más práctica, para saber si un trabajo de investigación en IA ha tenido éxito, debe hacerse tres preguntas claves:

 *¿Está definida con claridad la tarea?
 *¿Existe un procedimiento ya instrumentado que efectúe la tarea? Si no existe, es que deben haber muchas dificultades escondidas en algún lugar.
* ¿Existe un conjunto de regularidades o restricciones identificables a partir de las cuales el procedimiento implantado obtiene su validez? De no ser así, el procedimiento no pasaría de ser un juguete, tal vez capaz de un desempeño superficial impresionante en ciertos ejemplos seleccionados con cuidado, pero incapaz de impresionar con un desempeño profundo y de resolver problemas más generales.

Para determinar si una aplicación de IA ha tenido éxito, deben plantearse preguntas adicionales como las siguientes:

• ¿Resuelve la aplicación un problema real?
• ¿Crea la aplicación una nueva oportunidad?

Eventualmente, las respuestas a las preguntas planteadas, deberán ser complementadas con pruebas típicas de verificación y validación de sistemas: eficacia en el desempeño, eficiencia operativa, facilidad de uso, flexibilidad, portabilidad, etc.