Saber de inteligencia artificial

Cibernéticos zen (3)

2011-08-31T13:18:00.000-07:00

Una de las mayores criticas a la Inteligencia Artificial esta en la afirmación de que las máquinas carecen de intencionalidad, veamos al respecto el argumento de L. Suchman, quien cree que existe una diferencia esencial entre acción intencional y acción planeada, y denuncia que tanto en el cognitivismo como en la IA se produce una confusión crítica entre ambas idea. Desde la perspectiva cognitiva, entender el comportamiento significa descubrir el plan subyacente a cada acción, la lógica interna que guía cada acto de conducta. Es decir, la programación que supone la definición de fines, elección de medios y consecuencia de objetivos. Sin embargo, el comportamiento humano es esencialmente impreciso, abierto e indeterminado. Es cierto que el cognitivismo acepta la vaguedad e indeterminación en el comportamiento humano, pero contempla estas características como un defecto que debe ser superado aumentando la precisión de la definición del plan. En otras palabras, el comportamiento es intencional, pero eso no significa que sea de facto un comportamiento planificado, ni tampoco que idealmente deba ser así. Por ello una descripción de dicho comportamiento en forma de reglas y algoritmos, como es el caso de la IA, no puede dar razón de su carácter intencional.

El español Javier Bustamante en su magnífico libro "Sociedad informatizada: ¿Sociedad deshumanizada?", Dice: "Las investigaciones de la IA están relacionadas con la necesidad de conocernos tan profundamente y en detalle como sea posible. Aunque algunas veces este impulso esta promovido por aquellos que ostentan el poder de organizar la sociedad definiendo quien es humano y quien no, quien tiene el derecho a la condición de ciudadano y quien no. Cada modelo, cada metáfora de lo que somos nos fuerza a reenfocar la imagen que tenemos de nosotros mismos, hasta el punto de que aquellos que tienen el poder para definir lo que significa ser humano (según las épocas: filósofos, religiosos, políticos o científicos) tienen también la posibilidad de reconsiderar nuestro lugar en el mundo, nuestras capacidades y limitaciones".

Y agrega: "La forma en que se construye el argumento a favor o en contra de la Inteligencia Artificial se asienta sobre las definiciones de estos conceptos básicos: actividad mental, intuición, inteligencia, intencionalidad. Sólo cuando en el contexto de un discurso que considere que toda mente tiene que tener un substrato humano cambie y hable de inteligencia no circunscrita a lo humano, se crean las condiciones necesarias para alumbrar una nueva metáfora de la inteligencia que descubre raciocinio en la computadora. Estas condicionantes del proceso de construcción de la metáfora computacional como metáfora de identidad se suman a las condicionantes mitológicas, históricas, sociales y políticas que hacen de la computadora la más poderosa metáfora de organización y control".

Bustamante quien tiene una visión profunda de la dialéctica de las metáforas dice: "La metáfora de la IA no es seguramente el modelo definitivo de la mente. No tardará en llegar el día en que sea reemplazado por alguna otra basada en tecnologías que hoy ni siquiera podemos imaginar. Estas metáforas intentarán demostrar que esas futuras tecnologías no son alienantes, porque nos hablan de nosotros mismos, porque esencialmente ellas y nosotros formamos parte de o somos una misma realidad, y el circulo también se completa aplicando la metáfora biológica al diseño de nuevas formas tecnológicas. Pero para que todo esto sea posible, la vida o la sociedad o la inteligencia tienen que ser previamente definidas de forma reduccionista como un conjunto de procesos de información. Esta circularidad es una de las características de esta metáfora: no solo ofrece un modelo con el cual explicar su objeto, sino que además construye los términos en que dicho objeto se define".

Ciberneticos zen (2)

2010-12-15T13:04:00.000-08:00

Hubert Dreyfus, tal vez el mas humanista de todos dice: "Nuestra inteligencia no solo consiste en lo que sabemos sino también en lo que somos; el funcionamiento de los ordenadores es secuencial y el proceso del pensamiento es continuo; por lo que no podemos comunicarnos con ellos porque no comparten nuestro contexto".

Y sostiene, desde un punto de vista filosófico fenomenológico, que las características esenciales de la experiencia humana no pueden ser captadas por modelos formales del tipo de la IA, porque se arraigan en la experiencia corporal y en tradiciones sociales sin expresión verbal.

Terry Winograd, uno de los grandes de la Inteligencia Artificial, quien fuera conocido por su programa SHRDLU que era capaz no sólo de realizar operaciones complejas en los llamados mundos de bloques, sino también de dar respuesta del porque de su conducta en lenguaje natural. Para los neófitos, los mundos de bloque eran mundos simplificados (hoy se les llama despectivamente mundos de juguetes), donde se trataba de poner a prueba la inteligencia de los programas y sacar conclusiones sobre el aprendizaje, el lenguaje hablado o natural, las formas del razonamiento, etc. Y SHRDLU a finales de los años 60 fue todo un acontecimiento, sobre todo por su manejo del lenguaje natural que lo convirtió en un paradigma de la IA.

Winograd cree que la concepción de la mente humana que se esconde tras las teorías sobre la IA es "vacía e inapropiada". En su opinión el problema no radica en "el desarrollo insuficiente de la tecnología" sino "en lo inadecuado de sus principios básicos". Afirma que no hay razones para pensar que nos hallamos más cerca de la esencia de la IA de lo que los alquimistas se hallaban de la física nuclear.

Según Winograd, "el concepto de sistema simbólico en si es propiamente lingüístico y lo que los investigadores desarrollan en sus programas es en realidad un modelo de argumento verbal, y no del funcionamiento del cerebro". En su opinión será preciso llegar a un entendimiento más profundo de lo que es la inteligencia antes de que una máquina pueda tener creatividad, capacidad de reflexión y de juicio o incluso sentido común.

Para los que consideran a Winograd como una especie de "desertor" de los dogmas de la Inteligencia Artificial, les recuerdo que Minsky en los años 70 había llegado a la conclusión, de que a las computadoras nunca podrá llamárseles con propiedad "inteligentes" hasta que, de hecho, aprendan a aprender.

Ciberneticos zen (1)

2010-09-17T13:12:00.000-07:00

A los que creen que la máquina sustituirá al hombre o que el hombre se convertirá en máquina (cibernéticos punk) se le opone otro grupo que desde "adentro", son conocedores de la computación, atacan las bases de la ideología cibernética y ven con cierto recelo la sobreestimación de las máquinas a espensa de la devaluación de la especie humana, aunque algunos piensen lo contrario: que son ellos quienes sobrevalúan las cualidades humanas y le niegan toda posibilidad a la máquina.

El físico Roger Penrose piensa que el problema no radica en las capacidades de las nuevas generaciones de computadoras, sino en que estas "nunca serán capaces de lograr la comprensión, inteligencia o discernimiento auténticos".

John Searle, Considera que los estados mentales sólo pueden ser producidos por un sistema vivo y son una función de las propiedades bioquímicas del cerebro. Y define estados mentales, como un componente de la inteligencia. Estos estados mentales se identifican con el concepto de mente, y la mente está físicamente constituida por un substrato biológico, una corporalidad. Y afirma que las computadoras no pueden mas que poseer un substrato electrónico, por lo que no pueden tener estados mentales. Por lo tanto, no es justificable asignarles el termino inteligencia. Este abordaje hunde sus raíces en la teoría cartesiana de la relación entre mente y materia. Aún si una computadora pudiese simular el funcionamiento de la mente humana, es tan solo una simulación, no una mente real. Puede servir como modelo para un estudio heurístico de la mente, pero no manifiesta verdaderos estados mentales, como ya hemos visto anteriormente, Searle ilustra su teoría con el argumento del cuarto chino, según el cual las computadoras son tan solo sistemas formales no interpretativos, sintaxis sin semántica (*), que no tienen consciencia del significado de la información que están manejando. Estos símbolos están cargados de sentido para nosotros, pero no tienen significados intrínseco para la computadora.

(*) Una idea similar fue expresada por el propio Minsky en su época de "zarrapastroso" cuando en su critica a los "pulcros" sostenía junto a Schank, que la estrategia correcta consistía en descubrir y modelar como se comporta la gente y afirmaba que la manera que la gente tiene de pensar tiene poco que ver con la lógica la cual al igual que la matemática es todo forma y nada contenido y creía que la sintaxis era prácticamente inútil para todo. Pienso que casi todos los cibernéticos con posiciones humanistas han recibido una gran influencia de Minsky como investigador a pesar de las incongruencias en sus conclusiones ideológicas, mas bien yo diría: cuando se deja arrastrar por el pensamiento vigente en la ciencia ficción.

Ciberneticos punk (13)

2010-03-09T06:53:00.000-08:00

Para estas profecías Kurzweil toma como fundamento tres leyes:

Ley del Tiempo y el Caos: en un proceso, el intervalo de tiempo entre fenómenos se expande o contrae proporcionalmente a la cantidad de caos existente. Esto quiere decir que los eventos relevantes crecen a medida que aumenta el orden, o en al contrario, disminuyen a medida que aumenta el caos.

Ley del Incremento de Caos: mientras que el caos aumenta exponencialmente, el Tiempo se ralentiza exponencialmente. Esto es, el intervalo temporal entre fenómenos es cada vez más amplio..

Ley de los Retornos Acelerados: a medida que el orden se incrementa exponencialmente, el tiempo se acelera exponencialmente. Es decir, el intervalo entre fenómenos se acorta a medida que el tiempo transcurre.La ley de Moore que dice que la capacidad de procesamiento de las computadoras alcanza el doble de su capacidad cada dos años sería un ejemplo más de esta tendencia.

De estas 3 leyes Kurzweil saca las siguientes conclusiones: Un proceso de evolución (la vida, o la inteligencia, supongamos) no es un sistema cerrado. Luego en un proceso evolutivo no se cumple la segunda Ley de la Termodinámica, y por tanto es capaz de crear su propio orden creciente. En un proceso evolutivo, el orden se incrementa exponencialmente. Por tanto: según la Ley del Tiempo y el Caos, el tiempo se acelera exponencialmente. Por tanto: los retornos, (productos valiosos del proceso), se aceleran. Conclusión final: la evolución cósmica (Universo: sistema cerrado) se ralentiza. La evolución tecnológica (sistema abierto): se acelera. Por lo que la evolución está sometida a velocidades exponenciales, a una aceleración progresiva que nos traerá en un futuro próximo las denominadas máquinas conscientes.

Ciberneticos punk (12)

2010-02-01T07:11:00.000-08:00

Ahora veamos en que consisten sus profecías:

2009

Un ordenador doméstico realiza un billón de cálculos por segundo. Prácticamente, no se utilizan cables, pese a que siguen existiendo teclados. El aspecto de los PC de alta resolución ha variado. Ahora se encuentran en todas partes, pueden estar insertados en la ropa, en joyas, o tener el tamaño de un libro de escaso grosor. Los textos se generan habitualmente utilizando reconocimiento de lenguaje natural. Las transacciones comerciales rutinarias se realizan en su mayor parte entre una personalidad humana y otra virtual. A menudo la personalidad virtual tiene apariencia humana. Los teléfono-traductores son utilizados comúnmente en muchos pares de lenguas. Los tratamientos de bioingeniería contra el cáncer y las enfermedades de corazón han reducido la mortalidad por esas causas. El movimiento Neo-luddita* está en expansión.

2019

El ordenador doméstico (1.000$) ha alcanzado la capacidad de computación de un cerebro humano. Ahora los ordenadores son invisibles en su mayor parte. Están en las paredes, en las mesas, sillas, en la ropa y joyas, insertados en el cuerpo. Los dispositivos de Realidad Virtual (VR) en tres dimensiones se utilizan habitualmente en la comunicación. La mayor parte de la interacción con las máquinas se produce a través de gestos o diálogo en lenguaje natural. Comienza a aplicarse la nanoingeniería (ingenios de una milmillonésima de metro, contexto molecular). Muchas vías rodadas de comunicación tienen instalados sistemas de conducción automática de vehículos. Las personas comienzan a establecer relaciones con personalidades virtuales, utilizando a éstas de compañeros, profesores, cuidadores amantes. Los artistas virtuales aparecen en todas las ramas del arte.

2029

Un sistema informático de 1.000 dólares, (el equivalente a uno de los antiguos ordenadores domésticos) posee la capacidad de computación/cálculo de mil cerebros humanos (2*1019 cálculos/segundo - cps). Implantes biológicos para los ojos y oídos se utilizan para establecer conexión directa con la red informática mundial. Sin interfaces. De la retina a la Red. Se han perfeccionado redes neuronales de banda ancha para conectarlas directamente al cerebro humano. Se van haciendo disponibles implantes neuronales para mejorar la percepción visual y auditiva, la memoria, el razonamiento y el cálculo humanos. Los agentes automáticos comienzan a aprender por su cuenta, y hay una cierta cantidad de conocimiento que está siendo creado sin intervención humana. La inmensa mayoría de las comunicaciones no se efectúa entre personas, sino entre una persona y una máquina. No se puede distinguir claramente entre el mundo humano y el de las máquinas. Prácticamente, no existe trabajo humano en la industria, la agricultura o el transporte. Las profesiones más extendidas son las educativas. Una proporción creciente de tiempo de trabajo se dedica a la educación y el aprendizaje. Las necesidades vitales básicas están cubiertas para la gran mayoría de la humanidad. La esperanza de vida continua incrementándose, y ahora está alrededor de los 120 años. Una rama de la psicología comienza a investigar las consecuencias de este aumento del periodo vital. Las drogas personalizadas no producen secuelas. Se diseñan en función de cada DNA específico, que hace tiempo que ha sido descodificado por completo. Comienzan las reivindicaciones sobre derechos legales de las computadoras, y existe un debate sobre lo que constituye "ser humano". Las máquinas afirman ser conscientes. Nadie se escandaliza con ello.

2049

La utilización habitual de alimentos nanoproducidos, con la correcta composición nutricional y el mismo sabor y textura que los alimentos producidos orgánicamente, conduce a una disponibilidad de alimentos que ya no se ve afectada por los limitados recursos naturales, el clima, o el deterioro por oxidación. Enjambres de nanorobots son capaces de crear proyecciones visual-tactil-auditivas de personas y objetos en el mundo físico. Ya no se trata del mundo físico y de la realidad virtual: hay varias capas que se entrecruzan. Se puede actuar sobre varias al mismo tiempo (ciertamente confuso) o adoptando varias personalidades en cada capa de realidad. Las computadoras se diseñan por completo a sí mismas: esto produce una mayor aceleración en el perfeccionamiento de la inteligencia digital.

2099

El pensamiento humano y la inteligencia artificial se han fundido, ciberorganismos controlan las sociedades. Ya no existe distinción entre seres humanos y ordenadores. Muchas entidades conscientes no poseen una presencia física permanente. Algunas inteligencias afirman ser humanas, pese a que sus cerebros no se componen de células de carbono, sino de sus equivalentes fotónicos y electrónicos. Una legislación eficaz protege a los MOSH, seres humanos (con neuronas de carbono), desprovistos de implantes neuronales. Dichos humanos primitivos son incapaces de participar plenamente en diálogos y procesos entre humanos implantados, humanos mejorados. La mayor parte de la información se transmite utilizando protocolos standard de conocimiento asimilado, esto es, protocolos que hacen que la información sea comprendida instantáneamente. Los idiomas como el inglés y el español aún se utilizan (especialmente entre los MOSH), pero forman parte de un conjunto de tradiciones y folklores a los que se exige respeto y protección por los legisladores. La picoingeniería (informática en el nivel del picometro: una billonésima de metro, entorno de las partículas subatómicas) posee aplicaciones cotidianas. Se encuentra en desarrollo la femtoingeniería, (escala de milbillonésima de metro, nivel dentro del quark.) La capacidad de computación o cálculo se estima (utilizando una variante de la Ley de Moore, cuya vigencia se estima posible hasta el 2018), de forma global, al estar accesible en la red para cualquier entidad que la necesite, alcanzando una suma total de 1055 cps. Esto sin contar con la informática cuántica*, que está generalmente extendida, y cuya potencia no puede estimarse con los mismos métodos, (el equivalente a 10355 cps). En este contexto, pierden sentido conceptos como esperanza de vida. La mortalidad no es un problema que pueda ser considerado del modo en que se hacía un siglo antes. Antes bien, aparece un movimiento civil denominado "destruye-todas-las-copias". Cualquier entidad inteligente estaría obligada, antes de terminar -voluntariamente- con todos sus "archivos", a realizar una serie de copias establecidas por ley. El movimiento "destruye-todas-las-copias" reclama la posibilidad de desaparecer destruyendo todas las copias de la mente o inteligencia que deseen terminarse. Es la inmortalidad lo que comienza a ser un problema...

Ciberbeticos punk (11)

2010-01-08T08:17:00.000-08:00

Kurzweil que es el mas tecnologo de todos, pone gran énfasis en la nanotecnologia y a diferencia de Minsky que no la cree viable hasta dentro de 100 años, él considera en llegara en el 2020. Considera que la aplicación clave de la nanotecnología, dentro de 20 años, serán los nanorobots o nanobots. Dentro de nuestros cuerpos y cerebros, los nanobots nos permitirán alargar la vida destruyendo las células patógenas y de cáncer, reparando los errores del ADN, destruyendo toxinas y desechos, y revirtiendo el proceso de envejecimiento. Los nanobots son robots basados en la informática lo suficientemente pequeños para viajar por nuestro sistema circulatorio.

También aspira a que la nanotecnologia nos lleve mas allá de los limites de la biología para mejorar nuestras capacidades físicas y mentales por factores de muchos miles e incluso millones y que finalmente reemplazaremos nuestros frágiles cuerpos “versión 1.0” por una versión 2.0 tremendamente mejorada.

Entre sus numerosas importantes predicciones se encuentran escáner el cerebro para luego instalarlo en otro medio no biológico, así como lograr la inmersión total virtual. Y cree que los entornos de realidad virtual integrarán todos los sentidos y a la vez serán capaces de mejorar la inteligencia; se podrá pensar más rápido, tener pensamientos más complejos y telecargar el conocimiento, y sueña con que estos entornos de realidad virtual entre el 2030 y el 2040 compitan con los entornos reales y, según él, los entes no biológicos podrán tener cuerpos parecidos a los humanos y además, gracias a la nanotecnologia, también podrán tenerlos en la realidad

Y considera al igual que los transhumanistas (de los cuales hablaremos después). que la humanidad no es el fin de la evolución sino el principio. A lo que dice:

“Se ha visto la evolución como un drama de mil millones de años que condujo inexorablemente a su creación más grandiosa: la inteligencia humana. El surgimiento, a principios del siglo XXI, de una nueva forma de inteligencia en la Tierra que compita con la inteligencia humana y finalmente la supere significativamente, será un acontecimiento más importante que cualquiera de los que han dado forma a la historia humana. No será menos importante que la creación de la inteligencia que la creó, y tendrá profundas implicaciones en todos los aspectos del que hacer humano, incluso en la naturaleza del trabajo, el aprendizaje humano, el gobierno, la guerra, las artes y el concepto de nosotros mismos... Lo que estamos discutiendo constituye en mi opinión la próxima etapa de la evolución a través de la fusión entre la humanidad y la tecnología”.

Ciberneticos punk(10)

2009-12-30T06:02:00.000-08:00

Kurzweil considera que no se debe catalogar el desarrollo de las computadoras con el estado actual de la PC y afirma: La tecnología informática la situación dista mucho de ser estática. Hoy están haciendo su aparición ordenadores con una capacidad que hace veinte o treinta años se consideraba imposible y no se puede olvidar que en 1997, un ordenador superó a Kasparov, al menos en ajedrez. Se hicieron entonces muchos comentarios sobre que existían comportamientos humanos mucho más difíciles de imitar que el luego del ajedrez. Es verdad. En muchos campos -por ejemplo, el de escribir un libro sobre ordenadores-, la capacidad de los ordenadores es aún ínfima. Pero como los ordenadores continúen adquiriendo capacidad a una velocidad de tasa exponencial, nos ocurrirá en esos otros campos lo mismo que a Kasparov con el ajedrez.

Al igual que Minsky esta inconforme con su cerebro y considera que las neuronas, aunque son creaciones maravillosas, ellos no las habrían construido tal como son, pues gran parte de su complejidad se dedica a mantener sus propios procesos vitales, no su capacidad para manejar información. Y coincide, con los otros ciberneticos punk, en que las neuronas son extremadamente lentas; los circuitos electrónicos son por lo menos un millón de veces más rápidos.

También se muestra inconforme con su cuerpo a lo que dice: La inteligencia es la capacidad de resolver problemas con la ayuda de recursos limitados, incluido el tiempo. Los problemas que debemos resolver suelen estar relacionados con nuestro cuerpo: protegerlo, alimentarlo, vestirlo, satisfacer sus necesidades y deseos. Dedicamos gran parte de nuestro pensamiento a nuestro cuerpo: una inteligencia humana carente de cuerpo se deprimiría enseguida.

A lo que agrega: Gracias a la nanotecnología, podremos colocar minúsculos robots en el cerebro para mejorar su capacidad. Construiremos entidades no biológicas con copias del cerebro humano y tendremos personas con miles de robots microscópicos en el cerebro, lo que aumentará su habilidad para pensar y para vivir en una realidad virtual. Y aspira en que el 2030 se puedan enviar al cerebro humano billones de nanobots que permitirán comunicar sin cables con decenas de millones de puntos distintos del cerebro. De este modo podremos combinar nuestra inteligencia biológica con la no biológica. Acabaremos viendo entes totalmente no biológicos, con copias de cerebros humanos derivadas de la ingeniería inversa y seres humanos biológicos cuya inteligencia habrá sido mejorada gracias a los billones de nanobots que tendrán en el cerebro y que también podrán existir en la realidad virtual. Llegados a ese punto, ya no podremos distinguir entre humanos y máquinas.

Ciberneticos punk (9)

2009-12-21T10:07:00.001-08:00

Ray Kurzweil

Tratamiento aparte merece Ray Kurzweil, quien con su libro: “La era de las maquinas espirituales” ha conmocionado al mundo científico con sus profecías. Y que ha diferencias de los otros que eran científicos teóricos o experimentales (quiero decir que no desarrollan aplicaciones practicas o comerciales) y en muchos casos escritores de ciencia ficción. Kurzweil es un científico eminentemente practico y ha sido el creador de algunos ingenios como el Reconocimiento Óptico de Caracteres (OCR; el actual programa "TextBridge" de Xerox está basado en su patente), dispositivos para interfaces informáticas dirigidas a ciegos y sordos, así como programas de composición musical como el Kurzweil250. Además de haber recibido ocho doctorados honoris causa, el puesto de asesor de dos presidentes y el galardón al Mejor Inventor del Año (Best Inventor Award, 1988),

El reduccionismo siempre estará en la mente de todo científico y Ay toma la idea de la ingeniería inversa y la aplica a los procesos de la mente. Y dice: Un ordenador es más rápido que el cerebro humano en algunas cosas, pero lo difícil es que tenga la riqueza, sutileza y profundidad de nuestro pensamiento. Para lograrlo será clave el software de la inteligencia, basado en la ingeniería inversa, que copia el funcionamiento del cerebro humano. Nuestros circuitos cerebrales son tridimensionales y se basan en unas complejísimas conexiones. Escaneando el cerebro podremos crear una réplica, y usando circuitos artificiales tridimensionales de nanotubos (tubos microscópicos) podremos imitar su funcionamiento y crear una inteligencia artificial avanzada. El profesor norteamericano Andreas Nowatzyk ya trabaja en un proyecto para copiar el cerebro de un ratón. Es un primer paso para lo que vendrá luego.

También es el que más resalta las posibilidades de la tecnología y repite junto a Vingen que el no ve limites al desarrollo tecnológico. La tecnología supone una ruptura con la lenta evolución biológica y la entrada en un proceso más rápido. Muchos científicos tienen una perspectiva lineal y ven el futuro como un calco retocado del pasado. Eso es un error. Estamos en una fase de crecimiento exponencial en la que confluyen la informática, la biotecnología, la física cuántica, la nanotecnología... Este siglo será equivalente a 20.000 años de desarrollo lineal.

Ciberneticos punk (8)

2009-12-18T08:08:00.001-08:00

Marvin Minsky, padre de la inteligencia artificial

No deja de ser sorprendente la defensa de Marvin Minsky de muchas de estas ideas. Minsky quien fuera uno de los fundadores de la IA ‑por supuesto de la fuerte‑ junto a John McCarthy y líder de los "zarrapastrosos" junto a Schank, desde donde defendía la idea de una IA lo mas cerca posible al pensamiento humano y se oponía al formulismo frío de la lógica, resulte ser ahora uno de los paladines de la sustitución del hombre por las máquinas, tal vez esto le venga de su vena de escritor de ciencia ficción.

Minsky quien no puede ocultar su decepción con la inteligencia artificial dice: "La IA está en un estado risible, debido a que podemos hacer que las máquinas hagan el tipo de cosas que hace un "experto", pero aún no podemos lograr que hagan la mayor parte de las cosas que puede hacer un niño de 4 años. ‑Decepción que también parece incluir a los seres humanos‑...Seguimos ignorando como resolver los conflictos entre las ambiciones individuales y los intereses colectivos. Somos tan ineptos para tomar decisiones importantes que siempre que podemos dejamos al azar aquello de lo que no estamos seguros".

Aunque reconoce que la IA se atasco, anuncia que esta solo se ha detenido por un momento. Y dice: Hacia 1980 el progreso se detuvo en cierta forma y la gente se dispersó en otras direcciones para tratar de encontrar alguna vía de volver. También considera que la expresión 'inteligencia artificial' está un poco pasada de moda y ya no es una palabra útil para los negocios y sugiere que no debemos decir que es inteligencia artificial, hasta que no tenga sentido común.

Y vuelve al ataque cuando dice: Mi teoría favorita es que la comunidad de la IA excepto unos pocos investigadores como Roger Schank tiene unos malos casos de "Envidia del Físico". Quiero decir que les da vergüenza poner más de una teoría en cada uno de sus proyectos a causa de que tienen el irrealizable ideal de hallar una explicación simple para todas las cosas. Por lo tanto nunca llegan a nada.

Precisamente la Cibernética que fuera duramente criticada por Minsky, se basaba en la idea, no sólo de asimilar más de una teoría, sino, también, en la relación interdisciplinaria entre diferentes campos. Es cierto que la IA se mantiene dentro de los preceptos de las ciencias físico‑matemáticas, pero que otra cosa puede hacer, ¿retornar a las ideas cibernéticas? Y perder con ello su carácter de ciencia exacta. Lo que Minsky propone y de hecho está haciendo, a su manera, es un retorno a las ideas generales de la Cibernética.

Para Minsky hoy en día, la IA es la parte más avanzada de la psicología, y es de la convicción, que cuando sepamos cómo hacer que una máquina aprenda, probablemente aprendamos algo sobre cómo aprende la gente, y agrega, antes la psicología estaba trabada, porque los psicólogos no tenían idea de cómo podía funcionar una máquina que aprendiera. Ahora, con la inteligencia artificial, tenemos unas diez teorías sobre cómo hacer que las cosas aprendan. Estoy seguro de que los humanos usan cuatro o cinco de esas formas. También cifra sus esperanzas en la nanotecnologia y considera que va a ser la industria más importante del siglo próximo, aunque piensa que probablemente tarde un tiempo en hacerse práctica. Y afirma que dentro de cien años la nanotecnología puede ser la base de la mayoría de las fábricas.

Minsky cree seriamente que hay que "perfeccionar" a los infelices mortales y propone los siguientes pasos:

1. Las prótesis de miembros: "Sustituir las partes gastadas de nuestro organismo por elementos de repuesto de nuevo tipo".

2. La conexión directa dentro del cerebro: "Invención de métodos que potencien nuestro cerebro permitiendo adquirir mayor sabiduría".

3. La conexión completa: "Mediante nanotecnología, sustitución completa".

Y agrega: "inútil es decir que con ello estaremos convirtiéndonos en maquinas. ¿Significa eso que seremos reemplazados por maquinas? No tiene sentido esa distinción, creo como Moravec quien propone que consideremos a las maquinas inteligentes del futuro como a nuestros propios hijos mentales".

No se como dentro de la ideología de Moravec encaja la posibilidad de lograr hijos mentales, al menos no en el sentido que le daría Rucker de un traspaso de mente. Tampoco creo que encaje dentro de la ideología de Minsky el surgimiento de una inteligencia "emergente" que si es aceptable para Moravec y Vingen, quienes nunca han estado comprometido con una IA fuerte

Minsky ya en su vejez, parece darle más importancia a la inmortalidad que al propio sentido ético de lo que propone, de ahí que diga: "Hasta ahora hemos tendido a vernos como producto final de la evolución, pero la evolución no ha cesado. La verdad es que ahora estamos evolucionando mas rápidamente aunque por el lento procedimiento darwinista. Ya es hora de que empecemos a pensar en nuestras nuevas identidades, que están aflorando. Podemos comenzar a diseñar sistemas fundados en un tipo ingenioso de selección innatural, capaces de sacar partido de características adquiridas. Ha hecho falta un siglo de educación evolucionista para proscribir tales ideas ‑que los biólogos califican de teleológica y lamarckianas‑, pero puede que ahora tengamos que cambiar las reglas".Y agrega: "Estamos en una era primitiva, en la cual las máquinas no tienen perspectiva del futuro, ni "valores familiares básicos". Y sí, tengo que insistir que esta ciencia llevará a la extensión de nuestro lastimoso tiempo de vida".

Con respecto al sentido ético de sus ideas, afirma que es tan malo que si insiste en él va a ser peor. Y propone, no sin razón, que la ética debe venir de gente que sepa de eso. Y agrega: No creo que sea bueno pedirle a los científicos que entiendan las consecuencias de su trabajo, porque no pueden. Y los justifica diciendo: Pasan todo su tiempo pensando en su trabajo, así que no piensan en la ética o en las consecuencias.

Ciberneticos punk (7)

2009-12-15T07:54:00.000-08:00

Otro de los Cibernéticos punk, Rudy Rucker matemático, cantante de rock, escritor de ciencia ficción y tal vez el mas genuinamente ciberpunk de todos. A diferencia de los anteriores se mantiene fiel a la idea de una Inteligencia Artificial fuerte y del dualismo mente‑cuerpo a través de las mentes cibernéticas: programas que representan a un individuo.

Rudy Rucker cree que en el futuro será posible desmembrar por completo la mente del cuerpo a través de las computadoras y cree que las máquinas podrán permitir la inmortalidad del intelecto de los humanos. Está convencido que si fuera posible aislar la mente del cuerpo, podemos, entonces, aceptar tranquilamente la reproducción magnética de la mente, los programas que la conforman, y su posible reutilización. Esto es aceptando el criterio de que el pensamiento es una forma de procesamiento de la información y que en la computadora no sólo se pueden incluir "conocimientos" sino también los sentimientos humanos. Rucker sueña con un mundo en el que los humanos dejen grabadas sus memorias, ideas y sentimientos en una computadora y que cuando lo deseen puedan reactivar esa "mente‑programa" en un ciborg. Es evidente que si confiamos en algún tipo de soporte, sea el cerebro, un microprocesador o un compuesto bioelectrónico, siempre estaremos a expensas de su envejecimiento o rotura. En cambio si la mente se puede extraer de un medio y cambiar de soporte, por supuesto un soporte cada vez más perfeccionado. Para entonces, estaremos, sin dudas, en presencia de la inmortalidad.

Ciberneticos punk (6)

2009-12-09T08:10:00.000-08:00

Hans Moravec, quien ha consagrado toda su vida a la robótica, es sin dudas el más entusiasta de todos. Su amor por los robots va mas allá de un simple proyecto de investigación. Mas bien parece un predicador o un Mesías de una nueva era: la de los robots.

Luego de la primera crisis de la IA, la de los 60, producto de la expectativa que se creo en torno a la posibilidad que ofrecía la máquina en la solución de problemas complejos, tales como la demostración de teoremas matemáticos, el juego de ajedrez, etc. Llevó a los investigadores a la conclusión, de que, si se podían desarrollar programas para que las máquinas resolvieran problemas considerados difíciles, entonces, con los menos complejos no tendrían la menor dificultad y ahí vino el fracaso. La máquina, no fue capaz de resolver problemas sencillos por carecer de sentido común y resultó que programar el sentido común es una tarea casi imposible. De ahí que Moravec abandonase la tesis de los programas que simulen la conducta humana por la de las máquinas más veloces que a través de algoritmos (fuerza bruta) supla su falta de sentido común y de flexibilidad. Y afirmara, que a medida que las computadoras sean más rápidas adquirirán también las capacidades de pensamiento del ser humano.

Según Moravec la inteligencia artificial será posible cuando se hayan construido computadoras más veloces, quien también cree que las máquinas deberán tener autonomía de desplazamiento ‑idea que actualmente sostiene Brooks con su proyecto de un robot bebe, que está programado para aprender por si mismo, al que llamó Cog‑.

Moravec cree que nosotros evolucionamos con un tranquilo intervalo de cien millones de años entre cada cambio significativo. Y afirma con entusiasmo: "Las máquinas están dando pasos semejantes, pero lo cubren en pocas décadas. La velocidad se acelerará a medida que ejércitos de máquinas baratas se pongan a trabajar como programadores e ingenieros, con la tarea de mejorar el hardware que hace de ellas lo que son. Las sucesivas generaciones de maquinas producidas de este modo serán cada vez más inteligentes y baratas. No hay motivo para suponer que la equivalencia humana fije algún tipo de limite superior".

Ciberneticos punk (5)

2009-11-16T11:47:00.000-08:00

La idea de la singularidad como se sustenta sobre la base del hard, asume que las máquinas superaran al hombre por su rapidez a la hora de pensar, pero no se tiene en cuenta la flexibilidad del cerebro. La idea es muy sencilla, siempre todas las expectativas se han basado en alguna interpretación parcial de algún logro y ahora esta en la palestra la el hecho de que las máquinas de jugar ajedrez superan al hombre, y esto no es porque la máquina pueda ser más "creativa", no, esto se basa en la velocidad de la computadora (hard) para analizar las posibles variantes y de encontrar la mejor respuesta (claro que esto es heurística pura) y hace rato que la inteligencia artificial desechó la heurística como único método de lograr máquinas inteligentes (Vinge le llama superinteligencia débil a la que se basa únicamente en la rapidez de pensamiento).

Por otra parte, Vingen, considera que el poder y la influencia de Internet están siendo muy poco considerada: "La total anarquía de la red mundial es una evidencia de su potencial. A medida que crecen la conectividad, el ancho de banda, el tamaño de la capacidad de archivo y la velocidad de proceso (su habilidad para comunicarse en anchos de banda variables, incluyendo algunos mucho más elevados que la voz o los mensajes escritos). ¿Qué pasará cuando partes de un ego pueden ser copiadas y unidas a otras, cuando la autoconsciencia puede aumentar o disminuir para aproximarse a la naturaleza del problema bajo consideración? Es algo parecido a una biosfera recapitulada como un procesador de datos, pero un millón de veces más rápida y con millones de humanos como agentes inteligentes (Nosotros mismos)".

Vingen también propone una inteligencia superhumana fuerte, la cual podría parecerse a una Sociedad de la Mente (idea de Minsky) con varios componentes muy calificados, donde algunos de esos "equivalentes humanos" podrían ser usados nada más que para procesamiento digital de señales. Y agrega: "para aquellos que no hayan cambiado (los que decidan seguir siendo humanos) el logro será un trato benigno, quizás dándoles la apariencia de ser los dueños de unos semidioses esclavos (las máquinas superinteligentes)".

Ciberneticos punk (4)

2009-11-12T11:58:00.000-08:00

Por lo que Vingen le da más importancia al hardware de la computadora que a sus programas y se concentra en la creación de máquinas inteligentes independientes de sí emulan la mente humana (IA débil). Es mas, lo dice rotundamente, cuando afirma que existen otros caminos diferentes a la IA para llegar a la superhumanidad y a esta otra aproximación él le llama amplificación de la inteligencia, la cual se esta sucediendo de una forma natural, cada vez que se mejora nuestra capacidad para acceder a la información y para comunicarnos. Esto nos lleva a la conclusión de una inteligencia "emergente" que podrá surgir de un momento a otro. Por lo que se desprende que para Vingen la inteligencia en las computadoras va a surgir de forma espontánea y que estará basada principalmente en la velocidad de las computadoras, idea ya antes formulada por Moravec.

Las máquinas inteligentes (concebidas dentro de la IA débil) permiten una serie de conclusiones que serían imposible dentro de las concepciones de la IA fuerte. Una de las ideas más importante es la emergencia, las maquinas pueden seguir su propio esquema evolutivo de entidades cada vez más inteligentes hasta llegar a superar la inteligencia humana, sin necesidad de copiar a la mente humana. Si tratáramos de copiar a la mente humana como propone la IA fuerte, esta estaría limitada por la propia inteligencia del hombre, jamas podría ser más inteligente que el "original" en todo caso igualarlo.

Ciberneticos punk (3)

2009-10-30T07:18:00.000-07:00

Bajo ese criterio yo dividiría a los investigadores de las ciencias de la computación (no importa que sean filósofos o sociólogos o escritores) en cibernéticos punk y cibernéticos zen.

Comenzaremos por uno de los representantes más influyentes dentro de esta ideología, el norteamericano Vernor Vingen, matemático y escritor de ciencia ficción, quien vaticina que la creación de entidades con inteligencia mayor que la humana será una realidad en un futuro cercano, antes del 2030, y se podrá alcanzar de diferentes modos:

1. Pueden desarrollarse computadoras "conscientes" con una inteligencia equivalente a la humana o superior.

2. Las grandes redes de computadoras con sus usuarios asociados, pueden despertar como entidades superinteligentes.

3. Las interconexiones entre humanos y computadoras pueden llegar a tal nivel de profundidad que los que la usen actúen como superinteligencias.

4. La ciencia biológica puede lograr métodos que mejore el intelecto humano natural.

Para Vingen las tres primeras dependen de mejoras en el soporte físico (hardware) de las computadoras, el cual ha seguido una curva de crecimiento increíble en las ultimas décadas.

Ciberneticos punk (2)

2009-10-26T08:04:00.000-07:00

Hubo un tiempo que los investigadores de la IA se dividían en los de la costa Oeste "los pulcros" liderados por John McCarthy y Nils J. Nilsson y los de la costa Este "los zarrapastrosos" liderados por Marvin Minsky y Robert Schank.

La discusión era entorno a sí la IA debía fundamentarse en la lógica o en la semántica. Para "los pulcros" sólo la lógica podía proporcionar una vía segura a la IA de llegar a resultados. Para "los zarrapastrosos" era la semántica la que realmente podía comprender los procesos de la mente y no la lógica que era sólo pura sintaxis sin contenido.

Hoy esas discusiones han pasado a un segundo plano y tal vez el asunto más importante sea, quienes aun siguen creyendo en una IA fuerte. Pero ese ya no es el problema de estos tiempos, tiempos de crisis para todos por igual: investigadores de la IA, psicólogos, sociólogos, biólogos, físicos... Pienso que el problema fundamental es un problema ético, que reside en la metáfora de la computadora y en la ideología que emana de ella. Porque, es una verdad muy conocida y demasiado ignorada, que las obras nacen primero en las mentes, y teniendo en cuenta que esta es una lucha de ideas. Es necesario saber si, ya hoy, estamos aceptando convertirnos en máquina.

Ciberneticos punk (1)

2009-10-21T10:19:00.000-07:00

Los ideólogos, de las máquinas como herederas del planeta, vaticinan el surgimiento de una posthumanidad producto de la asimilación de la cultura humana por las máquinas y quizás alguna forma de convergencia, no muy clara, con los humanos. La posthumanidad seria la exacerbación de la postmodernidad, la máxima expresión de las sociedades postindustriales. Estos ideólogos de alguna forma están relacionados con el pensamiento punk, el cual se plantea como un rompimiento con la idílica visión de que el mundo se podía salvar y que a la estupidez destructiva del hombre bastaba oponerle el amor. El punk es la respuesta violenta a un mundo absurdo y sin futuro.

Por eso no es de extrañar que muchos de los defensores de estas ideas sean escritores que están dentro de la corriente ciberpunk que no es mas que la unión de los avances de la electrónica y la computación con el viejo movimiento punk de rockeros y drogadictos. Dentro del movimiento ciberpunk han surgido muy buenos escritores de ciencia ficción tales como Gibson y Bruce Sterling, quienes están mas preocupados por las relaciones humanas en las sociedades postmodernas que en la ideología cibernética, lo cual no sucede con otros escritores y científicos que si son genuinos representantes de esta corriente de pensamiento tales como Marvin Minky, Hans Moravec, Vernor Vingen y Rudy Rucker.

Maquinas cada vez mas inteligentes (4)

2009-10-01T10:20:00.000-07:00

Mientras los filósofos y sociólogos parecen haber llegado a un callejón sin salida y hablan del fin del romanticismo social y de la muerte de las verdades absolutas. Los nuevos cibernéticos proponen una nueva "ideología" que vendrá a salvar al mundo: la ideología de las máquinas como herederas del hombre o de la convergencia entre humanos y computadoras, donde se plante la fusión entre el árbol evolutivo de los seres vivos y el de las máquinas.

Muchos hasta hoy han creído que la evolución de los seres humanos continuará siendo un largo proceso evolutivo, que a través de mutaciones nos llevará a ser individuos mejores ‑o peores‑. Para otros, este proceso está detenido y los humanos continuaremos siendo los mismos por los siglos de los siglos. Lo interesante es que la discusión no termina ahí, nuevas ideas están surgiendo alrededor del futuro de la humanidad, una de estas teorías es la sustitución del hombre por alguna entidad superinteligente ‑medio máquina, medio humana‑, capaz de continuar con el ritmo acelerado de desarrollo industrial, para el cual esa "cosa" llamada humano ha quedado obsoleta. Estas ideas no resultarían tan interesantes de no ser por el hecho de que sus defensores afirman que estamos en la antesala de una nueva era posthumana y que la misma ocurrirá antes del 2030.

Maquinas cada vez mas inteligentes (3)

2009-09-22T13:21:00.000-07:00

Los defensores de las máquinas inteligentes van mucho mas lejos y sugieren que las propias máquinas construirán computadoras cada vez más inteligentes, ellos parten de la base de un hardware cada vez más potente, aceptan que mientras más capacidad de procesamiento tenga, será más "inteligente", y quién niega que una máquina inteligente no sea capaz de aumentar las capacidades de las próximas generaciones construyendo máquinas cada vez mejores y así infinitamente, sin que el hombre participe en este proceso. ¿No sería esto el fin de la humanidad?

Muchos de estos autores ven a las maquinas como inteligencias fragmentadas, que pueden estar conectadas a una red como sistema cooperativo, y que esta conexión las lleve a una forma de organización altamente eficiente, que le permita un "despertar" como una gran inteligencia.

Conclusión que extraen de la comparación de la evolución de las máquinas con la de los animales: ya que los humanos fueron el producto de una larga evolución desde los organismos unicelulares pasando por los mamíferos hasta llegar al homo sapiens. ¿A partir de que momento surgió la inteligencia? ¿Por qué no aceptar que las máquinas también son organismos en evolución que puedan llegar a "pensar"? Si aceptamos a la conciencia como la forma de la Materia altamente organizada, ¿quién puede negar que las máquinas sean una nueva forma de la Materia altamente organizada y que en su proceso evolutivo alcancen niveles de inteligencia incluso superiores a los del hombre?

Maquinas cada vez mas inteligentes (2)

2009-09-11T10:15:00.000-07:00

Si partimos del hecho que las máquinas son cada vez más veloces, piensen en las primeras computadoras que no alcanzaban los 10 Megahertzios (Mhz) a las actuales que ya sobrepasan los 3 Gigahertzios y no se vislumbra ningún límite para que esta velocidad no siga aumentando. Con la obtención de máquinas superveloces, estas podrán efectuar un billón de operaciones por segundos, con lo cual ‑ según Moravec‑ estarán en condiciones de alcanzar el nivel de la inteligencia humana. Aun más, teniendo en cuenta que el cerebro humano trabaja a una frecuencia de 100 hertzios o ciclos por segundo y que no se vislumbra una cota que limite la velocidad de procesamiento de la computadora basada en un hardware cada vez más sofisticado, con mayor capacidad de memoria, varios procesadores centrales (la materia gris de la máquina), mayor velocidad de acceso a los periféricos; parece posible, incluso, que la máquina pueda superar al hombre.

Para Ray Kurzweil las computadoras han duplicado tanto su velocidad como su complejidad (lo que en realidad significa la cuadruplicación de su capacidad) cada veinticuatro meses desde el comienzo de los artilugios de cálculo, en los inicios de este siglo. Esta tendencia continuará y, alrededor del 2020, los ordenadores alcanzarán la capacidad de memoria y la velocidad de cálculo del cerebro humano.

También se asume que con respecto al software la maquina también ha mejorado mucho en la IA débil ya las maquinas pueden diagnosticar células sanguíneas, guiar misiles de crucero y por fin, pueden vencer a cualquier jugador de ajedrez. Con respecto al hardware se están investigando tecnologías de circuito que serán un millón de veces más potente que el cerebro humano, aunque para muchos el proyecto más interesante es el de la ingeniería inversa del cerebro humano: escanear el cerebro desde su interior gracias a billones de minúsculos escáners de alta resolución o nanobots que pasarán a través de los capilares.

Maquinas cada vez mas inteligentes (1)

2009-09-09T11:56:00.000-07:00

Durante los primeros años la Inteligencia Artificial (IA) se fundamento en el desarrollo de programas que fueran capaces de realizar actividades propias de la mente humana, tales como demostrar teoremas, jugar a las damas, al ajedrez, darle soluciones a problemas poco estructurados basados en la heurística o en campos donde se requería de conocimientos, los sistemas expertos. Esta vía para lograr una inteligencia no humana, para muchos era demasiado lenta y no cumplía con las expectativas. Muchas esperaban haber creado una inteligencia no humana en los 80s. Se puede decir que a finales de los 80s y principio de los 90s muchos investigadores comenzaron a desesperarse y no fueron pocos los que abandonaron sus laboratorios por líneas de trabajo más prometedoras.

Sentimiento de fracaso que invadió tanto a la IA débil como a la IA fuerte. Para la débil cuyo objetivo era crear sistemas informáticos que realizasen actividades que requerían de inteligencia tales como los sistemas expertos, en los cuales se cifraron grandes esperanzas tanto investigativas como comerciales, se esperaba que el mercado estuviera abarrotado de sistemas expertos, incluso los metódicos japoneses, para no ser menos, se lanzaron en su famoso proyecto de 5ta. Generación que también quedo como otro intento más. Por su parte IA fuerte cuyo propósito es reproducir en la maquina la extensa variedad, sutileza y profundidad de la inteligencia humana, no logro cumplir con sus metas de en menos de 20 años haber reproducido la mente humana y estaban atascados en modelos muy elementales de la inteligencia, como el mundo de bloques y en sistemas cerrados que eran incapaces de mostrar iniciativa o fallaban estrepitosamente ante cualquier problema que requiriera de sentido común.

Entonces… ¿Que esta sucediendo ahora? ¿Porque la IA y sobre todo las maquinas inteligentes están ocupando las mentes de muchos científicos y filósofos. Cuál es el nuevo enfoque?

¿Es posible construir un robot casero? (1)

2009-08-25T11:18:00.001-07:00

En el sitio: http://www.intelligent-systems.com.ar/intsyst/robbySp.htm

Podrán ver una propuesta de cómo construir un robot casero. Aquí les va un resumen de la página

"Robby", un robot casero

Por el valor de 10 000 dólares se puede construir y debería ser construído un robot de 125 cm de altura, neumático, humanoide, que pueda realizar tareas en el hogar y armado de piezas livianas. Necesitaría 220 watts de energía eléctrica, y como mente tendría un programa de computación modificado, llamado "General Learner". Muchas personas lo denominan como un androide.
El prototipo pesa 24 kg, con la interface para los sentidos y con la batería. Por el momento, el cerebro (computadora) y el compresor de aire están separados, conectados al cuerpo por medio de cables. Observa a Robby sentado (Entre para leer de corrido, como un libro). o la última foto (Entre para leer de corrido, como un libro). de Robby.

Un robot humanoide a bajo costo
El estudio de sistemas inteligentes (SI) ha avanzado hasta tal punto que se debería hacer un intento serio para construir un robot inteligente para el hogar y a bajo costo. Para la descripción por qué deberíamos construir robots, ver Por qué construir robots (Entre para leer de corrido, como un libro). and "Robot Servants" (Referencia externa)(en inglés).

Una inteligencia humana depende de tener sentidos como los tiene un ser humano y la posibilidad de actuar (movimientos de la mano) en alguna forma similar a la de un humano. Esto es necesario para que el cerebro pueda formar conceptos relacionados a estos sentidos y a estas acciones y para que pueda entender estos conceptos. Ver: La conexión entre conceptos y entorno (symbol grounding) (Para leer de corrido, no entre aquí ahora)..

Para comenzar a crear una inteligencia similar a la humana, necesitamos experimentar con un robot que tiene sentidos y un cuerpo similares a los humanos. Describiremos un robot que, por razones de costo y de peso, será un robot neumático.

El autor está construyendo un prototipo de este robot. El cuerpo está finalizado, el cerebro está en construccion. Él desea conocer las dificultades que surgen al construir este robot, al controlar el cuerpo del robot a partir del cerebro y al enseñar (no programar) al robot a reaccionar adecuadamente a una situación dada.

Algoritmo Strips

2009-08-05T12:18:00.000-07:00

STRIPS mantiene una pila de objetivos y concentra su resolución en el objetivo de la parte superior de la pila. Inicialmente contendrá exclusivamente el objetivo principal. Cada vez que el objetivo de la parte superior se empareje con la descripción de estado se eliminara de la pila. Si el objetivo es compuesto, se añade cada uno de los componentes con cierto orden.

Si al resolver una componente del objetivo se deshace la solución ya conseguida para otro objetivo. El objetivo que se ha destruido se considera de nuevo y se vuelve a resolver, si es necesario.

Procedimiento recursivo STRIPS (G)

S: Estado inicial

G: Estado final

1) UNTIL S concuerdo con G, DO: (el bucle principal de STRIPS es iterativo)

2) BEGIN

3) g ß Una componente de G que no concuerda con S; una selección no determinista y por tanto un pto de regreso.

4) f ß Una D-regla cuya lista de adición contenga un literal que se empareje con g; otro punto de regreso.

5) p ß La formula de precondición de una particularización adecuada de f

6) STRIPS (p) Llamado recursivo para resolver el subproblema

7) S ß Resultado de aplicar la particularización adecuada de f a S

8) END

1. Coger(X)

Pre-condicion: sobremesa(X), manovacia, libre(X)

Lista de supresión: sobremesa(X), manovacia, libre(X)

Formula de adición: cogido(X).

Observen que la precondición y la supresión van a ser iguales, ya que la acción se suprime del espacio de estado.

2. Dejar(X)

Precondición y Supresión: Cogido(X)

Adición: sobremesa(X), libre(X), manovacia

3. Apilar (X, Y)

Precondición y Supresión: cogido(X), Libre(Y)

Adición: manovacia, sobre(X,Y), libre(X)

4. Desapilar(X.Y)

Precondición y Supresión: manovacia, libre(X), sobre(X,Y)

Adición: cogido(X), libre(Y)

(Ver algoritmo completo en: http://alejandro313.googlepages.com/cursoia53.pdf )

Mundo de bloques

2009-07-30T11:01:00.000-07:00

El mundo de los bloques es el dominio más empleado en planificación para mostrar de forma sencilla el funcionamiento de los planificadores. Consiste en un conjunto de bloques dispuestos sobre una mesa o encima de otros. Hay un brazo de un robot que puede levantar los bloques de encima de la mesa o de otros bloques y dejarlos, a su vez, encima de la mesa, o encima de otros bloques. La siguiente figura muestra un ejemplo de un problema en el mundo de los bloques, con un estado inicial y unas metas.

Bajo una formalización clásica de este dominio (hay otras con otros operadores y predicados), las operaciones serían:

Ejemplo de reglas en STRIPS

Coger(X)

Pre-condición: sobremesa(X), manovacia, libre(X)

Lista de supresión: sobremesa(X), manovacia, libre(X)

Formula de adición: cogido(X).

Observen que la precondición y la supresión van a ser iguales, ya que la acción se suprime del espacio de estado.

Dejar(X)

Precondición y Supresión: Cogido(X)

Adición: sobremesa(X), libre(X), manovacia

Apilar (X, Y)

Precondición y Supresión: cogido(X), Libre(Y)

Adición: manovacia, sobre(X,Y), libre(X)

Desapilar(X.Y)

Precondición y Supresión: manovacia, libre(X), sobre(X,Y)

Adición: cogido(X), libre(Y)

Strips

2009-07-17T05:16:00.000-07:00

La planificación es un problema de búsqueda en un espacio de estados, compuesto por:

· Un conjunto de estados (descrito por un conjunto de predicados)

· Unas funciones de transición (operadores)

· Un estado inicial

· Un conjunto de metas

El objetivo es encontrar un plan o secuencia de operadores tales que permitan transitar entre el estado inicial y un estado en el que sean ciertas las metas.

STRIPS surge como mejora al método GPS inventado por Newell, Shaw y Simon, y fue construido inicialmente por Fikes y Nilsson. Realiza una búsqueda de la solución utilizando una pila de metas que guarda las metas que deben conseguirse y los operadores que pueden conseguirlas. Cuando la pila se queda vacía se habrá conseguido un plan válido.

En STRIPS los operadores se definen según tres listas:

· Precondiciones: condiciones necesarias para que se cumpla el operador

· Añadidos: lista de predicados que se añaden al estado cuando se ejecuta el operador

· Borrados: lista de predicados que se borran del estado cuando se ejecuta el operador

Estas dos últimas listas conforman las poscondiciones del operador.

Problema del marco: Es el problema de especificar cuales de las reglas de una descripción de estado pueden cambiar y cuales no.

Los sistemas de tipo STRIP son capaces de suprimir ciertos literales de una descripción de estados (cambiar un conjunto de estados en el otro), diestras las reglas basadas en implicaciones restringen tan solo el conjunto original de estados.

STRIPS asume la hipótesis del mundo cerrado: cualquier afirmación que no aparezca explícitamente representada en el estado, y que no puede ser deducida por las reglas de inferencia al principio de la ejecución, es falsa. Esto ahorra el trabajo de describir completamente el estado con todas las afirmaciones que son falsas.

El espacio de estado se puede representar a través de un grafo.

Para problemas complejos, una búsqueda hacia delante generara un grafo muy grande y su exploración solo será posible si se combina con una función de evaluación bien informada.

STRIPS realiza una búsqueda hacia atrás, como casi todos los planificadores, con la estrategia de profundidad con retroceso, en la que cada nodo del árbol de búsqueda es una pila de metas y operadores.

Sistemas generadores de planes: Introduccion

2009-07-10T11:29:00.000-07:00

Muchas tareas de deducción se resuelven mediante sistemas de producción. Otros problemas para su solución requieren de sistemas más complejos, ejemplos de estos dominios: la resolución de problemas de robot y la programación automática, los cuales están ligados a los sistemas de resolución de problemas.

La programación de un robot implica:

· La percepción del mundo circundante.

· La formación de planes de acción.

· El control de la ejecución de esos planes

A la hora de resolver un problema se parte de sintetizar una secuencia de acciones que permitan alcanzar un objetivo dado una situación inicial.

Donde la síntesis de las acciones se resuelve mediante un sistema de producción que estaría compuesto por:

La base de datos globales o base de hechos: Es una descripción actual de la situación o estado del mundo en que se encuentra el robot.

Las reglas: son cálculos que representan las acciones del robot.

En los sistemas basados en reglas de producción, cuando una regla de implicación se aplica a la base de datos global, este se modificaba mediante la adición de una estructura, pero no era suprimido de esa base de datos.

La programacion de robot

2009-07-01T12:23:00.000-07:00

Veremos algunos de los lenguajes de programación más usados en la robótica.

Gestual Punto A Punto

Se aplican con el robot "in situ", recordando a las normas de funcionamiento de un magnetófono doméstico, ya que disponen de unas instrucciones similares: PLAY (reproducir), RECORD (grabar), FF (adelantar), FR (atrasar), PAUSE, STOP, etc. Además, puede disponer de instrucciones auxiliares, como INSERT (insertar un punto o una operación de trabajo) y DELETE (borrar). Este manipulador en línea funciona como un digitalizador de posiciones.

Los lenguajes más conocidos en programación gestual punto a punto son el FUNKY, creado por IBM para uno de sus robots, y el T3, original de CINCINNATI MILACROM para su robot T3. Los movimientos pueden tener lugar en sistemas de coordenadas cartesianas, cilíndricas o de unión, siendo posible insertar y borrar las instrucciones que se desee. Es posible, también, implementar funciones relacionadas con sensores externos, así como revisar el programa paso a paso, hacia delante y hacia atrás. En el lenguaje FUNKY se usa un mando del tipo "joystick", que dispone de un comando especial para centrar a la pinza sobre el objeto para el control de los movimientos, mientras que el T3 dispone de un dispositivo de enseñanza ("teach pendant").

Estructurados De Programación Explícita

Teniendo en cuenta las importantísimas características que presenta este tipo de programación, merecen destacarse los siguientes lenguajes:

· AL

· HELP

· MAPLE

· PAL

· MCL

· MAL EXTENDIDO

Con excepción de HELP, todos los lenguajes de este grupo están provistos de estructuras de datos del tipo complejo. Así, el AL utiliza vectores, posiciones y transformaciones; el PAL usa, fundamentalmente, transformaciones y el MAPLE permite la definición de puntos, líneas, planos y posiciones. Sólo el PAL, y el HELP carecen de capacidad de adaptación sensorial. Los lenguajes AL, MAPLE y MCL, tienen comandos para el control de la sensibilidad del tacto de los dedos (fuerza, movimiento, proximidad, etc.). Además, el MCL posee comandos de visión para identificar e inspeccionar objetos.

En función de los objetivos.

La filosofía de estos lenguajes consiste en definir la situación final del producto a fabricar, a partir de la cual se generan los planes de acción tendentes a conseguirla, obteniéndose, finalmente, el programa de trabajo. Han surgido dentro del campo de la Inteligencia Artificial y los lenguajes más conocidos de este grupo son:

· STRIPS

· HILAIRE

STRIPS

Fue diseñado, en la Universidad de Stanford, para el robot móvil SHAKEY. Se basa en un modelo del universo ligado a un conjunto de planteamientos aritmético-lógicos que se encargan de obtener las subrutinas que conforman el programa final.

HILAIRE
Procedente del laboratorio de Automática Y Análisis de Sistemas (LAAS) de Toulouse, está escrito en lenguaje LISP. Es uno de los lenguajes naturales más interesantes, por sus posibilidades de ampliación e investigación.

Ambos se originan dentro de la IA y están basados en el dominio de aplicación de los sistemas de resolución de problemas.

ROBOTS CON CAPACIDADES SENSORIALES

2009-06-16T09:07:00.001-07:00

Aún se pueden añadir a este tipo de robots capacidades sensoriales: sensores ópticos, codificadores, etc. Los que no poseen estas capacidades sólo pueden trabajar en ambientes donde los objetos que se manipulan se mantienen siempre en la misma posición. En el caso de la cadena de soldadura de carrocerías de automóviles, las carrocerías están en movimiento hasta que llegan delante del robot, donde quedan inmóviles hasta que éste termina su trabajo; en este momento la cadena se vuelve a poner en movimiento hasta que vuelve a detenerse cuando otra carrocería está delante del robot, y así sucesivamente. Si estos robots tuvieran capacidades sensoriales, podrían suprimirse las paradas en la cadena. Supongamos que hay un codificador sujeto a la línea de movimiento y que el robot está provisto de un sensor óptico. El primero indicaría al robot la velocidad de la carrocería y con el segundo el robot sabrá cuándo esta carrocería se mueve en su área de trabajo, momento en que empezará a ejecutar las órdenes que le llegan de la computadora. A partir de este momento, la computadora del robot irá transformando el sistema de coordenadas con respecto a la carrocería en movimiento para que el robot pueda efectuar las soldaduras en el lugar apropiado.

Los robots con capacidades sensoriales constituyen la última generación de este tipo de máquinas. El uso de estos robots en los ambientes industriales es muy escaso debido a su elevado coste. Actualmente, las compañías industriales están valorando si económicamente les resulta más ventajoso mantener los robots que necesitan tener inmóviles los objetos o bien este último tipo de robots. La razón del encarecimiento de estas máquinas es el alto coste de los aparatos sensoriales y del software utilizado para el manejo.

A pesar de todo, la investigación sobre los aparatos sensoriales está en pleno apogeo, lo que conducirá seguramente a un abaratamiento de éstos y a un aumento de su potencia y de sus capacidades.

Estos robots se usan en cadenas de embotellado para comprobar si las botellas están llenas o si la etiqueta está bien colocada.

Robots controlados por computadora

2009-06-04T11:49:00.001-07:00

Un cuarto tipo de robots comprende aquellos que se pueden controlar mediante computadora. Con ella es posible programar el robot para que mueva sus brazos en línea recta o describiendo cualquier otra figura geométrica entre puntos preestablecidos. La programación se realiza mediante una caja de control o mediante el teclado de la computadora. El movimiento de sus brazos se especifica mediante varios sistemas de coordenadas según la referencia que se tome: la mesa de trabajo en la que se encuentra apoyado el robot o el extremo del brazo del robot. La computadora permite además acelerar más o menos los movimientos del robot, para facilitar la manipulación de objetos pesados.

Robots punto a punto

2009-05-21T06:14:00.000-07:00

Añadiendo a los servomecanismos una memoria electrónica capaz de almacenar programas y un conjunto de circuitos de control digital, se obtienen robots más potentes y de más fácil manejo.

La programación de este tercer tipo de robots se efectúa mediante una caja de control que posee un botón de control de velocidad, mediante el cual se puede ordenar al robot la ejecución de los movimientos paso a paso. Se clasifican, por orden de ejecución, los pasos que el robot debe seguir, al mismo tiempo que se puede ir grabando en la memoria la posición de cada paso. Este será el programa que el robot ejecutará. Una vez terminada la programación, el robot inicia su trabajo según las instrucciones del programa. A este tipo de robots se les llama punto a punto, porque el camino trazado para la realización de su trabajo está definido por pocos puntos. Para ejemplificar este método de programación pensemos en un niño que dirige un automóvil por control remoto. Si el vehículo dirigido tuviera una memoria que grabase los movimientos que el niño le ordena, podría realizar los mismos movimientos sin control y ser dirigido por la circuiteria electrónica que ejecutaría el programa grabado en memoria.

Gracias a la memoria electrónica que poseen estos robots, se pueden tener almacenados varios programas. El modo de elegir uno de los programas almacenados se hace a través de los recogidos por algún sensor o por una señal de input que les llega a través de las órdenes dadas por el programador.

Estos robots se usan por ejemplo en las cadenas de soldadura de carrocerías de automóviles. Los robots están programados para soldar automóviles de varios modelos distintos. El programador, o un sensor, reconoce el tipo de automóvil y decide el programa que se ha de aplicar en cada caso.

Estos programas constan de pocos pasos, muchas veces sólo cien; esto significa que no sirven como controladores de robots para trabajos de continuo movimiento. Para solventar este inconveniente, se usa una cinta en la que se almacenan miles de pasos de programa que el robot leerá y ejecutará; en estos casos la cinta actúa de memoria. Robots de este tipo, que se pueden encontrar en cadenas de pintura por spray, ya empiezan a trabajar como si fueran computadoras propiamente dichas.

ROBOTS EQUIPADOS CON SERVOMECANISMOS

2009-05-15T08:07:00.000-07:00

Otro tipo de robots más sofisticados desde el punto de vista del control y de las prestaciones que ofrecen son los que llevan servomecanismos.

El uso de servomecanismos va ligado al uso de sensores, como los potenciómetros, que informan de la posición del brazo o la pieza que se ha movido del robot, una vez éste ha ejecutado una orden transmitida. Esta posición es comparada con la que realmente debería adoptar el brazo o la pieza después de la ejecución de la orden; si no es la misma, se efectúa un movimiento más hasta llegar a la posición indicada.

ROBOTS IMPULSADOS NEUMATICAMENTE:

2009-05-08T10:39:00.001-07:00

La programación de estos robots consiste en la conexión de tubos de plástico a unos manguitos de unión de la unidad de control neumático. Esta unidad está formada por dos partes: una superior y una inferior. La parte inferior es un secuenciador que proporciona presión y vacío al conjunto de manguitos de unión en una secuencia controlada por el tiempo. La parte superior es el conjunto de manguitos de unión que activan cada una de las piezas móviles del robot. Las conexiones entre manguitos determinan qué piezas intervendrán en el movimiento, en qué dirección se moverán y los diferentes pasos que deberán efectuar. Modificando las conexiones de los manguitos de unión se podrán programar otras secuencias de pasos distintas.

Los robots del tipo descrito son los más simples que existen. Hay quien opina que a este tipo de máquinas no se les debería llamar robots; sin embargo, en ellas se encuentran todos los elementos básicos de un robot: estas máquinas son programables, automáticas y pueden realizar gran variedad de movimientos.

Historia de los robots

2009-04-03T07:04:00.000-07:00

La investigación en esta área nació en la década de 1950 asegurando rápidos avances, pero se estancó por problemas aparentemente sencillos.

En 1960 se construyó un robot que podía mirar una torre de cubos y copiarla, pero la falta de sentido común lo llevó a hacer la torre desde arriba hacia abajo, soltando los bloques en el aire. Hoy, los intentos por construir máquinas inteligentes continúan... y prometen maravillas.

El estadounidense David H. Freedman -reconocido por Martin Gardner como uno de los mejores escritores científicos de EU- recopila en su libro Los Hacedores de Cerebros los principales proyectos que se están desarrollando en el área de la IA.

En forma ágil y entretenida, el editor de la revista Discover relata cómo esta rama trasciende ya el campo de la tecnología computacional y combina conocimientos de neurociencia, microbiología, biología evolutiva y zoología.

CRONOGRAMA DE LA ROBOTICA

· A mediados del siglo XVIII: J. de Vaucanson construyó varias muñecas mecánicas de tamaño humano que ejecutaban piezas de música.

· J. Jacquard inventó su telar, que era una máquina programable para la urdimbre.

· 1805 H. Maillardet construyó una muñeca mecánica capaz de hacer dibujos.

· 1946 El inventor americano O. C. Devol desarrolló un dispositivo controlador que podía registrar señales eléctricas por medios magnéticos y reproducirlas para accionar una máquina mecánica. La patente de Estados Unidos correspondiente se emitió en 1952.

· 1951 Trabajo de desarrollo con teleoperadores (manipuladores de control remoto) para manejar materiales radioactivos. Patentes de Estados Unidos relacionadas emitidas para Goertz (1954) y Bergsland (1958).

· 1952 Una máquina prototipo de control numérico fue objeto de demostración en el Instituto de Tecnología de Massachusetts después de varios años de desarrollo. Un lenguaje de programación de piezas denominado APT (Automatically Programmed Tooling -Herramental Automáticamente Programado) se desarrolló posteriormente y se publicó en 1961.

· 1954 El inventor británico C. W. Kenward solicitó una patente para diseño de robot. Patente británica emitida en 1957.

· 1954 O. C. Devol desarrolla diseños para «transferencia de artículos programada». Patente de Estados Unidos emitida para diseño en 1961.

· 1959 Se introdujo el primer robot comercial por Planet Corporation. Estaba controlado por interruptores de fin de carrera y levas.

· 1960 Se introdujo el primer robot «Unimate», basado en la «transferencia de artículos programada» de Devol. Utilizaba los principios del control numérico para el control del manipulador y era un robot de transmisión hidráulica.

· 1961 Un robot Unímate se instaló en la Ford Motor Company para atender una máquina de fundición en troquel.

· 1966 Tralífa, una firma noruega, construyó e instaló un robot de pintura por pulverización.

· 1968 Un robot móvil llamado «Shakey» se desarrolló en SRI (Stanford Research Institute). Estaba provisto de una diversidad de sensores, incluyendo una cámara de visión y sensores táctiles, y podía desplazarse por el suelo.

· 1971 El «Stanford Arm», un pequeño brazo de robot de accionamiento eléctrico, se desarrolló en Stanford University.

· 1973 Se desarrolló en SRI el primer lenguaje de programación de robot del tipo de computadora para la investigación con la denominación WAVE. Fue seguido por el lenguaje AL en 1974. Los dos lenguajes se desarrollaron posteriormente en el lenguaje VAL comercial para Unimation por Victor Scheinman y Bruce Simano.

· 1974 ASEA introdujo el robot IRb6 de accionamiento completamente eléctrico.

· 1974 Kawasaki, bajo licencia de Unimation, instaló un robot para soldadura por arco para estructuras de motocicletas.

· 1974 Cincinnati Milacron introdujo el robot T3 con control por computadora.

· 1975 El robot «Sigma» de Olivetti se utilizó en operaciones de montaje, una de las primitivas aplicaciones de la robótica al montaje.

· 1976 Un dispositivo de Remote Center Compliance (RCC) para la inserción de piezas en la línea de montaje se desarrolló en los laboratorios Charles Stark Draper Labs en Estados Unidos.

· 1978 Se introdujo el robot PUMA (Programmable Universal Machine for Assembly) para tareas de montaje por Unimation, basándose en diseños obtenidos en un estudio de la General Motors.

· 1978 El robot T3 de Cincinnati Milacron se adaptó y programó para realizar operaciones de taladrado y circulación de materiales en componentes de aviones, bajo el patrocinio de Air Force ICAM (Integrated Computer-Aided Manufacturing).

· 1979 Desarrollo del robot del tipo SCARA (Selective Compliance Arm for Robotic Assembly) en la Universidad de Yamanashi en Japón para montaje. Varios robots SCARA comerciales se introdujeron hacia 1981.

· 1980 Un sistema robótico de captación de recipientes fue objeto de demostración en la Universidad de Rhode Island. Con el empleo de la visión de máquina, el sistema era capaz de captar piezas en orientaciones aleatorias y posiciones fuera de un recipiente.

· 1981 Se desarrolló en la Universidad Carnegie-Mellon un robot de impulsión directa. Utilizaba motores eléctricos situados en las articulaciones del manipulador sin las transmisiones mecánicas habituales empleadas en la mayoría de los robots.

· 1982 IBM introduce el robot RS-l para montaje, basado en varios años de desarrollo interno. Se trata de un robot de estructura de caja que utiliza un brazo constituido por tres dispositivos de deslizamiento ortogonales. El lenguaje de robot AML, desarrollado por IBM, se introdujo también para programar el robot RS-1.

· 1983 Informe emitido sobre la investigación en Westinghouse Corp. bajo el patrocinio de National Science Foundation sobre un «sistema de montaje programable-adaptable» (APAS), un proyecto piloto para una línea de montaje automatizada flexible con el empleo de robots.

· 1984 Varios sistemas de programación fuera de línea se desmostraron en la exposición Robots 8. La operación típica de estos sistemas permitía que se desarrollaran programas de robot utilizando gráficos.

La robotica

2009-03-10T08:27:00.000-07:00

Este término procede de la palabra robot. La robótica es, por lo tanto, la ciencia o rama de la ciencia que se ocupa del estudio, desarrollo y aplicaciones de los robots.

Los robots son dispositivos compuestos de sensores que reciben datos de entrada y que pueden estar conectados a la computadora. Esta, al recibir la información de entrada, ordena al robot que efectúe una determinada acción. Puede ser que los propios robots dispongan de microprocesadores que reciben el input de los sensores y que estos microprocesadores ordenen al robot la ejecución de las acciones para las cuales está concebido. En este último caso, el propio robot es a su vez una computadora.

Al oír la palabra robot, a menudo se produce en nuestra mente la imagen de una máquina con forma humana, con cabeza y extremidades. Esta asociación es fruto de la influencia de la televisión o del cine, cuyos anuncios o películas muestran máquinas con forma humana, llamadas androides, que generalmente son pura ficción, ya que o son hombres disfrazados de máquina o, si realmente son máquinas, no efectúan trabajos de los que el hombre se pueda aprovechar.

En la actualidad, los avances tecnológicos y científicos no han permitido todavía construir un robot realmente inteligente, aunque existen esperanzas de que esto sea posible algún día.

Hoy por hoy, una de las finalidades de la construcción de robots es su intervención en los procesos de fabricación. Estos robots, que no tienen forma humana en absoluto, son los encargados de realizar trabajos repetitivos en las cadenas de proceso de fabricación, como por ejemplo: pintar al spray, moldear a inyección, soldar carrocerías de automóvil, trasladar materiales, etc. En una fábrica sin robots, los trabajos antes mencionados los realizan técnicos especialistas en cadenas de producción. Con los robots, el técnico puede librarse de la rutina y el riesgo que sus labores comportan, con lo que la empresa gana en rapidez, calidad y precisión.

En los próximos cien años, seguramente en todas las fábricas del mundo encontraremos robots trabajando.

Glosario de terminos

2009-02-27T13:00:00.000-08:00

Semántica: El estudio del significado de las palabras.

Ontología: Una forma de representar el conocimiento a través de jerarquías elementales

CBR (Cased‑Based Reasoning): Sistema de programación en el cual los conocimientos están almacenados en forma de experiencia o casos.

Sistema Experto: Es una tecnología diseñada para extraer los conocimientos de un experto y con ellos elaborar un programa para la computadora en forma de reglas del tipo IF‑THEM.

Representación basada en frames: Es una técnica mas elaborada para la definición de las facetas de un objeto, tales como compactación y herencia múltiple, que pueden ser archivadas como tecnología pura orientada a objetos.

Algoritmo genético: Técnica basada en la selección natural. La generación de cadenas de bit son creadas y evaluadas usando operaciones similares a la genética, para encontrar la solución más próxima a la optima.

Sistemas basados en reglas: Aplicación basada en la representación de los conocimientos que ofrece la habilidad de analizar este conocimiento usando reglas de la forma IF‑THEM.

KBS (Konowledge‑Based System): Los sistemas basados en conocimientos, son un método popularizado con los sistemas expertos que usa reglas IF‑THEN y FRAMES para incluir la experticia en una base de conocimientos. Existe una maquina de inferencia que controla como las reglas son usadas durante el proceso de solución del problema.

Multimedia: Es la presentación de la información en una computadora usando audio, vídeo, textos, animación y gráficos.

Redes neuronales (neural network): Sistema que emula el sistema nervioso humano, así como el procesamiento de la importación del cerebro. Las redes nerviosas son usadas entre otras cosas en el procesamiento de señales y como sensores, y en el reconocimiento de patrones.

Sistemas basados en procedimientos: Son técnicas de programación orientadas a objetos que permiten el enlace de las características de los objetos en forma de código. Cuando un mensaje es recibido por el código, sus características son ejecutadas.

Regla: Una técnica de representación para la solución de problemas humanos y razonamiento heurístico usando la forma IF‑ THEM.

Realidad virtual: Proceso que usa computadoras para simular la realidad del mundo en 3‑D: oír, ver y tocar.

Web semantica

2009-02-24T05:23:00.000-08:00

La web semántica es una de las áreas de investigación que más impacto va a tener sobre el desarrollo de la humanidad, ya que permitirá que Internet se comporte como un gran cerebro con el cual se pueda interactuar (digamos conversar) de forma inteligente (que nos entienda). La importancia Internet lo veremos en el ultimo tema “La PC y la ampliación de la inteligencia”

Ordenando el caos

· Actualmente Internet se entiende como una gran biblioteca pero en la que no hay bibliotecarios y todo esta desordenado

· Los buscadores que actualmente utilizamos son muy imperfectos porque están basados en el uso palabras-clave.

La web semántica

Web Semántica a una Red que a través de unos 'agentes inteligentes' tendrá la peculiaridad de comprender el contenido de todos los documentos que alberga así como de interrelacionarlos.

Las tendencias

La Web se trasformaría en un sistema inteligente que aprende de sus usuarios, reacciona a sus deseos, se reorganiza, entiende, intuye y asocia; en definitiva, piensa por sus usuarios. Esta Web sería un Cerebro Global, una extensión de nuestro propio cerebro.

Vías para convertir a Internet en una red inteligente

· Sistemas que permitan que la búsqueda y recuperación de la información sea más intuitiva y precisa a partir de las aplicaciones de la semántica, de ontologías y de agentes inteligentes.

· Servidores capaces de aprender el recorrido virtual que hacen los internautas en su navegación por la red para que esta acabe funcionando como un cerebro global

El cerebro global se ve como el centro de un ¨superorganismo global¨ en el que la web juega el papel del cerebro y los usuarios actúan como las células.

Se comparan a los agentes inteligentes con los agentes de viajes y se dice que un agente controlara tu vida

Estas tecnologías definirán el compromiso que, en los próximos años, entablaran los humanos y las maquinas para entenderse y para muchos la red comenzara a ser una interprete de nosotros mismos.

Las amenazas

· Algunos científicos creen que este tipo de ordenadores sean capaces de desarrollar un pensamiento propio y se pueda abrir una puerta a algo desconocido.

· La inteligencia del cerebro global puede fácilmente superar nuestra habilidad para entenderlo, y lo que no puede entender no se puede controlar.

· Se plantea si el cerebro global puede adquirir conciencia, aquí hay que tener en cuenta que este existe gracias a la inteligencia diversas de sus usuarios, de modo que no se puede crear un pensamiento único.

· Aunque si es cierto que la evolución del cerebro global es una incógnita, igual que lo es el futuro de la humanidad.

Procesamiento del lenguaje natural

2009-02-10T05:24:00.000-08:00

A mediados de los años 60 el Profesor del MIT, Joseph Weizenbaum, desarrolla el programa Eliza, considerado el primer sistema dentro del campo del Procesamiento del Lenguaje Natural. El sistema no fue desarrollado con este fin, sino para demostrar que los programas de computadora podían desarrollar cierta clase de “inteligencia”. Este programa era capaz de mantener una 'conversación' con un paciente emulando el razonamiento de un psiquiatra, utilizando diversas técnicas de elaboración de frases. El relativo éxito de este programa alentó a los investigadores que cada día veían nuevos avances, en el campo de la Inteligencia Artificial, aunque en dominios pequeños y bien definidos.

En estos años se desarrolla el primer sistema para la Comprensión del Lenguaje Natural, implementado por Terry Winograd, investigador del MIT, el SHRDLU, que se encuentra integrado a un robot que obedece a las órdenes humanas.

El desarrollo de lenguajes de y para la IA entusiasmo a los investigadores y empresas y se comenzaron a construir estaciones de trabajo especializadas en IA. A mediados de los años 70 se desarrollo en el Laboratorio de IA del MIT una de estas máquinas para apoyar y facilitar las investigaciones en IA, en ellas el lenguaje de máquina es el LISP. Varios sistemas comerciales fueron construidos por otras empresas.

En octubre de 1981 se pusieron las bases para el desarrollo de las computadoras de 5ta generación en una conferencia Internacional en Tokio, Japón. En este proyecto se adopto el lenguaje PROLOG como lenguaje fundamental que seria soportado por el hardware a construir.

Integración de varios métodos de representación del conocimiento

2009-02-04T08:02:00.000-08:00

Combinado sistemas basados en conocimientos con redes neuronales, algoritmos genéticos, razonamiento basado en casos, y otras tecnologías emergentes se llega a obtener nuevos tipos de herramientas. Las cuales lo podrán auxiliarlo a resolver las tareas en su dominio de aplicación en los próximos años. Un sistema con estas características permitiría realizar las tareas que un sistema simple no puede. La maña esta en hallar la mezcla correcta de las partes, para la tarea en que se este trabajando.

A principios de los 80s la dificultad mayor era como obtener los conocimientos del experto y luego como mantener las grandes bases de conocimientos (en su mayoría basadas en reglas.

A mediados de los 80s se comenzaron a integrar los diferentes tipos de representación de los conocimientos: los basados en reglas, con los basados en frames y con la representación orientada a objetos. Esta combinación permitió la representación de complejas estructuras de datos, así como su relación con, lo cual produjo una nueva generación en el desarrollo de herramientas de software y de aplicaciones de sistemas basados en conocimientos (Konwledge‑Based System ‑ KBS). Aunque para algunos la tecnología KBS es un superconjunto de la tecnológica orientada a objetos.

Los sistemas híbridos asimilaron los avances de cada tecnología, sus mejores características. Por ejemplo el razonamiento basado en casos (CBR) y las poderosas capacidades de búsqueda permite un crear un rápido software prototipo, así como nuevas aplicaciones. La tecnología CBR suplementa la habilidad de un sistema inteligente (ej. : un sistema con conocimientos extraídos desde un experto humano o la experiencia pasada) de a almacenar y analizar datos. Una red nerviosa adiciona seguridad y tolerancia ante las fallas de la KBS y una KBS puede explicar porque una red nerviosa se comporta de esa forma y no de otra. Las mayores posibilidades de los KBSes esta cuando se mezclan con algoritmo genético, y cuando la multimedia y la realidad virtual adicionan sonidos, animación y gráficos 3‑D a los sistemas inteligentes.

Veamos algunas de las herramientas que componen un KBS.

‑ Un lenguaje de representación del conocimiento que combina FRAMES, orientación a objetos y escenas.

‑ Traspaso de mensajes.

‑ Razonamiento a través de reglas.

‑ Un GUI.

‑ La habilidad de integrarse a sistemas tales como database, sensores y a nuevos mantenimientos.

Paradigmas de la Inteligencia Artificial. Su evolucion

2009-01-28T11:56:00.000-08:00

En sus primeros años la Inteligencia Artificial (IA) pretendía lograr un algoritmo general que fuese capaz de resolver cualquier tipo de problema, el famoso solucionador general de problemas, a través de métodos heurísticos. Se creía que todos los problemas se podían resolver recorriendo un árbol de objetivos y la solución del problema, consistía en encontrar el camino correcto, desechando todas aquellas vías poco fértiles. La dificultad estaba en cómo desechar esas ramas o caminos improductivos, quién podría garantizar que ese camino después no fuese el mas adecuado, hasta qué profundidad había que recorrer el árbol para estar seguro de que esa vía era errónea, cómo evitar, qué producto de la ramificación creciente del árbol, un exceso de combinaciones incalculables (explosión combinatoria). Con el tiempo estos resolvedores generales fueron abandonados y se trató de darle solución a problemas más específicos, problemas que dependían de un dominio de aplicación y los cuales se solucionaban a través de los conocimientos que se poseían sobre ese dominio, lo que dio lugar a la explosión de los sistemas basados en conocimientos mas conocidos como sistemas expertos, los cuales debido a la estrechez de su dominio en la solución de los problemas, no cumplían con las expectativas de los usuarios. Esto, entre otras cosas, trajo como consecuencia la crisis del paradigma simbolista dentro de la IA lo que originó nuevos paradigmas siendo los más importantes los basados en el conexionismo y los basados en la cooperación y es sobre estos últimos donde haremos hincapié dada su relación con la distribución inteligente de la información y la cooperación entre agentes inteligentes los cuales se ajustan a las necesidades de una sociedad basada en el conocimiento.

Por otra parte se pretendía comprender los estados mentales a través de "mundos de juguetes", ya que no se conocía lo suficiente sobre la naturaleza de la inteligencia y, por otro lado, existía aquello de que lo aprendido en esos dominios de juguete se podría extender sin dificultades a problemas más complejos.

La IA abandona los sistemas autistas (encerrados en si mismos) para dar lugar a sistemas abiertos que comparten información de forma inteligente, a la vez que permite la combinación de diferentes paradigmas de representación del conocimiento como los basados en reglas, los marcos (frames), los guiones, etc.

Ejemplo sencillo de un sistgema experto

2009-01-13T08:30:00.000-08:00

La Inteligencia Artificial sigue siendo una ciencia para elegidos, siendo su utilización propiedad casi exclusiva de centros de investigación y universidades. Y es que aun en estos tiempos sigue exigiendo por parte del programador de un gran derroche de ingenio y de gran esfuerzo y dedicación.

Como ya sabemos un Sistema Experto simple, consta de:

1. Una base de hechos.

2. Una base de conocimientos.

3. Una maquina de inferencias.

Ahora veremos un ejemplo de un programita en Javascript. Recuerdan el caso de las tinas?

Vamos a recordarlo: Se tienen dos tinas una de 3 gls y otra de 4 gls, ambas vacías y una pila o llave de agua, para ir llenandolas. Se quiere dejar dos galones en la tina de 4 gls, ejecutando las acciones de llenar una tina, vaciar una tina en la otra y botar el contenido de una tina. Ya se acuerdan?

Aquí les va el programa en Javascript.

<HTML>

<HEAD>

<TITLE>Tinas</TITLE>

</HEAD>

<BODY>

<CENTER>Programa TINAS <CENTER>

<BR>

<script>

function tinas()

{//Base de hechos

var x = 0

var y = 0

if (document.ftinas.tina[0].checked)

{x = eval(document.ftinas.tina[0].value)

document.write("Llenar la tina de 3 gls (3,0)" + "<br>" )

}

else

{y = eval(document.ftinas.tina[1].value)

document.write("Llenar la tina de 4 gls (0,4)" + "<br>" )

}

//Maquina de inferencia

for (i=1;i<=15;i++)

{ if (y == 2)

{ document.write("Solucion satisfactoria: Hay dos galones en la tina de 4" + "<br>" )

break

}

//Base de conocimientos

//Regla 1:

if (x == 0 && y == 0)

{ x = 3

y = 0

document.write("Llenar la tina de 3 gls (3,0)" + "<br>" )

continue

}

//Regla 2:

if (x == 0 && y == 0)

{ x = 0

y = 4

document.write("Llenar la tina de 4 gls (0,4)" + "<br>" )

continue

}

//Regla 3:

if (x == 3 && y == 0)

{ x = 0

y = 3

document.write("Vaciar la tina de 3 gls en la de 4 gls (0,3)" + "<br>" )

continue

}

//Regla 4:

if (x == 0 && y == 4)

{ x = 3

y = 1

document.write("Vaciar la tina de 4 gls en la de 3 gls (3,1)" + "<br>" )

continue

}

//Regla 5:

if (x == 0 && y == 3)

{ x = 3

y = 3

document.write("Llenar la tina de 3 gls (3,3)" + "<br>" )

continue

}

//Regla 6:

if (x == 3 && y == 1)

{ x = 0

y = 1

document.write("Botar el contenido de la tina de 3 gls (0,1)" + "<br>" )

continue

}

//Regla 7:

if (x == 3 && y == 3)

{ x = 2

y = 4

document.write("Vaciar la tina de 3 gls en la de 4 gls (2,4)" + "<br>" )

continue

}

//Regla 8:

if (x == 0 && y == 1)

{ x = 1

y = 0

document.write("Vaciar la tina de 4 gls en la de 3 gls (1,0)" + "<br>" )

continue

}

//Regla 9:

if (x == 2 && y == 4)

{ x = 2

y = 0

document.write("Botar el contenido de la tina de 4 gls (2,0)" + "<br>" )

continue

}

//Regla 10:

if (x == 1 && y == 0)

{ x = 1

y = 4

document.write("Llenar la tina de 4 gls (1,4)" + "<br>" )

continue

}

//Regla 11:

if (x == 2 && y == 0)

{ x = 0

y = 2

document.write("Vaciar la tina de 3 gls en la de 4 gls (0,2)" + "<br>" )

continue

}

//Regla 12:

if (x == 1 && y == 4)

{ x = 3

y = 2

document.write("Vaciar la tina de 4 gls en la de 3 gls (3,2)" + "<br>" )

continue

}

</script>

Cual de las tinas prefiere llenar?

<br>

<form name="ftinas">

<input type="Radio" name="tina" value="3" checked> Tina de 3 gls

<br>

<input type="Radio" name="tina" value="4"> Tina de 4 gls

<br>

<input type="Button" name="" value=" Entrar " onclick="tinas()">

<br>

</form>

</BODY>

</HTML>

Observen que el programa consta de una base de hechos, una maquina de inferencia y base de conocimientos compuesta por 12 reglas. Noten que las reglas impares se refieren a comenzar llenado la tina de 3 gls y las reglas pares son para el llenado de la tina de 4 gls.

La maquina de inferencia lo único que hace es recorrer todas las reglas y en caso de que se llegue a la solución detiene el proceso.

La base de hechos inicializa los hechos (pone en cero las variables) y prepara las condiciones para la interfaz con el usuario.

Es bueno destacar que la base de conocimientos (BC) y la maquina de inferencias (MI) estas separados lógicamente (usted puede seguir agregando reglas sin que esto afecte la ejecución del programa), pero físicamente están unidas dentro del mismo programa. En la practica la BC y la MI deben estar separadas lógica y físicamente.

Pruebe agregar la siguiente regla y vera que no afecta para nada al programa:

//Regla 13:

if (x == 3 && y == 4)

{ x = 3

y = 0

document.write("Botar el contenido de la tina de 4 gls (3,0)" + "<br>" )

continue

}

La regla 13 quiere decir que si esta llena la tina de 3 y esta llena la tina de 4 entonces botar el contenido de la tina de 4.

Esto es un ejemplo de cómo cualquier lenguaje por simple que parezca puede ser utilizado para resolver problemas que requieran de inteligencia.

Multiagentes

2008-12-30T10:35:00.000-08:00

Amalthaea

Es un ecosistema multiagente, desarrollado por el MIT, que a partir de un modelo del usuario intenta identificar paginas de interes para este. Presenta al usuario un resumen de resultados donde incluye nuevas URLs que podrían ser interesantes: noticias personalizadas y notificaciones de nuevos materiales en la web. El usuario explora los resultados y proporciona realimentación al sistema con lo cual refuerza la relevancia de cada tema. Amalthaea es capaz de aprender de las necesidades de cada usuario y de adaptarse según vayan combinando los intereses de este.

Como sistema multiagente cuenta de dos tipos de agentes: Los agentes de filtrado de información (IFA). Que son los encargados de la personalización del sistema y los agentes de descubrimiento de información (IDA). Se ocupa del acceso a las fuentes de información, normalmente a través de motores de búsqueda.

InfoSpiders

Son agentes adaptativos que exploran documentos online, capaces de tomar decisiones de forma autónoma sobre que enlaces seguir y como ajustar la estrategia al contexto local y a las preferencias del usuario, el cual debe proporcionar una lista de términos en forma de preguntas y una lista de puntos iniciales de exploración, obtenida, casi siempre, mediante consulta a un motor de búsqueda. El usuario establece el numero máximo de paginas que quiere que visiten en total sus agentes y cada cuanto tiempo quiere proporcionar realimentación de relevancia.

Cada agente percibe su entorno analizando el texto del documento en el que esta situado. A partir de aquí, estima la relevancia de los documentos vecinos que están apuntados por el documento actual y en base a esta estimación el agente se mueve, siguiendo uno de los enlaces. La salida del sistema es un flujo de enlaces a documentos ordenados por su relevancia estimada donde el proceso terminara cuando se haya cumplido una de las siguientes condiciones: se extingan todos los agentes, se ha visitado el máximo de paginas establecido o cuando el usuario así lo decida.

Agentes adaptativos

2008-11-28T12:52:00.000-08:00

Se consideran dos tipos fundamentales de adaptación al usuario:

1. Selección de motores de búsqueda:

· SawySearch.

2. Selección de contenidos.

· Syskill & Webert.

· Letizia.

· Multiagentes: Amalthaea e InfoSpiders.

SaviSearch

Metabuscador que aprende a seleccionar los motores de búsqueda mas apropiados para cada tipo de consulta en cada momento, a diferencia de los motores tradicionales que consumen excesivos recursos al realizar búsquedas simultaneas sobre el mismo tema en la totalidad de los motores de búsqueda con los que trabajan. Utiliza motores generales y motores especializados.

Sus objetivos son:

· Maximizar la probabilidad de devolver paginas relevantes.

· Minimizar los recursos computacionales y la carga de red consumidos.

Se dedica a supervisar a los usuarios comprobando que enlaces sigue. Si un usuario sigue un enlace proporcionado por cierto motor de búsqueda, la confianza en ese motor para ese tema se refuerza. Por el contrario si un motor no devuelve ningún resultado ante una determinada consulta, la confianza decrece.

Sykill & Webert

Agente de software que aprende a identificar paginas relevantes para el usuario a partir de un perfil obtenido mediante la reglamentación y tiene como propósito construir el perfil a cada usuario por temas de interes. Para cada tema hay una URL que apunta a una pagina índice construida manualmente que contiene cientos de en laces a paginas relacionadas con el tema y a partir de unas cuantas paginas calificadas por el usuario, el agente aprende el perfil del usuario para ese tema.

Para su funcionamiento requiere que el usuario descargue todas las paginas accesibles desde la pagina índice y las almacene localmente, para luego procesar el texto de todas las paginas, hayan sido calificadas por el usuario o no.

Agentes que utilizan la topología de la red

2008-11-05T10:04:00.000-08:00

HITS. Algoritmo desarrollado en el marco del proyecto CLEVER de IBM.

Ante una consulta de un usuario construye un conjunto raíz formado por las paginas localizadas por un motor de búsqueda tradicional.

Considera dos categorías de paginas web: autoridades e índices. Donde una autoridad (buena) es una pagina referenciada por un alto numero de índices y un índice (bueno) es una pagina que hace referencia a un alto numero de autoridades.

Funcionamiento:

• A cada pagina del conjunto raíz se le asignan unos pesos iniciales como índice y como autoridad de valor 1.
• Los pesos iniciales se van actualizando de forma que el peso de una pagina como autoridad se calculo como la sumo de los pesos de los índices que la apuntan.
• De la misma forma, los pesos de las paginas índices se calcula sumando los pesos de las autoridades a las que hacen referencia.
• El proceso converge rápidamente estabilizando los pesos que son utilizados para ordenar las paginas según su “prestigio”.

PageRank. Algoritmo desarrollado por Gogle.

Calcula la importancia de una pagina como la probabilidad de que navegando aleatoriamente por la red dicha pagina sea alcanzada y cuanto más enlaces apunten a una pagina mayor será la importancia de esta. Igualmente una pagina será importante si es referenciada por otra a la cual apuntan muchas paginas. El calculo de la importancia de las paginas se realiza para toda la red previamente a la fase de atención de consultas.

Google tiene sus propios “herbívoros” para rastrear la red y va construyendo su fichero invertido guardando mucha mas información de la habitual: posición exacta de la palabra en el texto, tipo de letra, uso de mayúscula, si es un titulo, si es un enlace a otro documento, una referencia a una imagen, un fichero, etc. Además Gogle almacena todos los enlaces entre paginas con el fin de luego utilizarlos para calcular la importancia de las paginas, así como el contenido de las pagina y el texto que acompaña a los enlaces a imágenes, archivos, etc. Esto ultimo posibilita la indexación de documentos que no sean textos.

Ante cualquier consulta Google utiliza su índice para localizar las paginas relevantes y las presenta al usuario ordenadas según su “prestigio”. El tiempo de respuesta es mínimo puesto que la parte más lenta del proceso se realiza previamente. Es mucho más difícil de manipular desde afuera que HITS.

Otros agentes de información

2008-10-22T04:50:00.000-07:00

Buscadores especializados.

Son los que utilizan estrategias y heurísticas muy especializadas y dependientes de su dominio de aplicación. Aprovechan la información contextual derivada de su especialización para mejorar su indexación y los resultados de las búsquedas. Ejemplos: Ahoy (buscador de paginas personales), CiteSeer (agente utonomo para la localización de publicaciones en la web), WebFind (localizador de artículos científicos).

Buscadores que utilizan la topología de la red.

Son los que utilizan la característica semántica de la web, al considerarla como una inmensa red semántica en la cual la información no solo esta en los nodos sino también en los enlaces. Son considerados buscadores no convencionales ya que hacen uso de la información estructural y los mas empleados, utilizan algoritmos de búsqueda relacionados con el “factor de impacto” que es la medida más habitual para establecer el prestigio de una publicación. Ejemplos: HITS (proyecto CLEVER) y PageRank (buscador Google).

Agentes adaptativos.

Los buscadores mencionados anteriormente siempre realizan los mismos procesos para todos los usuarios. Si se quiere que sean verdaderos agentes, deben, entonces, incorporar capacidades de aprendizaje para poder adaptarse al usuario y al entorno.

Para ello necesita incorporar un modelo de usuario que se vaya conformando de acuerdo a las actividades que realiza el usuario y la retroalimentacion de la relevancia de la información. Son agentes que se van adaptando al usuario.

Los clasificaremos en dos tipos:
• Selección de motores de búsqueda. Ejemplo: SavySearch.
• Selección de contenidos: Ejemplo: Syskill & Weber, Letizia y los que trabajan como multiagentes: Amalthaea, InfoSpiders, etc.

Buscadores: "Herbivoros y carnivoros"

2008-10-09T08:43:00.000-07:00

Motores de búsqueda.

Son los “herbívoros de la información. Procesan el texto de todas las paginas que visitan eliminando las palabras presentes en las listas de parada y extrayendo raíces.

Para cada pagina calculan su vector de pesos de términos basados en un modelo TFIDR y construyen una tabla en la que para cada pagina web se guardan los términos presentes en la pagina cuyo peso supere cierto umbral y a partir de la tabla anterior, construyen un fichero invertido, un índice cuya entrada son los términos y de los que obtenemos la lista de paginas en las que aparecen dichos términos. Este índice es el que se utiliza después para atender las consultas de los usuarios.

Los motores de búsqueda deben estar continuamente rastreando la red para actualizar sus índices. Ejemplos: Altavista, Webcrawler, etc.

Metabuscadores.

Son los “carnívoros” de la información que se alimentan de los motores de búsqueda, también se denominan buscadores parásitos.

Disponen de una interfaz única que permite al usuario establecer su consulta y que esta sea enviada simultáneamente a distintos motores de búsqueda. Se ocupan de recoger y fusionar los resultados obtenidos de los distintos motores y presentárselos al usuario de forma uniforme.

Los metabuscadores mejoran considerablemente la búsqueda al simplificar la interacción con el usuario al cubrir distintos segmentos de la web. Ejemplos: Metacrawler, Profusion, Metasearch etc.

Recuperación de información.

2008-10-07T09:09:00.001-07:00

Es la disciplina que se ocupa de la gestión de información en grandes bases de datos documentales, fundamentalmente estáticas y concentradas en único lugar.

Y su metodología de trabajo en la siguiente: Ante una pregunta del usuario, el sistema devuelve un subconjunto del espacio de información considerado “relevante” para la pregunta. El usuario evalúa los ítems de información y vuelve a preguntar de forma más concisa, lo cual le permite ir refinando las preguntas o introducir una nueva pregunta y comenzar nuevamente el proceso de refinamiento. La relevancia se determina a través de técnicas de análisis de frecuencia de palabras claves.

Determinación de la relevancia de la información

Modelo del espacio vectorial.
Dada una colección de N documentos de texto en los cuales aparece un total de T términos distintos, se representa cada documento por un vector de T componentes, cada uno de los cuales representa el peso del correspondiente termino en dicho documento.

dj = ( w1j, w2j,... wtj )

La similitud entre dos documentos o entre una consulta y un documento, se determina calculando el coseno del ángulo que forman sus vectores de términos. Para ello se calcula su producto escalar y se divide por el producto de sus módulos.

TFDF (term frecuency inverse document frecuency). Modelo de asignación de los pesos a cada termino.

El peso de un termino i en el documento j debe medir la importancia que dicho termino tiene para caracterizar al documento j

wij = tfij  log( N / dfi )

wij : peso del termino i en el documento j.
tfij : numero de apariciones el termino i en el documento j.
N : numero total de documentos.
dfi : numero de documentos en los que aparece el termino i.

agente de informacion

2008-09-30T09:54:00.000-07:00

Los agentes de información son agentes de software que permiten gestionar el acceso a múltiples y variadas fuentes de información las cuales están distribuidas por todo el planeta.

Entre sus principales tareas esta realizar búsquedas activas de información relevante, no local tanto para usuarios como para otros agentes. Lo cual incluye la recuperación, análisis, manipulación e integración de forma autónoma de la información disponible en las múltiples fuentes.

La variedad de agentes de información es tan amplia como los tipos de información disponible y tan diversa como las necesidades y preferencias de los usuarios. Por lo que un agente no podrá solucionar las necesidades de cualquier usuario, y en muchos casos será necesario construir agentes que automaticen ciertos tipos de patrones comunes de asistencia a usuarios, lo cual permitiría que compartan sus necesidades de información o el acceso a aquellos tipos de manipulación de información que se repitan.

Dentro de la definición de agentes de información tendrían cabida casi todos los agentes que vimos en el tema anterior (agentes en Internet) por lo que para este tema vamos a centrarnos en los agentes que se ocupan de la localización, recuperación y organización de documentos Web basados en el análisis de los contenidos, siendo sus características principales capacidad de aprendizaje, inferencia, modelado de usuario y sensibilidad.

Otros agentes en Internet

2008-09-25T07:16:00.000-07:00

Jango es un agente notificador de productos en Internet, que utiliza los servicios del buscador Excite y esta basado en la recuperación de información en paralelo de la web.

Cuando un usuario ingresa el nombre del producto que quiere comprar, Jango automáticamente determina que tiendas y sitios son relevantes. Entonces consulta estos sitios y rápidamente prepara informes para el comprador, incluyendo datos tales como: información detallada del producto, análisis comparativo, precio y especificación del producto. En caso que el usuario vaya a comprar, Jango cumplimenta el formulario del pedido.

MAGMA (Minnesota Agent Marketplace Architecture) es una arquitectura extensible para un mercado virtual basado en agentes, que incluye todos los elementos requeridos para simular un mercado real.

Estos elementos incluyen la infraestructura de comunicaciones, mecanismos para el almacenamiento y la transferencia de los bienes, transacciones bancarias y monetarias, y los mecanismos económicos para las transacciones (directas o a través de intermediarios) entre productor y consumidor.

Además de proporcionar todos los servicios necesarios para las actividades comerciales de los agentes, los cuales estas disponibles a través de una mensajería estándar abierta API, que permite utilizar un conjunto heterogéneo de agentes, independiente de la plataforma y del lenguaje.

La Implementación actual consta de un servidor de retransmisiones (desarrollado en Allegro Common Lisp) y de un conjunto de agentes (escritos en Java), que pueden funcionar en Internet.

Magma incluye varios agentes negociantes, un servidor de publicidad y un banco.

Los agentes negociantes dirigen todo su negocio en el sistema, siendo responsables de la compra y venta de sus productos y de la negociación de los precios. Todos los agentes son funcionalmente independientes y se comunican entre si a través de sokets.

El servidor de publicidad dispone de un servicio de anuncios clasificados que incluyen búsqueda y recuperación de anuncios por categoría.

El banco provee un conjunto básico de servicios financieros incluyendo revisión de cuentas, líneas de crédito y dinero electrónico.

Infilebot Project (Proyecto que se ha estado desarrollando en Barcelona). Recibe una petición del usuario y es capaz de moverse por Internet buscando información relacionada. También filtra la información obtenida, de acuerdo con las necesidades del usuario y obtiene documentos relevantes para el usuario. Aprende de sus propias experiencias pudiendo entonces descubrir el modo mas adecuado de alcanzar objetivos y entiende las peticiones del usuario en lenguaje de alto nivel.

Agentes de negociación

2008-09-23T07:15:00.000-07:00

Kasbah es un sistema basado en la web, a través del cual los usuarios pueden crear agentes autónomos para comprar y vender productos. El cual ha sido diseñado para ayudar a los usuarios en la búsqueda y elección del producto que mejor satisfaga sus necesidades. Así como la posterior negociación entre comprador y vendedor con el fin de obtener el mejor precio posible.

El prototipo Kasbah incluye agentes vendedores, agentes compradores y un mercado virtual. Ha sido implementado en CLOS.

Tanto los agentes vendedores o compradores que se generan funcionan de forma autónoma y una vez liberados en el mercado tienen capacidad para negociar y tomar decisiones por si mismo, sin intervención del usuario.

Los agentes vendedores cuentan con los siguientes parámetros:

Fecha deseada de venta: Es la fecha tope o limite para efectuar la venta del producto.

Precio deseado: Es el precio en el que el usuario quiere vender su producto.

Precio mínimo aceptable: Es el menor precio en el que el usuario puede vender su producto.

Mientras los agentes compradores utilizan los siguientes parámetros:

Fecha de compra: Es la fecha tope para efectuar la compra del producto.

Precio deseado: Es el precio que el usuario quiere pagar por el producto.

Precio máximo aceptable: Es el mayor precio en el que el usuario esta dispuesto a pagar por el producto.

Los agentes tanto compradores como vendedores incluyen los siguientes métodos para su interacción, lo cual le permite comunicarse directamente entre ellos.

Accet-offer? (agent_1, agent_2, offer): El agente 2 pregunta al agente 1 si acepta la oferta y este responde “accepted” o “rejected”.

What-is-price? (agent_1, agent_2): El agente 2 le pregunta al agente 1 el precio del producto ofertado. Si el agente 1 es comprador entonces el precio es lo que quiere pagar, pero si es vendedor es le precio en que quiere vender.

What-is-item? (agent_1, agent_2): El agente 2 le pregunta al agente 1 cual es el producto que compra o vende.

En Kasbah los agentes envían sus ofertas a una pizarra común y permanecen inactivos hasta que haya una respuesta.

Actualmente Kasbah negocia con 9 clases de productos, tales como CDs y cámaras, y tiene la ventaja de no requerir que los usuarios permanezcan todo el tiempo a la espera de la negociación.

Agentes observadores

2008-09-16T08:16:00.000-07:00

Los agentes observadores operan autónomamente, observando información específica a eventos. Cuando la información relevante del usuario es encontrada, el agente puede notificar al usuario directamente o guardar la información para accesos futuros. Por ejemplo, se descubrió un número de periódicos electrónicos sobre el Internet el cual podría producir versiones personalizadas del periódico de acuerdo al interés específico del lector, algunos son capaces de alterar suscripciones con una noticia rápida cuando una historia de interés es detectada.

FishWrap, que formó parte de los proyectos de "Noticias del futuro", es un prototipo de lo que se pretende sean estos periódicos ciberespaciales, una combinación de noticias de diversas fuentes configuradas según los intereses particulares de cada usuario. Una de las conclusiones, aparentemente contradictorias, del departamento de Driscoll es que la producción y distribución de noticias va a ser cada vez mas local, incluso mientras se consolida su naturaleza global.

Está diseñado para direccionar las necesidades de noticias nuevas dentro de la comunidad MIT. Fishwrap intenta balancear un deseo individual de personalización con la necesidad de participar y saber acerca del mundo en general. Fishwrap provee a sus lectores de una ventana (egocéntrica) dentro de los asuntos del mundo, permitiéndole recibir noticias desde su lugar de nacimiento hasta historias de interés personal. Además para las historias seleccionadas personalmente, Fishwrap provee una continua actualización de noticias generales seleccionadas así como conecta a los lectores a la comunidad MIT y al mundo.

Fishwrap se diseño para aceptar noticias tradicionales, historias y contribuciones directas de la comunidad. Los calendarios social y cultural son también reunidos e integrados dentro del sistema. Todos los aspectos que entran al sistema son analizados para sus relación actual o geográfica. Las historias son puestas automáticamente en categorías tales como: "Star Trek", "Softball", "inteligencia artificial" o aún "O.J.Simpson".

El Fishwrap empleó un modelo de noticias automatizado llamado "GLUE" el cual estaba compuesto de componentes interrelacionados que integran una noticia individual: Perfil del usuario, representación del conocimiento, distribuidores de noticias, autentificación, organización de si mismo y de la comunidad, y presentación.

Otro ejemplo de un periódico que notifica a sus lectores cuando cuenta una historia de interés es el Mercury Center de NewsHound. Los usuarios definen un perfil detallando áreas de interés, el cual es entonces remitido por el correo electrónico de NewsHound. Las historias desde varios servicios de cable son buscadas cada hora, y esas que concuerdan con el perfil de usuario son remitidos por correo electrónico al usuario inmediatamente.

NewsHound busca automáticamente las historias y muchos anuncios clasificados en las noticias del San José Mercury News, así como cientos de historias no publicadas en el papel. Selecciona artículos y anuncios que concuerdan con sus criterios y los envía directamente a su dirección de Internet. Los usuarios no tienen que gastar su tiempo buscando su información por que NewsHound hace el trabajo.

Este servicio requería de ser mejorado agregando mas inteligencia dentro del proceso de búsqueda e incluyendo un lazo de retroalimentación , de tal manera que el agente pueda aprender que las historias son realmente de interés para el subscriptor. Sin ese lazo de retroalimentación, el usuario bombardeado con información y eventualmente ignora el agente completamente.

Otras implementaciones de agentes observadores han sido el Personal View de Ziff Davis y el Personal Journal de Dow Jones, ambos son periódicos electrónicos personalizados, y JobCenter, el cual mira o busca propaganda para lugares de trabajo las cuales empatan con lo que el subscriptor quiere. Sin embargo, se podría argumentar que estas implementaciones son sólo search engines (motores de búsqueda) automatizados, así el nivel de inteligencia parece ser bajo.

Personal Journal de Dow Jones y Co. provee al usuario con una versión electrónica personalizada del diario Wall Street basados en los temas de selección de los suscriptores.

Personal Journal considerado el primer periódico electrónico para el cliente que provee una lectura rápida concisa de noticias relevantes e información para profesionales y más. Presenta una combinación del diario Wall Street, resúmenes de negocios y noticias a lo amplio del mundo, deportes y clima, es decir, Personal Journal ofrece un resumen de noticias primero en la mañana y luego también cortos de noticias actualizadas las 24 horas del día.

Personal Journal está disponible las 24 horas del día siete días a la semana, para cualquiera que tenga una computadora basada en Windows y un módem con una velocidad de 9600 o más rápido. Personal Journal no está disponible en Internet.

Ziff Davis Personal View es otro servicio libre de noticias calientes de las mejores fuentes de noticias, sino también filtra o selecciona las noticias, dándole al usuario solamente las historias que quiere seguir. Los usuarios llenan un perfil el cual es usado para seleccionar historias de interés. Entonces Web, página personalizada es creada para cada usuario del sistema.

Un ultimo ejemplo de aplicación es JobCenter que envia anuncios de porciones de trabajo por el correo electrónico. Y funciona a través de una búsqueda automática de los trabajos que concuerden con lo que los empleadores están buscando. Cada día, el JobCenter va a trabajar para emparejar (comparar) cada envío con la última base de datos que ingresa. Los resultados son regresados por correo electrónico.

Agentes de compras comparativas

2008-09-12T09:23:00.000-07:00

Los agentes de compras son capaces de hacer comparaciones y encontrar el mejor precio para un artículo. Los vendedores al por menor pueden protegerse a ellos mismos de este tipo de competición dando a sus productos nombres únicos o bloqueando el acceso a los agentes de búsqueda (como está sucediendo a la gente Bargain Finder).

Actualmente, el agente comprobador mejor conocido en Internet es el agente Bargain Finder de Andersen Consulting. Este agente hace comparaciones de los precios de venta para discos compactos (CDs). El Bargain Finder exhibe algunas características de un agente inteligente en el que un número de diferentes partes están envueltas, la operación es remota y la información es difícil de encontrar. Los factores principales que pesan contra la clasificación de la Bargain Finder como un verdadero agente inteligente es que solamente su manejo es un problema de una sola dimensión, a saber, comparando precios para un único producto. No tiene que negociar o deshacerse de nada, así que la "inteligencia" requerida es mínima. La parte inteligente está siendo capaz de hablarles a diferentes vendedores de CD.

Bargain Finder, se ha representado en el ciberespacio como una esfera amarilla con casco de minero y se dedica a buscar discos compactos baratos en Internet. Su misión se ve obstaculizada cuando el vendedor de un disco descubre que está negociando con un agente virtual, en lugar de un ser humano. ShopBot realiza la misma función, pero aprende de sus errores, para que los vendedores no descubran que es una criatura artificial.

Good Shuff Cheap. Con el cual pretenden ofrecer un agente inteligente sin embargo, está restringido a su propia tienda (operación local), y es un poco mas que un motor de búsqueda el cual puede enviar autónomamente correo electrónico.

Agentes de recomendación

2008-09-02T04:51:00.000-07:00

Un agente de recomendación es capaz de encajar su rendimiento a una preferencia individual aprendiendo de la conducta pasada del usuario. Un número de aplicaciones Internet ayudan al tener habilidad de aprender. Probablemente el más conocido es el sistema de recomendación de música Firefly.

Originalmente fue llamado servicio de recomendación de música HOMR y fue desarrollada por Agentes Inc.. Es un agente de software capaz de comunicarse con otros usuarios y recomendar música que sabe que disfrutará.

Firefly aprende de sus opiniones e influencia y utiliza esa información para servir mejor sus necesidades. Usa los gustos, opiniones, preferencias e idiosincrasia aún más similares a Ud. en orden a sugerirle nueva música que le podría gustar también. Es el mas usado y exacto y mucha gente lo usa, llegando a ser uno de los más listos.

El efecto ‘aprender’ es ayudado a ser incrementado por la exactitud de las predicciones. Sin embargo este es conseguido por el usuario ingresando mas información sobre él mismo/ella misma.

La predicción está basada sobre correlaciones con lo que otra gente dice, lo que ellos disfrutan escuchando, y aquí entra la inteligencia artificial. Cuando un nuevo artista es añadido al sistema, este no será incluido en las recomendaciones hasta que otra gente haya provisto ratings al artista.

Yahoo usa la tecnología FireFly para personalizar su generador de listas “top” de música y películas.

Otros agentes tales como el Similarities Engine y el WebHunter funcionan de una manera similar. Otra clase de agentes, los cuales ayudan a tener la capacidad de aprender incluye aplicaciones de computadora las cuales automatizan tareas repetitivas. Como el volumen de mensajes electrónicos incrementa, hay un gran potencial de mercado para agentes inteligentes los cuales ayudan a los usuarios a manejar esa información.

NewsWeeder usa técnicas de aprendizaje para encontrar interesantes paginas de web y artículos Usenet. Similarmente, esta aplicación depende de lo que los usuarios digan que encuentren interesante. Muchos pueden encontrar esto molesto. Tal vez un método más útil de encontrar si un articulo es interesante puede ser más efectivo.

The Similarities Engine. Este sistema le recomienda música para que usted pruebe, después de que usted ingresa los nombres de sus discos favoritos. Simplemente ingresa el nombre de los cinco CDs que actualmente son sus favoritos. Dentro de un pequeño período de tiempo usted recibirá sus resultados como un mensaje en el correo electrónico. El mensaje será una lista de temas que el sistema predice que usted también los disfrutará. Este servicio es muy similar al Firefly.

WebHunter es un sistema WWW personalizado que filtra documentos, lo que pretende aliviar el problema que enfrenta el usuario con la sobrecarga de información. El WebHunter le provee con su muy personalizado agente WWW basándose en los documentos WWW que usted ha expresado de su gusto en el pasado.

Eyes. Es un agente autónomo de búsqueda el cual examina continuamente libros recién publicados. A cualquier hora que un libro nuevo coincida con sus especificaciones, la notifica a usted vía correo electrónico.

Open Sesame es un agente que aprende de lo que observa de sus actividades y aprende de aquellas tareas que usted repite una y otra vez. Open Sesame aún mantiene tareas cruciales autónomas que usted puede fácilmente olvidar, como reconstruir su escritorio. Sea si usted es un usuario novato o uno poderoso, Open Sesame hace que su trabajo sea más simple y eficiente.

Tipos de agentes en Internet

2008-08-25T07:01:00.000-07:00

Para su mejor comprensión los agentes se clasifican en:
1. Agentes de recomendación.
2. Agentes de compra comparativa
3. Agentes notificadores
4. Agentes observadores
5. Agentes de negociación

Agentes de recomendación: tienen como misión realizar recomendaciones a los usuarios de productos que podrían interesarles, basándose en su perfil y en el conocimiento del contexto del negocio. Ejemplo: FireFly.

Agentes de compra comparativa: su objetivo es encontrar al comerciante que ofrece las mejores condiciones de compra de un producto deseado por el usuario. Ejemplo: Bargain Finder.

Agentes notificadores: son los encargados de notificar a sus usuarios la aparición o detección de productos acordes a sus preferencias o necesidades. Ejemplo: Jango.

Agentes observadores: son los que se dedican a observar la información relevante a un usuario para luego notificársela. Ejemplo FishWrap.

Agentes de negociación: pretenden trasladar al mercado electrónico los procesos de negociación que se producen normalmente a la hora de realizar una transacción comercial. Para la cual existen agentes compradores y vendedores que colaboran para llegar a algún acuerdo en a las condiciones de adquisición de un producto. Ejemplo: Kasbah.

A

Agentes en Internet

2008-08-22T09:43:00.000-07:00

Los agentes que interactúan en un entorno de software son los llamados softbots (software robots), o knowbots y se definen como agentes inteligentes o asistentes personales electrónicos, también son considerados como robots que habitan en el ciberespacio.

Y es en Internet donde los agentes parecen tener mayor oportunidad de éxito al permitir automatizar la búsqueda de un producto en las mejores condiciones de venta a través de múltiples vendedores simultáneamente. Lo cual permitiría reducir la búsqueda por parte de los compradores a través de numerosas tiendas en línea y ofrecerle un conjunto de variadas ofertas que sean eficientes económicamente.

Por otra parte los agentes realizan comparaciones en línea de forma mas eficiente que las efectuadas convencionalmente, y favorecen la competencia entre empresas productoras.

Otra aplicación es sugerirle al cliente productos basados en la preferencia de otros clientes con gustos similares. También tenemos los agentes intermediarios, los cuales debido a la fragmentación del mercado y la diversidad de proveedores, es posible dividirlos en una serie de componentes para que los intermediarios se ocupen de uno de esos componentes e insertares entre los compradores y vendedores.

Sistemas de comercio electrónico: comprenden desde simples servicios de compra en línea a infraestructura más complejas que proporcionan una amplia gama de servicios.

Estos sistemas implementan un o varias de las etapas siguientes:
1. Identificación de las necesidades del comprador.
2. Elección del producto a comprar.
3. Elección del vendedor donde se realizara la compra.
4. Negociación
5. Compra y envío.
6. Uso y evaluación del producto adquirido.

Arquitecturas hibridas

2008-08-20T05:04:00.000-07:00

Estas arquitecturas pretenden combinar aspectos deliberativos y reactivos, además de la utilización de capas. Los más claros exponentes de esta arquitectura son TouringMachines e Interrap. Estas arquitecturas combinan módulos reactivos con módulos deliberativos. Los módulos reactivos de encargan de procesar los estímulos que no necesitan deliberación, mientras que los módulos deliverativos determinan que acciones deben realizarse para satisfacer los objetivos locales y cooperativos de los agentes.

TouringMachines.

1) Arquitectura de 3 capas horizontales:
- Reactiva.
- Planificadora (comportamiento proactivo basado en esquemas).
- Modeladora (modelo del mundo para anticipar conflictos.
2) Un subsistema de control basado en reglas que pueden inhibir entradas y salidas.

InterRap.

1) Arquitectura de 3 capas verticales con 2 pasos.
- Capa de comportamiento (reactivo).
- Capa de planificación (proactivo).
- Capa de cooperación (interacción social).
2) Una base de conocimientos también organizada por capas.
- Modelo del mundo (patrones de conducta).
- Conocimiento planificación (planes locales).
- Conocimiento social (cooperación).
3) Una interfaz.

Arquitectura de subsuncion

2008-08-15T10:35:00.000-07:00

La toma de decisiones del agente (función acción) se realiza mediante un conjunto de módulos de comportamiento que realizan tareas.

Un modulo de comportamiento suele implementarse como un autómata finito sin ningún tipo de representación o razonamiento simbólico.

Casi siempre el comportamiento se implementa como reglas del tipo:
Si (situación) entonces (acción).
Donde situación se toma directamente de la percepción, sin ningún tipo de transformación a representación simbólica.

La selección del comportamiento se basa en la jerarquía de subsuncion. Los comportamientos están ordenados por capas y los de las capas mas bajas (máxima prioridad) inhiben a los de las capas superiores (comportamiento más abstracto).

La función acción se implementa en base al conjunto de comportamientos junto con la relación de inhibición entre comportamientos.

Un comportamiento es un par (c, a), siendo:
c: conjunto de percepciones denominado condición y c  P.
a: es una acción tal que a  A.

Un comportamiento (c, a) se activa cuando el entorno esta en un estado e  E si y solo si percepción (e)  c.

Comportamientos = { (c, a) | c  P, a  A }

Asociada al conjunto de reglas de comportamiento de un agente:
R  comportamientos, existe una relación de orden denominada inhibición definida sobre el conjunto R.

b1  b2 , b 1 inhibe a b 2

La función acción debe determinar en primer lugar todos los comportamientos activados (aquellos cuya condición satisface), después debe comprobar que dichos comportamientos no son inhibidos por otros que también están en el conjunto de comportamientos activados.

Ventajas:
• Simplicidad, economía, tratabilidad computacional, tolerancia a fallos.

Desventajas:
• Decisiones basadas en información local.
• Dificultad para el aprendizaje a partir de la experiencia.
• Comportamiento “emergente” lo que hace difícil entender el comportamiento global esperado y por tanto también será difícil construir agentes que realicen tareas especificas.

Conclusiones:
Las arquitecturas reactivas pueden clasificarse como verticales porque los estímulos recibidos del exterior son procesados por capas especializadas que directamente responden con acciones dichos estímulos y pueden inhibir las capas inferiores.

Arquitecturas reactivas

2008-06-30T05:28:00.000-07:00

Agentes que tienen una correspondencia directa entre situación y acción.

Surgió como una alternativa al paradigma simbólico de la Inteligencia Artificial clásica. Donde el comportamiento racional es el resultado del agente (o robot) con su entorno y el comportamiento inteligente “emerge” de la interacción de varios comportamientos más simples.

Las arquitecturas reactivas cuestionan la viabilidad del paradigma simbólico y proponen una arquitectura que actúa siguiendo un enfoque conductista, con un modelo estimulo-respuesta y no tienen un modelo del mundo simbólico como elemento central de razonamiento al no utilizar razonamiento simbólico complejo, sino que siguen un procesamiento ascendente (de los hechos al objetivo), para lo cual mantienen una serie de patrones que se activan bajo ciertas condiciones de los sensores y tienen un efecto directo en la acción.

Las principales arquitecturas de tipo reactivas son:

Reglas situadas: la implementación más sencilla de reactividad consiste en definir el comportamiento con reglas del tipo: si situacion-percibidad entonces acciones-especificas.

Arquitectura de subsuncion y autómatas de estado finito: permiten gestionar problemas de mayor complejidad que las reglas. Esta compuesta por capas que ejecutan una determinada conducta.

Tareas competitivas: un agente debe decidir que tarea debe realizar de entre varias posibles, seleccionando la que proporciona un nivel de activación mayor, se basa en una aproximación ecológica del problema de resolución distribuida de problemas, simulando que cada agente es una hormiga (sistema MANTA) y decide que acción debe hacer para cumplir sus objetivos. El problema se resuelve sin comunicación entre los agentes, estableciendo un criterio de terminación del problema. Por ejemplo, los problemas clásicos de generar y probar: misioneros y caníbales, mundo de bloques, las tinas, etc. Se interpretan como agentes (cada misionero, cada bloque, cada tina, etc.) que pueden realizar movimientos y una condición global de terminación.

Redes neuronales: la capacidad de aprendizaje de las redes neuronales también ha sido propuesta en algunas arquitecturas formadas por redes capaces de realizar una función (evitar colisiones, etc.).

Arquitecturas deliberativas (final)

2008-06-11T06:02:00.000-07:00

Las arquitecturas deliberativas a su vez se dividen en arquitecturas intencionales y arquitecturas sociales.

Arquitecturas intencionales.
Dentro de las arquitecturas intencionales se destacan aquellas que han tomado como punto de partida la teoría de agentes basados en deseos e intenciones (BDI).

Agentes BDI:
Agentes cuya decisión esta basada en creencias, deseos e intenciones (BDI: belief-desire-intention). En realidad son sistemas de planificación que incluyen creencias e intenciones en sus planes.

Y se basan en el razonamiento practico de decidir en cada momento la acción a realizar para facilitar la consecución de los objetivos y requieren dos procesos:
• Decidir que objetivos perseguir (deliberación).
• Decidir como alcanzar dichos objetivos (razonamiento basado en medios y fines).

Aunque estos sistemas suelen utilizar la planificación para determinar que acciones deben llevar a cabo pero, a diferencia de los agentes planificadores emplean planes en que se comprueban creencias, deseos e intenciones.

Donde las creencias son el conocimiento que el agente tiene sobre si mismo y su entorno. Los deseos son objetivos que el agente desea cumplir a largo plazo. Como normalmente no puede cumplir todos los objetivos a la vez, ya tiene unos recursos limitados, se introducen las intenciones que son los objetivos que en cada momento intenta cumplir el agente. También se introduce el concepto de planes, que permite definir las intenciones como los planes que un agente esta realizando en un momento dado.

Las intenciones del agente juegan papel importante en el razonamiento practico.
• Conducen el razonamiento basado en medios y fines.
• Restringen las deliberaciones futuras.
• Persisten.
• Influencian las creencias sobre las que se basara el futuro razonamiento proactivo.

Cada cierto tiempo el agente deberá replantearse sus intenciones abandonando aquellas que considera que no va a alcanzar, aquellas que ya ha alcanzado y aquellas cuya justificación ha desaparecido.
En las arquitecturas BDI hay encontrar un equilibrio entre un comportamiento dirigido por objetivos, donde el agente, a menudo, no considera suficientemente sus intenciones, o uno dirigido por evento (reactivo) en el cual continuamente esta continuamente reconsiderando sus intenciones por lo que le dedica poco tiempo a la consecución de las acciones.

Tendremos que:
• En entornos estáticos el comportamiento dirigido por objetivos es más adecuado.
• En entornos dimamicos en el comportamiento reactivo es el más conveniente.

Función de revisión de creencias: es la que actualiza las creencias en base a las percepciones.

Conjunto de creencias: son las creencias actuales que tiene el agente acerca de su entorno.

Función generación de opciones: se encarga de la generación de opciones (deseos) a partir de sus creencias e intenciones.

Conjunto de opciones: son las opciones actuales.

Función de deliberación: realiza el filtro correspondiente al proceso de deliberación, determinado las nuevas intenciones en función de las intenciones actuales, las creencias y los deseos.

Conjunto de intenciones: Son las intenciones actuales.

Función de ejecución: Se ocupa de la selección de las acciones, es la que determina que acción se debe ejecutar a partir de las intenciones actuales.

Conclusiones:
El proceso de generación de opciones de un agente BDI se puede considerar un proceso de refinamiento o recursivo de generación de una jerarquía de planes, donde en cada paso se generan intenciones mas especificas hasta llegara aquellas que correspondan a acciones directamente ejecutables.

Arquitecturas sociales.

Los agentes sociales se pueden definir como agentes intencionales que mantienen además un modelo explícito de otros agentes.

Los agentes sociales pueden clasificarse en dos grande grupos: agentes intencionales cuya arquitectura ha sido aumentada para abordar el razonamiento sobre otros agentes y arquitecturas que siguiendo la IAD clásica han prestado mas atención a los agentes cooperativos (cuando, como y con quien cooperar), sin modelar necesariamente las intenciones de los agentes.

Las arquitecturas deliberativas pueden clasificarse como horizontales porque los estímulos recibidos del exterior son procesados en varias capas de diferente nivel de abstracción y al final el nivel superior decide que acciones hay que llevar a cabo y las puede realizar directamente o indicársela a las capas inferiores.

Arquitecturas deliberativas (1ra. Parte)

2008-06-06T05:03:00.000-07:00

Agentes que toman las decisiones basándose en la deducción lógica y son llamados agentes deliberativos.

Las arquitecturas deliberativas siguen la corriente de la Inteligencia Artificial simbólica, que se basa en la hipótesis enunciada por Newell y Simons, según la cual un sistema de símbolos físicos capaz de manipular estructuras simbólicas puede exhibir una conducta inteligente. Para ello es necesario describir los objetivos y medios de satisfacerlo, y como realizar la traducción del nivel de conocimiento al nivel simbólico.

Y suelen basarse en la teoría clásica de los sistemas de producción: dado un estado inicial, un conjunto de operadores y un estado objetivo; la deliberación del agente consiste en determinar que camino o pasos debe encadenar para lograr su objetivo, siguiendo un enfoque descendente (del objetivo a los hechos). Un ejemplo de planificador de este tipo son los Softbots, cuya misión es ayudar a los usuarios a realizar las tareas típicas de UNIX.

Agentes deliberativos: incluye modelo simbólico del entorno mas la capacidad de razonamiento lógico. Donde el estado interno del agente se representa como una base de conocimiento expresada en la lógica de predicados

Sea:
L el conjunto de sentencias en lógica de primer orden
Y
B = P(L), el conjunto de posibles bases de conocimiento, donde el estado interno de un agente será un elemento de B

Funciones del agente:
Percepción: E --> P
Siguiente: B x P --> B
Acción: B --> A

Función de decisión.

Las acciones del agente se modelan mediante un conjunto de reglas de producción o deductivas (R).

Donde la base de conocimientos del agente (BC) y las reglas ( R ) deben codificarse de forma que:

Si el predicado ejecutar (a) puede ser derivados de BC mediante R entonces a es la mejora acción que puede realizar el agente.

Donde función acción cumplirá:
a --> A, si R --> BC entonces ejecutar (a)

Ventajas:
• Estrategia de decisión representada de forma clara y elegante.
• Toma de decisiones como representación de teoremas.

Desventajas:
• Complejidad computacional.
• Dificultad en la representación de ciertas percepciones basadas en imágenes, en tiempo real, etc. Lo que la hace de difícil aplicación a entornos dinámicos y complejos.

Arquitecturas basadas en capas

2008-06-04T11:59:00.000-07:00

Agentes que razonan sobre el entorno a diferentes niveles de abstracción.

Puesto que un agente debe combinar el comportamiento reactivo con el proactivo. Una forma natural de implementarlo es separando ambos comportamientos en distintos subsistemas o capas.

Tipos de arquitecturas basadas en capas:

De capas horizontales: todas las capas están directamente conectadas a la entrada y a la salida del agente (cada capa actúa igual que un agente).

De capas verticales: la entrada y la salida del agente están conectadas cada una a una única capa del agente (la mas baja y la mas alta) o bien ambas a la misma capa (la mas baja).

Ventajas:
• Simplicidad conceptual.
• Las capas pueden trabajar de forma paralela
• Para implementar n tipos de comportamientos basta implementar n capas diferentes. La complejidad de las interacciones entre capas se reduce

Desventajas;
• El comportamiento global puede no ser coherente.
• Requiere de un alto conocimiento de control para coordinar las capas
• En muchos casos se hace necesario añadir una función de mediación que decide que capa tiene el control en cada momento, lo que puede producir cuellos de botella.
• Para tomar una decisión hay que pasar el control a cada una de las capas.

Conclusiones:
• Son las arquitecturas de carácter general más popular actualmente.
• Utilizan una descomposición natural de la funcionalidad del agente.
• No tienen la claridad conceptual y semántica de otras arquitecturas.
• La gestión de interacciones entre capas es compleja.

Tipos de agentes

2008-05-20T04:47:00.000-07:00

Agente estandar:

Un agente modelado por una función que hace corresponder acciones a secuencias de estados del entorno.

Sean

E = {e1, e2,...} estados del entorno.
A = {a1, a2,...} repertorio de acciones del agente.

E --> A

Agentes puramente reactivos:

Deciden la acción a realizar teniendo en cuenta el estado actual del entorno, sin tener en cuenta su historia.

Ante los cambios de estado (E) del entorno se forma un conjunto de percepeciones (P) que conducen a las acciones (A)

E --> P. P --> A

Agentes que mantienen sus estado interno:

Deciden la acción a realizar teniendo en cuenta su historia de interacciones con el
entorno, la secuencia de estados con el entorno o de percepciones.

Ante un estado ademas de percibirlo va guardando la informacion (I) sobre su historia. O sea ante de ejecutar la accion se combina la percepción con la información (estructura de datos sobre la historia)

E --> P, IxP --> A

Arquitecturas de agentes.

Las arquitecturas de agente describen la interconexión de los módulos software-hardware que permiten a un agente exhibir la conducta enunciada en las teorías de agentes. Frente a otras tecnologías con componentes fijos como la de objetos (atributos y métodos) o la de sistemas expertos (maquina de inferencia, base de conocimiento, base de hechos, etc.), los agentes exhiben una gran variedad de arquitecturas.

Tipos de arquitecturas:
1. Arquitecturas basada en capas
2. Arquitecturas deliberativas.
3. Arquitecturas reactivas.
4. Arquitecturas híbridas.

¿Que es un agente inteligente?

2008-05-16T10:54:00.000-07:00

Veamos algunas de las definiciones de agente inteligente:
Agente inteligente: entidad capaz de percibir el entorno y de actuar sobre él. / Es una entidad de software persistente con un propósito específico. / Un agente autónomo es un sistema que habita en un entorno dinámico y complejo, en el que percibe y actúa de manera autónoma, alcanzando el conjunto de objetivos para el que fue diseñado. / Un programa autocontenido que es capaz de controlar sus acciones y decisiones para alcanzar unos objetivos, basándose en su percepción del entorno. / Es un sistema que está situado y que forma parte de un determinado entorno, que percibe este entorno y que actúa en él continuamente y con su propia planificación, persiguiendo el objetivo de cambiar su propia percepción

Características de los agentes inteligentes:
Los agentes tienen un punto de vista incompleto, pero esto no limita que se halle una solución (aproximada). Lo que se pretende en que la solución sea completa y consistente.
Los agentes se mueven dentro de un entorno "virtual" operando a través de un sistema.
Los agentes inteligentes dentro del entorno de software tendrán una función análoga a la que realizan los robots en el mundo real, de ahí el nombre de softbots (software robot).

Hoy en día se ha puesto de moda el nombre agente software. Al que se le aplican las definiciones dadas anteriormente, resaltando la condición de autonomía: Debe actuar autónomamente sin la intervención de seres humanos u otros sistemas y debe tener control sobre su estado interno y sobre su propio comportamiento.

Categorias de agentes:

1. Agentes humanos
2. Agentes hardware
3. Agentes software: de información, cooperativos y de transacción

Control del entorno

• En la mayor parte de los dominios el agente sólo tendrá control parcial del entorno.
• Una misma acción realizada por el agente en diferentes ocasiones puede tener efectos distintos.
• Un agente debe estar preparado para fallar.
• Un agente dispone de un repertorio de acciones con sus correspondientes precondiciones.
• Un agente debe estar preparado para decidir que acción realizar para alcanzar sus objetivos de diseño.

Entorno:
Perecpeción --> Agente --> Acción

Las arquitecturas de agentes son sistemas de toma de decisiones empotradas en un entorno.

Tipos de entorno:

• Accesible / inaccesible.
• Determinista / indeterminista.
• Episódico / no episódico.
• Estático / dinámico.
• Discreto / continuo

De acuerdo con su accionar sobre el entorno una agente inteligente se puede definir como: un sistema que está situado en un cierto entorno y que tiene capacidad de actuar autónomamente de forma flexible en ese entorno para satisfacer sus objetivos de diseño.

Flexibilidad:

• Reactividad: capacidad de responder oportunamente a los cambios percibidos en el entorno.
• Pro-actividad: comportamiento dirigido por el objetivo.
• Habilidad social: capacidad de interacción con otros agentes para satisfacer sus propios objetivos (negociación y cooperación con agentes que persiguen otros objetivos).

Otras características de los agentes es la capacidad de razonamiento, la capacidad de aprendizaje, la movilidad, la honestidad, etc.

Diferencias entre agentes y sistemas expertos (SE).

• Los Sistemas Expertos (SE) no suelen interactuar directamente con el entorno (de ahí que algunos le llamaran sistema autistas.
• Los SE suele diseñarse para tareas más complejas donde ellos tienen todo el control de las decisiones para ese dominio.
• Los SE no suelen cooperar entre si.

Ventajas de los agentes inteligentes:
Facilitarle el trabajo a los usuarios
Actuar como consultantes
Servir de operadores en medios complejos

Dificultades:
- Cómo conocer la información relevante o irrelevante
- Cómo agilizar la búsqueda
- Cómo evitar repetir una tarea realizada.
- Cómo habérselas con diferentes protocolos, formatos y sistemas de acceso a la información.

Sistemas multiagentes

2008-05-14T05:27:00.000-07:00

Son entornos poblados con mas de un agente inteligente donde cada uno de ellos es capaz de tomar sus propias decisiones para alcanzar sus objetivos. Lo que implica tener en cuenta el nivel de cooperación y coordinación entre los distintos agentes y las vías de comunicación.

Descomposición de tareas.

Uno de los problemas de la Inteligencia Artificial Distribuida (IAD) es como representar los problemas ya que la descomposición de los mismos depende en gran medida de su formulación. La descripción debe incluir la información sobre las características y atributos del problema así como del dominio y del entorno del problema. Una vez dada la descripción de una tarea, la descomposición de una tarea y asignación de subtareas a múltiples agentes se debe tener en cuenta que los agentes tengan capacidad para llevarla a cabo y disponibilidad de recursos.

Las técnicas más empleadas para realizar una descomposición automática de las tareas por parte de los agentes son:
• Tareas inherentes descomponibles: la propia descripción de la tarea incluye su descomposición.
• Descomposición por el programador: esto es muy común en los SCPD
• Planificación jerárquica: es uno de los sistemas más empleados para descomponer de forma automática. Las tareas se definen en forma de planes que satisfacen unos objetivos y da lugar a arboles Y/O. Un plan contiene subplanes.
• Agregación de subtareas: enfoque ascendente en vez del enfoque descendente en la descomposición.

Sistemas basados en la cooperación

2008-05-06T06:58:00.000-07:00

La cooperación se basa en que ningún agente tiene la información (experticia, recursos, etc.) para resolver completamente el problema. Donde el concepto de agente es demasiado amplio y puede entenderse como un grupo sistemas de expertos, un grupo de nodos de procesos, un grupo de actores o como fuentes de conocimientos.

En el sentido mas general, son sistemas que participan activamente en la coordinación de actividades. Y se persigue la interacción de hombres y máquinas como agentes inteligentes dentro de un sistema para conformar una entidad inteligente que permita enfrentar los problemas. Se sustituye la estructura jerárquica por una heterarquica donde el más capaz recibe el control.

Estos sistemas se utilizan conectados en red y su objetivo no es solo compartir recursos o base de datos (modo pasivo), sino también compartir conocimientos (modo activo).

Trabajo en RED
Pasivos: comparten recursos (textos, datos, periféricos)
Activos: comparten conocimientos (decisiones)

Modo activo: Los conocimientos no son la BC de un experto sino la modulación conceptual de los procedimientos de cooperación hombre máquina para que el sistema monitoree la actuación de los agentes (humanos o máquinas) y pueda resolver cierto tipos de problemas.

Desde que se implanta una red se está desarrollando un sistema de trabajo cooperativo pasivo cuyo objeto es compartir recursos y la interacción hombre máquina consiste en compartir el software por varios usuarios a la vez, lo cual permite una interacción directa de forma remota, varias personas pueden trabajar sobre un mismo documento o BD, pero el sistema como tal no actúa en el proceso, no facilita el trabajo de las personas que intervienen.

El diseño de un entorno para trabajo cooperativo se basa en el conjunto de "procedimientos" que la organización acepta como válidos para lograr sus objetivos.

Procedimientos de cooperación: "conjunto de reglas del juego", que integran el aporte de cada uno de los integrantes y refleja los puntos de cooperación hombre-máquina. Se formulan los criterios con los que el grupo está dispuesto a colaborar. En el modo activo es el sistema quien facilita la comunicación de datos y textos (red pasiva), toma "conciencia" de la estructura del problema a resolver y participa en su resolución, por ejemplo, evaluando el estado de resolución en curso, analizando las diferencias entre el plan de actuación previsto y el real o decidiendo que las aportaciones o respuestas de los agentes humanos son admisibles o no.

La solución cooperativa para problemas distribuidos (SCPD): se basa en el estudio de como un grupo de solucionadores de problemas (agentes o nodos) desacoplados y descentralizados pueden trabajar conjuntamente para resolver problemas, con capacidades superiores a aquellas que puede enfrentar cualquier agente (o nodo de una red) conforme a sus capacidades individuales. Los agentes o nodos son capaces de solucionar problemas sofisticados y pueden trabajar independientes, sin embargo no pueden formar una solución global del problema, si no existe una cooperación entre ellos.

En este caso los agentes son nodos de un proceso o de una red. Los mismos tendrán una posición definida dentro de ese proceso (su participación) y estarán conectados, interactuando, con los demás agentes. Cada agente es capaz de resolver tareas locales propias de su experticia

Los SCPD tienen la ventaja que los agentes pueden trabajar en paralelo
Incrementar la variedad de soluciones. Cada agente puede proponer varias soluciones independientes, las cuales podrían ser analizadas (combinadas) por otros agentes.

Los agentes pueden servir de críticos a las propuestas de otros agentes, o tener otro punto de vista a la hora de compatibilizar los criterios basados en su pericia sobre el tema donde converge la pericia del otro (temas que se solapan).

Agentes:
Segmentos de programas
Computadoras en RED
Expertos

En general la IAD. Se basa en la distribución de datos y conocimientos para llegar a una solución de problemas de forma que los distintos agentes sean identificados como resolvedores locales de problemas. Lo cual tiene las siguientes ventajas:

1) Como resolver iteraciones entre los problemas a ser resueltos por los diferentes agentes.
2) Como controlar las actividades entre los agentes para explotar el paralelismo.
3) Como integrar los resultados parciales para obtener un resultado global final.

Muchos problemas son esencialmente distribuidos. El conocimiento necesario para resolver un problema puede estar distribuido en varios sitios, por lo que tendríamos que un agente individual podría resolver el problema pero requeriría demasiado tiempo y se asumirían demasiados riesgos en cuanto a fiabilidad al concentrar toda la responsabilidad en ese agente. Por lo que la resolución distribuida de problemas puede ser la solución a estos casos.

La resolución distribuida de problemas requiere de tres fases:

1) División del problema en subproblemas.
- Requiere además la asignación de subproblemas a agentes específicos.

2) Resolución de los subproblemas.
- Los agentes pueden funcionar independientemente o bien compartir tareas o resultados.

3) Combinación de las soluciones.
- Al igual que en la fase de división, es necesario establecer de quien es la responsabilidad en esta fase y si se requiere un agente de coordinación.

La resolución distribuida de problemas en sistemas multiagentes solo es apropiada cuando los agentes tienen capacidades de comunicación sobre las que pueden establecerse estrategias de cooperación y negociación.

Inteligencia artificial distribuida

2008-04-18T05:15:00.000-07:00

La Inteligencia artificial distribuida es un campo de la IA dedicado al estudio de las técnicas y el conocimiento necesario para la coordinación y distribución del conocimiento y las acciones en un entorno con múltiples agentes.

Podemos distinguir dos áreas principales de desarrollo:

1. Solución cooperativa de problemas distribuidos (SCPD): Estudia como unos conjuntos de módulos (o nodos) cooperan para dividir y compartir el conocimiento de un problema y en el desarrollo de la solución.
2. Sistemas multiagentes (SMA): Estudia la coordinación de la conducta inteligente entre un conjunto de agentes inteligentes autónomos.

La principal diferencia entre ambas áreas estriba en la flexibilidad de la coordinación entre los agentes. En la SCPD, las interacciones y tareas que cada agente realiza, están prefijadas de antemano: hay un plan centralizado de resolución de problemas. Suele haber un miembro que ejerce un control global que centraliza los resultados parciales y datos entre el resto de los componentes del sistema. En contraposición en los SMA, los agentes tienen un grado de autonomía mayor y pueden decidir dinámicamente que interacciones son adecuadas, que tareas deben realizar, quien realiza cada tarea y, además, es posible mantener conocimiento que no es globalmente consistente, incluso los agentes pueden mantener objetivos globales diferentes. Esta definición permite distinguir entre sistemas que se centran en el comportamiento global, con una conducta fija de los agentes (SCPD) y sistemas que se centran en la conducta de los individuos que como resultado, obtenían una conducta del sistema (SMA). Vista como una sociedad, seria escoger entre un estado que planifica y regula las conductas de los individuos (que serán predecibles) o dejar que el sistema se resuelva por la libre iniciativa de los individuos.

Los problemas básicos que estudia la IAD y que son comunes a todos los sistemas son:
1. Como formular, describir, descomponer y asignar problemas y sintentetizar los resultados entre un grupo de agentes inteligentes.
2. Como capacitar a los agentes para que se comuniquen e interactuen: que lenguajes de comunicación o protocolos deben utilizarse, que y cuando deben comunicarse, etc.
3. Como asegurar que los agentes actúen coherentemente al tomar decisiones o realizar acciones, como acomodar los efectos globales de las decisiones locales y prevenir interacciones no deseadas.
4. Como capacitar a los agentes para representar y razonar sobre acciones, planes y conocimientos de otros agentes para coordinarse; como razonar sobre el estado de su proceso de coordinación (inicio o terminación).
5. Como reconocer y reconciliar puntos de vista e intenciones conflictivas entre un conjunto de agentes para coordinar sus acciones; como sintetizar los puntos de vista y los resultados.
6. Como utilizar técnicas ingenieriles y desarrollar sistemas con IAD. Como desarrollar plataformas de SMA y metodologias de desarrollo con tenias de IAD.

Ver curso de Inteligencia Artificial:
http://alejandro313.googlepages.com/cibermat

Paradigma de sistema experto: MYCIN

2008-03-28T11:57:00.000-07:00

El sistema experto MYCIN opera sobre una Base de Conocimientos (BC), bien organizada sobre las enfermedades infecciosas, donde el conocimiento es inexacto por lo que el punto central son las técnicas para expresar medidas de opinión, llamadas factores de certeza.

La estructura de control es simple y esta basada en un sistema de producción.
1) Una colección de hechos.
2) Un conjunto de reglas de producción.
3) Un generador de inferencias con encadenamiento hacia delante o hacia a tras (o ambos), junto a una estructura de conocimiento que capacita a la estructura de control para disidir que reglas, de todas las posibles, debe tomar parte en el mecanismo de inferencia.
4) Un mecanismo que realice inferencias, a partir de evidencias inciertas o incompletas..

En MYCIN las agrupaciones de reglas dentro de un determinado contexto se definen en tiempo de generación. El generador de inferencias proporciona una búsqueda dirigida por objetivos o por datos.

La existencia de una estructura de control dependiente del dominio, la hace específica. Por eso se han extraído de MYCIN las partes independientes del dominio para formar el MYCIN “vacio” o “hueco”, EMYCIN. El cual se ha empleado en otros dominios tales como PUFF (cuidado respiratorio intensivo), SACON (calculo de estructuras de ingeniería), GRAVIDA (consejos para el embarazo), CLOT (desordenes de la sangre) y VM (manejo de la ventilación).

Hechos.
(contexto)(parametro)(valor)

El contexto es alguna entidad del mundo real. Ejemplo: un paciente.
Un parámetro es un atributo del contexto. Ejemplo: la edad.
El valor es una particularización del pararámetro. Ejemplo: 25 años.
A cada terna se le asocia un valor de certeza (FC).
FC toma valores en el intervalo (-1, 1) donde -1 es la negación, 0 la ignorancia absoluta y 1 total certidumbre.

Ejemplo:
Organismo 1 – Identidad pseudomonas .8 (La identidad del organismo 1 es, con un factor de certeza 0.8, pseudomonas).

Reglas de producción.

Si premisa entonces acción (FC).

En MYCIN las reglas se definen para poder encadenar hacia delante o hacia a tras. Las reglas se utilizan repetidamente utilizando el conocimiento dependiente del dominio para decidir que reglas se deben considerar, hasta que se de un contenido a los hechos. En algunos casos, las reglas darán contenido a los hechos mediante preguntas al medico.

Ejemplo de reglas:

Si (no se sabe si el organismo fue capaz de desarrollarse en presencia del aire (aerobicamente))
Y (el lugar de cultivo es la sangre)
O (el laboratorio ha intentado que el organismo se desarrolle sin la presencia del aire (anaerobicamente)
Y (el organismo fue capaz de desarrollarse anaerobicamente)
Entonces (hay evidencias de que el organismo es aerobio (.5) O anaerobio (.2).

Las premisas serán verdad si todos los hechos son verdad.

Factor de certeza.

En general:
Si (contexto-parametro-valor (FC1)) y/o (contexto-parametro-valor (FC2)) y/o.......
Entonces (contexto-parametro-valor (FC)).

Min(FC1, FC2,....)  FC = RC

Si la regla no venia arrastrando ningún valor de certeza entonces RC se colocara como su factor de certeza (FC) , si ya tenia con un valor IC. Se calculara el FC actual.

FC = IC + |RC| (1- |IC|) RC, IC  0

FC = -(|IC| + |RC| (1- |IC|)) RC, IC  0

IC + RC
Fc = ---------------- RC . IC  0
1 – min(|IC|, |RC|)

La combinación de –1 y 1 se define como 1.

Este metodo del facto de certeza permite que el sistema se pueda enfrentar al razonamiento de juicios.

Estructura de control dependiente del dominio

El orden de las reglas no es significativo se aplican todas las reglas relevantes hasta que una determinada consigue un objetivo con certeza, en cuyo caso el resto de las reglas se ignora. La relevancia de una regla se define por la estructura del control dependiente del dominio, la cual se organiza como un árbol de contexto donde se organizan los hechos de la BC en una jerarquía, y se utiliza para definir el flujo de la consulta. Las reglas se agrupan en conjuntos de reglas definidas por el conjunto de tipos de contexto de aplicación de las mismas (una regla siempre se refiere a un determinado tipo de contexto).

Obtención de información a partir del usuario.

Las preguntas se hacen o bien cuando fallan las reglas o bien cuando la información ha de provenir del usuario (ejemplo: datos de laboratorio). Se puede reelaborar una pregunta y permite diferentes conjunto de preguntas para usuarios con experiencia y sin ella, y se basa en la propiedad de “preguntar – primero”, el sistema siempre procura primero obtener el valor de un parámetro a partir del usuario.

El diseñador debe proporcionar un medio aceptable de comunicación con el usuario, MYCIN no fue totalmente satisfactorio en ese aspecto, lo cual se resolvió en ONCOCIN.

Facilidades de explicación

MYCIN como muchos otros SE tienen la facilidad de explicar y justificar su funcionamiento, lo cual es útil para funciones educativas. En cualquier momento el usuario puede preguntarle “como” o “porque” , tomo tal decisión. Esto es a través de reglas

Ejemplo:
Si “esta nublado” entonces “va a llover”
“Si “va a llover ”entonces “coger la capa”

Ahora se le puede pregunta al sistema:
Porque “coger la capa”?
Porque “esta nublado” y “va a llover”.

Los Se son el resultado de una serie de consultas entre los constructores del sistema y expertos en el dominio de conocimiento de interés. Este proceso es laborioso y propenso a errores. Los expertos saben normalmente, mas de lo que piensan y no siempre pueden expresar fácilmente sus procesos de razonamiento.

Paradigma de sistema experto: DENDRAL

2008-03-04T09:48:00.000-08:00

Veremos algunos ejemplos que han sido paradigmas de SE dentro de la IA.

Dendral : Reducción de grandes espacios de búsqueda mediante factorización (heurística).

Ayudar a los químicos a inferir la estructura de los componentes químicos a partir de los datos del espectro de masa.

Se partió de la técnica de generar y probar la cual depende de la forma en la que se desarrolla el espacio de estados y de predecir que ramas conducirán a la solución, hasta que profundidad se debe explorar una rama sin que se pierda una posible solución.

Fue el pionero en el cambio de enfoque hacia las estructuras de control dependientes del dominio.

MYCIN. El manejo de evidencia incierta.

Sistema para el diagnostico de infecciones bacterianas.

Se basa en conocimientos indefinidos y datos imprecisos en vez de los manejos del espacio del problema.

, generarDENDRAL

El paradigma de búsqueda en espacios de estados. El cual se basa en una búsqueda a través de una red de nodos, donde cada uno representa un posible estado del problema, donde casi siempre una búsqueda exhaustiva de todo el espacio es imposible (explosión combinatoria). Un método es controlar la búsqueda en el espacio de estado basándose en la relación que hay entre los estados.

Una técnica muy conocida es la de “generar y probar”. Comenzando por algún estado inicial, se utiliza un generador para producir un conjunto de estados descendentes, se aplica entonces a ese conjunto una serie de pruebas de validez para reducirlo a un tamaño más manejable. Estas pruebas adoptan normalmente la forma de restricciones, también es posible incorporar estas restricciones al generador reduciendo el numero de estados descendientes a probar. El método “generar y probar” solo funciona, si cuando un estado se declara invalido, todos sus estados descendientes lo son.

DENDRAL, fue el primer sistema basado en conocimientos que utilizo el método de “generar y probar” para las conexiones de las estructuras de compuestos de química orgánica. El proyecto comenzó en 1965 con el objetivo de proporcionar un soporte en la computadora a los químicos, profesionales que no eran expertos en determinadas técnicas analíticas y tubo tal éxito que inspiro a la creación del área de los sistemas expertos en la IA.

La tarea de la aplicación.

DENDRAL: es un sistema diseñado para ayudar a los químicos a determinar la estructura de algún compuesto desconocido, con especial énfasis e el uso de los datos provenientes de un espectrometro de masas.

El programa de planificación de DENDRAL

En la practica hizo falta un programa de planificación para producir las restricciones a la hora de generar. El ciclo completo es PLANFICAR – GENERAR – PROBAR.

Con el planificador se evita la generación superflua y simplifica la fase de prueba.

Semejante a MYCIN, DENDRAL no pretende simular los procesos interpretativos que utilizan los químicos. No obstante si pretende complementar los métodos de estos.

Con la planificaron se infiere una lista con las estructuras necesarias(1) y con las prohibidas (2) las cuales ayudaran, mas tarde a limitar las estructuras proporcionadas por el generador .

(1) Lista correcta (2) Lista incorrecta

Ejemplo de regla:

R1: Si hay dos picos de las unidades de masa X1 y X2, de modo que
X1 + X2 = M + 28
X1 – 28 es un pico alto
X2 – 28 es un pico alto
Al menos, o X1 es alto o X2 es alto
Entonces CETONA

R2: Si se satisface las condiciones para ser una CETONA
43 es un pico alto
58 es un pico alto
M – 43 es un pico bajo
M – 15 es bajo o, posiblemente 0
Entonces METIL-CETONA.

Encadenando hacia delante si se aplica la regla R1 el PLANIFICADOR puede considerar aquellas reglas que tenga en sus condiciones el grupo CETONA.

R3: Si es CETONA y ...... Entonces ETIL-CETONA.

O sea encadena con las reglas R2 y R3 de acuerdo con su espectro de masa y la correcta la incluye en la lista correcta y la otra en la lista incorrecta. Lo cual permite al planificador determinar la posición de un grupo funcional y registrar la información adicional para que sea utilizada mas tarde por el generador.

Generador de estructura: es un programa que genera el espacio de búsqueda con las posibles estructuras químicas.

Bibliografia

1) Buchanan, B. G., Feigenbaum, E. A., "DENDRAL and Meta-DENDRAL: Their Applications Dimension", Artificial Intelligence, 11, 1978, pp. 5-24.
2) Lederberg., J., "How DENDRAL Was Conceived and Born.", ACM Symposium on the History of Medical Informatics, National Library of Medicine, 1987.
3) Lindsay, R. K., "Applications of Artificial Intelligence for Organic Chemistry: The DENDRAL project", McGraw-Hill Publishing, 1980.
4) Luger, George F., Stubblefield, William A., "Artificial Intelligence and the Design of Expert Systems", Benjamin/Cummings Publishing, 1989.
5) World Wide Web, http://www-camis.stanford.edu/research/history.html#DENDRAL, Jan 24, 1996.

Caracterírticas de los sistemas expertos

2008-02-29T12:23:00.000-08:00

Característica de los Sistemas Expertos (SE)

• Un SE no debe demorar mas de 3 horas en resolver un problema.
• Un SE se debe aplicar a cosas practicas.
• Debe contar con la colaboración del experto.
• El conocimiento del experto no esta en los libros de texto.
• El conocimiento esta distribuido pertenece a varias personas.
• Los sistemas expertos tienen pocos niveles de profundidad.
• Para resolver la incompletitud de los conocimientos (información incompleta)

se utilizan reglas redundantes. Ejemplo:
Si A y B y C entonces X
Si A y B entonces X
Si A entonces X

• Los expertos no razonan a partir de principios (razona a partir de su experiencia), solo los inexpertos razonan a partir de principios.

Consejos a la hora de diseñar un sistema experto
• Separar el generador de inferencias de la base de conocimientos.
• Utilizar una representación tan uniforme como sea posible, siendo las reglas de producción la forma preferida.
• Mantener simple el generador de inferencias (estructura de control).
• Proporcionar algún tipo de facilidad para que el sistema pueda explicar sus conclusiones.
• Favorecer los problemas que requieran el uso de sólidos cuerpos de conocimientos asociativos empíricos sobre aquellos que se puedan resolver utilizando conocimiento causal o matemático.
• Es esencial el compromiso sobre la relación de capacidades humanas a transferir a la maquina.

Etapas de desarrollo de un sistema experto:

1. Identificación: Que se quiere que haga el SE.
2. Conceptualización: Expresar los conocimientos de manera semiformal.
3. Formalización: Diseñar las estructuras para organizar los conocimientos.
4. Implementación: Formalizar las reglas que representan conocimientos.
5. Chequeo: Validación de las reglas

Identificación: se determinan las características del problema, se describen los casos.

Conceptualizacion: Encontrar los conceptos que representen los conocimientos. La identificación del problema.

Formalización: Durante la formalización es importante que el ingeniero del conocimiento se familiarice con los siguientes tópicos:
• Las diferentes técnicas de representación del conocimiento y las búsquedas heurísticas usadas en los SE.
• Los shells existentes que puedan agilizar el desarrollo del proceso.
• Otros sistemas expertos que puedan resolver similares problemas y se puedan adaptar al problema.

Implantación: Hacer el prototipo: Llevarlo a la computadora y hacer las interfaces con el usuario.

Ingenieria del conocimiento.

1. Representación del conocimiento.
2. Adquisición de los conocimientos.
3. Procesamiento del conocimiento

Hasta ahora se ha hecho referencia al núcleo del sistema experto (BC,BH y MI) en los cuales se representan los conocimientos del experto en forma de reglas, los hechos o datos globales de partida y la forma de inferir esos conocimientos, pero no se ha dicho como se comunica el sistema con el usuario y con el experto.

Módulo de interacción con el usuario (interfaces con el usuario):
Facilita el diálogo con el usuario, permite hacerle preguntas al sistema e incluso obtener conocimientos análogos a los del experto. Estas interfaces podrían ser programas de entrada/salida de forma dialogada y las explicaciones pueden ser obtenidas de la memoria de trabajo donde se almacenan los pasos para llegar a la solución.

Módulo de ayuda para la adquisición de conocimientos (interfaces con el experto):
Permite al experto consultar los conocimientos almacenados en la base de conocimientos y en muchos casos dar la posibilidad de incluirle nuevos conocimientos. Su objetivo es que el experto pueda introducir directamente sus conocimientos en la m',uina sin necesidad de ver al ingeniero del conocimiento.

Ejemplo de maquina de inferencia

2008-02-28T10:18:00.000-08:00

Veamos un ejemplo basado sobre reglas de producción del tipo SI P ENTONCES C donde P (premisas) son los hechos y C sería la conclusión la cual también es un hecho.

La maquina de inferencia (MI) tendrá las siguientes estrategias sistemáticas:
Búsqueda en profundidad.
Encadenamiento hacia adelante (de los datos al objetivo).
Control por tentativa.

La estrategia heurística sería por el orden de las reglas:

Sean los hechos de partida A y H (donde A puede ser el hecho y H otro hecho cualquiera), y sea X el objetivo a alcanzar (el cual también se representa en forma de hecho por ejemplo el objetivo podría ser tratar de probar que ).

Tenemos las siguientes reglas.
R1: si A entonces C.
R2: si A entonces Z.
R3: si V y Z entonces X.
R4: si C entonces D.
R5: si W y Q entonces V.
R6: si H entonces F.
R7: si D y F entonces X.

REGLA MEMORIA DE TRABAJO (MT) OBSERVACION

- (A,H) (X) estado inicial.

R1 (A,H,C) (X) se aplica la R1 y la conclusión se
almacena en la MT

R2 (A,H,C,Z) (X) se aplica la R2 e incrementa la MT.

R3 (A,H,C,Z) (X) falla, va a buscar otra regla
no se incrementa la MT.

R4 (A,H,C,Z,D) (X) se aplica la R4.

R5 (A,H,C,Z,D) (X) falla.

R6 (A,H,C,Z,D,F) (X) se aplica la R6.

R7 (A,H,C,Z,D,F,X) (X) éxito, se alcanzó el objetivo X.

Observar como en la memoria de trabajo se van almacenando los hechos que se satisfagan.

Resolucion de conflictos

2008-02-26T12:47:00.000-08:00

La resolución de conflictos se aplica sobre un conjunto de reglas que pueden ser desencadenables (reglas que cazan con las condiciones pero todavía no han pasado a la memoria de trabajo (MT). Con esto se evita su almacenamiento en la MT.

1. Orden de las reglas en la base de conocimientos.
2. Reglas con mayor coeficiente de credibilidad
3. Reglas con menor número de cláusulas a instanciar.
4. Reglas con mayor número de conclusiones.
5. Reglas menos complejas.
6. Descartar las reglas ya utilizadas.
7. Reglas con mayor numero de condiciones

La heurística muchas veces puede provocar que el problema no tenga solución (producto de las podas del árbol), sin embargo las sistemáticas siempre hayan la solución.

Lo correcto es usar un método heurístico para ciertos caso y que luego siga trabajando el control sistemático. O sea la heurística puede interrumpir cuantas veces sea necesaria la acción sistemática de la maquina de inferencia.

A medida que aparecen reglas de control heurística hay que hacerle cambios a la MI lo cual es muy engorroso, para resolver esto se puede.
1. Maquina de inferencia con estrategia de control parametrizada.
2. Diseñar el sistema experto en función de la aplicación.
3. Utilizar metaconocimiento.

El metaconocimiento en los sistemas expertos

2008-02-22T10:42:00.000-08:00

El metaconocimiento tiene una función similar a la estrategia heurística, lo que en lugar de formar parte de la maquina o motor de inferencia esta incluido en la base de conocimientos. Con esta solución se persigue que una maquina de inferencia (MI) pueda manejar diferentes heurísticas que esten formadas por metareglas.

Metareglas: Conocimiento a cerca de sus conocimientos y no es mas que reglas que predican sobre la aplicación de los hechos.

Este conocimiento se representa mediante un conjunto de metareglas, que contienen conocimientos sobre como razona y cuanto sabe.

Ejemplo:

Si “la infección es un absceso pélvico” y “hay reglas que mencionan en sus premisas a las bacterias” y “hay reglas que mencionan en sus premisas a los bacilos” entonces “Recurrir a las reglas que tratan a las bacterias antes que las que tratan con los bacilos”.

En general:

Si (condicion (regla y/o hecho)) entonces (accion (metaconocimiento))

Si se cumple H y existe R1 y existe R2 entonces utilizar R1 antes que R2.

El uso de metaconocimiento puede desactivar la acción sistemática del motor de inferencia y es una manera de codificar el conocimiento de forma tal que pueda alterar o producir cambios en el proceso de búsqueda y evaluación de la MI.

También se pueden usar “modelos de reglas o semánticas” que son descripciones abstractas de los subconjuntos de reglas que tienen caracteristicas comunes. Estos modelos se relación con el concepto de marco (frames).

Estrategia de contol en los sistemas expertos

2008-02-20T12:25:00.000-08:00

Los regímenes de la estrategia de control:
Las estrategias de control sistemáticas de los sistemas de producción, se completan indicando el modo en que son seleccionadas las reglas de inferencia.

Régimen de control irrevocable

Según el cual, una regla a la vez que se desencadena es aplicada irrevocablemente, sin que sea posible una reconsideraron posterior sobre la selección realizada.

Este se usa cuando la estrategia de control posee suficiente conocimiento para seleccionar irrevocablemente la regla apropiada a cada descripción de estado.

Régimen de control por tentativas.

La selección y disparo de una regla implica también, memorizar el punto desencadenamiento con vista a retornar en caso necesario y aplicar otra regla que originalmente se dejo en espera.

Se usa cuando la aplicación de una regla no apropiada puede impedir o retrasar sustancialmente la terminación satisfactoria del proceso. Esta estrategia permite probar una regla, y si después descubre que no era apropiada, volver atrás y probar otra en su lugar.

¿Como busca la solucion un sistema experto?

2008-02-15T13:10:00.000-08:00

Sabemos dado un estado inicial, se van generando estados a través de la aplicación de un conjunto de reglas, las cuales al aplicarse originan un nuevo estado, así sucesivamente hasta alcanzar el estado final.

Habrá en consecuencia un estado inicial y un estado final que serán definidos como:

1. Una base de hechos en la cual aparecerá un hecho que satisface ciertas características.
2. Una base de hechos en la cual habrán desaparecido todos los hechos a establecer.
3. Una base de hechos tal que ninguna regla puede aportar una nueva modificación.

Los puntos 1 y 3 son comúnmente adoptados por los motores de encadenamiento hacia delante, mientras el 2 es adoptado por motores con encadenamiento hacia atrás.

Ejemplo de búsqueda primero en profundidad

Tomemos el ejemplo de las tinas, donde se parte de dos tinas (recipientes para contener agua) y se quiere lograr que la de 4 galones tenga 2 galones. Las tinas no tienes marcas que indiquen la cantidad de galones.

Vamos a definir algunas reglas de forma general:
Restricciones
1) “Si una tina se lleno hasta el tope, no llenar la otra”.
2) “Si una tina se acaba de llenar hasta el tope, no se puede botar”.
Orden de las reglas:
1ro. Aplicar reglas para el criterio de solución.
2do. Aplicar reglas para llenar las tinas.
3ro. Aplicar reglas para vaciar de una para otra.
4to. Aplicar reglas para botar el contenido de una de ella.
Criterio de solución
R1: Si (la tina de 4) (tiene) (dos galones) entonces SOLUCION.
R2: Si (la tina de 3) (tiene) (dos galones) y (la tina de 4) (esta vacia) entonces (vaciar el contenido) (para) (la tina de 4)
R3: Si (la tina de 3) (tiene) (dos galones) y (la tina de 4) (no) (esta vacia) entonces (botar el contenido de) (la tina de 4)

Veamos como se va efectuando la búsqueda paso a paso

Estado inicial: (0,0) ambas tinas vacías
Estado 1: (0,0) ? (0,4) Se llena una de las tinas (la de 4 galones).
Estado 2: (0,4)  (3,1,) Se vacía el contenido de la de 4 en la de 3 galones.
Estado 3: (3,1)  (0,1) Se bota el contenido de la tina de 3 galones
Estado 4: (0,1)  (1,0) Se vacía el contenido de la de 4 en la de 3 galonres.
Estado 5: (1,0)  (1,4) Se llena la tina de 4 galones.
Estado 6: (1,4)  (3,2) Se vacía la tina de 4 en la de 3 galones
Estado final (3,2) Se alcanza la solución al quedar 2 galones en la tina de 4

Ahora traten de resolverlo comenzando llenando la tina de 3 galones.

Encadenamiento de las reglas en los sistemas expertos

2008-02-13T11:48:00.000-08:00

Un espacio de estados se puede interpretar como una imagen de la evolución incremental de la base de hechos (la traza de los hechos en la memoria de trabajo), tanto de hechos establecidos como de hechos a establecer, en función de la aplicación de las reglas desencadenables.

En el encadenamiento hacia delante y hacia atrás:
El sentido de la trayectoria en el espacio de estado queda definido por el modo de funcionamiento del motor de inferencias.

Encadenamiento hacia delante:

Los hechos de la Base de datos global (base de hechos), son considerados como disparadores de las reglas, son hechos establecidos. La exploración de las reglas en estas condiciones corresponde a un razonamiento, desde los hechos hacia los objetivos.

Encadenamiento hacia atrás:

Los hechos de la base de hechos son considerados como hechos a establecer (sub-objetivos). La exploración de las reglas corresponde a un razonamiento desde los objetivos a los hechos.

Ejemplo de encadenamiento hacia delante:

Reglas:
R1: si A entonces B.
R2: si B entonces C.
R3: si C entonces Z

Hechos:
H1: A (dato de partida)
H3: Z (objetivo a alcanzar)

Regla Memoria de trabajo Observación;

.... (A ) (X) Estado inicial
1 (A, B) (X) Se aplica la R1 y la conclusión (B) (B) se incluye en la memoria de trabajo (MT)
2 (A, B, C) (X) Se aplica la R2 y se incrementa la MT.
3 (A, b, C, Z) (Z) Se aplica la R3 y se alcanzo el objetivo.

Donde el espacio de estados fue el siguiente:

A -> B -> C -> Z

Para el encadenamiento hacia atrás el espacio de estado se movería al revés:

A -> B -> C -> Z

Estrategia y busqueda de soluciones

2008-02-07T05:32:00.000-08:00

Uno de los métodos de búsqueda de soluciones para problemas poco estructurados (no existe un algoritmo bien definido), son los espacios de estado

Ejemplo: Imaginemos que estamos en un parque (un Zoológico) que tiene varias entradas y varias salidas y que existen diferentes lugares donde se exhibe o se vende algo (estado).

Un algoritmo lo que haría seria dado una entrada encontrar un camino que me lleve a una salida (sin explorar las demás posibilidades).

Ejemplo de algoritmo, sea el camino: Entrada 1, estado 1, estado 4, Salida 2.

En cambio a través de una exploración no algoritmica yo podría visitar todos los lugares (estados).

Definiciones:.

Problemas numéricos: Se busca una representación numérica del problema. Casi siempre aplicando un método de aproximaciones sucesivas.

Características de los algoritmos:
• Finitud: que termine.
• Definibilidad: orden de ejecución y representación de instrucciones.
• Determinismo: que siempre haya solución.

Los problemas numéricos son siempre estructurados, donde los datos y las soluciones están bien definidos, así como los pasos a seguir para llegar a las ultimas.
Y pueden ser:
• Algoritmos exactos (solución exacta).
• Algoritmos aproximados (solución basada en iteraciones).

Problemas lógicos: El hallazgo de la solución de un problema mediante un “espacio”de estado y los métodos de búsqueda en este espacio de solución.

Espacio de estado: se trata de definir el problema mediante estados posibles.

Estado: Estructura de datos que representan una fotografía de un momento dado en una etapa de solución.

Es necesario hacer cambios en el espacio de estado para que pase a otro estado (movimiento), el cual también sufrirá nuevas transformaciones. Por lo cual hay que definir una serie de operadores.

Operador: convierte un estado en otro.

Pero hace falta definir el conjunto de acciones para llevar a cabo las transformaciones entre estados.

No todos los estados son admisibles a partir del estado inicial. Debe existir un conjunto de transferencias que lleve a la estado final:
E0 ~ E1 ~ E2 ~......En

Al conjunto de transferencias también se le llaman reglas del tipo:
Antecedente  Acción.
Que sirven para realizar todos los estados.

Heurística: es una estrategia que limita drásticamente la búsqueda de soluciones de un problema.

Búsqueda exhaustiva: exploración (normalmente en forma de árbol) de todos los caminos posibles.

Estrategias de control sistemático

Como ya se vio la MI tiene asociada una estrategia de control para poder manejar la BC y esa estrategia de control debe conducir a la solución del problema.

Existen dos tipos de estrategia de control:
• Estrategia de control sistemática.
• Estrategia de control heurística.

Estrategias de tipo sistemático:
1. Encadenamiento hacia delante.
2. Encadenamiento hacia atrás.
3. Búsqueda en profundidad.
4. Búsqueda a lo ancho.
5. Régimen de control irrevocable.
6. Régimen de control por tentativa.

La filosofía de estas metodológicas sistemáticas en los sistemas expertos se fundamenta en la necesidad de obtener una movilidad global durante la invocación de las reglas en el ciclo de evaluación y ejecución.

Según el sentido de enlace entre las reglas:
• Encadenamiento hacia delante (foward-chaining).
• Encadenamiento hacia atrás (backward-chaining).

Según la dirección en la topografía que desarrollan las reglas:
• Búsqueda en profundidad.
• Búsqueda a lo ancho.

Según la estrategia de unificación (pattern-matching).
• Régimen de control irrevocable.
• Régimen de control por tentativas.