Benem érita Universidad Autónoma de Puebla
Transcript of Benem érita Universidad Autónoma de Puebla
BenemBeneméérita Universidad rita Universidad
AutAutóónoma de Pueblanoma de Puebla
Facultad de Ciencias de la ComputaciFacultad de Ciencias de la Computacióónn
Inteligencia ArtificialInteligencia Artificial
Verano 2016
IntroducciIntroduccióónn
3
IntroducciIntroduccióónn� IA
− Hollywood
IAIA
� Humanoides
ASIMO
Kirobo
ArthurFCC-BUAP
Valkyrie
IAIA
� Dónde??
6
IAIA
� Definición
7
IAIA
� Prueba de Turing
� Alan Turing
I.A.
9
Prueba de TuringPrueba de Turing
AAúún vigente??n vigente??
10
Prueba de TuringPrueba de Turing
� CAPTCHA� Completely Automated Public Turing test to
tell Computers and Humans Apart
11
Prueba de TuringPrueba de Turing
� CAPTCHA + Preguntas iconográficas /Audio
12
IAIA
� Prueba de Turing
• Superar/competir en la prueba, se requiere:
• Procesamiento del lenguaje Natural• Representación del conocimiento• Razonamiento Automático• Aprendizaje automático
Prueba de Turing
14
IAIA
� Ciencia Cognitiva
• Lógica
• Matemática
• Teoría de juegos
• Neurociencia
• Ing. Computacional
• Teoría de control
• Lingüística
15
Historia de la IAHistoria de la IA
16
IAIA
� McCarthy (1927-2011)
“The goal of AI is to develop machines that behave
as though they were intelligent.”
17
HistoriaHistoria
IA, como ciencia Sistemas Inteligentes
18
IAIA
19
ConceptosConceptos
Complejidad Computacional Complejidad Computacional
� Dado un problema,� Tiempo
� Espacio
� Análisis de complejidad
� Problemas P, NP
21
AgenteAgente
22
AgenteAgente� Función del agente
23
AgenteAgente
� Racionalidad
• Func. Rendimiento, conocimiento a priori, acciones del agente, secuencias de percepciones
� Omnisciencia
• Siempre lleva a cabo una acción de manera correcta
� Aprendizaje
• Autonomía
24
Tipos de ambientesTipos de ambientes
Tipo Contra-tipo
Observable totalmenteObservable totalmente Observable ParcialmenteObservable Parcialmente
DeterministaDeterminista EstocEstocáásticostico
EpisEpisóódicodico SecuencialSecuencial
EstEstááticotico DinDináámicomico
DiscretoDiscreto ContinuoContinuo
25
Programa del AgentePrograma del Agente
Percepción Programa delAgente
Respuesta
BBúúsquedassquedas
27
ProblemasProblemas
28
ÁÁrbolesrboles
29
ÁÁrbolesrboles
.
.
.
.
.
.
.
.
.
.
.
.
30
BBúúsqueda sin informacisqueda sin informacióónn((Uninformed SearchUninformed Search))
31
UninformedUninformed SearchSearch
� Breadth-First Search (anchura)
BreadthBreadth--FirstFirst SearchSearch
Uniform cost search
� Variante de la Búsqueda en anchura
34
DepthDepth FirstFirst SearchSearch
35
DepthDepth FirstFirst SearchSearch
� Variantes:
• Profundidad limitada (profundidades infinitas)
36
DepthDepth FirstFirst SearchSearch
� Iterative Deeping
37
BBúúsquedas con informacisquedas con informacióónn(B(Búúsqueda Heursqueda Heuríística)stica)
38
BBúúsqueda heursqueda heuríísticastica
� Primero el mejor (Best-first search)
• Función de evaluación f(n)
• Función heurística h(n) -> Distancia
� Búsqueda ávida-> Heurística
39
BBúúsqueda heursqueda heuríísticastica� Primero el mejor (Best-first search)
40
BBúúsqueda heursqueda heuríísticastica� Primero el mejor (Best-first search)
H(n)=Distancia en línea recta
41
BBúúsqueda heursqueda heuríísticastica� Primero el mejor (Best-first search)
� Óptima??
� Completa??
AnalizandoAnalizando……..
43
BBúúsqueda A*squeda A*
� f(n) = g(n) + h(n)
� Evita estimar incorrectamente el costo real
44
BBúúsqueda A*squeda A*
� f(n) = g(n) + h(n)
� Puede llegar a ser espacialmente costosa
� Solución:
• IDA*
• BFR
45
BFRBFR
� Best First Recursive
� Menos memoria que Best First
• Similar a primero en profundidad -> recursivo
• Mantiene en memoria el mejor valor del camino del nodo antecesor
• Se da cuenta si vale la pena extender caminos peores
Funciones heurFunciones heuríísticassticas
47
Funciones HeurFunciones Heuríísticassticas
� Necesario definirlas para búsqueda heurística• Función que no sobre estime el número de pasos
� Ejemplo:• 8-Puzzle
• h1- número de piezas mal colocadas
• h2- suma de distancias a su posición objetivo (Manhattan)
88--puzzlepuzzle
49
Funciones HeurFunciones Heuríísticassticas� Comparación experimental, búsquedas: Informada-No informada
50
Funciones HeurFunciones Heuríísticassticas� Comparación experimental, factor b*
51
BBúúsqueda con adversariosqueda con adversario
52
JuegosJuegos� Se deben tomar decisiones óptimas
� Juego:• Estado inicial
• Función sucesor
• Test terminal
• Función de utilidad
� Árbol de juegos
53
MINIMAXMINIMAX
� Árbol de juegos de dos capas
54
MINIMAXMINIMAX
� Poda α-β
� Debido a la naturaleza de esta búsqueda, se pueden evitar ciertos caminos de acuerdo a los intereses de
• MAX -> α
• MIN -> β
Poda Poda αα--ββ� Criterio de paro de expansión:
� Debajo de nodos MIN cuyo β≤α (respecto a cualquier MAX padre)
� Debajo de nodos MAX cuyo α≥β (respecto a cualquier MIN padre)