martes, 31 de agosto de 2010

Unidad 1 Fundamentos El Proposito de la Ia y su Evolucion Historica

La Inteligencia Artificial surge definitivamente a partir de algunos trabajos publicados en la década de 1940 que no tuvieron gran repercusión, pero a partir del influyente trabajo en 1950 de Alan Turing, matemático británico, se abre una nueva disciplina de las ciencias de la información.

Si bien las ideas fundamentales se remontan a la lógica y algoritmos de los griegos, y a las matemáticas de los árabes, varios siglos antes de Cristo, el concepto de obtener razonamiento artificial aparece en el siglo XIV. A finales del siglo XIX se obtienen lógicas formales suficientemente poderosas y a mediados del siglo XX, se obtienen máquinas capaces de hacer uso de tales lógicas y algoritmos de solución.

Punto de inflexión de la disciplina

En su histórico artículo de 1950, Turing propuso que la pregunta «¿puede pensar una máquina?» era demasiado filosófica para tener valor y, para hacerlo más concreto, propuso un «juego de imitación». En la prueba de Turing intervienen dos personas y un computadora. Una persona, el interrogador, se sienta en una sala y teclea preguntas en la terminal de una computadora. Cuando aparecen las respuestas en la terminal, el interrogador intenta determinar si fueron hechas por otra persona o por una computadora. Si actúa de manera inteligente, según Turing es inteligente. Turing, señaló que una máquina podría fracasar y aún ser inteligente. Aun así creía que las máquinas podrían superar la prueba a finales del siglo XX.

De todas maneras esta prueba no tuvo el valor práctico que se esperaba, aunque sus repercusiones teóricas son fundamentales. El enfoque de Turing de ver a la inteligencia artificial como una imitación del comportamiento humano no fuen tan práctico a lo largo del tiempo y el enfoque dominante ha sido el del comportamiento racional, de manera similar, en el campo de la aeronáutica se dejó de lado el enfoque de tratar de imitar a los pájaros y se tomó el enfoque de comprender las reglas de aerodinámica. Aunque desde luego, el enfoque del comportamiento humano y el del pensamiento humano siguen siendo estudiados por las ciencias cognitivas y continúan aportando interesantes resultados a la Inteligencia Artificial, y viceversa.

Disciplinas sobre las que se apoya

La ciencia no se define, sino que se reconoce. Para la evolución de la Inteligencia Artificial las dos fuerzas más importantes fueron la lógica matemática, la cual se desarrolla rápidamente a finales del siglo XIX, y las nuevas ideas acerca de computación y los avances en electrónica que permitieron la construcción de los primeros computadores en 1940. También son fuente de la inteligencia artificial: la filosofía, la neurociencia y la lingüística. La lógica matemática ha continuando siendo un área muy activa en la inteligencia artificial. Incluso antes de la existencia de los ordenadores con los sistemas lógicos deductivos.

Orígenes y Evolución Cronológica

Los juegos matemáticos antiguos, como el de las Torres de Hanói (hacia el 3000 a. C.), muestran el interés por la búsqueda de un modo resolutor, capaz de ganar con los mínimos movimientos posibles.

Cerca de 300 a. C., Aristóteles fue el primero en describir de manera estructurada un conjunto de reglas, silogismos, que describen una parte del funcionamiento de la mente humana y que, al seguirlas paso a paso, producen conclusiones racionales a partir de premisas dadas.

En 250 a. C. Ktesibios de Alejandría construyó la primera máquina autocontrolada, un regulardor del flujo de agua que actuaba modificando su comportamiento "racionalmente" (correctamente) pero claramente sin razonamiento.

En 1315, Ramon Llull tuvo la idea de que el razonamiento podía ser efectuado de maneral artificial.

En 1847 George Boole estableció la lógica proposicional (booleana), mucho más completa que los silogismos de Aristóteles, pero aún algo poco potente.

En 1879 Gottlob Frege extiende la lógica booleana y obtiene la Lógica de Primer Orden la cual cuenta con un mayor poder de expresión y es utilizada universalmente en la actualidad.

En 1903 Lee De Forest inventa el triodo, también llamado bulbo o válvula de vacío.

En 1937 Alan Turing publicó un artículo de bastante repercusión sobre los "Números Calculables", un artículo que estableció las bases teóricas para todas las ciencias de computación, y que puede considerarse el origen oficial de la informática teórica. En este artículo introdujo el concepto de Máquina de Turing, una entidad matemática abstracta que formalizó el concepto de algoritmo y resultó ser la precursora de las computadoras digitales. Podía conceptualmente leer instrucciones de una cinta de papel perforada y ejecutar todas las operaciones críticas de un computador. El artículo fijó los límites de las ciencias de la computación porque demostró que no es posible resolver problemas con ningún tipo de computador. Con ayuda de su máquina, Turing pudo demostrar que existen problemas irresolubles, de los que ningún ordenador será capaz de obtener su solución, por lo que se le considera el padre de la teoría de la computabilidad.

En 1940 Alan Turing y su equipo contruyeron el primer computador electromecánico y en 1941 Konrad Zuse creó la primera computadora programable y el primer lenguaje de programación de alto nivel Plankalkül. Las siguiente máquinas más potentes, aunque con igual concepto, fueron la ABC y ENIAC.

En 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales, el cual se considera el primer trabajo del campo de inteligencia artificial, aun cuando todavía no existía el término.

En 1950 Turing consolidó el campo de la inteligencia artificial con su artículo Computing Machinery and Intelligence, en el que propuso una prueba concreta para determinar si una máquina era inteligente o no, su famosa Prueba de Turing por lo que se le considera el padre de la Inteligencia Artificial. Años después Turing se convirtió en el adalid que quienes defendían la posibilidad de emular le pensamiento humano a través de la computación y fue coautor del primer programa para jugar ajedrez.

En 1951 William Shockley inventa el transistor de unión. El invento hizo posible una nueva generación de computadoras mucho más rápidas y pequeñas.

En 1956 se acuñó el término "inteligencia artificial" en Dartmouth durante una conferencia convocada por McCarthy, a la cual asistieron, entre otros, Minsky, Newell y Simon. En esta conferencia se hicieron previsiones triunfalistas a diez años que jamás se cumplieron, lo que provocó el abandono casi total de las investigaciones durante quince años.

En 1980 la historia se repitió con el desafío japonés de la quinta generación, que dio lugar al auge de los sistemas expertos pero que no alcanzó muchos de sus objetivos, por lo que este campo sufrió una nueva interrupción en los años noventa.

En 1987 Martin Fischles y Oscar Firschein describieron los atributos de un agente inteligente. Al intentar describir con un mayor ámbito (no sólo la comunicación) los atributos de un agente inteligente, la IA se ha expandido a muchas áreas que han creado ramas de investigación enormes y diferenciadas. Dichos atributos del agente inteligente son:

  1. Tiene actitudes mentales tales como creencias e intenciones.
  2. Tiene la capacidad de obtener conocimiento, es decir, aprender.
  3. Puede resolver problemas, incluso particionando problemas complejos en otros más simples.
  4. Entiende. Posee la capacidad de crearle sentido, si es posible, a ideas ambiguas o contradictorias.
  5. Planifica, predice consecuencias, evalúa alternativas (como en los juegos de ajedrez)
  6. Conoce los límites de su propias habilidades y conocimientos.
  7. Puede distinguir a pesar de las similitud de las situaciones.
  8. Puede ser original, creando incluso nuevos conceptos o ideas, y hasta utilizando analogías.
  9. Puede generalizar.
  10. Puede percibir y modelar el mundo exterior.
  11. Puede entender y utilizar el lenguaje y sus símbolos.

Podemos entonces decir que la IA posee características humanas tales como el aprendizaje, la adaptación, el razonamiento, la autocorrección, el mejoramiento implícito, y la percepción modular del mundo. Así, podemos hablar ya no sólo de un objetivo, sino de muchos, dependiendo del punto de vista o utilidad que pueda encontrarse a la IA.

En la actualidad se está tan lejos de cumplir la famosa prueba de Turing como cuando se formuló: Existirá Inteligencia Artificial cuando no seamos capaces de distinguir entre un ser humano y un programa de computadora en una conversación a ciegas. Como anécdota, muchos de los investigadores sobre IA sostienen que «la inteligencia es un programa capaz de ser ejecutado independientemente de la máquina que lo ejecute, computador o cerebro»:

1.2 Las Habilidades Cognoscitivas Segun la Psicologia Teorias de la Inteligencia (Conductismo, Gardner,…)

Son las facilitadoras del conocimiento, aquellas que operan directamente sobre la información: recogiendo, analizando, comprendiendo, procesando y guardando información en la memoria, para, posteriormente, poder recuperarla y utilizarla dónde, cuándo y cómo convenga. En general, son las siguientes:

1. Atención: Exploración, fragmentación, selección y contradistractoras.

2. Comprensión (técnicas o habilidades de trabajo intelectual): Captación de ideas, subrayado, traducción a lenguaje propio y resumen, gráficos, redes, esquemas y mapas conceptuales. A través del manejo del lenguaje oral y escrito (velocidad, exactitud, comprensión).

3. Elaboración: Preguntas, metáforas, analogías, organizadores, apuntes y mnemotecnias.

4. Memorización / Recuperación (técnicas o habilidades de estudio): Codificación y generación de respuestas.

Como ejemplo clásico y básico, el método 3R: Leer, recitar y revisar (read, recite, review).

1.2.1 Teorias de la Inteligencia

Según Howar Gardner la inteligencia se puede clasificar en ocho tipos.

Howard Gardner añade que igual que hay muchos tipos de problemas que resolver, también hay muchos tipos de inteligencia. Hasta la fecha Howard Gardner y su equipo de la universidad de Harvard han identificado ocho tipos distintos:

Inteligencia Lógica - matemática, la que utilizamos para resolver problemas de lógica y matemáticas. Es la inteligencia que tienen los científicos. Se corresponde con el modo de pensamiento del hemisferio lógico y con lo que nuestra cultura ha considerado siempre como la única inteligencia.

Inteligencia Lingüística, la que tienen los escritores, los poetas, los buenos redactores. Utiliza ambos hemisferios.

Inteligencia Espacial, consiste en formar un modelo mental del mundo en tres dimensiones, es la inteligencia que tienen los marineros, los ingenieros, los cirujanos, los escultores, los arquitectos, o los decoradores.

Inteligencia Musical es, naturalmente la de los cantantes, compositores, músicos, bailarines.

Inteligencia Corporal - kinestésica, o la capacidad de utilizar el propio cuerpo para realizar actividades o resolver problemas. Es la inteligencia de los deportistas, los artesanos, los cirujanos y los bailarines.

Inteligencia Intrapersonal, es la que nos permite entendernos a nosotros mismos. No está asociada a ninguna actividad concreta.

Inteligencia Interpersonal, la que nos permite entender a los demás, y la solemos encontrar en los buenos vendedores, políticos, profesores o terapeutas.

Otras clasificaciones sostienes que la inteligencia se puede estudiar desde ocho enfoques diferentes, a saber, las mencionadas a continuación:

1. Enfoque psicológico, en el que se consideran los fundamentos biológicos, los fisiológicos, los neurológicos, los bioeléctricos y los bioquímicos de la inteligencia.

2. La perspectiva experimental del pensamiento y de la conducta inteligente, la cual tiene diversas tendencias

La introspectiva de la intencionalidad y las representaciones mentales.

La teoría de la Gestalt, que subraya la reorganización perceptiva generadora de la comprensión.

Los diversos funcionalismos que conciben la inteligencia como adaptación a situaciones nuevas.

Las corrientes conductistas y neo-conductistas que estudian la inteligencia mediante diversos modelos de aprendizaje con sus variantes cognitivas, p.e., las que la entienden como capacidad de inhibición de respuestas, ensayos y errores mentales.

La perspectiva de la psicología cognitiva, que considera a la inteligencia como un sistema de procesamiento y que estudia las estrategias y los componentes de la recepción, la codificación y la elaboración de la información mediante procedimientos experimentales, modelos y programas de iniciación de la inteligencia.

3. El enfoque genético el cual ofrece las siguientes áreas de estudio:

La indignación filogenética, que estudia la inteligencia considerando la evolución del ser humano y que señala la importancia de la diferenciación y la creciente complejidad del sistema nervioso, así como su progresiva encefalización.

El estudio endogenético, el cual abarca una serie de teorías que consideran el desarrollo de la inteligencia durante la vida del individuo entre las que se encuentran:

* Las teorías madurativas: Que señalan la importancia de la maduración de las aptitudes innatas.
* Las teorías empiristas: Que hacen hincapié en el aprendizaje acumulado.
* Las teorías constructivas: Que subrayan la actividad innovadora del sujeto.

4. La perspectiva diferencial, la cual se refiere a las teorías que estudian las variaciones de la inteligencia a partir de las diferencias entre los individuos y los grupos:

1ª.- Teorías psicometrícas.

2ª.- Teorías factoriales.

3ª.- Teorías sociales.

4ª.- Teorías culturales.

5ª.- Teorías ecológicas.

Esta pluralidad de teorías, refleja las numerosas facetas y la multi-lateralidad de la inteligencia, por lo que es indispensable el esfuerzo de coordinación entre ellas.

Sin ser definitivo, se puede considerar a la inteligencia como un sistema jerarquizado de procesos y estrategias cognitivos debidos a la interacción entre la herencia, la organización cerebral, la conducta y el entorno social que le permiten resolver problemas y desarrollar la creatividad.

Hay varios tipos de inteligencia a partir de los trabajos de John P. Guilford, y de Howard que han considerado detalladamente el concepto de inteligencia, para Guilford, es posible conceptualizarla como un modelo factorial en el que existe una gran variedad de habilidades intelectuales, que si bien están vinculadas entre si, poseen características distintivas.

Las inteligencias que propone son:

1.- Musical.

2.- Lingüística.

3.- Lógica matemática.

4.- Especial: La capacidad para resolver problemas o actuar creativamente en la organización del espacio.

5.- Interpersonal: Implica el conocimiento de las demás.

6.- Intrapersonal: Implica el conocimiento de uno mismo.

7.- Cinestésico - Corporal: La capacidad para crear con

1.3 El Proceso de Razonamiento Segun la Logica (Axiomas,Teoremas,Demostración)

Razonamiento Lógico

Introducción.
La práctica de los razonamientos deductivos en el proceso de desarrollo del pensamiento lógico matemático es muy importante. Constituye una herramienta fundamental para el trabajo en la matemática y otras ciencias.

¿QUÉ ES LA LÓGICA?

La lógica es aquella ciencia que va en búsqueda de las formas de los razonamientos correctos, es decir, de las leyes del deducir correctamente. En este sentido es legítimo afirmar que la lógica es la teoría de la deducción, en cuanto estudia las reglas de las inferencias correctas.
La lógica hace explícitas estas leyes, las ordena en sistemas axiomáticos y prueba sus capacidades y límites.

Teoría deductiva

Designamos bajo este nombre toda teoría que se fundamenta en dos principios:
Definiciones y demostraciones.
En su desarrollo debe cumplir básicamente las siguientes condiciones:

Enunciar explícitamente los términos primitivos con ayuda de los cuales se propone definir los demás términos de la teoría.

Enunciar explícitamente las relaciones primitivas. Con la misma esencia anterior, son relaciones que el hombre pone en la base de su conocimiento.

Enunciar explícitamente las proposiciones primitivas, con ayuda de las cuales se propone demostrar otras proposiciones de la teoría. Estas proposiciones primeras se denominan Axiomas y relacionan entre sí los términos primitivos y las relaciones primitivas.

Que las relaciones enunciadas entre los términos sean únicamente relaciones lógicas, permaneciendo independientes del sentido concreto o interpretación que pueda darse a los términos.

Axioma o postulado

Es una proposición primitiva que se admite como cierta. En la construcción de una teoría axiomática se ha de partir de un conjunto de axiomas, escogidos de tal forma que dicho conjunto ha de ser: compatible, suficiente, independiente.
Analicemos estas características:
Compatibilidad: Dos axiomas no pueden formular en ellos, ni producir en sus resultados derivados, relaciones contradictorias.

Suficiencia: Toda proposición verdadera ha de ser deducible dentro del sistema.
Independencia: Ningún axioma ha de poderse deducir de otros.
Estableciendo el sistema de axiomas (que por cierto, no tienen porque ser "evidentes"), se comienza a construir la teoría enunciando y demostrando los teoremas.

La demostración

El proceso demostrativo consiste básicamente en:
A partir de unas proposiciones dadas que llamaremos premisas, obtener otra proposición que llamaremos conclusión mediante la aplicación de unas reglas lógicas .
Para demostrar que una proposición específica es un teorema en una teoría deductiva dada procedemos así:

1.-Se enuncian explícitamente los axiomas de la teoría.

2.-Se fijan las reglas que validan el proceso demostrativo, estas reglas se denominan reglas de validez y se reducen a las siguientes:

Regla de validez 1: Todo axioma puede figurar en cualquier paso de una demostración.

Regla de validez 2: Si P=>Q figura en una demostración y P también figura en la misma demostración, entonces se puede concluir Q en la demostración. Esta regla universal se conoce con el nombre de Modus Ponens.

Regla de validez 3: Si dos proposiciones son equivalentes se puede sustituir la una por la otra en cualquier parte de una demostración. Esta regla se conoce con el nombre de sustitución por equivalencia.

3. Efectuar una demostración de una proposición específica Q, consiste en obtener la proposición Q como la última en el proceso demostrativo por aplicación reiterada de las reglas de validez 1, 2 y 3.

1.4 El Modelo de Adquisicion del Conocimiento Segun la Filosofia

La metodologia Common KADS, como cualquier otra ofrece una aproximacion para resolver los probelmas inherentes a la ingenieria del conocimiento provenientes de la experiencia y apoyados por los fundamentos de la ingeniería del software.

Como se ha mencionado anteriormente, la ingeniería del conocimiento debe hacer frente a la recopilación de datos, dar forma a la información y generar más conocimiento.

Todo ello dentro de un determinado ámbito de aplicación o línea de negocio empresarial, que debe plasmarse en una realidad.

los modelos de la metodología Common KADS para hacer frente a las realidades expresadas anteriormente. En ella se muestran tres grupos de modelos porque existen esencialmente tres tipos de preguntas que deben contestarse:

¿Por qué? ¿Por qué es necesario recurrir a un sistema que involucre conocimiento?

En la organización donde se va a implementar, ¿va a mejorar el rendimiento de la misma?,

¿reportará beneficios económicos o de otra índole?, ¿resolverá mejor que otros sistemas o las propias personas los problemas?, ¿será aceptado por la organización donde se va a implementar?

La respuesta a estas preguntas pasa por estudiar tres aspectos clave. Cuál es la estructura de la organización donde se va a desarrollar el sistemas par ver donde encaja. Qué tarea va a realizar

el sistema y cómo se enmarcan dentro de las tareas globales de la organización. Quién o quienes estarán involucrados en la realización de estas tareas. Con este planteamiento llegamos a respectivamente a los modelos de la organización, tarea y agente bajo la perspectiva del contexto en la organización. ¿Qué? ¿Qué tipo de conocimiento es el que se debe manejar?, ¿cómo se va a estructurar ese conocimiento? Además, ¿Será necesario transmitir ese conocimiento?, ¿quién va a recibir y por tanto hacer uso de ese conocimiento? En definitiva, ¿es necesario y conveniente

que haya una comunicación relativa a ese conocimiento? Bajo esta perspectiva surge un mecanismo conceptual que involucra la formalización y el uso de conocimiento así como su transmisión y/o recepción mediante una comunicación. De aquí derivan los modelos de conocimiento y comunicación.

¿Cómo? ¿Cómo debe llevarse a la práctica todo lo anterior para que el conocimiento pueda implementarse en una computadora?, ¿cómo debe ser la arquitectura software y el mecanismo computacional? En este caso se está hablando del equipo necesario que ha de desembocar en un método de diseño.

1.5 El Modelo Cognoscitivo

En toda situación de aprendizaje ( Pozo, 1999), espontáneo o generado en una experiencia educativa, puede identificarse tres componentes básicos:

el qué se aprende (resultados), el cómo se aprende (los procesos cognitivos) y las condiciones del aprendizaje (la acción educativa) que responde a las preguntas cuándo, cuánto, donde, con quién etc. Estos tres componentes se pueden mirar ya sea desde un enfoque conductual o social cognoscitivo. Desde el enfoque conductual los resultados de aprendizaje son las conductas, los procedimientos cognoscitivos no son importantes para este enfoque y las condiciones se refieren a la forma de organizar situaciones estimulantes y refuerzos continuos a las conductas adecuadas.

Desde el enfoque cognoscitivo los resultados de aprendizaje se refieren a representaciones cognitivas internas o estructuras cognoscitivas que pueden tener un correlato en una representación simbólica externa para comprobar su presencia, los procesos cognitivos se refieren a toda aquella actividad mental que hace posible la constitución de representaciones y las condiciones se refieren a las acciones educativas de carácter social educativo o interaccional y a los diferentes recursos culturales con que se apoya el aprendizaje.

Desde el punto de vista social cognoscitivo los resultados de aprendizaje se refieren a la manera como se construye significado al conjunto de categorías que constituyen un discurso disciplinar. Los resultados de aprendizaje no se refieren en especificidad a un saber sino al significado que un aprendiz le da a ese saber. La construcción de esos significados se hace en especial cuando el conocimiento se presenta estructurado.

Los procesos cognoscitivos en términos de aprendizaje se dan por niveles de complejidad ya sea en relación con el desarrollo (edad) o con los niveles de complejidad en una tarea. En términos del desarrollo, las teorías de Piaget o de Vigotsky definen una serie de características según ciclos de vida de los individuos y según la complejidad de las tareas, los enfoques computacionales representacionales, definen una serie de procesos y subprocesos subyacentes a la solución de problemas y a la toma de decisiones. En relación con la complejidad como se estructura un conocimiento se pueden definir 4 grandes procesos básicos: conceptualización, interpretación, transferencia, creatividad.

Conceptualización se refiere a la manera como se define un concepto en relación con una experiencia asociada o con otro concepto en una proposición o estructura conceptual. La interpretación se refiere a la manera como un concepto o conjunto de conceptos o proposiciones toma significados en relación con un contexto lingüístico o discursivo o en relación con un fenómeno. Dentro de la interpretación se juegan procesos cognoscitivos como la deducción, la inferencia, el análisis, la síntesis y diferentes modalidades de categorización.

La transferencia se refiere a la manera como se aplica un conocimiento a la solución de problemas surgidos en contextos diferentes a aquellos en donde se dio la situación de aprendizaje. La creatividad se refiere a la manera como se reestructura o se proponen estructuras diferentes a las aprendidas. Los niveles cognoscitivos del aprendizaje no son totalmente lineales y su recorrido se puede dar en espiral. Lo cierto es que en términos de organización de las experiencias educativas definir niveles de aprendizaje permite organizar una educación para el desarrollo de habilidades cognitivas.

Las condiciones de aprendizaje se refieren a la organización de las experiencias educativas para la consecución de aprendizajes. Las experiencias educativas son de carácter interaccional y los aprendizajes cognoscitivos, desde el punto de vista social cognoscitivo. Las condiciones de aprendizaje desde el punto de vista social cognoscitivo se refieren a la manera como se organiza un modelo curricular- pedagógico y una serie de acciones educativas para la consecución de aprndizajes cognoscitivos con referencia a un tema de conocimiento (Parra, 2000)

1.6 El Modelo del Agente Inteligente

Un agente inteligente, es una entidad capaz de percibir su entorno, procesar tales percepciones y responder o actuar en su entorno de manera racional, es decir, de manera correcta y tendiendo a maximizar un resultado esperado.

En este contexto la racionalidad es la característica que posee una elección de ser correcta, más específicamente, de tender a maximizar un resultado esperado. Este concepto de racionalidad es más general y por ello más adecuado que inteligencia (la cual sugiere entendimiento) para describir el comportamiento de los agentes inteligentes. Por este motivo es mayor el consenso en llamarlos agentes racionales.

Un agente inteligente puede ser una entidad física o virtual. Si bien el término agente racional se refiere a agentes artificiales en el campo de la Inteligencia Artificial, también puede considerarse agentes racionales a los animales incluido el hombre.

Los agentes inteligentes se describen esquemáticamente como un sistema funcional abstracto. Por esta razón, los agentes inteligentes son a veces llamado Agentes Inteligentes Abstractos (AIA) para distinguirlos de sus implementaciones del mundo real como sistemas informáticos, los sistemas biológicos, o de organizaciones. Algunas definiciones de agentes inteligentes hacen énfasis en su autonomía por lo que prefieren el término agente inteligente autónomo. Y otros (en particular, Russell y Norvig (2003)) considera conducta dirigida a objetivos como la esencia de lo inteligente y prefieren un término tomado de la economía "Agente Racional".

En Ciencias de la Computación el término agente inteligente puede ser usado para referirse a un agente de software que tiene algo de inteligencia, independientemente de si no es un agente racional por definición de Russell y Norvig. Por ejemplo, programas autónomos utilizados para asistencia de un operador o de minería de datos (a veces denominado robots) son también llamados "agentes inteligentes".

Definiciones sobre Agentes Inteligentes

Los agentes inteligentes se han definido de diferentes maneras. [2] Según Nikola Kasabov [3] los sistemas de IA deben exhibir las siguientes características:

* Aprender nuevos problemas e incrementar normas de solución.
* Capacidad de adaptación en línea y en tiempo real.
* Ser capaz de analizar condiciones en términos de comportamiento, el error y el éxito.
* Aprender y mejorar a través de la interacción con el medio ambiente (realización).
* Aprender rápidamente de grandes cantidades de datos.
* Deben estas basados en memoria de almacenamiento masivo y la recuperación de dicha capacidad.

Ejemplos

Como ejemplos de entidades físicas pueden nombrarse:

* un robot de comportamiento variable autoregulado (ya sea que su comportamiento sea determinado por software o incorporado directamente en la electrónica),
* una computadora que ejecuta un software de diagnóstico médico y muestra resultados en una pantalla para ayudar a decidir a un médico,
* una computadora especializada que controla un helicóptero en maniobras peligrosas para un hombre.

Ejemplos de entidad puramente virtual serían:

* un software de descubrimiento de patrones en Internet que sólo interactúa con otros software.
* un software softbot que simula a una persona en un juego de computadora, tal como un jugador de ajedrez, un jugador de fútbol contrincante o un conductor de carreras de automóviles, etc.

Clasificación

Es posible clasificar los agentes inteligentes en 5 categorías principales:

1. agentes reactivos
2. agentes reactivos basados en modelo
3. agentes basados en objetivos
4. agentes basados en utilidad
5. agentes que aprenden
6. agentes de consultas


La racionalidad es necesaria


En muchos textos se define agente inteligente como todo agente capaz de tener conciencia de su entorno y actuar sobre él. No obstante es necesario exigir que estas decisiones sean racionales en el sentido de que persigan algún fin.

Vamos a mostrarlo con un contraejemplo: cuando un fotón con la suficiente energía incide sobre un átomo, puede arrancar de él un electrón. Podríamos considerar al átomo inteligente puesto que percibe su entorno (la incidencia del fotón) y actúa sobre su entorno (emite un electrón). La ausencia de relación entre la emisión del electrón y cualquier hipotético interés del átomo muestra que este no es un agente inteligente pese a verificar la definición de Bertrand Russell.

Sin ese término no tendría sentido la palabra racionalidad.
[editar] La conducta de un agente no suele ser la óptima

Paradójicamente, la conducta de un agente rara vez es la óptima. La razón es muy sencilla calcular el óptimo de un criterio lo suficientemente bueno para ser considerado razonable teniendo en cuenta las múltiples restricciones que concurren es muy difícil. Ejemplos de ello es lo difícil que es calcular la mejor ala para un avión, el mejor perfil para un coche o la mejor hélice para un barco. Para un estudiante es fácil calcular el máximo de un polinomio de segundo grado derivando e igualando a cero. En este caso el criterio es muy sencillo -es un polinomio de segundo grado- y no concurre ninguna restricción.

Cuando el criterio es una función real de muchas variables y las restricciones también, los cálculos son mucho más complicados. Algunas veces se puede lograr una buena aproximación; pero, si un agente inteligente debe tomar una decisión en muy poco tiempo, deberá conformarse con la mejor aproximación que pueda calcular en el escaso tiempo de que dispone.

Por otra parte, no es tan fácil inducir el criterio que permite comparar las distintas estrategias: ¿cómo se puede expresar con una ecuación simple lo que más le conviene a un lagarto que está cazando bajo el sol?

1.7 El Papel de la Heuristica

Se denomina heurística a la capacidad de un sistema para realizar de forma inmediata innovaciones positivas para sus fines. La capacidad heurística es un rasgo característico de los humanos, desde cuyo punto de vista puede describirse como el arte y la ciencia del descubrimiento y de la invención o de resolver problemas mediante la creatividad y el pensamiento lateral o pensamiento divergente.

En computación, dos objetivos fundamentales son encontrar algoritmos con buenos tiempos de ejecución y buenas soluciones, usualmente las óptimas. Una heurística es un algoritmo que abandona uno o ambos objetivos; por ejemplo, normalmente encuentran buenas soluciones, aunque no hay pruebas de que la solución no pueda ser arbitrariamente errónea en algunos casos; o se ejecuta razonablemente rápido, aunque no existe tampoco prueba de que siempre será así. Las heurísticas generalmente son usadas cuando no existe una solucion óptima bajo las restricciones dadas (tiempo,espacio,etc.), o cuando no existe del todo.

A menudo, pueden encontrarse instancias concretas del problema donde la heurística producirá resultados muy malos o se ejecutará muy lentamente. Aún así, estas instancias concretas pueden ser ignoradas porque no deberían ocurrir nunca en la práctica por ser de origen teórico. Por tanto, el uso de heurísticas es muy común en el mundo real.