Razonamiento aproximado. Fundamentos teóricos de la inteligencia artificial

1 GUIÓN Razonamiento aproximado Necesidad de razonamiento aproximado Apuntes históricos Modelos difusos Modelos probabilísticos Ejemplos de aplicación Modelado del alumno en sistemas tutores inteligentes

2 Necesidad de razonamiento aproximado El modelo ideal del razonamiento (humano o mecánico) es el razonamiento exacto. En mundo real se suele razonar con información que es: incierta imprecisa

3 Necesidad de razonamiento aproximado Clasificación de las fuentes de incertidumbre: Deficiencias de la información Características del mundo real Deficiencias del modelo

4 Necesidad de razonamiento aproximado Ejemplos: Información incompleta Información errónea Información imprecisa Mundo real no determinista Modelo incompleto Modelo inexacto Falta historial Falta memoria Pruebas caras Aleatoriedad Dificultad cuantificar Falsos positivos Historial incorrecto Engaño Descripción incorrecta Excepciones Imposibilidad Desacuerdos Enfermedades desconocidas Estimaciones subjetivas parámetros Problemas mecanismos razonamiento

5 Necesidad de razonamiento aproximado Todas estas fuentes de incertidumbre se dan en: ciencias naturales ingeniería derecho humanidades problemas típicos de AI reconocimiento del lenguaje natural (hablado/escrito) aprendizaje visión artificial robótica recuperación de información juegos complejos modelado del usuario sistemas adaptativos

6 Necesidad de razonamiento aproximado En resumen El tratamiento de la incertidumbre es, junto con la representación del conocimiento y el aprendizaje, uno de los problemas fundamentales de la Inteligencia Artificial Nos centraremos en los llamados métodos numéricos

7 Lógica difusa En 1965, Lofti Zadeh sienta las bases de la lógica difusa Motivación inicial: estudio de la vaguedad Relación vaguedad ? incertidumbre Paradoja del céntimo de euro Solución: definir conjuntos con grados de pertenencia Éxito de la lógica difusa : Desde el punto de vista práctico: miles de aplicaciones, la mayoría en sistemas de control Desde el punto de vista práctico: muchas áreas de las matemáticas, lógica, económicas, etc. se han “difuminado” desde entonces.

8 Características principales de la lógica difusa Se intenta representar la vaguedad e imprecisión inherentes en el lenguaje natural Utiliza varios elementos: conjuntos difusos, variables difusas, relaciones difusas, reglas difusas Dichos elementos se combinan entre sí en el proceso de inferencias El proceso de inferencias incluye pasos que pasan la información nítida a difusa y viceversa