Una introducción a la Inteligenca Artificial (IA)



Descargar 2.01 Mb.
Página24/29
Fecha de conversión20.03.2018
Tamaño2.01 Mb.
Vistas535
Descargas0
1   ...   21   22   23   24   25   26   27   28   29

F
ig. 4. Neurona Biológica



5. Modelo de una Neurona Artificial
Muchos modelos matemáticos han sido creados para representar al cerebro humano. Cada característica de este modelo corresponde a una parte física de la neurona biológica del cerebro detallado en la tabla 1.
La neurona artificial llamada de aquí en adelante simplemente neurona, la misma que modela el funcionamiento de una neurona biológica, esta se constituye en la unidad básica del modelo de una red neuronal.



Sistema Nervioso


Sistema Neuronal Artificial

Neurona Biológica

Neurona Artificial

Conexiones Sinápticas

Pesos de Conexión

Dendritas

Función de Combinación

Cuerpo de la Célula

Función de Transferencia

Axón

Elemento de Salida



Tabla 1.

En la figura 5 se muestra el modelo de la neurona artificial de McCulloch-Pitts. Una neurona esta constituida por 5 partes que son: entrada, pesos de conexión, función de combinación, función de transferencia y salida.






Fig. 5. Modelo de Neurona Artificial

Las señales de entrada x1, x2, x3,... xn provienen de las salidas de otras neuronas o de fuentes externas a la red neuronal.


Las conexiones sinápticas estarán representadas por los pesos de interconexión, wij de la neurona ith a la neurona jth. En el hardware de las redes neuronales, a menudo son utilizadas resistencias como los pesos de interconexión. Estos pesos bien pueden ser positivos (excitativos) o negativos (inhibidores). Los pesos de conexión determinan el efecto que tienen las señales de entrada en la respuesta que se dará en la salida de la neurona. Las entradas son combinadas con su respectivo peso de conexión a través de una función de combinación

La función de combinación relaciona las entradas y los pesos de conexión y el resultado se envía a una función de transferencia elegida para el proceso de la neurona. La función de combinación más comúnmente usada es la sumatoría de los productos de pesos y entradas.


(3)

donde:


zj función de combinación de la neurona jth.

wij es el peso de conexión entre la neurona ith y jth.

xi señal de entrada o activación de la neurona ith.
Existen otras funciones de combinación que se pueden utilizar y ente las cuales podemos citar: máximo, mínimo, producto, etc.
La función de transferencia interpreta el resultado de la función de combinación y es la respuesta que da la neurona a su salida (axón). La función de transferencia depende solamente del resultado de la función de combinación. En la figura 6 se da algunos ejemplos de algunas funciones de transferencia que se pueden utilizar
De igual manera que las neuronas biológicas del cerebro que no son inteligentes individualmente, tampoco lo son las neuronas. La inteligencia y habilidad de almacenamiento de información de una red neuronal esta dada por el paralelismo, estructura interactiva y distributiva similar al cerebro. La inteligencia de la red neuronal esta almacenada en varios lugares, y determinado por: el modelo de conexión entre neuronas y los pesos de conexión entre las neuronas.
En el modelo generalizado de redes neuronales, el aprendizaje se realiza por la alteración de los pesos de conexión entre neuronas. La ley de aprendizaje utilizada determina como las neuronas modifican sus pesos en respuesta a experiencias y ejemplos. Así, por las leyes de aprendizaje, la inteligencia de la red cambia. Posteriormente explicaremos las leyes de aprendizaje.




Fig. 6.
(4)
(5)
donde:

yj respuesta o activación de la neurona jth.

j valor de umbral de la neurona jth.
La función de transferencia f(zj) es llamada función de activación. Esta función usa los valores de entrada para determinar la actividad de salida de la neurona. Esta descripción de neurona es denominada la neurona de McCulloch-Pitts.
Un caso típico usa una función de entrada binaria

ON si zj > umbral (nivel de referencia)



yj = f(zj)=

OFF si zj < umbral


Una neurona McCulloch-Pitts que usa una entrada binaria es referida en la literatura como perceptron. El perceptron es el elemento básico en muchas arquitecturas de redes neuronales. Diferentes redes neuronales utilizan diferentes funciones f(zj), pero la estructura interna de la neurona, por ejemplo la suma lineal seguida por una función f(zj), es común en muchas redes. Ejemplos de funciones f() incluyen funciones como ser: paso, lineales, mixtas, sigmoide, etc.
Los pesos wij y las funciones f() determinan la operación de la red. Usualmente, para una arquitectura dada de red las funciones f() serán fijas, así la variación de los pesos permitirá a la red llevar a cabo diferentes cálculos. La salida de las neuronas determina el estado actual de la red.
Las redes neuronales tendrán pesos fijos o adaptables. Las redes con pesos adaptables utilizan reglas de aprendizaje que ajustan los valores de los pesos de interconexión. Si la red neuronal utiliza pesos fijos, entonces la tarea a ser realizada debe estar bien definida a priori. Los pesos serán determinados explícitamente a partir del entendimiento del problema. Los pesos adaptables son necesarios si no se conoce a priori cuáles serán los pesos correctos.
6. Estructura de una Red Neuronal
Las redes neuronales se construyen a partir de simples conexiones entre las neuronas.
Niveles. Las neuronas son agrupadas en estructuras llamadas niveles. Cada neurona de un nivel tienen la misma función de combinación y transferencia y las mismas leyes de aprendizaje. Una red neuronal es dada por la conexión de una o más niveles. Ver figura 7.
Una red neuronal típica consiste de tres niveles: 1) el nivel de entrada, el cual recibe las señales de entrada del mundo externo, 2) uno o más niveles ocultos también llamados niveles intermedios y 3) el nivel de salida, el cual entrega la respuesta después de realizar el procesamiento de la señal de entrada.
La señal de entrada o activación se mueve entre los niveles de la red neurona.
Procesamiento de la Red Neuronal. La red neuronal funciona aceptando un modelo o señal de activación en el nivel de entrada, procesando la señal por todos los niveles y produciendo una respuesta en el nivel de salida. Cada neurona funciona independientemente y en paralelo con las otras neuronas.




Fig. 7.
AGENTES

1.- Introducción
La programación orientada a objetos representa un mayor nivel de abstracción que la programación basada en procedimientos; es más fácil de comprender y de mantener, por lo tanto, más productiva. La teoría de agentes y por extensión la relativa a los agentes móviles, establece una serie de mecanismos que pretenden dar un paso más allá en el tratamiento informático distribuido, añadiendo características como la localización o la situación, y permitiendo la interacción dinámica de componentes autónomos y heterogéneos.

Los agentes móviles añaden una singularidad especial al concepto de agentes: la posibilidad de trasladarse de una máquina a otra. Esta característica ofrece ciertas ventajas respecto al tratamiento de la información en modo cliente/servidor, sobre todo en la computación a través de Internet. El auge mundial de "la red de redes" ha permitido el rápido desarrollo de nuevas técnicas inteligentes para búsqueda, filtrado y gestión de datos.

En este artículo trataremos de dar un concepto básico de los agentes así como su antecedentes, tipos de agentes a pesar de que existen variedad de clasificaciones, multiagentes, además se desarrolla el tratamiento de los agentes móviles, la comunicación entre ellos y algunas aplicaciones.

El objetivo del desarrollo de este trabajo es introducir a los compañeros de grupo al mundo de los agentes y multiagentes, desde un punto de vista básico y conceptual para que los términos que manejemos sean comprendidos trataremos de utilizar ejemplos cotidianos.


2. Antecedentes
El análisis de la actividad de un agente racional como una correlación que permite pasar de secuencias de percepciones a acciones, probablemente se haya originado del esfuerzo por definir las conductas racionales dentro del ámbito de la economía y de otras formas de razonamiento bajo condiciones de incertidumbre y de los trabajos de conductistas psicológicos como Skinner (1953) enfocados a reducir la psicología de los organismos a meras correlaciones entrada/ salida o estímulo/ respuesta. [Rusell & Norving]

El paso del conductismo al funcionalismo en el ámbito de la psicología, en parte resultado de la aplicación de la metáfora de la computadora de los agentes (Putnam,1960; Lewis, 1966) incorporó al cuadro general la noción de estado interno de un agente. [Rusell & Norving]

El filósofo Daniel Dennet (1969, 1978) contribuyó a sintetizar todos estos puntos de vista en una “posición intencional” coherente en relación con los agentes. También en el ámbito de la IA, se ha adoptado una perspectiva abstracta y de alto nivel en torno a la noción de agencia (McCarthy y Hayes,1969).[Rusell & Norving]

Jon Doyle (1983) propuso la idea de que el diseño de agentes racionales es la medula de la IA y seguiría siendo su objetivo primordial, en tanto que otros temas relacionados con la IA experimentarían una evolución hasta constituirse en nuevas disciplinas.[Rusell & Norving]

Horvitz (1988) fueron específicos al sugerir el empleo de la racionalidad, concebida ésta como la obtención del máximo de utilidad esperada como fundamento de la IA. [Rusell & Norving]

Herb Simon, investigador en IA y economista ganador del premio Nobel, estableció una clara diferencia entre la racionalidad bajo limitaciones de recursos (racionalidad de procedimientos) y la racionalidad de hacer una elección objetivamente racional (racionalidad sustantiva) (Simon, 1958).[Rusell & Norving]

Cherniak (1986) explora el nivel mínimo de racionalidad necesario para que una entidad se pueda considerar como agente. Russell y Wefald (1991) abordan explícitamente la posibilidad del empleo de una diversidad de arquitecturas de agente.[Rusell & Norving]

Por lo tanto:

Inteligencia Artificial Distribuida (IAD).- Se requiere la combinación de diferentes expertos sobre un mismo problema.

Software de Sistemas.- En la década de los 70´s Adolfo Guzmán promueve el concepto de demonio en los sistemas operativos para realizar tareas asíncronas.

En 1985 Minsky publica su libro “The Society of Mind” donde usa el concepto de Agente.

En 1997 se realiza la primera Conferencia de Agentes Autónomos y se lleva a cabo cada año.


3. Definición de agentes
Un agentes es un componente de soft o hard capaz de actuar en beneficio de su usuario.

Actualmente hay tres disciplinas informáticas fundamentales en el desarrollo y definición de agentes:

Inteligencia artificial.

Programación orientada a objetos y programación concurrente.

Diseño de interfaces hombre-máquina.

Pero ¿qué es un agente?


La respuesta a esta pregunta es compleja, ya que los investigadores utilizan distintas acepciones de dicho término y no existe una definición académica ampliamente aceptada, al igual que tampoco existe una definición exacta para el término inteligencia artificial.

A modo de ejemplo se desarrollan algunas de las definiciones de agente más utilizadas:

Según el Diccionario de la Lengua Española:

"Agente: Del latín agens, -entis, p. a. de agere, hacer.

adj. Que obra o tiene virtud de obrar. …

m. Persona o cosa que produce un efecto.

Persona que obra con poder de otro …".
Según el Object Management Group:

"Un agente es un programa de ordenador que actúa autónomamente en nombre de una persona u organización".


Según Russell y Norving en su artículo "Artificial Intelligence: a Modern Approach":

"Un agente puede verse como aquello que percibe su entorno a través de sensores y que actúa sobre él mediante efectores".


Según Hayes-Roth:

"Los agentes inteligentes realizan continuamente tres funciones: percepción de las condiciones dinámicas de un entorno, acción (que afecta a dichas condiciones) y razonamiento (para interpretar percepciones, resolver problemas, hacer inferencias y determinar acciones)".


Según I.B.M. Aglets:

"Los agentes inteligentes son entidades programadas que llevan a cabo una serie de operaciones en nombre de un usuario o de otro programa, con algún grado de independencia o autonomía, empleando algún conocimiento o representación de los objetivos o deseos del usuario".


Para dar una definición más clara de cómo entendemos el concepto de Agente hacemos una comparación con un objeto.
En los objetos se han encapsulado las propiedades, el estado interno de un agente se modifica a través de sus métodos públicos.
Solamente se tiene acceso a los métodos directamente o indirectamente a su propiedades:

objeto PERSONA

sueldo


fech_ing


Ingreso

asistencia

falta


despido

promoción

pago

En un agente además de la encapsulación de propiedades, las respuestas del agente son imprevisibles pues el agente es capaz de decidir si ejecuta un método o no en función de sus propósitos. Es decir tiene autonomía.




Para ganar dinero es posible que realice su trabajo de la mejor manera, llegue temprano. Además es posible que estudie por las noches para ser director.

agente PERSONA


ganar_dinero

ser_director


Se considera por lo tanto a un Agente:

Como un sistema de hardware y/o software autónomo (independiente del usuario), el

cual interactúa con su entorno (u otros agentes o humanos), guiado por unos o varios propósitos, proactivo (reacciona a eventos y a veces se anticipa haciendo propuestas), adaptable (puede enfrentar situaciones novedosas), sociable (se comunica, coopera, negocia), su comportamiento es predecible en cierto contexto.


Entonces un sistema basado en agentes es:

Es aquel en donde los componentes conceptuales son agentes y se emplean la comunicación, la cooperación y negociación, actividades típicas del estudio de las ciencias sociales.

En varios casos la implementación se hace utilizando paradigmas que son tomados de otras tecnologías como los objetos.
Escuelas según la complejidad de los agentes:
Reactiva

Los agentes tienen:

Comportamientos simples, son más numerosos y con mayor capacidad de cooperar para generar propiedades emergentes.
Cognitiva

Los agentes tienen:

Comportamientos complejos, por ejemplo sistemas expertos que se comunican y cooperan.


3.1. Características de los Agentes




Compartir con tus amigos:
1   ...   21   22   23   24   25   26   27   28   29


La base de datos está protegida por derechos de autor ©psicolog.org 2019
enviar mensaje

enter | registro
    Página principal


subir archivos