I.A Repaso

Definición de I.A.
La habilidad para aprender, entender o lidiar con situaciones nuevas o probables,
hipotéticas.
La habilidad para aplicar el conocimiento, manipular el ambiente o pensar de forma
abstracta, con un objetivo final.
Problema de la I.A.
1. Test de Turing (1950):
Imitar respuestas humanas para engañar al entrevistador.
La prueba no evalúa el conocimiento de la máquina, si no su capacidad de
generar respuestas similares del ser humano.
El problema no está en la sintaxis, si no en la semántica.

El problema no es de lenguaje, es de significado (cuarto Chino).
2. Cuarto Chino (Searl, 1980):
Aborda la cuestión de la consciencia.
Manipulación de símbolos.
Falta de significado.
La mente implica no sólo manipular símbolos, si no que además tiene una
capacidad semántica.
I.A. Fuerte
“El programa” (el cerebro, software, etc.), entiende el significado.
I.A. Débil
Tipo Siri, Alexa, Deep Blue (Ajedrez, 1997), Cuarto Chino
3. Harnad
GROUNDING PROBLEM
Para Harnad, la cimentación de símbolos es el problema de cómo las palabras
adquieren su significado y propone una arquitectura híbrida basada en redes

neuronales para tratar de solucionarlo. Al mismo tiempo, Harnad propone
que los agentes mismos deberían ser los encargados de extraer las
características relevantes del ambiente, para así lograr que los conceptos
mentales obtengan significado.
4. Dennet
Problema de Marco o Problema de Relevancia.
Los problemas a los cuáles se encuentra un agente artificial.
El programa construido permita tomar las decisiones adecuadas en un tiempo
razonable.
¿Cómo un sistema cognitivo resuelve las complicaciones que conlleva examinar
vasta información?
Qué información es relevante, dada una tarea determinada.
Heurística:
Algoritmos con buenos tiempos de ejecución y buenas soluciones
La Heurística no concuerda con la idea de encontrar el Algoritmo perfecto,
pero propone que sumando Algoritmos (reglas) se puede llegar a una
solución ideal.
Spam: una regla por si misma no funciona, pero el conjunto de reglas,

ayudará a que la búsqueda de Spam sea eficiente.

5. Ziemke
Nueva I.A vs GOFAI (vieja I.A.)
Grounding Problem
Conectar causalmente a un agente con su entorno, de modo que el
comportamiento del agente, así como los mecanismos, representaciones
subyacentes, sean intrínsecos y significativos para sí mismo, en lugar de
depender de un diseñador u observador externo.
6. Brooks
Diseño de agentes por módulos
Cada módulo se relaciona con otros módulos (una arq. Diferente).
Cada módulo codifica un comportamiento específico.
Interacción con el ambiente como el primer factor a considerar para el
desarrollo de agentes artificiales.
Dejar de lado el uso de un procesador central.
La mejor representación del mundo, es el mundo en sí mismo (está en

contra del representacionismo).
Lo que importa es resolver problemas no la intencionalidad.
7. Wilson
La Cognición es situada
La Cognición Es presionada por el tiempo
Tiene que ser en línea (tiempo real)
Descargamos el trabajo cognitivo en el ambiente
El ambiente es parte del sistema cognitivo
La cognición es para la acción
La cognición oﬀ-line está basada en lo corporal
Simular no requiere cuerpo, Emular el cuerpo está implicado.
8. Kiverstein
¿Puede un robot tener un punto subjetivo?
Consciencia sensorimotora
Agencia: saber que soy yo el que está haciendo o provocando algo.
Perspectiva en primera persona del mundo=sujeto de experiencia
Tres momentos de la experiencia DSM (Dynamic Sensorimotor)
1. Intención
2. Predicción
3. Input sensorial y propioceptivo
9. Schillaci
Motor Babbling. SOMs: Self Organizing Map
MODELOS INTERNOS DE PERCEPCIÓN SENSORIMOTRIZ
Forward Model= Estado Sensorial Actual ———> Estado Sensorial Simulado
Relación causal entre las acciones y sus consecuencias
Inverse Model= E.S.A.+ E.S.Deseado ———> Simulación de Comando Motor
———>Estado Sensorial Simulado
A partir de las consecuencias se simula un estado motriz y un estado ideal
Inverse Model———>Principios de Procesamiento Predictivo
10. Pezzulo
Grounded Cognition:
Multimodal + Entorno + E. Social + Procesamiento Motriz + Cuerpo
Cascade Eﬀect: Grounding—>Embodiment—>Situatedness
Utilizar la Robótica cognitiva para probar las teorías del Grounded Cognition,
utilizando modelos computacionales.
11. Schubotz
El sistema sensorimotor está a cargo de mucho más que solo mover el cuerpo.
La corteza motora al final funge como una planificadora.
Las personas que pierden propiocepción o tacto se ve afectada en su habilidad
para predecir.
Hay un nexo entre las modalidades que requerimos para actuar y las que nos
ayudan a hacer asociaciones crosmodales.
No todas las predicciones se refieren a algo que le va a pasar a tu cuerpo o
están basadas en las acciones.
Mientras que el cerebelo está haciendo aprendizaje supervisado, la corteza está
haciendo aprendizaje no supervisado.
Aprendizaje supervisado: le decimos al programa lo que queremos que haga.
Le damos criterios y ejemplos.
Redes Neuronales
Aprendizaje no supervisado: no se dan criterios.
SOMs
12. Clark
Procesamiento Predictivo (activo)
Predecimos a través de variables.
Flujo de información Top Down y no Bottom Up
Top Down: Conocimiento y Experiencia
Envías información, recibes información nueva y solo procesas
la desviación (prediction error)
Bottom Up: Propiedades de los estímulos.
Primero recibes un input, procesas y luego reaccionas.
13. Barsalou
El problema de la representación fue olvidado durante la primera mitad del S.XX
Cognitivismo: el conocimiento reside en un sistema de memoria semántica

separado de los sistemas modales.
Información de sistemas modales
Representaciones
Símbolos amodales
Sistema modal de memoria
semántica.
Una vez este conocimiento existe, es compatible con el espectro de procesos

cognitivos desde la percepción hasta el pensamiento.
Grounded Cognition:
La información capturada por los estados de percepción, acción e introspección

se integra en representaciones multimodales almacenadas en la memoria.
Cuando el conocimiento es necesario para representar una categoría, estas

representaciones se reactivan, simulando los estados originales.
Redes Neuronales
Representaciones internas de esquemas corporales
Set de esquemas sensorimotores que un agente adquiere a través de la interacción con

el ambiente.
Los cambios plásticos son producidos por las experiencias sensoriales y motoras.
La gente elabora mapas topográficos en el cerebro, en distintas regiones y modos.
Las redes neuronales modelan la forma en que funcionan las neuronas.
Una vez que el sistema ha sido aprendido, es capaz de generar y explotar

representaciones internas basado en un input en una de esas múltiples dimensiones.
Algoritmo Genético
Métodos adaptativos que pueden usarse para resolver problemas de búsqueda y

optimización.
Están basados en el proceso genético de organismos vivos.
Campos de la I.A.
Lingüística Computacional
Procesamiento de Lenguaje
Análisis de Sistemas dinámicos
Videojuegos
Mecatrónica
Robótica

I.A Repaso

Cargado por

Copyright:

Formatos disponibles

I.A Repaso

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

I.A Repaso

Cargado por

Copyright:

Formatos disponibles

Definición de I.A.

La habilidad para aprender, entender o lidiar con situaciones nuevas o probables,

La habilidad para aplicar el conocimiento, manipular el ambiente o pensar de forma

abstracta, con un objetivo final.

Imitar respuestas humanas para engañar al entrevistador.

La prueba no evalúa el conocimiento de la máquina, si no su capacidad de

generar respuestas similares del ser humano.

El problema no está en la sintaxis, si no en la semántica.

2. Cuarto Chino (Searl, 1980):

Aborda la cuestión de la consciencia.

La mente implica no sólo manipular símbolos, si no que además tiene una

Para Harnad, la cimentación de símbolos es el problema de cómo las palabras

adquieren su significado y propone una arquitectura híbrida basada en redes

mentales obtengan significado.

Problema de Marco o Problema de Relevancia.

Los problemas a los cuáles se encuentra un agente artificial.

El programa construido permita tomar las decisiones adecuadas en un tiempo

¿Cómo un sistema cognitivo resuelve las complicaciones que conlleva examinar

Qué información es relevante, dada una tarea determinada.

La Heurística no concuerda con la idea de encontrar el Algoritmo perfecto,

pero propone que sumando Algoritmos (reglas) se puede llegar a una

Spam: una regla por si misma no funciona, pero el conjunto de reglas,

Nueva I.A vs GOFAI (vieja I.A.)

Conectar causalmente a un agente con su entorno, de modo que el

comportamiento del agente, así como los mecanismos, representaciones

subyacentes, sean intrínsecos y significativos para sí mismo, en lugar de

depender de un diseñador u observador externo.

Diseño de agentes por módulos

Cada módulo se relaciona con otros módulos (una arq. Diferente).

Cada módulo codifica un comportamiento específico.

Interacción con el ambiente como el primer factor a considerar para el

desarrollo de agentes artificiales.

Dejar de lado el uso de un procesador central.

La mejor representación del mundo, es el mundo en sí mismo (está en

Lo que importa es resolver problemas no la intencionalidad.

La Cognición Es presionada por el tiempo

Tiene que ser en línea (tiempo real)

Descargamos el trabajo cognitivo en el ambiente

El ambiente es parte del sistema cognitivo

La cognición es para la acción

La cognición oﬀ-line está basada en lo corporal

Simular no requiere cuerpo, Emular el cuerpo está implicado.

¿Puede un robot tener un punto subjetivo?

Agencia: saber que soy yo el que está haciendo o provocando algo.

Perspectiva en primera persona del mundo=sujeto de experiencia

Tres momentos de la experiencia DSM (Dynamic Sensorimotor)

3. Input sensorial y propioceptivo

Motor Babbling. SOMs: Self Organizing Map

MODELOS INTERNOS DE PERCEPCIÓN SENSORIMOTRIZ

Forward Model= Estado Sensorial Actual ———> Estado Sensorial Simulado

Relación causal entre las acciones y sus consecuencias

Inverse Model= E.S.A.+ E.S.Deseado ———> Simulación de Comando Motor

———>Estado Sensorial Simulado

A partir de las consecuencias se simula un estado motriz y un estado ideal

Inverse Model———>Principios de Procesamiento Predictivo

Multimodal + Entorno + E. Social + Procesamiento Motriz + Cuerpo

Cascade Eﬀect: Grounding—>Embodiment—>Situatedness

utilizando modelos computacionales.