Técnicas de Inteligencia Artificial basadas en una integración de la lógica simbólica y no-simbólica

Permanent URI for this collection

https://repositorio.uai.edu.ar/handle/123456789/301

Browse

Browsing Técnicas de Inteligencia Artificial basadas en una integración de la lógica simbólica y no-simbólica by Title

  • Item
    Adversarial image generation using genetic algorithms with black-box technique
    (Sociedad Argentina de Informática (SADIO), 2023-10-20) Pons, Claudia Fabiana ; Pérez, Gabriela
    Abstract. Convolutional neural networks are a technique that has demonstrated great success in computer vision tasks, such as image classification and object detection. Like any machine learning model, they have limitations and vulnerabilities that must be carefully considered for safe and effective use. One of the main limitations lies in their complexity and the difficulty of interpreting their internal workings, which can be exploited for malicious purposes. The goal of these attacks is to make deliberate changes to the input data in order to deceive the model and cause it to make incorrect decisions. These attacks are known as adversarial attacks. This work focuses on the generation of adversarial images using genetic algorithms for a convolutional neural network trained on the MNIST dataset. Several strategies are employed, including targeted and untargeted attacks, as well as the presentation of interpretable and non-interpretable images that are unrecognizable to humans but are misidentified and confidently classified by the network. The experiment demonstrates the ability to generate adversarial images in a relatively short time, highlighting the vulnerability of neural networks and the ease with which they can be deceived. These results underscore the importance of developing more secure and reliable artificial intelligence systems capable of resisting such attacks. .
  • Item
    Arquitectura para sustentar la integración de conocimiento externo heterogéneo en un motor de reglas
    (Studies Publicações, 2022-6) Maciel, Marcos Antonio ; Pons, Claudia Fabiana
    En un contexto de negocios globalizado donde la completitud de la información se obtiene al componer varias partes, resolver problemas se convierte en una tarea que involucra tiempo, análisis y experiencia. Una organización ve limitado su ámbito de acción porque necesita información de terceros para evaluar en forma íntegra y completa una colección de datos. Para superar estos problemas se propone implementar un motor de reglas capaz de interactuar mediante reglas con servicios usando Json como mensajería de intercambio de datos. El modelo propuesto mejora la capacidad de conocimiento al compartir información entre sistemas heterogéneos usando los estándares de la comunidad para resolver problemas complejos.
  • Item
    Artificial Intelligence techniques based on the integration of symbolic logic and deep neural networks : a systematic review of the literature
    (Iberoamerican Society of Artificial Intelligence (IBERAMIA), 2022-6) Negro, Pablo Ariel ; Pons, Claudia Fabiana
    Artificial Intelligence is tackled from two predominant but very different approaches: symbolic Artificial Intelligence, which is inspired by mathematical logic and is based on the manipulation of abstract linguistic representations, and non-symbolic Artificial Intelligence, which focuses on the construction of predictive mathematical models from large sample data sets. Significantly, the shortcomings of each of these approaches align with the strengths of the other, suggesting that an integration between them would be beneficial. A successful synthesis of symbolic and non-symbolic artificial intelligence would give us the advantages of both worlds. This work aims to identify and classify solutions and architectures that use applied Artificial Intelligence techniques, based on the integration of symbolic and non-symbolic logic (particularly machine learning with artificial neural networks), to provide a comprehensive, exhaustive and organized vision of the solutions available in the literature, making them the subject of a carefully designed and implemented SLR (Systematic Literature Review). The resulting technologies are discussed and evaluated from both perspectives: symbolic and non-symbolic Artificial Intelligence. The PICOC method (Population, Intervention, Comparison, Outputs, Context) plus Limits, which determine the scope of the search, has been used to define the research questions and analyze the results. From a total of 65 candidate studies found, 24 articles (37%) relevant to this study were selected. Each study also focuses on different application domains such as intelligent agents, image classification, theorem provers, cyber-security, image interpretation, mathematics, medicine, robotics and general application. Through the analysis of the selected works, it was possible to classify, organize and explain the different ways in which the deficiencies of non-symbolic Artificial Intelligence are addressed by proposals based on symbolic logic. The study also determined in which stages of the development process said proposals are applied. In addition, the study made it possible to determine which are the logic tools that are preferably applied, for each area and each domain. Although no clear architectural pattern has been found, efforts to find a general-purpose model that combines both worlds are driving trends and research efforts.
  • Item
    Detección y clasificación de zero-day malware a través de data mining y machine learning
    (Sociedad Argentina de Informática, SADIO, 2021) Pons, Claudia Fabiana ; Recordón, Augusto ; Ruiz Díaz, Silvia
    Muchos estudios sugieren que, durante los últimos años, ha habido un incremento exponencial de los ataques informáticos, causando a las organizaciones pérdidas financieras en el orden de los millones. Mientras muchas compañías dedican tiempo y recursos al desarrollo de antivirus; la complejidad, la velocidad de propagación y la capacidad polimórfica que poseen los virus modernos representan enormes desafíos para estas empresas. Motivados por encontrar nuevas alternativas, la comunidad de científicos de datos ha descubierto que la utilización de técnicas de machine learning y deep learning para la detección y clasificación de malware puede ofrecer una opción más que competitiva. Para esta investigación se comenzará realizando las extracción de información de un conjunto de datos compuesto por once mil archivos ASM y bytes correspondientes a nueve familias distintas de malwares. Luego, mediante la implementación de algoritmos de machine learning se intentará clasificar estos malwares en sus correspondientes familias. De forma complementaria, se realizará una clasificación binaria para detección malware/no malware, con un conjunto reducido de programas benignos, finalizando así con la elaboración de comparaciones y conclusiones.
  • Item
    El desafío de Scrum distribuido en diferentes locaciones
    (Sociedad Argentina de Informática (SADIO), 2023-10-12) Pons, Claudia Fabiana ; Salazar, Joaquin ; Grimaldi, Pablo
    En las últimas décadas la tecnología ha avanzado rápidamente y con ella la forma de trabajo de todas las personas relacionadas con IT, hoy en día es totalmente normal que un equipo esté integrado por personas que están en diferentes ciudades del mundo, trabajando de manera remota o con diferentes husos horarios e idiomas. Al mismo tiempo, el uso de las metodologías ágiles; principalmente Scrum, ha tenido un gran crecimiento en su implementación. Por esta razón es oportuno poder realizar un análisis de todos los desafíos que implica usar Scrum de manera distribuida, brindando además un aporte de posibles soluciones y consejos para afrontarlos.
  • Item
    Extracción de información de facturas(ar) agrupada en jerarquías de negocios
    (Sociedad Argentina de Informática, SADIO, 2022-12-16) Maciel, Marcos Antonio ; Pons, Claudia Fabiana
    Las compañías intercambian una gran cantidad y variedad de facturas (ar) en formato digital e incluso en formato de papel. La extracción automática de información se vuelve compleja por la diversidad en las extensiones y diseños de estos documentos. El objetivo de extraer información es alimentar procesos de negocios con datos clasificados y que cumplan con parámetros de calidad. Para abordar la complejidad se propone un pipeline que integra un modelo de inteligencia artificial y un modelo de programación tradicional capaz de extraer información en jerarquía de negocios y en un segundo paso procesarla en un motor de reglas para cumplir con parámetros de calidad personalizados. En este artículo se presenta la extracción de información de facturas argentinas mediante la clasificación de entidades con el modelo de inteligencia artificial preentrenado LayoutLM, conversión del resultado en una jerarquía de negocios para reutilizarlo en un motor de reglas con capacidad de optimizar la calidad de la información y robustecer los procesos de negocios, así demostramos que el uso integrado de programación con inteligencia artificial y programación tradicional es una solución superadora al uso en forma independiente.
  • Item
    Extracción de reglas en redes neuronales feedforward entrenadas con lógica de primer orden
    (Sociedad Argentina de Informática (SADIO), 2023-10-20) Negro, Pablo Ariel ; Pons, Claudia Fabiana
    La necesidad de integración neural-simbólica se hace evidente a medida que se abordan problemas más complejos, y que van más allá de tareas de dominio limitadas como lo es la clasificación. Los métodos de búsqueda para la extracción de reglas de las redes neuronales funcionan enviando combinaciones datos de entrada que activan un conjunto de neuronas. Ordenando adecuadamente los pesos de entrada de una neurona, es posible acotar el espacio de búsqueda. Con base en esta observación, este trabajo tiene por objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada feed-forward, analizar sus propiedades y explicar estos patrones a través del uso de lógica de primer orden (FOL).
  • Item
    Identificación de propiedades biológicas en organismos utilizando técnicas de Machine Learning sobre secuencias de genoma completo
    (Sociedad Argentina de Informática (SADIO), 2023-10-12) Pons, Claudia Fabiana ; Ferella, Nicolás ; Pizio, Pablo Román
    El avance de la tecnología y los procesos de secuenciación de genomas de las últimas décadas ha logrado poner al alcance de investigadores de todo el mundo grandes volúmenes de datos biológicos, que debido a su gran escala, los mismos resultan difíciles de analizar en su totalidad, por lo cual es intuitivo pensar en Inteligencia Artificial para trabajar con dicha información. Con el objetivo de disminuir la brecha existente entre el investigador y las herramientas de Inteligencia Artificial, se desarrolló un software que permite crear un espacio de trabajo para un organismo biológico, realizar el procesamiento de los genomas correspondientes y permitir la creación y entrenamiento de modelos de Machine Learning desde una interfaz gráfica. Los modelos entrenados luego se analizan para buscar qué patrones determinan el resultado de la propiedad biológica a investigar sobre el organismo biológico en cuestión, y así encontrar los genes de mayor impacto en las predicciones del modelo, permitiendo al investigador el posterior análisis en laboratorio de un gen deseado.
  • Item
    Implementación técnica de una arquitectura orientada a integrar conocimiento externo heterogéneo en motor de reglas
    (Universidad Nacional de Salta, 2021) Maciel, Marcos Antonio ; Pons, Claudia Fabiana
    En un contexto de negocios globalizado donde la completitud de la información es la suma de varias partes, resolver problemas se convierte en una tarea que involucra tiempo, análisis y experiencia. Una organización ve limitado su ámbito de acción porque necesita información de terceros para evaluar en forma íntegra y completa una colección de datos. Para superar estos problemas se propone implementar un motor de reglas capaz de interactuar mediante reglas con servicios usando Json como mensajería de intercambio de datos. El modelo propuesto mejora la capacidad de conocimiento al compartir información entre sistemas heterogéneos usando los estándares de la comunidad para resolver problemas complejos.
  • Item
    La nueva inteligencia artificial : conceptos básicos y aplicaciones
    (Asociación Química Argentina, 2022-8) Pons, Claudia Fabiana ; Pérez, Gabriela ; Baum, Gabriel
    En este artículo se explican los conceptos teóricos y las nociones intuitivas que conforman a la nueva Inteligencia Artificial, en especial al Aprendizaje de Máquina basado en Redes Neuronales Artificiales. Se recorren sus orígenes y fundamentos. Se describen sus principales aplicaciones y herramientas técnicas. Finalmente se comparten reflexiones acerca de las tendencias tecnológicas en el área y se presentan experiencias de aplicaciones desarrolladas en grupos de investigación de la Universidad Nacional de La Plata.
  • Item
    Model-Driven Development of Groupware Systems
    (IGI Global, 2022) Pons, Claudia Fabiana ; Bibbo, Luis Mariano ; Giandini, Roxana
    Building Collaborative systems with awareness (or groupware) is a very complex task. This article presents the use of the domain specific language CSSL v2.0 - Collaborative Software System Language -built as an extension of UML, using the metamodeling mechanism. CSSL provides simplicity, expressiveness and precision to model the main concepts of collaborative systems, especially collaborative processes, protocols and awareness. The CSSL concrete syntax is defined via a set of editors through which collaborative systems models are created. According to the MDD methodology, models are independent of the implementation platform and are formally prepared to be transformed. The target of the transformation is a web application that provides a set of basic functions that developers can refine to complete the development of the collaborative system. Finally, evaluation, validation and verification of the language is performed, determining that the CSSL tools allow developers to solve central aspects of collaborative systems implementation in a simple and reasonable way.
  • Item
    Orquestación de reglas para integrar conocimiento heterogéneo
    (Universidad Tecnológica Nacional, 2021-11) Maciel, Marcos Antonio ; Pons, Claudia Fabiana
    Para un ser humano tomar decisiones en base al conocimiento experto de un dominio es una tarea que involucra tiempo, análisis y experiencia. Sumado a estos factores la globalización agrega complejidad debido al incremento en los volúmenes de información y al esfuerzo que exige ordenarla en tiempo y forma. Para asistir en la toma de decisiones se propone un motor de reglas para integrar conocimiento heterogéneo, haciendo uso del desarrollo de modelos de negocios dinámicos desde mensajes Json y la orquestación de reglas nativas y reglas que procesan la respuesta de servicios, todo como parte del mismo dominio.
  • Item
    ¿Qué factores personales afectan a la calidad y productividad de TDD? : Un experimento con profesionales
    (Sociedad Argentina de Informática, SADIO, 2021) Pons, Claudia Fabiana ; Raura, Geovanny ; Fonseca, Efraín R. ; Dieste, Oscar
    Contexto: Test-Driven Development (TDD) es una técnica de desarrollo de software ágil que es ampliamente utilizada en la industria, aunque su efectividad ha generado incertidumbre si se compara con técnicas de desarrollo tradicional. Objetivo: Estudiar la efectividad de TDD considerando el grado de influencia de distintos factores humanos. Metodología: Experimento aleatorizado (crossover 2x2) realizado con sujetos profesionales en un ámbito académico. Resultados: La calidad y productividad al aplicar TDD es algo superior a lo obtenido con el desarrollo iterativo incremental (ITLD). La edad de los participantes, la función que desempeñaban en su trabajo y el conocimiento previo de la técnica de TDD ejercen influencia sobre las variables respuesta.
  • Item
    ¿Qué factores personales afectan a la calidad y productividad de TDD? : un experimento con profesionales
    (Sociedad Argentina de Informática, SADIO, 2022-7-21) Pons, Claudia Fabiana ; Raura, Geovanny ; Fonseca, Efraín R. ; Dieste, Oscar
    Test-Driven Development (TDD) es una técnica de desarrollo de software ágil que es ampliamente utilizada en la indus- tria, aunque su efectividad ha generado incertidumbre si se compara con técnicas de desarrollo tradicional. Objetivo: Estudiar la efectividad de TDD considerando el grado de influencia de distintos factores humanos. Metodología: Experimento aleatorizado (cross-over 2x2) realizado con sujetos profesionales en un ámbito académico. Resultados: La calidad y productividad al aplicar TDD es algo superior a lo obtenido con el desarrollo iterativo incremental (ITLD). La edad de los participantes, la función que desempeñaban en su trabajo y el conocimiento previo de la técnica de TDD ejercen influencia sobre las variables respuesta.
  • Item
    Semi-supervised learning models for document classification : a systematic review and meta-analysis
    (Iberoamerican Society of Artificial Intelligence (IBERAMIA), 2023-5-24) Pons, Claudia Fabiana ; Cevallos Culqui, Alex ; Rodríguez, Gustavo
    En el presente estudio se propone una estructura de los tipos de modelos semi-supervisados en la clasificación de documentos, para de esta manera analizar las cualidades de cada uno de ellos en su proceso de categorización, esto a través de una SLR (Revisión de literatura sistemática) que analiza el rendimiento de los estudios para efectuar un meta-análisis. La estrategia de búsqueda de estudios ha sido definida con el método PICOC (Población, Intervención, Comparación, Salidas, Contexto), el cual, apoyado en dos preguntas de investigación, define una cadena de búsqueda que ha permitido recopilar 332 investigaciones, filtradas con el método de la declaración PRISMA y la determinación de criterios de exclusión, seleccionando así 46 investigaciones para el estudio. De la SLR se ha obtenido una estructura de organización para los modelos semi-supervisados y un esquema del proceso de clasificación. También, se ha analizado las ventajas y desventajas de los diferentes tipos de aprendizaje, evaluando su desempeño de clasificación en cada tipo de aprendizaje a través de un meta-análisis. Se determina que los modelos que presentan los mejores niveles de rendimiento son el aprendizaje activo (0.88) y ensamblado (0.84).
  • Item
    Uso de la técnica de transfer learning en machine learning para la clasificación de productos en el banco alimentario de La Plata
    (Universidad Tecnológica Nacional, 2021-11) Pons, Claudia Fabiana ; De Luca, Agustín ; Irigoitia, Matías ; Pérez, Gabriela
    La presente investigación analiza la técnica de Transfer Learning en Machine Learning y realiza una comparación de distintos modelos pre-entrenados para facilitar los procesos de ingreso de productos al sistema del Banco Alimentario de La Plata, a partir del reconocimiento de imágenes. Con este fin se construyó un prototipo de aplicación que además de constituir una prueba de concepto de Transfer Learning, brinda una herramienta que facilita el accionar cotidiano del Banco Alimentario, contribuyendo a la meritoria tarea que este lleva adelante.
  • Item
    Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales
    (Sociedad Argentina de Informática (SADIO), 2023-10-12) Pons, Claudia Fabiana ; Jacinto, Milagros ; Moschettoni, Martín ; Pérez, Gabriela
    Las redes neuronales tienen la capacidad de alcanzar altos niveles de precisión en tareas de clasificación, pero su falta de explicabilidad es un claro inconveniente y lleva a denominarlas “cajas negras”. En este artículo, se presenta una modificación del algoritmo RxREN que se centra en la explicabilidad de las redes neuronales generando reglas precisas y fácilmente interpretables. El objetivo de esta modificación es comprender el proceso de decisión de la red neuronal, y para lograrlo, se analiza la relación entre el nivel de abstracción y su fidelidad. Se implementó un algoritmo con tres configuraciones en dos problemas distintos (Iris, WBC) Se analizó cómo el nivel de abstracción de las reglas afecta su fidelidad, buscando reglas precisas y evaluando el impacto del nivel de abstracción. En conclusión, este estudio tiene por objetivo mejorar significativamente la fidelidad de las reglas generadas por el algoritmo, permitiendo a los usuarios entender mejor el proceso de clasificación y además destacar la importancia de considerar el nivel de abstracción al extraer reglas interpretables y fieles.