Tecnológico Tecnológico Nacional de M!ico Instituto Tecnológico Tecnológico de "ac#uca “El Hombre Alimenta el Ingenio en Contacto con la Ciencia.”
Inteligencia Artificial Unidad 1: Introducción a la Inteligencia Artificial Profesor:
Alumnos:
Carrera:
Ingeniería en Sistemas Computacionales Septiembre del 2016
ÍNDICE
1$1 INT%&'(CCI)N A *A INT+*I,+NCIA A%TI-ICIA*$ ..............................................3 1$2 .IST&%IA A *A INT+*I,+NCIA A%TI-ICIA*$ ........................................................4 1$/ *AS .AI*I'A'+S C&,N&SCITIAS C&,N&SCITIAS S+,N *A "SIC&*&,3A$ T+&%3AS '+ *A INT+*I,+NCIA 4C&N'(CTISM&5 4C&N'(CTISM&5 ,A%'N+%5 +TC$ ...............................................12 1$/$1 T+&%3AS '+ *A INT+*I,+NCIA 7C&N'(CTISM&8 7C&N'(CTISM&8 ......................................17 1$9 +* "%&C+S& '+ %A:&NAMI+NT& S+,N *A *),ICA 4A;I&MAS5 T+&%+MAS5 '+M&ST%ACI)N..................................... ......................................................... ........................................ ...................................... .................. 20 1$< +* M&'+*& '+ A'=(ISICI)N '+* C&N&CIMI+NT& S+,N *A -I*&S&-3A .....22 1$6 M&'+*& C&,N&SCITI&...................................... ........................................................... ..................... .............. .... 28 1$> +* M&'+*& '+* A,+NT+ INT+*I,+NT+5 INT+*I,+NT+5 SIST+MAS M(*TI M(*TI A,+NT+ A,+NT+ ? SIST+MAS (IC(&S$..................................... ......................................................... ....................................... ................................. .............. 30 1$@ +* "A"+* '+ *A .+(%ISTICA...................................... .......................................................... .................... .............. 33 1$@$1 A*,&%ITM&S '+ S=(+'A '+ A*T+%NATIAS .....................................37 1$@$2 A*,&%ITM& A........................................ ............................................................ ................................................ ............................ 40 1$@$/ A*,&%ITM&S '+ S=(+'A *&CA*$ ......................................................42 -(+NT+S I*I&,%B-ICAS..................................... ......................................................... ........................................... ....................... 47
2
ÍNDICE
1$1 INT%&'(CCI)N A *A INT+*I,+NCIA A%TI-ICIA*$ ..............................................3 1$2 .IST&%IA A *A INT+*I,+NCIA A%TI-ICIA*$ ........................................................4 1$/ *AS .AI*I'A'+S C&,N&SCITIAS C&,N&SCITIAS S+,N *A "SIC&*&,3A$ T+&%3AS '+ *A INT+*I,+NCIA 4C&N'(CTISM&5 4C&N'(CTISM&5 ,A%'N+%5 +TC$ ...............................................12 1$/$1 T+&%3AS '+ *A INT+*I,+NCIA 7C&N'(CTISM&8 7C&N'(CTISM&8 ......................................17 1$9 +* "%&C+S& '+ %A:&NAMI+NT& S+,N *A *),ICA 4A;I&MAS5 T+&%+MAS5 '+M&ST%ACI)N..................................... ......................................................... ........................................ ...................................... .................. 20 1$< +* M&'+*& '+ A'=(ISICI)N '+* C&N&CIMI+NT& S+,N *A -I*&S&-3A .....22 1$6 M&'+*& C&,N&SCITI&...................................... ........................................................... ..................... .............. .... 28 1$> +* M&'+*& '+* A,+NT+ INT+*I,+NT+5 INT+*I,+NT+5 SIST+MAS M(*TI M(*TI A,+NT+ A,+NT+ ? SIST+MAS (IC(&S$..................................... ......................................................... ....................................... ................................. .............. 30 1$@ +* "A"+* '+ *A .+(%ISTICA...................................... .......................................................... .................... .............. 33 1$@$1 A*,&%ITM&S '+ S=(+'A '+ A*T+%NATIAS .....................................37 1$@$2 A*,&%ITM& A........................................ ............................................................ ................................................ ............................ 40 1$@$/ A*,&%ITM&S '+ S=(+'A *&CA*$ ......................................................42 -(+NT+S I*I&,%B-ICAS..................................... ......................................................... ........................................... ....................... 47
2
1.1 INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL. ARTIFICIAL. *a Inte Intelilige genc ncia ia Artif rtific icia iall come comen nó ó como como el resul resulta tado do de la inDe inDest stig igaci ación ón en psicología cognitiDa E lógica matemFtica$ Se #a enfocado sobre la e!plicación del trabaGo mental E construcción de algoritmos de solución a problemas de propósito general$ "unto de Dista Hue faDorece la abstracción E la generalidad$ *a Inteligencia Artificial es una combinación de la ciencia del computador5 fisiología E filosofía5 filosofía5 tan general E amplio como eso5 es Hue rene Darios campos 4robótica5 4robótica5 sistemas e!pertos5 por eGemplo5 todos los cuales tienen en comn la creación de mFHuinas Hue pueden JpensarJ$ *a idea de construir una mFHuina Hue pueda eGecutar tareas percibidas como reHuerimientos de inteligencia #umana es un atractiDo$ *as tareas Hue #an sido estudiadas desde este punto de Dista incluEen Guegos5 traducción de idiomas5 comprensión de idiomas5 diagnóstico de fallas5 robótica5 suministro de asesoría e!perta en diDersos temas$ TrabaGos teóricos fundamentales fueron el desarrollo de algoritmos matemFticos por Karren McCullocL E Kalter "itts5 en 19/5 necesarios para posibilitar el trabaGo de clasificación5 o funcionamiento en sentido general5 de una red neuronal$ +n 19 'onald .ebb desarrolló un algoritmo de aprendiaGe para dic#as redes neuronales neuronales creando5 en conGunto con los trabaGos de McCullocL E "itts5 "itts5 la escuela creacionista$ +sta escuela se considera #oE como el origen de la Inteligencia Artificial5 sin embargo se trató poco por muc#os aos5 dando paso al raonamiento simbólico basado en reglas de producción5 lo Hue se conoce como sistemas e!pertos$
CARACTERÍSTICAS DE LA INTELIGENCIA ARTIFICIAL. ARTIFICIAL. (na caracte caracterís rístic tica a fundame fundamenta ntall Hue distin distingue gue a los mtodos mtodos de Inteli Inteligen gencia cia Artificial de los mtodos numricos es el uso de símbolos no matemFticos5 aunHue no es suficiente suficiente para distinguirlo distinguirlo completamente$ completamente$ &tros tipos de programas programas como los compiladores compiladores E sistemas sistemas de bases de datos5 tambin tambin procesan símbolos E no se considera Hue usen tcnicas de Inteligencia Artificial$ Artificial$ +l compo comport rtam amie ient nto o de los los progr program amas as no es descr descritito o e!pl e!plíc ícititam amen ente te por por el algoritmo$ *a secuencia de pasos seguidos por el programa es influenciado por el problema particular presente$ +l programa especifica cómo encontrar la secuencia de pasos necesarios para resolDer un problema dado 4programa declaratiDo$ +n contraste con los programas Hue no son de Inteligencia Artificial5 Hue siguen un
3
algoritmo definido5 Hue especifica5 e!plícitamente5 cómo encontrar las Dariables de salida para cualHuier Dariable dada de entrada 4programa de procedimiento$ +l raona raonami mient ento o basad basado o en el cono conoci cimi mien ento to55 impl implic ica a Hue Hue esto estoss prog progra ramas mas incorporan incorporan factores E relaciones relaciones del mundo real E del Fmbito del conocimiento conocimiento en Hue ellos operan$ Al contrario de los programas para propósito específico5 como los de contabilidad E cFlculos científicosO los programas de Inteligencia Artificial pueden distinguir entre el programa de raonamiento o motor de inferencia E base de conocimientos dFndole la capacidad de e!plicar discrepancias entre ellas$ Aplicabilidad a datos E problemas mal estructurados5 sin las tcnicas de Inteligencia Artificial los programas no pueden trabaGar con este tipo de problemas$ (n eGemplo es la resolución de conflictos en tareas orientadas a metas como en planificación5 o el diagnóstico de tareas en un sistema del mundo realP con poca información5 con una solución cercana E no necesariamente e!acta$ *a Inte Intelilige genc ncia ia Artif rtific icia iall incl incluE uEe e Dario Darioss camp campos os de desar desarro rollllo o tale taless comoP comoP la robótica5 usada principalmente en el campo industrialO comprensión de lenguaGes E traducciónO Disión en mFHuinas Hue distinguen formas E Hue se usan en líneas de ensamblaGeO reconocimiento de palabras E aprendiaGe de mFHuinasO sistemas computacionales e!pertos$
1.2 HISTORIA A LA INTELIGENCIA ARTIFICIAL. +ste tema es bastante e!tenso5 por tal raón se e!plicara de acuerdo los aos de maEor releDancia en la inteligencia artificial$
1. Génesis Génesis de la la inteligen inteligenia ia a!ti" a!ti"iial iial #1$%&'1$(() #1$%&'1$(() Karren McCulloc# E Kalter "itts 419/ #an sido reconocidos como los autores del primer trabaGo de IA$ "artieron de tres fuentesP conocimientos sobre la fisiología bFsica E funcionamiento de las neuronas en el cerebro5 el anFlisis formal de la lógica proposicional de %ussell E K#ite#ead E la teoría de la computación de Turing$ "ropusieron un modelo constituido por neuronas artificiales5 en el Hue cada una una de ella ellass se cara caract cter eri iab aba a por por esta estarr Qact QactiD iDad adaR aR o Qdes Qdesac actitiDa Dada daRO RO la Qact QactiD iDac ació iónR nR se daba daba como como respu respuest esta a a la esti estimu mula laci ción ón produ produci cida da por una una cantidad cantidad suficiente suficiente de neuronas Decinas$ Decinas$ +l estado de una neurona se Deía como QeHuiDa QeHuiDalen lente5 te5 de #ec#o5 #ec#o5 a una propos proposici ición ón con unos unos estímu estímulos los adecuado adecuadosR$ sR$ Mostra Mostraron5 ron5 por eGempl eGemplo5 o5 Hue cualHu cualHuier ier funció función n de cómputo cómputo podría podría calcul calcularse arse mediante alguna red de neuronas interconectadas5 E Hue todos los conectores lógicos 4and5 or5 not5 etc$ se podrían implementar utiliando estructuras de red senci sencillllas$ as$ McCul McCullo loc# c# E "itt "ittss tamb tambi in n sugi sugiri rier eron on Hue Hue redes redes adec adecuad uadam amen ente te definidas podrían aprender$ 'onald .ebb 419 propuso E demostró una sencilla 4
regla de actualiación para modificar las intensidades de las cone!iones entre neuronas$ Su regla5 a#ora llamada de aprendiaGe .ebbiano o de .ebb5 sigue Digente en la actualidad$ 'os estudiantes graduados en el 'epartamento de MatemFticas de "rinceton5 MarDin MinsLE E 'ean +dmonds5 construEeron la primera computadora a partir de una red neuronal en 1<1$ +l SNA%C5 como se llamó5 utiliaba /$000 DFlDulas de Dacío E un mecanismo de piloto automFtico obtenido de los desec#os de un aDión bombardero 29 para simular una red con 90 neuronas$ +l comit encargado de eDaluar el doctorado de MinsLE Deía con escepticismo el Hue este tipo de trabaGo pudiera considerarse como matemFtico5 pero se dice Hue Don Nemann diGo5 QSi no lo es actualmente5 algn día lo serF$ MinsLE posteriormente probó teoremas influEentes Hue mostraron las limitaciones de la inDestigación con redes neuronales$ .aE un nmero de trabaGos iniciales Hue se pueden caracteriar como de IA5 pero fue Alan Turing Huien articuló primero una Disión de la IA en su artículo Computing Mac#inerE and Intelligence5 en 1<0$ A#í5 introduGo la prueba de Turing5 el aprendiaGe automFtico5 los algoritmos genricos E el aprendiaGe por refuero$
2. Nai*ient+ de la inteligenia a!ti"iial #1$(,) "rinceton acogió a otras de las figuras seeras de la IA5 Uo#n McCart#E$ "osteriormente a su graduación5 McCart#E se transladó al 'artmout# College5 Hue se erigiría en el lugar del nacimiento oficial de este campo$ McCart#E conDenció a MinsLE5 Claude S#annon E Nat#aniel %oc#ester para Hue le aEudaran a aumentar el inters de los inDestigadores americanos en la teoría de autómatas5 las redes neuronales E el estudio de la inteligencia$ &rganiaron un taller con una duración de dos meses en 'armout# en el Derano de 1<6$ .ubo die asistentes en total5 entre los Hue se incluían Trenc#ard More de "rinceton5 Art#ur Samuel de IM5 E %aE Solomonoff E &liDer Selfridge del MIT$ 'os inDestigadores del Carnegie Tec#1/5 Allen Neell E .erbert Simon5 acapararon la atención$ Si bien los demFs tambin tenían algunas ideas E5 en algunos casos5 programas para aplicaciones determinadas como el Guego de damas5 Neell E Simon contaban Ea con un programa de raonamiento5 el Teórico *ógico 4T*5 del Hue Simon afirmabaP Q.emos inDentado un programa de computación capa de pensar de manera no numrica5 con lo Hue #a Huedado resuelto el Denerable problema de la dualidad mentecuerpoR19$ "oco despus del trmino del taller5 el programa Ea era capa de demostrar gran parte de los teoremas del Capítulo 2 de "rincipia MatemFtica de %ussell E K#ite#ead$ Se dice Hue %ussell se manifestó complacido cuando Simon le mostró Hue la demostración de un teorema Hue el programa #abía generado era mFs corta Hue la Hue aparecía en "rincipia$ *os editores de la reDista Uournal of SEmbolic *ogic resultaron menos impresionados E rec#aaron un artículo cuEos autores eran Neell5 Simon E el Teórico *ógico 4T*$ +l taller de 'artmout# no produGo ningn aDance notable5 pero puso en contacto a las figuras 5
importantes de este campo$ 'urante los siguientes 20 aos5 el campo estuDo dominado por estos personaGes5 así como por sus estudiantes E colegas del MIT5 CM(5 Stanford e IM$ =uiF lo ltimo Hue surgió del taller fue el consenso en adoptar el nueDo nombre propuesto por McCart#E para este campoP Inteligencia Artificial$ =uiF Qracionalidad computacionalR #ubiese sido mFs adecuado5 pero QIAR se #a mantenido$ %eDisando la propuesta del taller de 'artmout# 4McCart#E et al$5 1<<5 se puede apreciar por Hu fue necesario para la IA conDertirse en un campo separado$ Actualmente (niDersidad Carnegie Mellon 4(CM$Neell E Simon tambin desarrollaron un lenguaGe de procesamiento de listas5 I"*5 para poder escribir el T*$ No disponían de un compilador E lo traduGeron a código mFHuina a mano$ "ara eDitar errores5 trabaGaron en paralelo5 diciendo en Do alta nmeros binarios5 conforme escribían cada instrucción para asegurarse de Hue ambos coincidían$ VNo todo el trabaGo #ec#o en el campo de la IA se #a realiado baGo el nombre de teoría de control5 o inDestigación operatiDa5 o teoría de la decisión5 Hue5 despus de todo5 persiguen obGetiDos similares a los de la IAW &5 Vpor Hu no es la IA una rama de las matemFticasW *a primera respuesta es Hue la IA desde el primer momento abarcó la idea de duplicar facultades #umanas como la creatiDidad5 la automeGora E el uso del lenguaGe$ Ninguno de los otros campos tenía en cuenta esos temas$ *a segunda respuesta estF relacionada con la metodología$ *a IA es el nico de estos campos Hue es claramente una rama de la informFtica 4aunHue la inDestigación operatiDa comparte el nfasis en la simulación por computador5 ademFs la IA es el nico campo Hue persigue la construcción de mFHuinas Hue funcionen automFticamente en medios compleGos E cambiantes$
&. Ent-sias*+ iniial g!andes es/e!an0as #1$(2'1$,$). *os primeros aos de la IA estuDieron llenos de !itos 4aunHue con limitaciones$ *o primitiDo de las computadoras E #erramientas de programación de aHuella poca$ *a comunidad científica prefirió creer Hue XX una maHuina nunca podría #acer tareasYY$ Naturalmente los inDestigadores de la IA responderían demostrando la realiación de una tarea tras otra$ Uo#n McCart#E se refería a esta poca como la era de XX ZMira mama5 a#ora sin manos[YY$ Al temprano !ito de Neell E Simon siguió el sistema de resolución general de problemas 4S,%"$ A diferencia del Teórico *ógico5 desde un principio este programa se diseó para Hue imitara protocolos de resolución de problemas de los seres #umanos$ +s decir5 el S%," posiblemente fue el primer programa Hue incorporo el enfoHue de XXpensar como #umanoYY$ +l !ito de S,%" E de los programas Hue le siguieron5 como los modelos de cognición5 lleDaron a formular la famosa #ipótesis del sistema de símbolos físicosP Hue afirma Hue XXun sistema de 6
símbolos físicos tiene los medios suficientes E necesarios para generar una acción inteligenteYYlo Hue Huiere decir Hue cualHuier sistema 4#umano o maHuina Hue e!#ibiese inteligencia debería operar manipulando estructuras de datos compuestas por símbolos$ +n IM5 Nat#aniel %oc#ester E sus colegas desarrollaron algunos primeros programas de la IA$ .erbert ,elemter 41< construEo el demostrador de teoremas de geometría 4'T,$ A comienos de 1<25 Art#ur Samuel escribió una serie de programas para el Guego de damas c#inas Hue eDentualmente aprendieron a Gugar #asta alcanar el niDel eHuiDalente a de un amateur 4su programa aprendió a Gugar meGor Hue su creador5 este fue presentado en teleDisión en febrero de 1<6 E causo gran impresión$ Uo#n McCart#E se trasladó al MIT5 donde realio tres contribuciones cruciales en un ao #istóricoP 1<@$ •
•
•
'efinió el lenguaGe de alto niDel *isp5 Hue se conDertiría en el lenguaGe de programación dominante en la IA5 es el segundo lenguaGe mFs antiguo usado en la actualidad5 Ea Hue apareció un ao despus de -&%TAN$ Soluciono Gunto con otros miembros del MIT el problema del escaso acceso E recursos costosos de cómputo5 inDentando el tiempo compartido$ "ublico el articulo "rogramas con sentido comn5 describía el ,enerador de conseGos5 un programa #ipottico el cual podría considerarse como el primer sistema de la IA completo$ ManeGaba conocimiento general del mundo$
1<@ MarDin MinsLE se trasladó al MIT$ Sin embargo5 su colaboración con McCart#E no duro demasiado$ McCart#E se centró en la representación de E el raonamiento formal5 mientras Hue MinsLE estaba mFs interesado en lograr Hue los programas funcionaran E eDentualmente desarrollo un punto de Dista antilógico$ +n 16/ McCart#E creo el laboratorio de IA en Stanford5 con aEuda de la lógica de U$A$ %obinson el ,enerador de ConseGos sufrió un considerable impulso$ MinsLE5 superDiso el trabaGo de estudiantes Hue eligieron problemas limitados cuEa solución pareció reHuerir inteligencia$ A estos dominios limitados se *es conoce como MicromundosP •
•
•
"rograma SAINT Uames Slagle416/5 resolDía problemas de integración de cFlculo en forma cerrada$ "rograma ANA*&,? de Tom +Dans 416@5 resolDía problemas de analogía geomtrica5 aplicaba pruebas de medición de inteligencia$ "rograma ST('+NT 'aniel obro 416>5 resolDía problemas de algebra de todo tipo$
7
%. Una d+sis de la !ealidad #1$,,'1$&) 'esde el principio5 los inDestigadores de IA #icieron pblicas5 sin timide5 predicciones sobre el !ito Hue les esperaba$ Sin afFn de sorprenderlos E deGarlos atónitos5 pero la forma mFs sencilla Hue tengo de resumirlo es dicindoles Hue actualmente en el mundo e!isten mFHuinas capaces de pensar5 aprender E crear$ AdemFs5 su aptitud para #acer lo anterior aumentarF rFpidamente #asta Hue 4en un futuro preDisible la magnitud de problemas Hue serFn capaces de resolDer irF a la par Hue la capacidad de la mente #umana para #acer lo mismo$ .erber Simon 41<>$ +l e!ceso de confiana de Simon se debió a la prometedora actuación de los primeros sistemas de IA en problemas simples$ +n la maEor parte de los casos resultó Hue estos primeros sistemas fallaron estrepitosamente cuando se utiliaron en problemas mFs Dariados o de maEor dificultad$ +l primer tipo de problemas surgió porHue la maEoría de los primeros programas contaban con poco o ningn conocimiento de la materia obGeto de estudioO obtenían resultados gracias a sencillas manipulaciones sintFcticas$ +n un informe presentado en 1665 el comit consultiDo declaró Hue Qno se #a logrado obtener ninguna traducción de te!tos científicos generales ni se preD obtener ninguna en un futuro inmediatoR$ Se canceló todo el patrocinio del gobierno estadounidense Hue se #abía asignado a los proEectos acadmicos$ +l segundo problema fue Hue muc#os de los problemas Hue se estaban intentando resolDer mediante la IA eran intratables$ *a maEoría de los primeros programas de IA resolDían problemas e!perimentando con diDersos pasos #asta Hue se llegara a encontrar una solución$ +sto funcionó en los primeros programas debido a Hue los micromundos con los Hue se trabaGaba contenían muE pocos obGetos5 E por lo tanto muE pocas acciones posibles E secuencias de soluciones muE cortas$ +l tercer obstFculo se deriDó de las limitaciones in#erentes a las estructuras bFsicas Hue se utiliaban en la generación de la conducta inteligente$ "or eGemplo5 en 165 en el libro de MinsLE E "apert5 "erceptrons5 se demostró Hue si bien era posible lograr Hue los perceptrones 4una red neuronal simple aprendieran cualHuier cosa Hue pudiesen representar5 su capacidad de representación era muE limitada$ +n particular5 un perceptrón con dos entradas no se podía entrenar para Hue aprendiese a reconocer cuFndo sus dos entradas eran diferentes$
8
(. Siste*as asad+s en el +n+i*ient+ #1$,$'1$$) 'urante la primera dcada de la inDestigación en la IA estaba centrado en el desarrollo de mecanismos de bsHueda de propósito general5 en los Hue se entrelaaban elementos de raonamiento bFsicos para encontrar así soluciones completas$ "osteriormente se migro a el uso de conocimiento específico del dominio Hue facilita el desarrollo de etapas de raonamiento mFs largas5 pudindose así resolDer casos recurrentes en dominios de conocimiento restringido$ +l programa '+N'%A* 4uc#anan et al$5 16 fue diseado en Stanford5 donde +d -eigenbaum5 ruce uc#anan E Uos#ua *ederberg colaboraron en la solución del problema de inferir una estructura molecular a partir de la información proporcionada por un espectrómetro de masas$ +l sistema tuDo cierto !ito entre Huímicos E biólogos5 Ea Hue facilitaba enormemente la inferencia de estructuras moleculares5 dominio en el Hue '+N'%A* estaba especialiado$ Inicialmente escrito en *isp5 pronto se conDirtió en uno de los modelos a seguir por muc#os de los programadores de sistemas e!pertos de la poca$ *a trascendencia de '+N'%A* se debió a ser el primer sistema de conocimiento intenso Hue tuDo !itoP su base de conocimiento estaba formada por grandes cantidades de reglas de propósito particular$ +l siguiente gran esfuero se realió en el Frea del diagnóstico mdico$ -eigenbaum5 uc#anan E el doctor +dard S#ortliffe disearon el programa M?CIN5 para el diagnóstico de infecciones sanguíneas$ Con 9<0 reglas apro!imadamente5 M?CIN era capa de #acer diagnósticos tan buenos como los de un e!perto E5 desde luego5 meGores Hue los de un mdico recin graduado$ +l crecimiento generaliado de aplicaciones para solucionar problemas del mundo real proDocó el respectiDo aumento en la demanda de esHuemas de representación del conocimiento Hue funcionaran$ Se desarrolló una considerable cantidad de lenguaGes de representación E raonamiento diferentes$ Algunos basados en la lógica5 por eGemplo el lenguaGe "rolog$
,. La IA se +n3ie!te en -na ind-st!ia #desde 1$45 6asta el /!esente) +l primer sistema e!perto comercial Hue tuDo !ito5 %15 inició su actiDidad en 'igital +Huipment Corporation$ +l programa se utiliaba en la elaboración de pedidos de nueDos sistemas informFticos$ +n 1@@5 el grupo de Inteligencia Artificial de '+C #abía distribuido Ea 90 sistemas e!pertos5 E #abía mFs en camino$ 'u "ont utiliaba Ea 100 E estaban en etapa de desarrollo <00 mFs5 lo 9
Hue le generaba a#orro de die millones de dólares anuales apro!imadamente$ Casi todas las compaías importantes de +stados (nidos contaban con su propio grupo de IA5 en el Hue se utiliaban o inDestigaban sistemas e!pertos$ +n 1@1 los Gaponeses anunciaron el proEecto Q=uinta ,eneraciónR5 un plan de die aos para construir computadores inteligentes en los Hue pudiese eGecutarse "rolog$ +stados (nidos constituEó la MCC5 consorcio encargado de mantener la competitiDidad nacional en estas Freas$ +n ambos casos5 la IA formaba parte de un gran proEecto Hue incluía el diseo de c#ips E la inDestigación de la relación #ombre mFHuina$ Sin embargo5 nunca alcanaron sus obGetiDos$
. Reg!es+ de las !edes ne-!+nales #desde 1$4, 6asta el /!esente) -ísicos como Uo#n .opfield 41@2 utiliaron tcnicas de la mecFnica estadística para analiar las propiedades de almacenamiento E optimiación de las redes5 tratando colecciones de nodos como colecciones de Ftomos$ A mediados de la dcada de los @05 cuando por lo menos cuatro grupos distintos reinDentaron el algoritmo de aprendiaGe de retroalimentación5 mencionado por De primera en 16 por rEson E .o$ +l algoritmo se aplicó a diDersos problemas de aprendiaGe en los campos de la informFtica E la psicología5 E la gran difusión Hue conocieron los resultados obtenidos5 suscitó gran entusiasmo$
4. IA se +n3ie!te en -na ienia #desde 1$4 6asta el /!esente) +n los ltimos aos se #a producido una reDolución tanto en el contenido como en la metodología de trabaGo en el campo de la inteligencia artificial$ Actualmente es mFs usual el desarrollo sobre teorías Ea e!istentes Hue proponer teorías totalmente noDedosas5 tomar como base rigurosos teoremas o sólidas eDidencias e!perimentales mFs Hue intuición5 E demostrar la utilidad de las aplicaciones en el mundo real mFs Hue crear eGemplos de Guguete$ *a IA se fundó en parte en el marco de una rebelión en contra de las limitaciones de los campos e!istentes como la teoría de control o la estadística5 E a#ora abarca estos campos$ +n los primeros aos de la IA parecía perfectamente posible Hue las nueDas formas de la computación simbólica5 por eGemplo5 los marcos E las redes semFnticas5 #icieran Hue la maEor parte de la teoría clFsica pasara a ser obsoleta$ +sto lleDó a la IA a una especie de aislamiento5 Hue la separó del resto de las ciencias de la computación$ +n la actualidad se estF abandonando este aislamiento$ +!iste la creencia de Hue el aprendiaGe automFtico no se debe separar de la teoría de la información5 Hue el raonamiento incierto no se debe 10
separar de los modelos estocFsticos5 de Hue la bsHueda no se debe aislar de la optimiación clFsica E el control5 E de Hue el raonamiento automFtico no se debe separar de los mtodos formales E del anFlisis estFtico$ +n trminos metodológicos5 se puede decir5 con rotundidad5 Hue la IA Ea forma parte del Fmbito de los mtodos científicos$ "ara Hue se acepten5 las #ipótesis se deben someter a rigurosos e!perimentos empíricos5 E los resultados deben analiarse estadísticamente para identificar su releDancia$ (n buen modelo de la tendencia actual es el campo del reconocimiento del #abla$ +n la dcada de los >0 se sometió a prueba una gran Dariedad de arHuitecturas E enfoHues$ Muc#os de ellos fueron un tanto ad #oc E resultaban frFgiles5 E fueron probados sólo en unos pocos eGemplos elegidos especialmente$ +n aos recientes5 las apro!imaciones basadas en los modelos de MarLoD ocultos5 MM&5 #an pasado a dominar el Frea$ *as redes neuronales tambin siguen esta tendencia$ *a maEor parte del trabaGo realiado con redes neuronales en la dcada de los @0 se realió con la idea de deGar a un lado lo Hue se podía #acer E de descubrir en Hu se diferenciaban las redes neuronales de otras tcnicas tradicionales$ *a utiliación de metodologías meGoradas E marcos teóricos5 #a autoriado Hue este campo alcance un grado de conocimiento Hue #a permitido Hue a#ora las redes neuronales se puedan comparar con otras tcnicas similares de campos como la estadística5 el reconocimiento de patrones E el aprendiaGe automFtico5 de forma Hue las tcnicas mFs prometedoras pueden aplicarse a cualHuier problema$ *a aparición de "robabilistic %easoning in Intelligent SEstems de Uudea "earl 41@@ #io Hue se aceptara de nueDo la probabilidad E la teoría de la decisión como parte de la IA5 como consecuencia del resurgimiento del inters despertado E gracias especialmente al artículo In 'efense of "robabilitE de "eter C#eeseman 41@<$ +l formalismo de las redes de aEes apareció para facilitar la representación eficiente E el raonamiento riguroso en situaciones en las Hue se disponía de conocimiento incierto$ +ste enfoHue supera con creces muc#os de los problemas de los sistemas de raonamiento probabilístico de las dcadas de los 60 E >0O E a#ora domina la inDestigación de la IA en el raonamiento incierto E los sistemas e!pertos$ +sta apro!imación facilita el aprendiaGe a partir de la e!periencia5 E combina lo meGor de la IA clFsica E las redes neuronales$ +l trabaGo de Uudea "earl 41@2a E de +ric .orDit E 'aDid .ecLerman sirDió para promoDer la noción de sistemas e!pertos normatiDosP es decir5 los Hue actan racionalmente de acuerdo con las leEes de la teoría de la decisión5 sin Hue intenten imitar las etapas de raonamiento de los e!pertos #umanos$
11
$. E*e!genia de l+s siste*as inteligentes #desde 1$$( 6asta el /!esente) =uiFs animados por el progreso en la resolución de subproblemas de IA5 los inDestigadores #an comenado a trabaGar de nueDo en el problema del Qagente totalR$ +l trabaGo de Allen Neell5 Uo#n *aird5 E "aul %osenbloom en S&A% 4Neell5 10O *aird et al$5 1@> es el eGemplo meGor conocido de una arHuitectura de agente completa$ +l llamado QmoDimiento situadoR intenta entender la forma de actuar de los agentes inmersos en entornos reales5 Hue disponen de sensores de entradas continuas$ (no de los medios mFs importantes para los agentes inteligentes es Internet$ *os sistemas de IA #an llegado a ser tan comunes en aplicaciones desarrolladas para la Keb Hue el sufiGo bot se #a introducido en el lenguaGe comn$ MFs an5 tecnologías de IA son la base de muc#as #erramientas para Internet5 como por eGemplo motores de bsHueda5 sistemas de rec
1.& LAS HA7ILIDADES COGNOSCITI8AS SEG9N LA :SICOLOGÍA. TEORÍAS DE LA INTELIGENCIA #CONDUCTIS;O GARDNER ETC.) Hailidad< Capacidad de una persona para #acer algo correctamente E con facilidad$ C+gn+siti3+< "roceso por el cual una persona5 a traDs de la percepción de sus sentidos5 capta información integ!=nd+la inte!/!et=nd+la #asta construir conocimiento$ C+gniti3+< +s aHuello Hue pertenece o estF relacionado al conocimiento5 toda la información Hue se dispone gracias a un proceso de aprendiaGe$ >?-é s+n las 6ailidades +gniti3as@ Son las facilitadoras del conocimiento5 aHuellas Hue operan directamente sobre la informaciónP recogiendo5 analiando5 comprendiendo5 procesando E guardando información en la memoria5 para5 posteriormente5 poder recuperarla E utiliarla dónde5 cuFndo E cómo conDenga$ +n general5 son las siguientesP
1. Atenin< +!ploración5 fragmentación5 selección E contradistractoras$ 2. C+*/!ensin< 4tcnicas o #abilidades de trabaGo intelectualP Captación de ideas5 subraEado5 traducción a lenguaGe propio E resumen5 grFficos5 redes5 esHuemas E mapas conceptuales$ A traDs del maneGo del lenguaGe oral E escrito 4Delocidad5 e!actitud5 comprensión$ &. Ela+!ain< "reguntas5 metFforas5 analogías5 organiadores5 apuntes E mnemotecnias$ 12
%. ;e*+!i0ain B Re-/e!ain #ténias + 6ailidades de est-di+)< Codificación E generación de respuestas$ Como eGemplo clFsico E bFsico5 el mtodo /%P *eer5 recitar E reDisar 4read5 recite5 reDie$ *a inteligencia no es una cantidad Hue se puede medir con un nmero como lo es el Coeficiente Intelectual 4I$=$$ *a inteligencia es la capacidad de ordenar los pensamientos E coordinarlos con las acciones$ *a inteligencia no es una sola5 sino Hue e!isten tipos distintos$
La Te+!a de las Inteligenias ;lti/les de Ga!dne! *a Teoría de las Inteligencias Mltiples propone oc#o tipos de inteligencia$ *a Teoría de las Inteligencias Mltiples fue ideada por el psicólogo estadounidense .oard ,ardner como contrapeso al paradigma de una inteligencia nica$ ,ardner propuso Hue la Dida #umana reHuiere del desarrollo de Darios tipos de inteligencia$ Así pues5 ,ardner no entra en contradicción con la definición científica de la inteligencia5 como la Qcapacidad de solucionar problemas o elaborar bienes Daliosos$
Las Inteligenias ;lti/les .oard ,ardner E sus colaboradores de la prestigiosa (niDersidad de .arDard adDirtieron Hue la inteligencia acadmica 4la obtención de titulaciones E mritos educatiDosO el e!pediente acadmico no es un factor decisiDo para conocer la inteligencia de una persona$ (n buen eGemplo de esta idea se obserDa en personas Hue5 a pesar de obtener e!celentes calificaciones acadmicas5 presentan problemas importantes para relacionarse con otras personas o para maneGar otras facetas de su Dida$ ,ardner E sus colaboradores podrían afirmar Hue Step#en .aLing no posee una maEor inteligencia Hue *eo Messi5 sino Hue cada uno de ellos #a desarrollado un tipo de inteligencia diferente$
Inteligenias *lti/les< 4 ti/+s de inteligenia *a inDestigación de .oard ,ardner #a logrado identificar E definir #asta oc#o tipos de inteligencia distintas$ amos a conocer de manera mFs detallada cada una de las inteligencias propuestas por la Teoría de las Inteligencias Mltiples de ,ardner a continuación$
Inteligenia lingstia *a capacidad de dominar el lenguaGe E poder comunicarnos con los demFs es transDersal a todas las culturas$ 'esde peHueos aprendemos a usar el idioma materno para podernos comunicar de manera efica$
13
*a inteligencia ling\ística no solo #ace referencia a la #abilidad para la comunicación oral5 sino a otras formas de comunicarse como la escritura5 la gestualidad5 etc$ =uienes meGor dominan esta capacidad de comunicar tienen una inteligencia ling\ística superior$ "rofesiones en las cuales destaca este tipo de inteligencia podrían ser políticos5 escritores5 poetas5 periodistas] VCómo meGorar la inteligencia ling\ísticaW Si Huieres conocer mFs sobre la inteligencia Derbal E cómo progresar en este Fmbito5 te inDitamos a leer el siguiente artículoP JInteligencia ling\ísticaP VHu es E cómo se puede meGorarWJ
Inteligenia lgi+'*ate*=tia 'urante dcadas5 la inteligencia lógicomatemFtica fue considerada la inteligencia en bruto$ Suponía el a!is principal del concepto de inteligencia5 E se empleaba como baremo para detectar cuFn inteligente era una persona$ Como su propio nombre indica5 este tipo de inteligencia se Dincula a la capacidad para el raonamiento lógico E la resolución de problemas matemFticos$ *a rapide para solucionar este tipo de problemas es el indicador Hue determina cuFnta inteligencia lógicomatemFtica se tiene$ *os clebres test de cociente intelectual 4I= se fundamentan en este tipo de inteligencia E5 en menor medida5 en la inteligencia ling\ística$ *os científicos5 economistas5 acadmicos5 ingenieros E matemFticos suelen destacar en esta clase de inteligencia$ V+s posible meGorar la inteligencia lógico matemFticaW "or supuesto Hue sí$ Te e!plicamos todo lo Hue necesitas saber sobre este tipo de inteligencia E las claDes para meGorarla aHuíP Inteligencia lógicomatemFticaP VHu es E cómo la podemos meGorarWJ
Inteligenia es/aial *a #abilidad para poder obserDar el mundo E los obGetos desde diferentes perspectiDas estF relacionada con este tipo de inteligencia5 en la Hue destacan los aGedrecistas E los profesionales de las artes Disuales 4pintores5 diseadores5 escultores]$ *as personas Hue destacan en este tipo de inteligencia suelen tener capacidades Hue les permiten idear imFgenes mentales5 dibuGar E detectar detalles5 ademFs de un sentido personal por la esttica$ +n esta inteligencia encontramos pintores5 fotógrafos5 diseadores5 publicistas5 arHuitectos5 creatiDos] 14
VCómo podemos incrementar nuestra inteligencia espacialW +s una #abilidad Hue se puede meGorar$ AHuí tienes toda la informaciónP JInteligencia espacialP VHu es E cómo se puede meGorarWJ
Inteligenia *-sial *a msica es un arte uniDersal$ Todas las culturas tienen algn tipo de msica5 mFs o menos elaborada5 lo cual lleDa a ,ardner E sus colaboradores a entender Hue e!iste una inteligencia musical latente en todas las personas$ Algunas onas del cerebro eGecutan funciones Dinculadas con la interpretación E composición de msica$ Como cualHuier otro tipo de inteligencia5 puede entrenarse E perfeccionarse$ No #ace falta decir Hue los mFs aDentaGados en esta clase de inteligencia son aHuellos capaces de tocar instrumentos5 leer E componer pieas musicales con facilidad$
Inteligenia +!/+!al inestésia *as #abilidades corporales E motrices Hue se reHuieren para maneGar #erramientas o para e!presar ciertas emociones representan un aspecto esencial en el desarrollo de todas las culturas de la #istoria$ *a #abilidad para usar #erramientas es considerada inteligencia corporal cinestsica$ "or otra parte5 #aE un seguido de capacidades mFs intuitiDas como el uso de la inteligencia corporal para e!presar sentimientos mediante el cuerpo$ Son especialmente brillantes en este tipo de inteligencia bailarines5 actores5 deportistas5 E #asta ciruGanos E creadores plFsticos5 pues todos ellos tienen Hue emplear de manera racional sus #abilidades físicas$
Inteligenia int!a/e!s+nal *a inteligencia intrapersonal refiere a aHuella inteligencia Hue nos faculta para comprender E controlar el Fmbito interno de uno mismo$ *as personas Hue destacan en la inteligencia intrapersonal son capaces de acceder a sus sentimientos E emociones E refle!ionar sobre stos$ +sta inteligencia tambin les permite a#ondar en su introspección E entender las raones por las cuales uno es de la manera Hue es$ VCómo meGorar este tipo de inteligenciaW 15
+!isten Darias maneras de conocerse meGor a uno mismo$ Te las #emos resumido en este artículoP JInteligencia intrapersonalP VHu es E cómo se puede meGorarW
Inteligenia inte!/e!s+nal *a inteligencia interpersonal nos faculta para poder adDertir cosas de las otras personas mFs allF de lo Hue nuestros sentidos logran captar$ Se trata de una inteligencia Hue permite interpretar las palabras o gestos5 o los obGetiDos E metas de cada discurso$ MFs allF del contínuum IntroDersión+!traDersión5 la inteligencia interpersonal eDala la capacidad para empatiar con las demFs personas$ +s una inteligencia muE Daliosa para las personas Hue trabaGan con grupos numerosos$ Su #abilidad para detectar E entender las circunstancias E problemas de los demFs resulta mFs sencillo si se posee 4E se desarrolla la inteligencia interpersonal$ "rofesores5 psicólogos5 terapeutas5 abogados E pedagogos son perfiles Hue suelen puntuar muE alto en este tipo de inteligencia descrita en la Teoría de las Inteligencias$
Inteligenia nat-!alista *a inteligencia naturalista permite detectar5 diferenciar E categoriar los aspectos Dinculados a la naturalea5 como por eGemplo las especies animales E Degetales o fenómenos relacionados con el clima5 la geografía o los fenómenos de la naturalea$ +sta clase de inteligencia fue aadida posteriormente al estudio original sobre las Inteligencias Mltiples de ,ardner5 concretamente en el ao 1<$ ,ardner consideró necesario incluir esta categoría por tratarse de una de las inteligencias esenciales para la superDiDencia del ser #umano 4o cualHuier otra especie E Hue #a redundado en la eDolución$
16
1.&.1 TEORÍAS DE LA INTELIGENCIA CONDUCTIS;O +l conductismo es una corriente de la psicología Hue se basa en la obserDación del comportamiento o conducta del ser Hue se estudia E Hue e!plica el mismo como un conGunto de relaciones entre estímulos E repuestas$ +l conductismo es una de las teorías del aprendiaGe Hue se #a mantenido durante mFs aos E de maEor tradición$ AunHue no encaGa totalmente en los nueDos paradigmas educatiDos por concebir el aprendiaGe como algo mecFnico5 des#umano E reduccionista5 la realidad es Hue muc#os programas actuales se basan en las propuestas conductistas como la descomposición de la información en unidades5 el diseo de actiDidades Hue reHuieren una respuesta E la planificación del refuero$
:!ini/ales eJ/+sit+!es del +nd-tis*+< El t!aaK+ de ats+n +l conductismo 4 behaviorism es una corriente de la psicología inaugurada por Uo#n $ Katson 41@>@1<@ Hue defiende el empleo de procedimientos estrictamente e!perimentales para estudiar el comportamiento obserDable 4la conducta E niega toda posibilidad de utiliar los mtodos subGetiDos como la introspección$ Su conDencimiento de Hue las referencias a los contenidos de la mente E a la conciencia no podían someterse a ningn criterio obGetiDo E suscitaban una problemFtica M+6n 7. ats+n seudocientífica le lleDó a la utiliación de los nicos datos obGetiDos e!istentes en el anFlisis psicológico5 es decir5 aHuellos Hue proporcionaba la conducta e!terior$ Katson adHuirió gran notoriedad gracias a la publicación en la Psychological Review e su art!culo Psychology as a "ehaviorist #iews It 4$a %sicolog!a seg&n la concibe un conuctista5 11/5 en el Hue por primera De se establecían de manera radical los principios característicos del conductismo$ +l manifiesto de KatsonP “$a %sicolog!a' tal como el conuctista la ve' es una rama %uramente ob(etiva y e)%erimental e las ciencias naturales. *u ob(etivo te+rico es la %reicci+n y el control e la conucta. $a intros%ecci+n no es %arte esencial e sus m,toos ni 17
e%ene el valor cient!fico e sus atos e la %rontitu con la -ue se %resten a inter%retaci+n en t,rminos e conciencia. El conuctista' en sus esfueros %or lograr un es-uema unitario e la res%uesta el animal' no reconoce ivisoria entre el hombre y ,ste. $a conucta el hombre' con toos sus refinamientos y com%le(ia' es s+lo una %arte el es-uema total e investigaci+n el conuctista.” /0atson' 1213' %. 1456.
+l inicio de la terapia conductista como disciplina científica aplicada a la comprensión E tratamiento de los problemas psicológicos se ubica a comienos del siglo ;;$ Como Ea se #a mencionado5 Uo#n $ Katson fue el primer inDestigador Hue trabaGó con lo Hue l mismo denominó JconductismoJ$ +n aHuel entonces5 en la psicología predominaba el estudio de los fenómenos psíHuicos internos mediante la introspección5 mtodo muE subGetiDo$ Katson no negaba la e!istencia de los fenómenos psíHuicos internos5 pero insistía en Hue tales e!periencias no podían ser obGeto de estudio científico porHue no eran obserDables$ "odemos distinguir dos aspectos en el conductismo de Katson$ +n primer lugar5 el conductismo metafísico por el cual sostenía Hue la mente no e!iste E Hue toda actiDidad #umana incluEendo pensamientos E emociones5 se pueden e!plicar a traDs de moDimientos musculares o secreciones glandulares$ "or otra parte5 Katson negaba el papel de la #erencia como determinante del comportamiento Ea Hue consideraba Hue la conducta se adHuiere casi e!clusiDamente mediante el aprendiaGe$ Katson propuso un mtodo para el anFlisis E modificación de la conducta5 Ea Hue5 para l5 el nico obGeto de estudio DFlido para la psicología era la conducta obserDable$ =uiso #acer científico el estudio de la psicología empleando sólo procedimientos obGetiDos como los de las ciencias naturales para el estudio de los comportamientos #umanos$ 'e esta manera5 sentó las bases de lo Hue #oE conocemos como Jconductismo metodológicoJ5 Hue se fue desarrollando con el correr del tiempo$
El T!aaK+ de Sinne! +l enfoHue de este psicólogo5 filósofo E noDelista5 conocido como conductismo radical5 es semeGante al punto de Dista de Katson5 segn el cual la psicología debe ser el estudio del comportamiento obserDable de los indiDiduos en interacción con el medio Hue les rodea$ SLinner5 sin embargo5 difería de Katson en Hue los fenómenos internos5 como los sentimientos5 debían e!cluirse del estudio$ Sostenía Hue estos procesos internos debían estudiarse por los mtodos científicos #abituales5 #aciendo #incapi en los e!perimentos controlados tanto con animales como con seres #umanos$
18
Burrhus Frederic Skinner
Sus inDestigaciones con animales5 centradas en el tipo de aprendiaGe conocido como condicionamiento operante o instrumental5 Hue ocurre como consecuencia de un estímulo proDocado por la conducta del indiDiduo5 probaron Hue los comportamientos mFs compleGos como el lenguaGe o la resolución de problemas5 podían estudiarse científicamente partir de su relación con las consecuencias Hue tiene para el suGeto5 Ea sean positiDas 4refuero positiDo o negatiDas 4refuero negatiDo$
a
El t!aaK+ de :a3l+3 IDFn "etróDic# "aDloD$ 1@91/6 -isiólogo E psicólogo ruso$ Cursó estudios de teología5 Hue abandonó para ingresar en la (niDersidad de San "etersburgo E estudiar medicina E Huímica$ (na De doctorado5 amplió sus conocimientos en Alemania5 donde se especialió en fisiología intestinal E en el sistema circulatorio$ +n 1@0 sentó plaa de profesor de fisiología en la Academia Mdica Imperial$ +l condicionamiento clFsico es un tipo de aprendiaGe E comportamiento Hue consiste en aparear un estímulo natural con su respuesta natural E conectarlo con un segundo estímulo para generar una respuesta Hue no se da naturalmente5 de otra manera el condicionamiento Iván Petróvich clFsico es el mecanismo mFs simple por el cual los organismos pueden aprender acerca de las relaciones entre estímulos E cambiar su conducta en conformidad con las mismas$ "ermite a los seres #umanos E animales aproDec#arse de la secuencia ordenada de eDentos de su ambiente E aprender Hu estímulos tienden a ir con Hu eDentos$ Se enfoca en el aprendiaGe de respuestas emocionales o psicológicas inDoluntarias5 temor5 incremento de ritmo cardiaco5 saliDación5 sudoración5 etc$ +n ocasiones llamados respondientes porHue son respuestas automFticas o estímulos$ A traDs del proceso del condicionamiento clFsico es posible capacitar a animales E a #umanos para reaccionar de manera inDoluntaria a un estímulo Hue antes no tenía ningn efecto$ +l estímulo llega a producir o generar la respuesta en forma automFtica$
In"l-enia Del C+nd-tis*+
19
*a influencia inicial del conductismo en la psicología fue minimiar el estudio introspectiDo de los procesos mentales5 las emociones E los sentimientos5 sustituEndolo por el estudio obGetiDo de los comportamientos de los indiDiduos en relación con el medio5 mediante mtodos e!perimentales$ +l conductismo actual #a influido en la psicología de tres manerasP #a reemplaado la concepción mecFnica de la relación estímulorespuesta por otra mFs funcional Hue #ace #incapi en el significado de las condiciones estimulares para el indiDiduoO #a introducido el empleo del mtodo e!perimental para el estudio de los casos indiDiduales5 E #a demostrado Hue los conceptos E los principios conductistas son tiles para aEudar a resolDer problemas prFcticos en diDersas Freas de la psicología aplicada$ +n seguida5 mencionaremos algunos tipos de conductismo E su principal e!positorP • • • • • • • • •
Conductismo clFsico 4Katson Neoconductismo 4.ull Interconductismo 4^antor Conductismo cognitiDo 4Tolman Conductismo radical 4SLinner5 UaE Moore Conductismo teleológico 4%ac#lin Conductismo molar 4aum5 %ac#lin Conductismo teórico 4Staddon Conductismo biológico 4TimberlaLe
Conductismo lógico 4Carnap5 Neurat#5 conductismo filosófico 4%ussell5 Kittgenstein5 %Ele$
1.% EL :ROCESO DE RAONA;IENTO SEG9N LA LÓGICA #APIO;AS TEORE;AS DE;OSTRACIÓN) *a lógica es aHuella ciencia Hue Da en bsHueda de las formas de los raonamientos correctos5 es decir5 de las leEes del deducir correctamente$ +n este sentido es legítimo afirmar Hue la lógica es la teoría de la deducción5 en cuanto estudia las reglas de las inferencias correctas$ *a lógica #ace e!plícitas estas leEes5 las ordena en sistemas a!iomFticos E prueba sus capacidades E límites$
TEORÍA DEDUCTI8A 'esignamos baGo este nombre toda teoría Hue se fundamenta en dos principiosP 'efiniciones E demostraciones$ +n su desarrollo debe cumplir bFsicamente las siguientes condicionesP
20
•
•
•
+nunciar e!plícitamente los trminos primitiDos con aEuda de los cuales se propone definir los demFs trminos de la teoría$ +nunciar e!plícitamente las relaciones primitiDas$ Con la misma esencia anterior5 son relaciones Hue el #ombre pone en la base de su conocimiento$ +nunciar e!plícitamente las proposiciones primitiDas5 con aEuda de las cuales se propone demostrar otras proposiciones de la teoría$ +stas proposiciones primeras se denominan A!iomas E relacionan entre sí los trminos primitiDos E las relaciones primitiDas$
=ue las relaciones enunciadas entre los trminos sean nicamente relaciones lógicas5 permaneciendo independientes del sentido concreto o interpretación Hue pueda darse a los trminos$
APIO;A O :OSTULADO +s una proposición primitiDa Hue se admite como cierta$ +n la construcción de una teoría a!iomFtica se #a de partir de un conGunto de a!iomas5 escogidos de tal forma Hue dic#o conGunto #a de serP compatible5 suficiente5 independiente$ •
•
•
CompatibilidadP 'os a!iomas no pueden formular en ellos5 ni producir en sus resultados deriDados5 relaciones contradictorias$ SuficienciaP Toda proposición Derdadera #a de ser deducible dentro del sistema$ IndependenciaP Ningn a!ioma #a de poderse deducir de otros$
TEORE;A +s una proposición Hue #a de demostrarse cierta5 mediante un raonamiento lógico a partir de los a!iomas o de otros teoremas preDiamente Gustificados$ Se afirma Hue un teorema es DFlido si es deducido correctamente de las premisas 4proposiciones$
TEORE;AS INTER8INCULADOS Siendo % E - dos proposiciones se obtienen los siguientes teoremas5 intercambiando la #ipótesis con la conclusión E luego considerando las negaciones de las proposiciones originales$ Teorema directo p ⇒ H Teorema recíproco H ⇒ p Teorema inDerso _p ⇒ _H Teorema contrarrecíproco _H ⇒ _p 21
(n teorema es una fórmula bien formada5 Hue no es un a!ioma5 E Hue puede ser el elemento final de alguna demostración5 es decir5 un teorema es una fórmula bien formada para la cual e!iste una demostración$
DE;OSTRACIÓN +l proceso demostratiDo consiste bFsicamente enP A partir de unas proposiciones dadas Hue llamaremos premisas5 obtener otra proposición Hue llamaremos conclusión mediante la aplicación de unas reglas lógicas$ "ara demostrar Hue una proposición específica es un teorema en una teoría deductiDa dada procedemos asíP 1$ Se enuncian e!plícitamente los a!iomas de la teoría$ 2$ Se fiGan las reglas Hue Dalidan el proceso demostratiDo5 estas reglas se denominan reglas de Dalide E se reducen a las siguientesP %egla de Dalide 1P Todo a!ioma puede figurar en cualHuier paso de una demostración$ %egla de Dalide 2P Si "`Y= figura en una demostración E " tambin figura en la misma demostración5 entonces se puede concluir = en la demostración$ +sta regla uniDersal se conoce con el nombre de Modus "onens$ %egla de Dalide /P Si dos proposiciones son eHuiDalentes se puede sustituir la una por la otra en cualHuier parte de una demostración$ +sta regla se conoce con el nombre de sustitución por eHuiDalencia$ /$ +fectuar una demostración de una proposición específica =5 consiste en obtener la proposición = como la ltima en el proceso demostratiDo por aplicación reiterada de las reglas de Dalide 15 2 E /$ +GemploP
7Todas las me!icanas son bellas8 Premisa
7%ebeca es me!icana8 luegoP
7%ebeca es bella8 Conclusi+n
1.( EL ;ODELO DE AD?UISICIÓN DEL CONOCI;IENTO SEG9N LA FILOSOFÍA 22
+n el conocimiento se #allan frente a frente la conciencia E el obGeto5 el suGeto E el obGeto$ +l conocimiento se presenta como una relación entre estos dos miembros5 Hue permanecen en ella eternamente separados el uno del otro$ +l dualismo de suGeto E obGeto permanece a la esencia del conocimiento] la función del obGeto consiste en apre#ender el obGetoO la del obGeto es ser apre#ensible E apre#endido por el suGeto] no en el obGeto5 sino en el suGeto5 cambia algo por obra de la función del conocimiento] Disto desde el obGeto5 el conocimiento se presenta como una transferencia de las propiedades del obGeto al suGeto$
TEORÍA DEL CONOCI;IENTO +s el intento intelectual de e!plicar la forma en la Hue adHuirimos el conocimiento del mundo E los procedimientos por los Hue es generado ese conocimiento5 de tal forma Hue pueda ser Dalorado Ea como Derdadero o como falso$
C+n+e! (nos de los grandes temas de la filosofía5 es e!plicar en Hu consiste el acto de conocer5 cual es la esencia del conocimiento5 cual es la relación cognoscitiDa entre el #ombre E las cosas Hue lo rodean$ *a definición mFs sencilla nos dice Hue conocer consiste en obtener una información acerca de un obGeto$ Conocer es conseguir un dato o una noticia sobre algo$ • • • • • •
+lementos del conocimiento +n todo conocimiento podemos distinguir cuatro elementosP +l suGeto Hue conoce$ +l obGeto conocido$ *a operación misma de conocer$ +l resultado obtenido Hue es la información recabada acerca del obGeto$
L+s t!es ni3eles del +n+i*ient+ +l ser #umano puede captar un obGeto en tres diferentes niDeles5 sensible5 conceptual E #olístico$
C+n+i*ient+ sensile< +s aHuel Hue se adHuiere a traDs de la captación de un obGeto por medio de los sentidos5 Hue en el caso de los seres #umanos los mFs desarrollados son el oído E la Dista5 de este modo5 somos capaces de almacenar en nuestra memoria las imFgenes de todos los obGetos Hue obserDamos a diario5 con sus características particulares$ 23
C+n+i*ient+ +ne/t-al< Se trata de aHuel Hue se forma a partir de un conGunto de representaciones definidas como inDisibles5 inmateriales5 uniDersales E esenciales$ *a diferencia mFs significatiDa entre el conocimiento sensible E el conceptual radica en Hue el primero es un conocimiento particular de cada persona5 en el Hue cada uno De E define los conceptos E los obGetos con las características propias5 mientras Hue el conceptual #ace referencia a la uniDersalidad de los conceptos E obGetos5 aHuellos Hue todos comprendemos de la misma manera5 sin aadirle características propias$
C+n+i*ient+ 6+lsti+< 4Tambin llamado intuitiDo5 con el riesgo de muc#as confusiones5 dado Hue la palabra intuición se #a utiliado #asta para #ablar de premoniciones E coraonadas$ +n este niDel tampoco #aE colores5 dimensiones ni estructuras uniDersales como es el caso del conocimiento conceptual$ Intuir un obGeto significa captarlo dentro de un amplio conte!to5 como elemento de una totalidad5 sin estructuras ni límites definidos con claridad$ *a palabra #olístico se refiere a esta totalidad percibida en el momento de la intuición 4#olos significa totalidad en griego$ *a principal diferencia entre el conocimiento #olístico E conceptual reside en las estructuras$ +l primero carece de estructuras5 o por lo menos5 tiende a prescindir de ellas$ +l concepto5 en cambio5 es un conocimiento estructurado$ 'ebido a esto5 lo percibido a niDel intuitiDo no se puede definir5 4definir es delimitar5 se capta como un elemento de una totalidad5 se tiene una DiDencia de una presencia5 pero sin poder e!presarla adecuadamente$ AHuí estF tambin la raí de la dificultad para dar eGemplos concretos de este conocimiento$ Intuir un Dalor5 por eGemplo5 es tener la DiDencia o presencia de ese Dalor E apreciarlo como tal5 pero con una escasa probabilidad de poder e!presarla E comunicarla a los demFs$
El +!igen del +n+i*ient+ A continuación se presentan diDersas corrientes filosóficas sobre como el ser #umano obtiene conocimientos$
Rai+nalis*+ Se denomina racionalismo a la doctrina epistemológica Hue sostiene Hue la causa principal del conocimiento reside en el pensamiento5 en la raón$ Afirma Hue un conocimiento solo es realmente tal5 cuando posee necesidad lógica E Dalide uniDersal$ +l planteamiento mFs antiguo del racionalismo aparece con "latón$ +l 24
%acionalismo como corriente filosófica apareció en -rancia en el siglo ;II5 E fue formulada por %en 'escartes$ *os rasgos Hue meGor caracterian al racionalismo moderno son los siguientesP *a tesis de Hue todos nuestros conocimientos acerca de la realidad proceden no de los sentidos5 sino de la raón5 del entendimiento mismo$ +l conocimiento puede ser construido deductiDamente a partir de unos primeros principios$ *os primeros principios del conocimiento no se pueden e!traer de la e!periencia empírica5 sino Hue se encuentran Ea en el entendimientoP el innatismo de las ideas$ Consideración de la deducción E mFs an de la intuición intelectual como los mtodos mFs adecuados para el eGercicio del pensamiento$ *a consideración de la matemFtica como ciencia ideal$ *a apreciación optimista del poder de la raón5 sta no tiene límites E puede alcanar a todo lo real$
E*/i!is*+ "ara el empirismo la nica causa del conocimiento #umano es la e!periencia$ Segn el empirismo5 la conciencia cognoscente no obtiene sus conceptos de la raón5 sino e!clusiDamente de la e!periencia$ +l empirismo5 surge en Inglaterra en el siglo ;II E se e!tiende durante el siglo ;III sus mF!imos representantes son U$ *ocLe 416/21>095 U$ erLeleE 416@< 1>111>>6$ +n un sentido bastante general5 se denomina empirismo a toda teoría Hue considere Hue la e!periencia es el origen del conocimiento5 pero no su límite$ +sta postura #a sido mantenida por numerosos filósofos5 como por eGemplo5 Aristóteles 4/@9/22 a$C$5 +picuro 4/912>2 a$C$5 los estoicos 4S$I a$ C$ S$II d$C$5 TomFs de AHuino 4122912>9 E &cL#am 412<1/<0$
Ca!ate!stias del E*/i!is*+ *as características fundamentales del empirismo podrían resumirse en las siguientesP
1. S-Keti3is*+ del +n+i*ient+. +n este punto5 empiristas E racionalistas coinciden al afirmar Hue5 para conocer el mundo se #a de partir del propio suGeto5 no de la realidad en sí$ *a mente no puede conocer las cosas mFs Hue a partir de las ideas Hue tiene sobre ellas$
2. La eJ/e!ienia +*+ nia "-ente del +n+i*ient+. 25
+l origen del conocimiento es la e!periencia5 entendiendo por ella la percepción de los obGetos sensibles e!ternos 4las cosas E las operaciones internas de la mente 4emociones5 sensaciones5 etc$$ Así pues5 para los empiristas5 el nico criterio de Derdad es la e!periencia sensible$
&. Negain de las ideas innatas de l+s !ai+nalistas. Si todo conocimiento #a de proDenir de la e!periencia esto supone Hue #abrF de ser adHuirido$ *a mente no posee contenido alguno 4ideas innatas5 sino Hue es como una 7tabla rasa85 un receptFculo Dacío Hue debe 7llenarse8 a partir de la e!periencia E el aprendiaGe$
%. El +n+i*ient+ 6-*an+ es li*itad+< la eJ/e!ienia es s- l*ite. +sta postura es radicalmente opuesta a la de los racionalistas5 para los Hue la raón5 utiliando un mtodo adecuado5 no tiene límites E podría llegar a conocerlo todo$ *os empiristas restringen la capacidad de la mente #umanaP la e!periencia es su límite5 E mFs allF de ella no es lícito ir si no Hueremos caer en el error5 atribuEndole a todo lo Hue no #a sido 7e!perimentado8 una realidad E e!istencia obGetiDa$
(. El *ét+d+ eJ/e!i*ental la ienia e*/!ia. +l inters por #allar un mtodo adecuado para dirigir el pensamiento fue uno de los intereses principales tanto del racionalismo como del empirismo$ *a diferencia entre ambos estriba en Hue5 si para los racionalistas el modelo ideal de mtodo era matemFtico E deductiDo5 para los empiristas debía ser e!perimental e inductiDo5 similar al Hue utilió Neton en el campo de la física5 E Hue tan e!celentes resultados #abía dado$
El ;+del+ de AdQ-isiin del C+n+i*ient+ Segn la Fil+s+"a. *a metodología Common ^A'S5 como cualHuier otra ofrece una apro!imación para resolDer los problemas in#erentes a la ingeniería del conocimiento proDenientes de la e!periencia E apoEados por los fundamentos de la ingeniería del softare$ Como se #a mencionado anteriormente5 la ingeniería del conocimiento debe #acer frente a la recopilación de datos5 dar forma a la información E generar mFs conocimiento$ Todo ello dentro de un determinado Fmbito de aplicación o línea de negocio empresarial5 Hue debe plasmarse en una realidad$ *os modelos de la metodología Common ^A'S para #acer frente a las realidades e!presadas anteriormente$ +n ella se muestran tres grupos de modelos porHue 26
e!isten esencialmente tres tipos de preguntas Hue deben contestarseP V"or HuW V"or Hu es necesario recurrir a un sistema Hue inDolucre conocimientoW +n la organiación donde se Da a implementar5 VDa a meGorar el rendimiento de la mismaW5 VreportarF beneficios económicos o de otra índoleW5 VresolDerF meGor Hue otros sistemas o las propias personas los problemasW5 VserF aceptado por la organiación donde se Da a implementarW *a respuesta a estas preguntas pasa por estudiar tres aspectos claDe$ CuFl es la estructura de la organiación donde se Da a desarrollar el sistemas par Der donde encaGa$ =u tarea Da a realiar el sistema E cómo se enmarcan dentro de las tareas globales de la organiación$ =uin o Huienes estarFn inDolucrados en la realiación de estas tareas$ Con este planteamiento llegamos a respectiDamente a los modelos de la organiación5 tarea E agente baGo la perspectiDa del conte!to en la organiación$ V=uW V=u tipo de conocimiento es el Hue se debe maneGarW5 Vcómo se Da a estructurar ese conocimientoW AdemFs5 VSerF necesario transmitir ese conocimientoW5 VHuin Da a recibir E por tanto #acer uso de ese conocimientoW +n definitiDa5 Ves necesario E conDeniente Hue #aEa una comunicación relatiDa a ese conocimientoW aGo esta perspectiDa surge un mecanismo conceptual Hue inDolucra la formaliación E el uso de conocimiento así como su transmisión Eo recepción mediante una comunicación$ 'e aHuí deriDan los modelos de conocimiento E comunicación$ VCómoW VCómo debe lleDarse a la prFctica todo lo anterior para Hue el conocimiento pueda implementarse en una computadoraW5 Vcómo debe ser la arHuitectura softare E el mecanismo computacionalW +n este caso se estF #ablando del eHuipo necesario Hue #a de desembocar en un mtodo de diseo$
27
1., ;ODELO COGNOSCITI8O +l modelo cognitiDo se basa en el pensamiento5 el poder e!plorar la capacidad de las mentes #umanas para modificar E controlar la forma en Hue los estímulos afectan nuestra conducta$ +ste tipo de modelo se aplica a la inteligencia artificial5 de tal modo Hue uno podría pensar Hue esta tecnología pueda pensar como un #umano$ AunHue para poder eDaluar si un sistema piensa o no como una persona5 se reHuieren mecanismos para determinar cómo piensan los #umanos5 penetrando en las mentes #umanas como por eGemplo la introspección E e!perimentos psicológicos$ (na De Hue se cuente con una teoría precisa sobre cómo trabaGa la mente5 se lo podrF plasmar en la computadora$ +l campo de estudio del modelo cognitiDo es increíblemente enorme E e!tenso5 algunas de las ciencias inter E multi disciplinarias Hue aEudan al modelo cognitiDo sonP •
Ciencia cognitiDaP +studia cómo la mentecerebro representa E transforma la información Hue recibe$ +s una ciencia interdisciplinaria en la Hue conDergen otras ciencias$ *ing\ística o Inteligencia Artificial o Neurociencia o o Antropología cognitiDa
*a mente #umana es una de las fronteras de la ciencia5 el conocimiento Hue tenemos de su funcionamiento estF en constante crecimiento E eDolución$ *os sistemas con inteligencia artificial SC 4simbólico cognitiDistas se tratan de sistemas Hue resuelDen problemas utiliando la lógica$ Sistemas Hue actan de forma racional E realian la meGor acción en función de las percepciones obtenidas5 del conocimiento disponible E de la medida de comportamiento$ 'ependen totalmente de la percepción E la capacidad de acción sobre el entorno5 la capacidad de procesamiento E el tiempo de procesamiento son las Dariables Hue entran en Guego$ *a inteligencia artificial es adaptatiDa5 los seres #umanos E animales e!#ibimos la inteligencia en la medida en Hue nos adaptamos al medio5 por ello5 un sistema se considerarF inteligente si puede adaptarse a su medio$ Se e!presa tecnológicamente en las redes neuronales artificiales$ "or eGemplo5 una neurona no tiene inteligencia5 pero billones interactuando entre sí pueden dar cabida a la 28
mente5 la cual es emergente$ "or ello5 la inteligencia artificial5 tambin busca emular una mente emergente$ (na red neural es un conGunto de neuronas Hue en un momento dado constituEe una unidad integral 4persiste como un todo en ausencia de alguna de sus partes en la suma a ciertos efectos$ Cuanto maEores E mFs compleGas sean las redes neuronales5 maEor cantidad de información$ "or otra parte los aDances tecnológicos #an demostrado tener la capacidad de adaptarse E poder raonar a un cierto grado5 se considera aDances en el Frea de inteligencia artificial como5 por eGemploP •
•
•
•
%obot ComoP +s un peHueo robot del tamao de la palma de la mano5 Como puede reconocer E recordar tu cara E tu nombre5 asemeGFndolo a un perro mascota$ "uede #ablar5 E puede transmitir lo Hue Huiere decir de Darias formas$ tiene emocionesP puede estar feli5 triste5 braDo5 enoGado5 contento5 molesto5 entre muc#as mFs$ +l cerebro del reloG procesa interacciones para inDocar estas emociones E los algoritmos parecen tener buena respuesta$ Siri I&SP +s una aplicación del sistema operatiDo móDil I&S Hue funciona por medio de reconocimiento de Do$ ,racias a esto5 le puedes ordenar a los dispositiDos de Apple Hue realice ciertas funciones5 utiliando un lenguaGe coloHuial$ e#ículo Autónomo de ,oogleP No tiene ni pedales5 ni marc#as5 ni Dolante5 +l automóDil solo dispondría de un botón de encendido E una pantalla Hue mostrarF la ruta Hue seguirF de principio a fin$ Su Delocidad mF!ima5 segn lo anunciado por la compaía5 sería de unos 90 Lm# E los sensores con los Hue estF eHuipado determinarFn tanto la posición del De#ículo como la cercanía de otros autos E personas$ *a supercomputadora Katson de IMP es capa de procesar correctamente el lenguaGe natural E responder a las preguntas Hue se le plantean5 imitando el raonamiento #umano$ AdemFs5 aprende de su propia e!periencia5 por lo Hue cada De se DuelDe mFs inteligente$ se #io muE conocido por ganar en la teleDisión estadounidense un famoso concurso de teleDisión de preguntas E respuestas$
29
1. EL ;ODELO DEL AGENTE INTELIGENTE SISTE;AS ;ULTI AGENTE SISTE;AS U7ICUOS. Sistemas computacionales capaces de realiar acciones de manera autónoma en algn entorno5 con el propósito de alcanar una serie de obGetiDos Hue tiene delegados (n agente inteligente5 es una entidad capa de percibir su entorno5 procesar tales percepciones E responder o actuar en su entorno de manera racional5 es decir5 de manera correcta E tendiendo a ma!imiar un resultado esperado$ +s capa de percibir su medioambiente con la aEuda de sensores E actuar en ese medio utiliando actuadores 4elementos Hue reaccionan a un estímulo realiando una acción$ +n este conte!to la racionalidad es la característica Hue posee una elección de ser correcta5 mFs específicamente5 de tender a ma!imiar un resultado esperado$ +ste concepto de racionalidad es mFs general E por ello mFs adecuado Hue inteligencia 4la cual sugiere entendimiento para describir el comportamiento de los agentes inteligentes$ "or este motiDo es maEor el consenso en llamarlos agentes racionales$ (n agente inteligente puede ser una entidad física o Dirtual$ Si bien el trmino agente racional se refiere a agentes artificiales en el campo de la Inteligencia Artificial5 tambin puede considerarse agentes racionales a los animales incluido el #ombre$
*os agentes inteligentes se describen esHuemFticamente como un sistema funcional abstracto$ "or esta raón5 los agentes inteligentes son a Deces llamado Agentes Inteligentes Abstractos 4AIA para distinguirlos de sus implementaciones 30
del mundo real como sistemas informFticos5 los sistemas biológicos5 o de organiaciones$ Algunas definiciones de agentes inteligentes #acen nfasis en su autonomía por lo Hue prefieren el trmino agente inteligente autónomo$ +n Ciencias de la Computación el trmino agente inteligente puede ser usado para referirse a un agente de softare Hue tiene algo de inteligencia5 independientemente de si no es un agente racional por definición de %ussell E NorDig$ "or eGemplo5 programas autónomos utiliados para asistencia de un operador o de minería de datos 4a Deces denominado robots son tambin llamados 7agentes inteligentes8$
Siste*as *-lti agentes +l dominio del sistema multiagente o de inteligencia artificial distribuida es una ciencia E una tcnica Hue trata con los sistemas de inteligencia artificial en red$ +n cierto modo5 un sistema multiagente es un sistema distribuido en el cual los nodos o elementos son sistemas de inteligencia artificial5 o bien un sistema distribuido donde la conducta combinada de dic#os elementos produce un resultado en conGunto inteligente$ +!isten como en todo el resto del dominio de la inteligencia artificial5 dos enfoHues para construir sistemas multiagentesP 1$ +l enfoHue formal o clFsico5 Hue consiste en dotar los agentes de la maEor inteligencia posible utiliando descripciones formales del problema Hue resolDer E de #acer reposar el funcionamiento del sistema en tales capacidades cognitiDas$ (sualmente la inteligencia es definida utiliando un sistema formal 4por eGemplo5 sistemas de inferencia lógica para la descripción5 raciocinio5 inferencia de nueDo conocimiento E planificación de acciones a realiar en el medio ambiente$ 2$ +l enfoHue constructiDista5 Hue persigue la idea de brindarle inteligencia al conGunto de todos los agentes5 para Hue a traDs de mecanismos ingeniosamente elaborados de interacción5 el sistema mismo genere comportamiento inteligente Hue no necesariamente estaba planeado desde un principio o definido dentro de los agentes mismos 4Hue pueden ser realmente simples$ +ste tipo de conducta es #abitualmente llamado comportamiento emergente$
31
Ca!ate!stias *os agentes en un sistema multiagente tienen Darias características importantesP AutonomíaP los agentes son al menos parcialmente autónomos isión localP ningn agente tiene una Disión global del sistema5 o el sistema es demasiado compleGo para un agente para #acer un uso prFctico de esos conocimientos 'escentraliaciónP no #aE un agente de control designado 4o el sistema se reduciría a un sistema monolítico Normalmente la inDestigación de sistemas multiagente se refiere a agentes de softare$ Sin embargo5 los agentes en un sistema multiagente tambin podrían ser robots56 seres #umanos o eHuipos #umanos$
Siste*as -i-+s *a computación ubicua es la integración de la informFtica en el entorno de la persona5 de forma Hue los ordenadores no se perciban como obGetos diferenciados$ 'esde #ace unos aos tambin se denomina inteligencia ambiental$ *a computación ubicua es un modelo de interacción en el Hue el procesamiento de información se integra fuertemente en las actiDidades E obGetos cotidianos$ A pesar de Hue el trmino de computación ubicua puede parecer demasiado tcnico5 el mismo se basa en un campo Hue tiene muc#as implicaciones para el proceso de enseanaaprendiaGe$ *a computación ubicua E su proceso Da aplicado a la educación5 la cual intenta lograr Hue la tecnología sea JinDisibleJ para el usuario$ *a meta estF en desarrollar entornos transparentes para Hue de esa manera todo usuario pueda beneficiarse sin darse cuenta Hue la estF usando$ (n eGemplo se basa cuando se usa un telfono celular E se #ace de la manera mFs natural en donde el esfuero Hue toma en su uso es muE mínimo$
Ti/+s de siste*as -i-+s +ntornos inteligentes
'omótica
+ntornos asistenciales
+ntornos industriales 32
&cio
+ducación
Segn Keiser diDide en 'os aspectos fundamentales a los componentes de los entornos ubicuos$ 1$
*ocaliación
+l elemento de cómputo sabe dónde estF ubicado$ 2$
+scala
(n tamao para cada tareaP tabs5 pads5 boards$
1.4 EL :A:EL DE LA HEURISTICA 'esde el inicio de la IA5 el trmino 7#eurística8 osciló entre dos sentidos fundamentales Dinculados a la utiliación de información del dominio de problemas 4con el fin de #acer una bsHueda mFs eficiente E a la imposibilidad de garantiar encontrar la solución de un problema *a capacidad heuristica es un rasgo caracteristico de los #umanos5 Hue puede describirse como el arte E la ciencia del descubrimiento E de la inDención o de resolDer problemas mediante la creatiDidad E el pensamiento$ *a base de la #eurística surge de la e!periencia de resolDer problemas E Der cómo otros lo #acen$ 'e lo anterior podemos deducir Hue un mtodo #eurístico aplicado correctamente puede deDolDer soluciones falsas5 positiDas o negatiDas$ +n las ciencias de la computación5 el mtodo #eurístico es usado en determinadas circunstancias5 cuando no e!iste una solución óptima baGo las restricciones dadas$ +n general la manera de actuar de los programas #eurísticos consiste en encontrar algoritmos con buenos tiempos de eGecución E buenas soluciones$ Muc#os algoritmos en la inteligencia artificial son #eurísticos por naturalea5 o usan reglas #eurísticas$ (n eGemplo claro son los programas Hue detectan si un correo electrónico es o no spam$ CualHuiera de las reglas usadas de forma independiente pueden lleDar a errores de clasificación5 pero cuando se unen mltiples reglas #eurísticas5 la solución es mFs robusta E creíble$
33
Ti/+s de alg+!it*+s 6e-!sti+s +n una primera clasificación podemos decir Hue los algoritmos #eurísticos pueden serP •
•
SimplesP tienden a tener reglas de terminación bien definidas E se detienen en un óptimo local$ CompleGosP pueden no tener reglas de terminación estFndar E buscan soluciones meGores #asta alcanar un punto de parada arbitrario$
'entro de los algoritmos #eurísticos compleGos podemos #acer una segunda clasificación5 esta De orientada a la funcionalidad de los mismosP AHuellos algoritmos Hue fueron diseados para dar solución a problemas de bsHueda de óptimos o clasificación AHuellos algoritmos Hue tratan de deducir conocimiento a partir de un conGunto de a!iomas5 conocidos como sistemas basados en el conocimiento$ +ntre los algoritmos de bsHueda de óptimos se encuentran los siguientes mtodosP 34
1$ 2$ /$ 9$
sHueda Tab Temple Simulado Algoritmos ,enticos %edes Neuronales
*os sistemas basados en el conocimiento definen un Frea muE concreta dentro de la inteligencia artificial5 conocida como Ingeniería del conocimiento$ *os sistemas desarrollados en este campo siguen un patrón #eurístico similar al raonamiento #umano$
1. 7sQ-eda Ta *a bsHueda tab es un procedimiento o estrategia dado a conocer en los trabaGos de ,loDer5 E Hue estF teniendo grandes !itos E muc#a aceptación en los ltimos aos$ Segn su creador5 es un procedimiento Hue 7e!plora el espacio de soluciones mFs allF del óptimo local85 4,loDer E *aguna$ Se permiten cambios #acia arriba o Hue empeoran la solución5 una De Hue se llega a un óptimo local$ SimultFneamente los ltimos moDimientos se califican como tabs durante las siguientes iteraciones para eDitar Hue se DuelDan a soluciones anteriores E el algoritmo cicle$ +l trmino tab #ace referencia a un tipo de in#ibición a algo debido a connotaciones culturales o #istóricas E Hue puede ser superada en determinadas condiciones 4,loDer$
2. Te*/le Si*-lad+ +l uso del temple simulado en problemas de &ptimiación se #a e!tendido desde mediados de los oc#enta #asta a#ora5 a partir de los trabaGos de ^irpatricL5 ,elatt ecc#i$ *os algoritmos Temple Simulado estFn basados en una estrec#a analogía entre los procesos físicos termodinFmicos E los elementos de un problema de optimiación combinatoria$ AunHue asintóticamente estos algoritmos se comportan como e!actos5 4un anFlisis e!#austiDo de esta afirmación se puede encontrar en el trabaGo de Aarts ^orst5 en la prFctica se disean como #eurísticos$ +l campo de aplicaciones se #a e!tendido durante estos aos$ +n problemas de rutas destacan las aportaciones de &sman5 para el %"O E Aarts E otros5 para el problema del DiaGante de comercio$
&. Alg+!it*+s Genéti+s +n los aos >05 de la mano de Uo#n .olland5 surgió una de las líneas mFs prometedoras de la inteligencia artificial5 la de los algoritmos genticos$ Son llamados así porHue se inspiran en la eDolución biológica E su base gentico molecular$ +stos algoritmos #acen eDolucionar una población de indiDiduos sometindola a acciones aleatorias semeGantes a las Hue actan en la eDolución biológica 4mutaciones E recombinación gentica5 así como tambin a una selección de acuerdo con algn criterio5 en función del cual se decide cuFles son los indiDiduos mFs adaptados5 Hue sobreDiDen5 E cuFles los menos aptos5 Hue son descartados$ 35
%. Redes Ne-!+nales +n inteligencia artificial las redes de neuronas artificiales 4%NA son un eGemplo de aprendiaGe E procesamiento automFtico basado en el funcionamiento del sistema nerDioso animal$ Se trata de simular el comportamiento obserDado en las redes neuronales biológicas a traDs de modelos matemFticos mediante mecanismos artificiales 4circuitos integrados5 ordenadores]$ Con las %NA se pretende conseguir Hue las mFHuinas den repuestas similares a las del cerebro #umano5 caracteriadas por su generaliación E robuste$
+l obGetiDo principal de la #eurística es reconocer Dirus nueDos E desconocidos$ Como dice Andre U$ *ee5 CT& de +set SoftareP Jla .eurística es un trmino muE amplio E no e!iste una definición acordada entre los fabricantes antiDirus5 pero bFsicamente describe un rango de tcnicas predictiDas o proactiDas para detectar nueDo softare malicioso sin la necesidad de liberar una actualiaciónJ$ Cada fabricante antiDirus aplica distintas tcnicas en la implementación #eurística de sus productos5 Hue permiten detectar maEor o menor cantidad de Dirus desconocidos$ 'ada la gran rapide con la Hue los nueDos gusanos de Internet se reproducen5 alcanando niDeles epidmicos en cuestión de #oras5 contar con una protección #eurística eficiente a niDel corporatiDo es esencial$
1.4.1 ALGORIT;OS DE 79S?UEDA DE ALTERNATI8AS
36
(n algoritmo de bsHueda tratarF de encontrar un camino óptimo entre dos nodos como por eGemplo un camino Hue minimice el coste de desplaamiento5 o el nmero de pasos a realiar$ *a principal diferencia entre los algoritmos es la información Hue guardan acerca del grafo$ Algunos de ellos no guardan información alguna5 simplemente e!panden la bsHueda desde el nodo inicial5 #asta Hue se llega al nodo final5 otros guardan el coste de DiaGar desde el origen #asta ese nodo5 o incluso una estimación de lo prometedor Hue es un nodo para conducir el camino a su obGetiDo$ *a e!pansión de la bsHueda se realia en forma de Frbol$ "artiendo del nodo inicial5 se e!tenderF la bsHueda a sus nodos Decinos5 de cada uno de estos nodos Decinos5 a sus respectiDos nodos Decinos5 E así #asta Hue uno de los nodos a los Hue se e!pande la bsHueda es el nodo obGetiDo +l obGetiDo del recorrido es encontrar soluciones para algn problema$ +sto se consigue construEendo soluciones parciales a medida Hue progresa el recorridoO estas soluciones parciales limitan las regiones en las Hue puede encontrar una solución completa$ +l recorrido tiene !ito si5 procediendo de esta forma5 se puede definir por completo una solución$ +n este caso el algoritmo puede5 o bien detenerse 4si lo nico Hue se necesita es una solución del problema o bien seguir buscando soluciones alternatiDas 4si deseamos e!aminarlas todas$ "or otra parte5 el recorrido no tiene !ito si en alguna etapa la solución parcial construida #asta el momento no se puede completar$ +n tal caso5 el recorrido DuelDe atrFs e!actamente igual Hue en un recorrido en profundidad5 eliminando sobre la marc#a los elementos Hue se #ubieran aadido en cada fase$ Cuando DuelDe a un nodo Hue tiene uno o mFs Decinos sin e!plorar5 prosigue el recorrido de una solución$
EKe*/l+< *a maEoría de los Guegos tales como el aGedre E las damas5 ofrecen un nmero finito de alternatiDas de Guego E pueden ser descritos totalmente por un Frbol5 e!istiendo un procedimiento algorítmico para eDaluar las alternatiDas Hue se presentan a partir de las posiciones terminales 4Ea sea Dictoria para alguno de los oponentes o un empate5 Hue da como resultado la estrategia optima 4aHuella de da la meGor recompensa a seguirP el procedimiento minima! de la teoría de Guegos consiste en considerar alternatiDamente las moDidas propias E del adDersario$ +n la figura se supone un partida de aGedre donde blancas debe moDer a partir de A contando con < alternatiDasP I a 5 a las cuales Huien Guega negras puede replicar con 7a8 o 7b858 c8 o 7d85 7e8 o 7f85 7g85 7#8 o 7i8 E 7G85 7L8 o 7l8 respectiDamente$
37
Supongamos Hue en la figura5 78 significa Hue blancas gana5 7+8 un empate E 7N8 Hue gana negras$ +l anFlisis de minima! consiste en lo siguienteP si blancas Guega I5 de acuerdo con la moDida de negras se darF Hue empate o pierda5 si Guega II cualHuiera Hue sea la respuesta de su contrincante se llegara a un empateO si Guega II5 perderF seguramente5 E en caso de Gugar I E corre el riesgo de Hue su enemigo Guegue 7g8 o 7L8 con lo #abría perdido el Guego$ lancas difícilmente correrF el riesgo de Gugar I5 E por lo tanto seguramente Gugara II5 con lo Hue se #abrF asegurado un empate$
SOLUCIONAR :RO7LE;AS "ara poder solucionar un problema E llegar a la solución óptima en el raonamiento del algoritmo necesitamos de / pasos fundamentales$ Identificación E definición del problema Identificación del criterio de eDaluación ,eneración de alternatiDas *a solución de muc#os problemas en Inteligencia artificial es bFsicamente bsHueda E eDaluación
RE:RESENTACIÓN DEL ES:ACIO DE ESTADOS "ara llegar a una solución en los algoritmos se tienen Hue definir los espacios de estados 4e!plícito implícito5 ademFs se especifica los estados iniciales E los estados finales 4metas$ Tambin es importante recalcar las reglas Hue definen las acciones disponibles para moDerse de un estado a otro$
38
+l proceso de solución de problemas ` encontrar una secuencia de operaciones Hue transformen al estado inicial en uno final$ Se reHuiere una estrategia de bsHueda$ *a estrategia de bsHueda define el criterio para seleccionar el siguiente nodo a e!pandir$ *a estrategia se aDala atendiendo a cuatro aspectosP
CompletitudP V,arantia la estrategia encontrar una solución cuando esta e!istaW
CompleGidad del tiempoP VCuFnto tiempo reHuiere encontrar una soluciónW
CompleGidad del espacioP VCuFnta memoria se necesita para realiar la bsHuedaW
&ptimalidadP V+ncuentra la estrategia la maEor calidad cuando #aEa Darias soluciones diferentesW
solución
de
Alg+!it*+ de sQ-eda gene!al
"-nti+n ,eneralSearc#4"roblem5 StrategE return SolucionO
Inicialiar el Frbol de bsHueda usando el estado inicial o -allar
L++/ d+
i" no #aE nodo Hue e!pandir t#en return -alla
Seleccionar un nodo #oGa a e!pandir de acuerdo a la estrategia$
i" el nodo contiene un estado obGetiDo
t6en return Solucion
else e!pandir el nodo E aadir los nodos resultantes al
espacio de bsHueda$
end l++/$
end
7-sQ-eda eJ6a-sti3a
+n la bsHueda e!#austiDa la idea es e!aminar el espacio de estado completamente de una manera ordenada5 usando todos los operadores E generando todos los sucesores posibles para encontrar la solución deseada$ 39
7sQ-eda a iegas
*a bsHueda a ciegas es aHuella donde no e!iste ninguna información para decidir Hue nodo e!pandir5 no se conoce la cantidad de pasos o el costo del camino desde el estado actual #asta el obGetiDo$ Tambin se denomina bsHueda no informada$ +n el otro caso5 cuando e!iste información para decidir5 la bsHueda se denomina informada o #eurística$ +l conGunto de mtodos Hue utilian la estrategia de bsHueda a ciegas se consideran mtodos dbiles pues imponen restricciones mínimas a la bsHueda E su alta generalidad implica cierta debilidad$
7sQ-eda di!igida
+n la bsHueda dirigida por datos los nodos contienen los #ec#os dados como datos iniciales E los Hue se Dan infiriendo5 mientras en la bsHueda dirigida por obGetiDos los nodos contienen los obGetiDos E subobGetiDos$
*a idea principal es realiar simultFneamente dos bsHuedas5 una dirigida por dato E otra por obGetiDo E parar cuando ambas se encuentren$ +ntonces el camino desde el estado inicial se concatena con el inDerso del camino desde el estado obGetiDo para formar el camino solución$
+n conclusión5 la bsHueda es el mecanismo de solución de problemas uniDersal en la IA$ +n los problemas de la IA5 la secuencia de pasos reHueridos para dar solución a un problema no son conocidos a priori5 ellos son determinados mediante la e!ploración de alternatiDas$
1.4.2 ALGORIT;O A Algoritmo a Algoritmo de sHueda A$ Conocido tambin como A asterisco o A estrella fue presentado por "eter +$ .art5 Nils U$ Nilsson E ertram %ap#ael en el ao 16@5se clasifica dentro de los algoritmos de bsHueda en grafos$ Su función es encontrar siempre E cuando se cumplan determinadas condiciones5 el camino de menor costo entre un nodo origen E uno obGetiDo5 es la forma mFs ampliamente conocida de la bsHueda primero el meGor5 siendo la bsHueda A tanto completa como óptima$ Características "rincipales Como todo algoritmo de bsHueda en anc#ura5 A es un algoritmo completoP en caso de e!istir una solución5 siempre darF con ella$ 40
Si para todo nodo n del grafo se cumple g4n ` 05 nos encontramos ante una bsHueda Dora$ Si para todo nodo n del grafo se cumple #4n ` 05 A pasa a ser una bsHueda de coste uniforme no informada$ "ara garantiar la optimalidad del algoritmo5 la función #4n debe ser admisible5 o sea Hue no sobrestime el coste real de alcanar el nodo obGetiDo$ 'e no cumplirse dic#a condición5 el algoritmo pasa a denominarse simplemente A5 E a pesar de seguir siendo completo5 no se asegura Hue el resultado obtenido sea el camino de coste mínimo$ Asimismo5 si garantiamos Hue #4n es consistente 4o monótona5 es decir5 Hue para cualHuier nodo n E cualHuiera de sus sucesores5 el coste estimado de alcanar el obGetiDo desde n no es maEor Hue el de alcanar el sucesor mFs el coste de alcanar el obGetiDo desde el sucesor$ *a compleGidad computacional estF relacionada con la calidad de la #eurística Hue se utilice en el problema$ +n el caso peor5 con una #eurística de psima calidad5 la compleGidad serF e!ponencial5 mientras Hue en el caso meGor5 con una buena #4n5 el algoritmo se eGecutarF en tiempo lineal$ +l espacio reHuerido por A para ser eGecutado es su maEor problema$ 'ado Hue tiene Hue almacenar todos los posibles siguientes nodos de cada estado5 la cantidad de memoria Hue reHuerirF serF e!ponencial con respecto al tamao del problema$ "ara solucionar este problema5 se #an propuesto diDersas Dariaciones de este algoritmo5 como pueden ser %TA5 I'A o SMA$ +l rendimiento de los algoritmos de bsHueda #eurística depende de la calidad de la función #eurística$ +l algoritmo A es un algoritmo de bsHueda Hue puede ser empleado para el cFlculo de caminos mínimos en una red$ Se Da a tratar de un algoritmo #eurístico5 Ea Hue una de sus principales características es Hue #arF uso de una función de eDaluación #eurística5 mediante la cual etiHuetarF los diferentes nodos de la red E Hue serDirF para determinar la probabilidad de dic#os nodos de pertenecer al camino óptimo$ Aplicaciones del algoritmo A 'e manera general este algoritmo se utilia para encontrar el camino mFs corto entre dos puntos dados5 pero dentro de sus otras aplicaciones se utilia en Guegos para determinar el recorrido Hue un obGeto debe realiarO un eGemplo de ello es el DideoGuego pacman en el Hue se aplicaba al comportamiento de los fantasmitas E en la resolución de los problemas de SudoLu de @ Dariables$ Tambin se puede utiliar para resolDer el cubo %ubiL mostrFndonos cómo #acerlo con la menor cantidad de moDidas$ 'ebemos tener en cuenta Hue #aE circunstancias en las Hue no es sencillo encontrar una buena función #eurística pero tambin es DFlido especificar Hue sea cero Ea Hue la misma debe ser estimada por defecto$
41
1.4.& ALGORIT;OS DE 79S?UEDA LOCAL. Se #an descrito bsHuedas Hue solo realian una e!ploración sistemFtica5 en este tipo de bsHuedas no tan compleGas importaba llegar al obGetiDo mFs Hue cómo llegar5 si bien es cierto5 las bsHuedas informadas son efectiDas a la #ora de encontrar un resultado5 nada asegura Hue este resultado sea el mFs factible$ +n Dista de Hue e!isten problemas en los Hue se deben satisfacer restricciones E llegar al meGor de todos los obGetiDos5 surgen los algoritmos de bsHueda local E problemas de optimiación en los cuales el camino #acia la solución del problema es irreleDante E lo Hue importa es la solución final$ *os algoritmos Hue se #an desarrollado sonP • • • •
sHueda de ascensión de colinas Temple simulado "or #a local ,enticos
Alg+!it*+s de -sQ-eda l+al *os algoritmos de bsHueda local no se preocupan por los caminos sino Hue se enfocan en su gran parte en el estado actual E se mueDe de un estado Decino #acia otro5 este tipo de algoritmos tienen DentaGas importantes comoP Son a#orratiDosP ?a Hue usan poca memoria en donde no se guarda la secuencia de estados$ %aonablesP &frecen buenas soluciones a un problema cuando el espacio de los estados es infinito$ )ptimosP +ncuentran el meGor estado posible en base a una función obGetiDo$ *a forma en la Hue funcionan los algoritmos de bsHueda local es intentando meGorar una solución Ea dada E encontrar la meGor de las soluciones posibles en el 42
menor tiempo5 pero para ello se necesitan de operadores5 estos pueden ma!imiar o minimiar la solución combinando tambin las restricciones del problema$
;aJi*i0ain Se ma!imia un problema cuando su solución corresponde directamente al obGetiDo5 es decir Hue para #acer mFs óptima una respuesta se trata de ma!imiar el obGetiDo$
;ini*i0ain Se minimia un problema cuando su solución se basa en los costos5 por lo cual es necesario #acerlos lo mFs mínimos posibles$
Ca!ate!stias "aisaGe de estadosP es donde se encuentra el conGunto de soluciones E sirDe para comprender meGor la bsHueda local5 su posición se basa en el estado E la eleDación se basa en la función de coste del obGetiDo o de la #eurística$ +stado inicialP es en donde comiena la bsHueda de la solución$ &peradoresP *a ma!imiación o minimiación5 si la solución corresponde al costo entonces se intenta encontrar el mínimo global E si corresponde al obGetiDo se intenta encontrar el mF!imo global$ +stados finales E solucionesP +s la resolución del problema en sí$
He-!stia +n computación5 dos obGetiDos fundamentales son encontrar algoritmos con buenos tiempos de eGecución E buenas soluciones5 usualmente las óptimas$ (na #eurística es un algoritmo Hue abandona uno o ambos obGetiDos$ Normalmente encuentran buenas soluciones5 aunHue no #aE pruebas de Hue la solución no pueda ser arbitrariamente errónea en algunos casosO o se eGecuta raonablemente rFpido5 aunHue no e!iste tampoco prueba de Hue siempre serF así$ *as #eurísticas generalmente son usadas cuando no e!iste una solución óptima baGo las restricciones dadas 4tiempo5 espacio5 etc$5 o cuando no e!iste del todo$
43
:!+le*as de +/ti*i0ain "ara definir un problema de manera correcta primero es necesario tener en claro 9 aspectos indicados E e!plicados en el siguiente grFfico$
7sQ-eda de asensin de +linas +s un algoritmo basado en iteraciones Hue intenta dar una solución arbitraria a un problema para encontrar una meGor solución modificando un elemento incrementalmente 4Ceccaroni5 200>$ +ste tipo de bsHuedas tienen este nombre Ea Hue se asemeGa a subir una colina o montaa5 es decir Hue se realia un bsHueda cuesta arriba E termina cuando alcana el lugar mFs alto de la montaa5 es decir5 la cima$ +ste tipo de algoritmos tienen una condición para aDanar la cual es Hue si el cambio propone una solución factible se realia un cambio incremental a la nueDa solución repitiendo esto Darias Deces como un ciclo$ "ese a Hue es un algoritmo simple E muE conocido en inteligencia artificial por ser bueno para encontrar un óptimo local no garantia encontrar la meGor solución entre el sin nmero de soluciones posibles$4Ceccaroni5 200>$
44
Ti/+s *os tipos de algoritmos de bsHueda de ascensión de colinas son /$
sQ-eda de te*/le si*-lad+ +l algoritmo de temple simulado surge como una alternatiDa al algoritmo de ascensión de colinas Ea Hue este no es muE completo debido a Hue solo Derifica los caminos cuesta arriba E no pasa por estados baGos donde el costo es mFs alto E se estanca en mF!imos locales$ +l temple simulado es una combinación de la ascensión de colinas E la aleatoriedad Hue estableca completitud5 esta clase de algoritmos no escogen el meGor moDimiento si no Hue mFs bien #acen un aleatorio E si este meGora la situación actual entonces es aceptado$
7sQ-eda /+! 6a0 l+al A diferencia de las otras bsHuedas en las cuales los estados e!pandidos E sus nodos no son guardados en la memoria5 la bsHueda por #a local guarda la pista de ^ estados5 E se generan sucesores aleatorios para cada uno de ellos5 por lo Hue se seleccionan cuFles son los meGores sucesores E en caso de ser el obGetiDo el algoritmo se para 4"re5 s$f$ *a gran diferencia con el algoritmo de reinicios aleatorios es Hue la bsHueda por #a local no es independiente5 por eGemplo5 un estado generado aleatoriamente puede generar a su De muc#os estados considerados buenos5 E otro estado puede generar el mismo nmero de estados pero malos E solo uno bueno5 esto puede indicar claramente Hue el estado a elegir sería el primero$4"re5 s$f$ 45
7sQ-eda de 6a0 est+=stia 'ebido a Hue podría #aber pocos estados5 la bsHueda de #a estocFstica propone escoger a los sucesores aleatoriamente como una función Hue #aga mFs E mFs grande su Dalor$
Alg+!it*+s genéti+s +s muE parecida a la bsHueda de #a estocFstica con la diferencia de Hue esta trata de una reproducción se!ual mFs Hue ase!ual5 es decir Hue #ace una combinación de los estados de los nodos padre para generar un nueDo sucesor o #iGo 4%ui5 U$ 201<$
46
FUENTES 7I7LIOGRFICAS •
•
•
•
•
• • •
• • •
•
•
41@/5 A$N$.$5 Ausubel5 N$ .$ 41@/$ Psicolog!a Eucativa: 7n %unto e vista cognoscitivo. M!icoP 2 +d$T%I**AS$ Alan *aalde $ 42016$ Inteligencia ArtificialP 10 sorprendentes aDances de 201120165 de Sitio ebP #ttpPgoo$gl2AAU6D cent$ 42016$ +l robot Como$ 20165 de Sitio ebP #ttpPgoo$glC6%2? %(SS+**5 S$ U$O N&%I,5 "$ INT+*I,+NCIA A%TI-ICIA*$ (N +N-&=(+ M&'+%N& Segunda +dición$ "+A%S&N +'(CACI)N5 S$A$5 Madrid5 2009$ #ttpPinteligenciart1$blogspot$m!20100@1/elprocesoderaonamiento segunla$#tml #ttpPdocencia$udea$edu$cocenlogicacapitulo/$#tm Inteligencia artificila ISCP #ttpsPiaitG$ordpress$com201/062>tema19 Inteligencia artificialP #ttpPinteligenciart1$blogspot$m!20100@19el modelodeadHuisiciondel$#tml #ttpPinteligenciart1$blogspot$m!20100@1>elpapeldela#euristica$#tml #ttpPaipo$eslibropdf1<+Daluacion.euristica$pdf #ttpsPgtics$ordpress$com2011111#euristicaeinteligenciaartificial #ttpP$monografias$comtrabaGos>9inteligenciaartificialinteligencia artificial2$s#tmlhi!9UE;"^NIb %afael ello5 Mtodos de Solución de "roblemas de la Inteligencia Artificial5 (niDersidad Central de *as illas5 200>$
•
#ttpP$lania$m!emeurautilfilestesis-ermin-inal$pdf
•
#ttpPpoiritem$ordpress$com201001196<2busHueda#euristica algoritmoa
•
#ttpPes$scribd$comdoc1<02/usHueda.euristica
•
#ttpP$laebdelprogramador$comforosInteligenciaArtificial92>9 busHueda#euristica$#tml
47
