Professional Documents
Culture Documents
Muchos de los problemas que pueden ser resueltos aplicando técnicas de inteligencia
artificial se modelan en forma simbólica y discreta definiendo las configuraciones
posibles del universo estudiado. El problema se plantea entonces en términos de
encontrar una configuración objetivo a partir de una configuración inicial dada,
aplicando transformaciones válidas según el modelo del universo. La respuesta es la
secuencia de transformaciones cuya aplicación sucesiva lleva a la configuración
deseada.
Los ejemplos más característicos de esta categoría de problemas son los juegos (son
universos restringidos fáciles de modelar). En un juego, las configuraciones del
universo corresponden directamente a las configuraciones del tablero. Cada
configuración es un estado que puede ser esquematizado gráficamente y representado en
forma simbólica. Las transformaciones permitidas corresponden a las reglas o movidas
del juego, formalizadas como transiciones de estado.
Entonces, para plantear formalmente un problema, se requiere precisar una
representación simbólica de los estados y definir reglas del tipo condición acción para
cada una de las transiciones válidas dentro del universo modelado. La acción de una
regla indica como modificar el estado actual para generar un nuevo estado.
La condición impone restricciones sobre la aplicabilidad de la regla según el estado
actual, el estado generado o la historia completa del proceso de solución.
El espacio de estados de un juego es un grafo cuyos nodos representan las
configuraciones alcanzables (los estados válidos) y cuyos arcos explicitan las movidas
posibles (las transiciones de estado). En principio, se puede construir cualquier espacio
de estados partiendo del estado inicial, aplicando cada una de las reglas para generar
los sucesores inmediatos, y así sucesivamente con cada uno de los nuevos estados
generados (en la práctica, los espacios de estados suelen ser demasiado grandes para
explicitarlos por completo).
Cuando un problema se puede representar mediante un espacio de estados, la solución
computacional corresponde a encontrar un camino desde el estado inicial a un estado
objetivo.
Búsqueda en espacio de estados
Existen varios algoritmos para encontrar un camino solución en un espacio de estados.
El esquema general de estos algoritmos es el siguiente:
procedure Búsqueda {
open {estado_inicial} closed {}
Ser capaz de razonar sin tener todo el conocimiento relevante en un campo determinado
utilizando lo mejor posible el conocimiento que se tiene. Asociar a los elementos del
formalismo de representación, información adicional (normalmente valores numéricos)
que indique su grado de certeza y manejar esa información en las inferencias.
Implementación: Es difícil cumplir estos requerimientos utilizando la lógica de primer
orden Deben de introducirse modelos para manejar información vaga, incierta,
incompleta y contradictoria. Crucial para que un sistema funcione en el “mundo real”.
El propósito último de un sistema inteligente es actuar de forma óptima utilizando el
conocimiento del sistema y un conjunto de percepciones. Para actuar se necesita decidir
qué hacer. ¿Cuál es la forma correcta de decidir? La decisión racional: cuando se tienen
distintas opciones un sistema debe decidirse por aquella acción que le proporcione el
mejor resultado. Cuando hay incertidumbre para poder decidir racionalmente se
requiere:
La importancia de los distintos resultados de una acción.
La certidumbre de alcanzar esos resultados cuando se realiza la acción.
Cuestiones a resolver por las aproximaciones a la Incertidumbre:
¿Cómo evaluar la aplicabilidad de las condiciones de las reglas?
Si X es mayor necesita gafas. ¿Se puede aplicar la regla si X tiene 40 años?
¿Cómo combinar hechos imprecisos?
X es alto, X es rubio. ¿Con que certidumbre puedo afirmar que X es alto y rubio?
Dado un hecho impreciso y una regla imprecisa: ¿qué confianza se puede tener en las
conclusiones?
X estudia mucho. Si X estudia mucho aprobará ¿Con que certidumbre puedo afirmar
que X aprobará?
Dada la misma conclusión incierta de varias reglas: ¿qué confianza se puede tener en
la conclusión?
Juan llega tarde, Luis llega tarde.
Si Juan llega tarde la carretera está cortada.
Si Luis llega tarde la carretera está cortada.
¿Cuál es la certidumbre de que la carretera esté cortada?
Inicialmente la mayoría de los investigadores en IA enfatizaban la importancia del
razonamiento simbólico y evitaban la utilización de números. Los sistemas expertos no
deben usar números puesto que los expertos humanos no lo hacen. Los expertos no
pueden suministrar los números requeridos. Sin embargo, los ingenieros que
desarrollaban las aplicaciones se dieron cuenta pronto de la necesidad de representar la
incertidumbre. El sistema experto MYCIN (años 70) para el tratamiento de infecciones
bacterianas fue el primer éxito en este campo. Los métodos numéricos (especialmente
los basados en probabilidad) son actualmente una herramienta aceptada en IA debido a
los éxitos prácticos y a la complejidad de las teorías alternativas.
Búsqueda en profundidad:
La búsqueda se realiza por una sola rama del árbol hasta encontrar una solución o hasta
que se tome la decisión de terminar la búsqueda por esa dirección.
Terminar la búsqueda por una dirección se debe a no haber posibles operadores que
aplicar sobre el nodo hoja o por haber alcanzado un nivel de profundidad muy grande.
Si esto ocurre se produce una vuelta atrás (backtracking) y se sigue por otra rama hasta
visitar todas las ramas del árbol si es necesario.
Búsqueda bidireccional
Se llevan a la vez dos búsquedas: una descendente desde el nodo inicial y otra
ascendente desde el nodo meta.
Al menos una de estas dos búsquedas debe ser en anchura para que el recorrido
ascendente y descendente pueda encontrarse en algún momento
http://www.udb.edu.sv/udb/archivo/guia/informatica-ingenieria/sistemas-expertos-e-
inteligencia-artificial/2016/i/guia-7.pdf
http://www.cs.us.es/~fsancho/?e=33
https://sites.google.com/site/inteligenciascarol/algoritmo-de-busqueda