Publicado en: CAEPIA-TTIA2001. Encuentro sobre Docencia en Inteligencia Artificial, pp. 1-10.

QU Y CMOENSEAR EN INTELIGENCIA
ARTIFICIAL
L. Mandow J. L. Prez de la Cruz
Dpto. Lenguajes y Ciencias de la Computacin Universidad de Mlaga
Apartado 4114 29080 Mlaga (Spain).
e-mail: {lawrence, perez}@lcc.uma.es
Resumen. La ponencia se divide en dos partes. En la primera se enmarca la problemti-
ca asociada a la docencia universitaria de Inteligencia Artificial (IA) a nivel introductorio, y
centrada en torno a las cuestiones de qu debe ensearse y cmo. En particular se analiza
desde un punto de vista crtico el concepto de agente, examinando las posibilidades pedag-
gicas que ofrece para introducir al alumno en los principales fundamentos de la IA. Aunque
las definiciones del concepto de agente son cada vez ms abundantes en la literatura infor-
mtica, no todas ellas pueden servir igualmente a los fines docentes de la IA. En la segunda
parte de la ponencia se presenta de forma razonada, y basndose en lo anterior, el diseo de
la asignatura Inteligencia Artificial e Ingeniera del Conocimiento correspondiente al 4
curso de la ETSI Informtica de la Universidad de Mlaga. Dicho diseo incluye referencia
a los objetivos, contenidos, temporizacin y metodologa de la asignatura.

Palabras clave: Inteligencia artificial, enseanza, agentes, qu, cmo :)
1 Introduccin.
La rpida evolucin de las tecnologas de la informacin obliga a una revisin con-
tinuada de los planes de estudio de Informtica en todo el mundo, y al lugar que en ellos
debe desempear la Inteligencia Artificial (IA). En 1984 un comit internacional de la
Federacin Internacional para el Procesamiento de la Informacin (IFIP), elabor para
la Unesco un currculum universitario de informtica que sirviese de referencia para
pases tanto desarrollados como subdesarrollados (Unesco-IFIP, 1984). Si bien se inclu-
y un mdulo relacionado con la IA, el informe adverta que dicha disciplina era objeto
Mandow, L. y Prez de la Cruz, J.L.
CAEPIA 2001
de investigacin, y que su inclusin o no dentro de la Informtica era an una cuestin
abierta.
Hoy en da estas dudas parecen superadas, y la IA ocupa un lugar permanente en
prestigiosas recomendaciones curriculares internacionales (Tucker, 1991) (CC2001),
siendo obligatorio su estudio en muchos pases para la obtencin de una titulacin supe-
rior en Informtica. Sin embargo an siguen abiertas muchas cuestiones relativas a su
enseanza, no ya en cuanto a cmo deben ensearse sus contenidos, sino peor an, so-
bre cuales son los contenidos fundamentales que deberan constituir una asignatura in-
troductoria de Inteligencia Artificial.
Aunque no son muchos todava los trabajos que abordan directamente esta proble-
mtica, existe una innegable preocupacin por el tema entre los colectivos docentes.
Para (Barreiro, 1997) las principales dificultades en la enseanza de la IA son dos:
La diversidad del campo, que incluye, entre otras, las reas de bsqueda, re-
presentacin, visin, generacin de planes, aprendizaje, incertidumbre, len-
guaje natural, robtica, y juegos.
La diversidad de tcnicas empleadas para resolver los problemas anteriores.
Esta diversidad llega a tal extremo que el estudio de la IA precisa de una universa-
lidad cuasi-renacentista (Nilsson, 1996). No es de extraar que histricamente las dos
formas de organizacin docentes mayoritarias en la IA hayan sido, por un lado, la basa-
da en exponer sus diversos campos de aplicacin, y por otro la basada en una clasifica-
cin de sus distintos mtodos y tcnicas. La primera refuerza la idea de que la IA no es
ms que una coleccin de campos de aplicacin, ms o menos afines, y est ligada a los
orgenes histricos de la disciplina. La segunda le da mayor cuerpo de naturaleza, al
identificarla con un conjunto de tcnicas genricas aplicables en principio a distintos
dominios. Un ejemplo basado en este segundo enfoque lo encontramos en el libro Prin-
cipios de Inteligencia Artificial (Nilsson, 1980).
Sin embargo, la diversidad en ambas dimensiones es una situacin extraa en el cu-
rriculum de informtica y puede provocar desasosiego, falta de motivacin en el estu-
diante y dificultades para identificar las tcnicas apropiadas a los problemas (Barreiro
1997). En una encuesta realizada hace algunos aos al alumnado de la Universidad de
Berkeley el texto para el curso de IA recibi la valoracin ms baja de todos los textos
en cursos de Informtica. Otros instructores [...] comparten este sentimiento (Russell y
Norvig, 1995a). La solucin a estos problemas pasa por encontrar una perspectiva inte-
gradora que permita cubrir los fundamentos de la IA. Slo de este modo puede conse-
guirse el objetivo de presentar el campo como un todo y no como una coleccin de tc-
nicas sin conexin aparente.
Qu y cmo ensear en Inteligencia Artificial
CAEPIA 2001
Un problema comn a ambas organizaciones es que ninguna de ellas encierra en el
fondo una respuesta concreta a la pregunta sobre qu es la IA. En los ltimos aos ha
surgido con fuerza una nueva solucin pedaggica al problema. Se trata de presentar la
IA como una disciplina encargada de estudiar y construir agentes inteligentes. Dicho
con otras palabras, sistemas capaces de percibir su entorno y actuar sobre l para lograr
la consecucin de sus objetivos. Los profesores Stuart Russell y Peter Norvig han abo-
gado activamente por este enfoque, puesto en prctica en su clebre libro Artificial Inte-
lligence: a modern approach (Russell y Norvig, 1995b). Si elegimos al azar un conjunto
de universidades y analizamos sus planes de estudio podremos comprobar la amplia
aceptacin de este texto como base para la enseanza de la IA tanto en el mbito nacio-
nal como en el extranjero
1
. La idea integradora es sencilla, cada agente se implementa
mediante una funcin que establece una correspondencia entre sus percepciones y sus
acciones. Es fcil organizar un curso sobre esta base explicando las diversas formas de
representar estas funciones. Observamos pues que la respuesta a qu es la IA (el anli-
sis y diseo de agentes) es tambin la base para determinar cmo debe ensearse.
En (Nilsson, 1996) encontramos tambin una fervorosa defensa del enfoque de
agentes: Los escritores de libros de texto hemos intentado meter el batiburrillo que es
la IA en distintos lechos de Procusto: algunos basados en resolucin de problemas, re-
glas de produccin, bsqueda, o lgica, por mencionar slo algunos de los posibles te-
mas organizativos. Russell y Norvig [...] utilizan el que en mi opinin es el mejor tema
de todos, esto es, el diseo de agentes inteligentes.
En este artculo se analiza la problemtica relacionada con la enseanza de la IA to-
mando el enfoque simblico como punto de partida. La seccin 2 discurre sobre cules
deben ser los objetivos de una asignatura introductoria de IA, y qu metodologa peda-
ggica puede emplearse para conseguirlos. La seccin 3 destaca, sobre la base de lo
anterior, algunos aspectos del contexto acadmico de la enseanza de la IA en la Uni-
versidad de Mlaga. Concretamente se describen los contenidos propuestos para la
asignatura Inteligencia Artificial e Ingeniera del Conocimiento (4 curso, ETSI Infor-
mtica). Por ltimo, se resumen algunas conclusiones y se plantean cuestiones abiertas.
2 Qu y cmo.
Qu es la Inteligencia Artificial? La respuesta habitual a esta pregunta est tan ma-
noseada como la pregunta en s: depende de a quin se le pregunte. Russell y Norvig

1
Los autores mantienen una pgina Web donde pueden obtenerse detalles de diversas universidades que han
adoptado el texto (http://www.cs.berkeley.edu/russell/aima/adoptions.html).
Mandow, L. y Prez de la Cruz, J.L.
CAEPIA 2001
(1995b, p. 5 y 29) citan hasta catorce definiciones diferentes de IA proporcionadas por
otros autores, aunque posiblemente existan muchas ms. La IA, en su sentido ms colo-
quial, es fundamentalmente una especulacin filosfica. Sin embargo, la mayora de
libros que abordan esta cuestin no son libros de filosofa, ni los profesionales, investi-
gadores y docentes de IA se dedican (salvo notables excepciones) a la especulacin fi-
losfica (Prez de la Cruz, 1994). En este contexto, muchas de las respuestas pueden
entenderse en realidad como respuestas a la pregunta a qu se dedican los cientficos y
profesionales de la IA? Ni que decir tiene, que esta alternativa tambin presenta sus di-
ficultades (Welty y Hoebel, 2000).
Sin embargo, es difcil eludir esta pregunta a la hora de elaborar los objetivos de una
asignatura introductoria de IA. En cierto sentido, el diseo de cada asignatura lleva im-
plcita necesariamente una respuesta.
Los ms acrrimos partidarios de la IA, lejos de perderse en interminables discusio-
nes, han buscado siempre una constatacin prctica de sus especulaciones. El propio
Herbert Simon afirmaba: Es cierto que todava se me acusa de positivismo como si
se tratase de alguna clase de felona, o al menos un pecado venial [..] Ni Allen Newell
ni yo hemos dedicado mucho tiempo o energa a responder explcitamente a los crticos
-conductistas, Gestalt, o fenomenolgicos. Hemos adoptado la poltica (era la del anar-
quista Bakunin? o la de Sorel?) de propaganda de los hechos, no propaganda de las
palabras. La mejor retrica proviene de construir y probar modelos y ejecutar experi-
mentos. Dejemos a los filsofos tejer redes de palabras; esas redes se rompen con faci-
lidad [..] Los ordenadores, hablando por s mimos (en sentido figurado y literal) acaba-
rn convenciendo a todos salvo a los ms endurecidos fundamentalistas de que piensan
(Simon, 1996, pp. 270-273).
El ejemplo ms universalmente reconocido en este sentido es el trabajo de (Turing,
1950), donde se descarta la existencia de algo mgico en torno a conceptos como inte-
ligencia o pensar, y se vuelca la atencin en aspectos observables y comparables
como el comportamiento. El denominado test de Turing plantea la posibilidad terica
de construir una mquina (de Turing) capaz de presentar un comportamiento indistin-
guible del de un ser humano a un nivel de conversacin. En definitiva, Turing trataba de
evitar lo que sin duda consideraba banales discusiones sobre si los ordenadores podran
o no pensar, centrndose en un criterio cientfico (Harnad, 1992). Aos ms tarde,
Newell y Simon dieron nombre y forma concreta a estas ideas en su hiptesis del siste-
ma simblico fsico: un sistema simblico fsico posee los medios necesarios y sufi-
cientes para acciones inteligentes generales (Newell y Simon, 1976).
De los tres enfoques pedaggicos descritos en la introduccin, posiblemente slo el
basado en agentes permite proporcionar una caracterizacin adecuada de la IA, en el
Qu y cmo ensear en Inteligencia Artificial
CAEPIA 2001
sentido de dar una respuesta a la pregunta qu es la IA? Sin embargo nos encontramos
con que en los ltimos aos el concepto agente se ha puesto de moda en los crculos
informticos, abundando las definiciones del trmino. Nuestra postura es que para ser
til para la IA desde un punto de vista pedaggico, este concepto debe servir de vehcu-
lo natural a las hiptesis fundamentales que acabamos de delimitar. Pues presentando la
IA como el diseo de agentes no hemos hecho ms que cambiar la forma de nuestra
pregunta original, que ahora se ve sustituida por qu es un agente inteligente? Si no
somos capaces de dar una respuesta clara a estas preguntas, difcilmente podremos decir
que hemos avanzado algo.
Aunque el concepto de agente ha estado ms o menos presente en la IA desde sus
orgenes, encontramos lo ms parecido a una primera definicin en (Newell, 1982). El
trmino agente se refiere aqu a cualquier sistema que se desenvuelve en un determina-
do medio en el que puede realizar acciones y del cul puede recibir percepciones (por
ejemplo, una persona o un robot). Adems, se supone que un agente posee una serie de
objetivos y que siempre intenta seleccionar sus acciones de modo que pueda conseguir-
los (lo que se denomina el principio de racionalidad).
Esta definicin, en s, es bastante sencilla. Seguramente no es casualidad que cual-
quier sistema de control con realimentacin pueda considerarse en este sentido como un
agente. Sin embargo tanta generalidad puede plantear dudas sobre su eficacia para ca-
racterizar la IA: es un termostato un agente? y una lavadora? Como bien sealan (Ju-
lin y Botti, 2000) numerosos sistemas pueden ser etiquetados como agentes cuando
realmente no lo son, o por lo menos no deberan haber sido enfocados desde ese punto
de vista. La aparente necesidad de definir con mayor precisin el objeto de nuestro
estudio puede llevar a calificar a los agentes con un sinfn de adjetivos: autnomo, so-
ciable, o adaptativo entre otros muchos.
Sin embargo, la clave para evitar esta interminable adjetivacin podemos encontrarla
nuevamente en el trabajo de (Newell, 1982). El uso del concepto de agente no tiene aqu
un carcter caprichoso, ni tampoco ambiciona ser utilizado para definir la IA. Su intro-
duccin responde al deseo de dar una definicin operativa del concepto de conocimiento
en IA. Efectivamente, una caracterstica importante de un agente es que posee conoci-
miento. Esto nos lleva necesariamente a responder otra pregunta clave en IA, qu es el
conocimiento?
A este nivel de abstraccin, el conocimiento de un agente se define como aquello
que le hace competente para la consecucin de sus objetivos. Es lo que le permite selec-
cionar las acciones adecuadas. El conocimiento es, por tanto, algo abstracto que noso-
tros, como observadores, atribuimos a un agente para explicar su comportamiento sin
entrar en los detalles de su estructura fsica.
Mandow, L. y Prez de la Cruz, J.L.
CAEPIA 2001
No puede ser de otra manera si aceptamos la Hiptesis del Sistema Simblico Fsico.
El nivel del conocimiento se presenta como un nivel de descripcin de estos mismos
sistemas en trminos ms abstractos. As, cuando decimos que un programa informtico
posee un conocimiento K, nos referimos realmente al hecho de que en el programa hay
una estructura que, desde nuestro punto de vista, representa K y que existen procesos
capaces de utilizar dicha representacin para seleccionar acciones de acuerdo con el
principio de racionalidad. Si tomamos como ciertas las hiptesis de la IA, en principio
podra decirse lo mismo de una persona.
El conocimiento en IA se concibe como algo abstracto que atribuimos a aquellos sis-
temas cuya realidad fsica desconocemos. La realidad fsica sera un enigmtico sistema
simblico. Por eso nunca decimos que un termostato posee conocimiento. Conocemos y
entendemos la realidad fsica de su funcionamiento. Normalmente decimos que deter-
minados sistemas hacen cosas, no que saben hacerlas.
La IA trata por tanto de descubrir mecanismos fsicos capaces de explicar y reprodu-
cir el comportamiento de determinados sistemas: los seres humanos. Y al menos en la
llamada IA simblica, tales mecanismos se buscan en el mbito del procesamiento
simblico.
3 Qu y cmo en la Universidad de Mlaga.
Un primer factor a tener en cuenta en el diseo de una asignatura de IA es la concen-
tracin de las investigaciones de IA en torno a dos corrientes fundamentales: la IA sim-
blica, que pretende explicar el comportamiento inteligente en trminos de procesa-
miento de smbolos; y la IA sub-simblica, que pretende explicarlo en trminos de la
interaccin de distintos mdulos de comportamiento descentralizados (por ejemplo, re-
des neuronales). Ms que de enfoques contendientes, se trata de dos aproximaciones
que han presentado valiosos resultados en distintos campos de aplicacin.
En Espaa es necesario el estudio de ambos paradigmas para la obtencin del ttulo
de Ingeniero en Informtica. Concretamente, las redes neuronales se incluyen dentro de
la materia troncal denominada Teora de Autmatas y Lenguajes Formales (9 crditos),
mientras que la materia troncal denominada Inteligencia Artificial e Ingeniera del Co-
nocimiento (9 crditos), comprende mayoritariamente aspectos del enfoque simblico
(heurstica, sistemas basados en el conocimiento, aprendizaje, y percepcin).
Como se explica razonadamente en la seccin 2, el objetivo de una asignatura intro-
ductoria de IA puede ser acercar al estudiante a las nociones de agente, comportamiento
y conocimiento propias del enfoque simblico de la IA. Por supuesto existen importan-
tes crticas procedentes de otras corrientes filosficas que conciben al ser humano como
una realidad distinta, y a las cuales es tambin obligada una referencia. La Unesco re-
Qu y cmo ensear en Inteligencia Artificial
CAEPIA 2001
comendaba hace aos evitar hablar sobre la inteligencia de las mquinas. Objetiva-
mente intentaremos abordar el problema de estudiar y construir sistemas que presenten
un determinado comportamiento, y no convencer a nadie de si somos o no mquinas
biolgicas.
Qu clases de agentes son los ms adecuados para un curso introductorio de IA? En
general existe una gran disparidad de criterios si atendemos a los temarios de distintas
universidades tanto nacionales como extranjeras. En lo nico que parece existir un con-
senso generalizado es en la necesidad de abordar aquellos aspectos relacionados con la
bsqueda en espacios de estados y la representacin del conocimiento. En el caso de la
Universidad de Mlaga, a la asignatura Inteligencia Artificial e Ingeniera del Conoci-
miento se atribuye la troncalidad de las directrices propias de Ingeniera en Informtica,
incrementndola levemente de 9 a 10,5 crditos. Por tanto, en ella deben exponerse, a
un nivel adecuado a un segundo ciclo universitario, los temas ms relevantes de la ma-
teria. Una segunda asignatura, denominada Ampliacin de Ingeniera del Conocimien-
to, tiene carcter obligatorio, y est dedicada a la profundizacin en los temas especfi-
cos de la Ingeniera del Conocimiento. Dado el amplio nmero de crditos, la atencin
se centra primero en abordar el concepto de bsqueda en espacios de estados, dejando
los aspectos ms avanzados sobre representacin del conocimiento para la asignatura de
5 curso. Brevemente, el programa y la temporizacin actuales son los siguientes:

1. INTRODUCCIN (0,4 cr.)
1.1. Concepto e historia de la IA.
1.2. Sistemas de produccin e IA.
2. EL LENGUAJE LISP. (2,9 cr.)
2.1. Sintaxis y semntica bsicas.
2.2. Recursin. Listas.
2.3. Funciones. Cierres lxicos.
2.4. Entornos e iteracin.
2.5. Entrada/salida y errores.
2.6. Asignacin.
3. ESTRATEGIAS DE BSQUEDA (1,0 cr.)
3.1. Bsqueda irrevocable.
3.2. Bsqueda con retroceso.
3.3. Satisfaccin de restricciones.
3.4. Implementaciones.
4. BSQUEDA EN GRAFOS (1,4 cr.)
4.1. Bsqueda a ciegas.
4.2. Bsqueda heurstica.
4.3. Algoritmos relacionados y medidas del
rendimiento.
4.4. Implementaciones.

5. BSQUEDA DESCOMPONIBLE (0,4 cr.)
5.1. Hipergrafos.
5.2. Algoritmo YO*.
5.3. Implementaciones.
6. ANLISIS DE JUEGOS. (0,7 cr.)
6.1. Evaluacin minimax.
6.2. Poda alfa-beta.
6.3. Implementaciones.
7. TCNICAS LISP AVANZADAS (1,2 cr.)
7.1. Macros.
7.2. Estructuras de datos
7.3. Representacin intermedia.
8. GENERACIN DE PLANES. (1,5 cr.)
8.1. Representacin de planes.
8.2. Planeamiento lineal: STRIPS.
8.3. Planeamiento no lineal: SNLP
8.4. Implementaciones.
9. PERCEPCIN ARTIFICIAL (1,0 cr.)
9.1. El problema de la percepcin.
9.2. Segmentacin.
9.3. Reconocimiento estadstico.
9.4. Anlisis basado en el conocimiento.
Mandow, L. y Prez de la Cruz, J.L
Publicado en: CAEPIA-TTIA2001. Encuentro sobre Docencia en Inteligencia Artificial, pp. 1-10.

A primera vista, el temario propuesto no presenta grandes novedades respecto a un
planteamiento no basado en agentes. Esto se debe en parte a que la ETSI de Informtica
de la Universidad de Mlaga se encuentra actualmente en la transicin hacia un nuevo
plan de estudios. En consecuencia, el desarrollo total de una nueva organizacin se est
realizando de forma escalonada y no se culminar al menos hasta pasado un tiempo.
Como no puede ser de otro modo, la adopcin de un enfoque basado en agentes
afecta ms a la organizacin que a los contenidos de la asignatura. Esto nos permite es-
bozar la relacin entre el temario actual y los aspectos discutidos en secciones anterio-
res. Todo ello se expone tambin en clase como parte del tema dedicado a la introduc-
cin (tema 1).
Uno de los nfasis principales del enfoque de agentes es en un modelo de tres fases
del tipo: percepcin procesamiento de informacin accin. Es necesario conside-
rar los tres elementos para poder decir que un agente exhibe cierto comportamiento.
Puesto que la mayor parte de la materia se centra en la forma de llevar a cabo el proce-
samiento de informacin, es razonable prescindir inicialmente de las fases de percep-
cin y accin. Respecto a ellas basta decir que supondremos disponible una descripcin
simblica de los aspectos relevantes percibidos del entorno (algo que, por cierto, no es
nada trivial), y que nos limitaremos a indicar a alto nivel el tipo de accin a realizar.
Ms adelante, la asignatura aborda aspectos relacionados con la percepcin (tema 9).
Los aspectos relacionados con la accin son propios de otras asignaturas de la carrera
relacionadas con la robtica.
En cuanto a la fase que hemos denominado procesamiento de informacin, puede
dividirse en lneas generales de la siguiente forma:
Sistemas reactivos, tambin denominados accin-reaccin, o estmulo-
respuesta.
Sistemas deliberadores, que llevan a cabo un proceso de razonamiento previo
a la decisin de las acciones a llevar a cabo. Es frecuente dividir estos siste-
mas entre aquellos basados en la bsqueda por fuerza bruta, y aquellos basa-
dos en el uso de conocimiento especfico del problema.
Las principal lnea argumental elegida se centra en el desarrollo de agentes con ca-
pacidad para generar planes. Estos sistemas permiten introducir de forma natural los
aspectos relacionados con los agentes deliberadores basados en la bsqueda por fuerza
bruta. Se estudian aqu diferentes estrategias de bsqueda (temas 3 y 4), con especial
atencin a las dedicadas a la exploracin de grafos (amplitud, profundidad, profundiza-
cin iterativa, A*, ID-A*). Muchos de los problemas empleados tradicionalmente para
ilustrar estos algoritmos (por ejemplo, puzzle-8, o misioneros y canbales) son proble-
Qu y cmo ensear en Inteligencia Artificial
CAEPIA 2001
mas de generacin de planes. La introduccin del tema relativo a bsqueda en hipergra-
fos es instrumental de cara al anlisis de los agentes de juegos, donde un agente que
planifica sus acciones debe tener en cuenta tambin las de su adversario (temas 5 y 6).
Finalmente, el tema denominado propiamente generacin de planes (tema 8) introduce
el formalismo STRIPS, la bsqueda en el espacio de situaciones y los algoritmos
STRIPS y SNLP.
La necesidad de aportar un fuerte soporte prctico a la asignatura se manifiesta en la
introduccin de una extensa introduccin al lenguaje de programacin LISP (temas 2 y
7), y especialmente a sus aspectos funcionales. Dicho lenguaje sirve de base para la im-
plementacin y prueba de diversos algoritmos estudiados durante el curso.
A modo de reflexin final, es conveniente reconocer que esta organizacin admite
todava muchas mejoras que esperamos poder identificar e introducir acertadamente en
el futuro.
4 Conclusiones
El diseo de una asignatura introductoria de Inteligencia Artificial debe abordar ex-
plcitamente la pregunta qu es la IA? Si se opta por considerar la IA como el estudio y
diseo de agentes surge inmediatamente una nueva pregunta: qu es un agente? La
respuesta pasa necesariamente por la denominada hiptesis del sistema simblico fsi-
co y la concepcin del conocimiento que ella implica. Slo entonces cobra sentido la
afirmacin de que lo importante no es si algo es o no es un agente, sino si vale la pena
considerarlo como tal.
Es especialmente llamativo que no se d una definicin de conocimiento en muchos
libros de Inteligencia Artificial o Ingeniera del Conocimiento. Tal como explica (Ne-
well, 1993, p. 34) "la gente [..] induce a partir de su prctica una cierta nocin de lo que
significa que un sistema tenga conocimiento y qu significa proporcionar los mecanis-
mos del nivel simblico que codifican dicho conocimiento y lo extraen para que el pro-
grama se comporte del modo deseado. Sin embargo, debemos basar la enseanza de
la IA en la esperanza de que los estudiantes induzcan por si mismos la nocin adecua-
da de conocimiento? En tal caso deberamos preguntarnos, cul sera el proceso edu-
cativo que favoreciese dicha induccin? En caso contrario, se hara necesario abordar
esta cuestin tambin de forma explcita.
Considerando estas cuestiones fundamentales como base para el diseo de una asig-
natura (qu ensear y cmo) se puede comenzar a establecer un marco adecuado para
comparar la eficacia de distintas elecciones y organizaciones de contenidos.


Mandow, L. y Prez de la Cruz, J.L.
CAEPIA 2001
REFERENCIAS
Barreiro, A. (1997) Enseanza de Inteligencia Artificial en el Nivel Introductorio: Fun-
damentos, nfasis y Restricciones. JENUI-97, III Jornadas de Enseanza Uni-
versitaria de Informtica, pp. 161-167, Madrid, 1997.
CC2001 (2001) Computing Curricula 2001. Steelman Report. The Joint Task Force on
Computing Curricula. IEEE Computer Society. Association for Computing Ma-
chinery. (http://computer.org/education/cc2001/)
Harnad, S. (1992) The Turing Test is not a Trick: Turing Indistinguishability is a scien-
tific criterion. SIGART Bulletin, 3(4) (October, 1992), pp. 9-10.
Julin, V. y Botti, V. (2000) Agentes Inteligentes: el siguiente paso en la Inteligencia
Artificial. Novtica, n 145, pp. 95-99.
(http://www.ati.es/novatica/2000/145/nv145sum.html)
Newell, A. (1982) The Knowledge Level. Artificial Intelligence 18, 87-127.
Newell, A. (1993) Reflections on the knowledge level. Artificial Intelligence 59, 31-38.
Newell, A., y Simon, H.A. (1976) Computer Science as empirical enquiry: Symbols and
search. Communications of the ACM, Vol. 19, 3 (March 1976): 113-126. Re-
impreso en Mind Design. Philosophy. Psychology. Artificial Intelligence..
Haugerland, J. (Ed.), The M.I.T. Press, Cambridge, Massachusetts (1981).
Nilsson, N. (1980) Principles of Artificial Intelligence. Tioga Publishing Co.
Traduccin al castellano (1987): Principios de Inteligencia Artificial. Editorial
Diaz de Santos.
Nilsson, N. (1996) Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern
Approach, Artificial Intelligence 82 (1996) 369-380.
Prez de la Cruz, J.L. (1994) Pero, alguien sabe qu es la Inteligencia Artificial? In-
forme Tcnico LCC-ITI-94/5. Departamento de Lenguajes y Ciencias de la
Computacin. Universidad de Mlaga.
Russell. S., y Norvig. P. (1995a) A Modern, Agent-Oriented Approach to Introductory
Artificial Intelligence. SIGART Bulletin 6(2): 24-26.
Russell. S., y Norvig. P. (1995b) Artificial Intelligence. A Modern Approach. Prentice
Hall, 1995. Traduccin al castellano (1996): Inteligencia Artificial. Un Enfoque
Moderno. Prentice-Hall Hispanoamericana.
Simon, H. A. (1996) Models of my life. The MIT Press. Cambridge, MA.
Tucker, A. B. (Ed.) (1991) Computing Curricula 1991. Report of the ACM/IEEE-CS
Joint Curriculum Task Force. (http://acm.org/education/curr91/homepage.html)
Turing, A. M. (1950) Computing Machinery and Intelligence. Mind 49:433-460.
Unesco-IFIP (1984) A modular curriculum in computer science, UNESCO.
Welty, C. y Hoebel, L. (2000) What do you do? SIGART Bulletin, Spring, pp. 59-60.