Professional Documents
Culture Documents
Captulo 1
Qu es Inteligencia Artificial
Dos dimensiones:
xito acorde a los estndares humanos vs. xito acorde a un concepto ideal de inteligencia:
racionalidad.
Qu es Inteligencia Artificial
Qu es Inteligencia Artificial
El esfuerzo de hacer que los computadores piensen, mquinas con mentes, en el ms amplio
sentido literal.
El arte de desarrollar mquinas con capacidad para realizar funciones que cuando son realizadas
por personas decimos que requieren de inteligencia.
Discrepancia de enfoques
Enfrentamiento entre los enfoques centrados en los humanos y los centrados en torno a la racionalidad.
El enfoque racional implica una combinacin de matemticas e ingeniera.
El computador supera la prueba si un evaluador humano no es capaz de distinguir si las respuestas, a una
serie de preguntas planteadas, son de una persona o no.
Razonamiento automtico.
Aprendizaje automtico.
Y la interaccin fsica
Visin computacional.
Robtica.
Requiere de teoras cientficas de las actividades internas del cerebro (modelo cognitivo).
Experimentacin psicolgica.
El filsofo griego Aristteles fue uno de los primeros en intentar codificar la manera correcta de pensar,
es decir, un proceso de razonamiento irrefutable.
Estas leyes del pensamiento supuestamente gobiernan la manera de operar de la mente; su estudio fue el
inicio de un campo llamado lgica.
Agentes Racionales
f : P* A
Capitulo 2
Agentes y Ambientes
Un Agente es cualquier cosa capaz de percibir su medioambiente con la ayuda de sensores y actuar en ese medio
utilizando actuadores.
El Concepto de Racionalidad
Un agente racional es aquel que hace lo correcto en funcin de su conocimiento.
Racionalidad
Qu es racional en un momento dado depende de cuatro cosas:
Racionalidad
La definicin propuesta requiere:
Recoleccin de informacin/exploracin
Ambientes
Para disear un agente racional debemos de especificar su ambiente de trabajo (task environment).
REAS (descripcin del ambiente):
Rendimiento
Entorno
Actuadores
Sensores
Totalmente vs. parcialmente observable: un ambiente es totalmente observable cuando los sensores pueden
detectar todos los aspectos que son relevantes para elegir la accin
Determinstico vs. estocstico: si el siguiente estado del ambiente es totalmente determinado por el estado
actual y la accin ejecutada por el agente entonces el ambiente es determinstico. Si el medio es determinista,
excepto para las acciones de otros agentes, decimos, que el medio es estratgico..
Episdico vs. secuencial: En un ambiente episdico la experiencia del agente puede ser dividida en pasos
atmicos donde el agente percibe y luego realiza una sola accin. La eleccin de la accin depende solo del episodio
mismo.
Sttico vs. dinmico: Si el ambiente puede cambiar mientras el agente est eligiendo una accin, entonces el
ambiente es dinmico. Semidinmico si el rendimiento del agente cambia inclusive cuando el ambiente sigue igual .
Discreto vs. contnuo: Esta distincin puede aplicar al estado del ambiente, la forma en que el tiempo es
manejado y las acciones/percepciones del agente.
Mono vs. multi-agente: Cuando el ambiente contiene a otros agentes quienes tambin maximizan alguna
mtrica de rendimiento que depende de las acciones actuales de los mismos
Tipos de Ambientes
El ambiente ms simple es:
Salidas = accin
Tipos de Agentes
Cuatro tipos bsicos de agentes se presentarn:
Reactivos Simples
Gran reduccin en posibles situaciones de percepcin/accin.
Implementado a travs de reglas
Basado en Modelos
Para manejar ambientes parcialmente observables .
Basado en Utilidad
Ciertos objetivos pueden lograrse de diferentes formas.
Aprendizaje
Todos los agentes previos describen mtodos para seleccionar acciones.
Aprendizaje
Elemento de Aprendizaje: introduce mejoras en el performance element.
El Critic provee de retroalimentacin sobre el rendimiento del agente basado en un estndar fijo.
Capitulo 3
Agente Resolvedor de Problemas
Cuatro pasos para resolver problemas:
Formulacin de Objetivos
Buscar
Ejecutar
Cuando una estrategia puede determinar si un estado no-objetivo es mejor que otro
bsqueda heurstica.
Categoras definidas por el algoritmo de expansin son:
Bsqueda Bidireccional.
Los problemas de bsqueda con complejidad exponencial no pueden ser resueltos por
mtodos de bsqueda ciega, a no ser que sean instancias pequeas.
Bsqueda Bidireccional
Dos bsquedas simultneas desde el inicio y el objetivo.
Motivacin:
b d / 2 + b d / 2 b d
Estados Repetidos
Falla en detectar estados repetidos puede convertir a problemas solucionables en problemas sin solucin
Buscar con Informacin Parcial
El agente puede no tener idea de donde est; la solucin (si existe) es una secuencia.
problema de contingencia
Las percepciones proveen de nueva informacin acerca del estado actual; la solucin
es un rbol o poltica; muchas veces se intercala bsqueda y ejecucin.
problema de exploracin