Capítulo 1

Captulo 1 Visin general de la Inteligencia Artificial
Pgina 1
1.0 INTRODUCCIN
Inteligencia Artificial (IA) significa diferentes cosas para diferentes personas. Algunos
creen que la IA es sinnimo de cualquier forma de inteligencia alcanzado por los sistemas
no vivos; sostienen que es
No es importante si este comportamiento inteligente no se llega a travs de los mismos
mecanismos en los que humanos confan. Para otros, sistemas de IA deben ser capaces de
imitar la inteligencia humana. Nadie discutira con la premisa de que para estudiar la IA sea
la aplicacin de sistemas de inteligencia artificial, es til si primero comprendemos cmo
los seres humanos logran un comportamiento inteligente; es decir, hay que entender las
actividades que se consideran inteligente en un sentido intelectual, cientfico, psicolgico y
tcnico. Por ejemplo, si queremos para construir un robot capaz de caminar como un ser
humano, entonces debemos entender primero el proceso de caminar de cada uno de esos
puntos de vista; la gente, sin embargo, no logran locomocin constantemente afirmando y
siguiendo un conjunto prescrito de reglas formales que explican cmo tomar medidas. De
hecho, se les pide a los expertos ms humanos para explicar la forma en que alcanzan su
nivel de rendimiento en cualquier disciplina o el esfuerzo, ms que son propensos a
fallar. Por ejemplo, cuando los pilotos de combate israeles eran le pidi que explicara su
destreza para el vuelo, su rendimiento disminuy.
El rendimiento experto no se deriva de un anlisis constante, consciente, pero a partir de los
niveles subconscientes de la mente. Imagina tratar de conducir en una autopista durante la
hora punta y la necesidad de sopesar conscientemente cada vehculo decisin de control.
Tenga en cuenta la historia del profesor de mecnica y de la monociclistas. Si se le pide al
profesor para citar principios de la mecnica en su intento de montar el monociclo y basa su
xito en la monociclo en el conocimiento de esos principios, que est condenado al
fracaso. Asimismo, si los intentos monociclistas para aprender las leyes de la mecnica y
aplicarlas mientras que l realiza su oficio, l tambin est destinado a fracaso y tal vez un
trgico accidente. El punto es, la habilidad y la experiencia humana en muchas disciplinas
Parece ser desarrollada y almacenada en el subconsciente, en lugar de estar disponibles a
explcita solicitar de la memoria o primeros principios.
1.0.1 Qu es la Inteligencia Artificial?
En el lenguaje cotidiano, el trmino medios artificiales sintticos (es decir, hecho por el
hombre) y por lo general tiene una connotacin negativa como una forma menor de la cosa
real. Objetos artificiales son a menudo superiores a objetos reales o naturales, sin
embargo. Consideremos, por ejemplo, una flor artificial, un objeto hecho de seda y el
alambre y dispuesto para parecerse a una yema o flor. Este artefacto tiene la ventaja de no
que requiera sol o agua para su sustento, por lo que proporciona un diseo prctico para un
hogar o negocio.
Su sensacin y fragancia son, posiblemente, inferiores a las de una flor naturales; Sin
embargo, una flor artificial puede parecerse mucho a la cosa real.
Otro ejemplo es la luz artificial producida por velas, lmparas de queroseno, o la luz
elctrica bulbos. La luz artificial es superior a la luz natural, ya que siempre es
accesible. La luz del sol, obviamente, slo est disponible cuando el sol aparece en el cielo.
Por ltimo, tenga en cuenta las ventajas proporcionadas por dispositivos tales como
automviles de movimiento artificiales, trenes, aviones y bicicletas en trminos de
velocidad y durabilidad cuando se comparan con el correr, caminar, y otras formas

naturales de transporte, tales como montar a caballo. Las ventajas de las formas artificiales
de transporte son templados por rgidos inconvenientes nuestro planeta est pavimentado
con ubicua carreteras, nuestra atmsfera est cargada de gases de los vehculos, y nuestra
tranquilidad (y, a menudo nuestra sueo) es interrumpido por el ruido de los aviones.
Al igual que la luz artificial, flores, y el transporte, la IA no es natural, sino que es el
hombre. Identificar las ventajas y los inconvenientes de AI, primero hay que entender y
definir la inteligencia.
Pgina 2
1.0.2 Qu es el pensamiento? Qu es la inteligencia?
Una definicin de la inteligencia es tal vez ms difcil de alcanzar de una definicin para el
trmino artificial. R. Sternberg, en un texto sobre la conciencia humana, ofrece la siguiente
definicin til:
La inteligencia es la capacidad cognitiva de un individuo para aprender de la experiencia,
razn tambin, para recordar informacin importante, y para hacer frente a las demandas de
la vida diaria.
Todos estamos familiarizados con las preguntas en los exmenes estandarizados que nos
piden para proporcionar el siguiente nmero en una secuencia dada, como en: 1, 3, 6, 10,
15, 21?
Usted probablemente ha notado que la brecha entre nmeros sucesivos aumenta en una
unidad; por ejemplo 1-3, el aumento es de dos, mientras que del 3 al 6, es de tres, y as
sucesivamente. La respuesta correcta es 28. Estas preguntas estn diseadas para medir
nuestra habilidad en la identificacin de caractersticas ms destacadas en
patrones. Podemos detectar patrones de aprendizaje de la experiencia.
Probar su suerte con lo siguiente:
Ahora que nos hemos instalado en una definicin de la inteligencia, es posible hacer las
siguientes preguntas:
1. Cmo se decide si alguien (algo?) Es inteligente?
2. Son animales inteligentes?
3. Si los animales son inteligentes, cmo se mide su inteligencia?
La mayora de nosotros puede responder a la primera pregunta con facilidad. Medimos la
inteligencia de muchos otras personas veces al da interactuando con ellos - por hacer
comentarios o plantear preguntas, y luego la observacin de sus respuestas. Aunque no
tenemos acceso directo a la mente de otra persona, sentimos confiados que esta visin
indirecta proporcionada por preguntas y respuestas nos da una evaluacin precisa de
actividad cerebral interna.
Si nos adherimos a este enfoque conversacional para medir la inteligencia, cmo nos
dirigimos a la cuestin de la inteligencia de los animales? Si usted tiene una mascota, es
probable que haya respondido a esta pregunta para t mismo. Los perros parecen recordar
las personas que no han visto durante un mes o dos, y pueden encontrar su camino a casa
despus de haberse perdido. Los gatos con frecuencia muestran la emocin durante la
apertura de latas a la hora de la cena.
Se trata simplemente de una cuestin de un reflejo pavloviano o hacer gatos

conscientemente asociar el sonido de latas de apertura con la inminente placer de cenar?
Una ancdota interesante en relacin con los animales inteligencia es el de Clever Hans, un
caballo en Berln, Alemania, alrededor del ao 1900, que fue supuestamente competentes
en Matemticas- (vase la Figura 1.1).
Las audiencias fueron paralizados cuando Hans nmeros aadi o se calcula races
cuadradas. Ms tarde la gente que observaron Hans no funciona tan bien sin pblico. En
De hecho, Hans tena talento en la identificacin de las emociones humanas,
Figura 1.1
Clever Hans-Un caballo hacer el clculo?
Pgina 3
6
Parte 1 Introduccin
No matemticas. Caballos en general, tienen un odo astuta. Como Hans se acerc a una
respuesta correcta, miembros de la audiencia se hicieron ms excitado y sus ritmos
cardacos acelerados. Tal vez fue Hans extraa habilidad para detectar estos cambios que le
permitieron obtener las respuestas correctas.
5
Usted podra ser reacios a atribuir las acciones de Clever Han a la inteligencia; Sin
embargo, usted debe consultar a Sternberg definicin anterior antes de llegar a una
conclusin.
Algunas criaturas son inteligentes slo en grupos. Por ejemplo, las hormigas son insectos
simples y su comportamiento aislado difcilmente podra justificar su inclusin en un texto
sobre la influenza aviar. Las colonias de hormigas, por otra parte, exhibir soluciones
extraordinarias a problemas complejos, como encontrar la ruta ptima de un nido
a una fuente de alimentacin, el transporte de objetos pesados, y la formacin de
puentes. Una inteligencia colectiva surge de una comunicacin eficaz entre los insectos
individuales. Se dir ms acerca de la inteligencia emergente y la inteligencia de enjambre
en nuestra discusin de mtodos de bsqueda en el Captulo 12, "Buscar Inspirada por la
madre naturaleza ".
La masa cerebral y relaciones de masa de cerebro a cuerpo son a menudo considerados
como indicadores de la inteligencia animal.
Los delfines se comparan favorablemente con los humanos en ambos indicadores. La
inhalacin de los delfines est bajo voluntaria control, lo que podra explicar el exceso de
masa cerebral y por el hecho interesante que las mitades alternas de la toma de delfines
cerebro turnos para dormir. Los delfines obtienen buenos resultados en las pruebas de autoconocimiento de origen animal como la prueba del espejo, en el que se reconoce que la
imagen en el espejo es en realidad su imagen. Tambin puede realizar trucos complejos, ya
que los visitantes de Sea World pueden atestiguar. Esto ilustra la capacidad de los delfines
para recordar y realizar secuencias complejas de movimientos fsicos. El uso de
herramientas es otro de fuego prueba de inteligencia y, a menudo se utiliza para separar el
homo erectus de ancestros anteriores de BE- humana Ings. Delfines comparten este rasgo
con los seres humanos. Por ejemplo, los delfines utilizan esponjas de aguas profundas para
proteger sus salidas durante la bsqueda de alimentos. Se hace evidente que la inteligencia
no es un atributo que posee por los seres humanos solamente. Muchas formas de vida
poseen inteligencia en alguna medida. Usted debe preguntarse la siguiente pregunta:

"Usted cree que estar vivo es una condicin necesaria para poseer
inteligencia? "o" Es posible que los objetos inanimados, por ejemplo, ordenadores, sean
inteligentes? "La
objetivo declarado de la InteligenciaArtificial es la creacin de programas informticos
y / o sistemas de hardware que exhibicin pensar comparable a la de los seres humanos, en
otras palabras, para mostrar caractersticas generalmente Asociados con la inteligencia
humana. Una pregunta fundamental es: "Pueden pensar las mquinas?" En trminos ms
generales, se podra preguntar: "Tiene una persona, un animal o mquina posee la
inteligencia?"
En este punto es conveniente subrayar la distincin entre el pensamiento y la inteligencia.
El pensamiento es la facilidad para razonar, analizar, evaluar y formular ideas y
conceptos. no todas las siendo capaz de pensar es inteligente. La inteligencia es quiz
similar a pensamiento eficiente y eficaz
En g. Muchas personas se acercan a este tema con prejuicios, diciendo: "Las computadoras
estn hechas de silicio y fuentes de alimentacin, y por lo tanto no son capaces de pensar ",
o, por lo dems, los extremos" Computadoras realizar mucho ms rpido que los humanos
y por lo tanto deben ser ms inteligentes que los humanos. "La verdad es ms probable en
algn lugar entre estos dos extremos.
Como ya hemos comentado, diferentes especies animales poseen la inteligencia en diversos
grados. Lo haremos exponer sobre los sistemas de software y hardware que han sido
desarrollados por la Inteligencia Artificial comunidad que tambin poseen la inteligencia en
diversos grados. No nos interesa lo suficiente con la medicin de la inteligencia animal con
el fin de desarrollar las pruebas de CI estandarizados para animales; Sin embargo, nos
est interesado en una prueba para determinar la existencia de la inteligencia artificial.
tal vez Raphael
6
poner lo mejor:
La Inteligencia Artificial es la ciencia de las mquinas de hacer cosas que no requeriran
inteligencia si se hace por el hombre.
pgina 4
Abstraccin
La abstraccin esunaestrategiaenlaque la aplicacin (por ejemplo, en la residencia
funcionamiento) de un objeto o concepto son ignorados para que pueda obtener una
visin ms clara del artefacto y su relacin con el mundo exterior.
En otras palabras, se puede tratar algo como un cuadro negro y estar ocupa slo de los
insumos y salidas de ese objeto. (Ver Figura 1.2.)
Entradas Caja negra salidas
Figura 1.2
Entradas y salidas de un cuadro negro.
La abstraccin es a menudo un til (y es necesario) de la herramienta. Por ejemplo, si
Quieres aprender a conducir, es probablemente una buena idea para tratar
el coche como un cuadro negro. Ms bien que comenzar sus esfuerzos con una
Por supuesto, en las transmisiones automticas y trenes de potencia, que se concentran
sobre el funcionamiento del sistema de las entradas de pedal del acelerador, los frenos, y
seales de giro, por ejemplo- y sus salidas se mueve hacia adelante,

parar y girar a la izquierda y derecho.
Cursos sobre estructuras de datos tambin utilizar la abstraccin, de modo que si uno
quiere entender cmo una pila comporta, usted se concentra en bsica
operaciones de pila como el pop (eliminacin de un elemento) y empujar
(insercin de un elemento) en lugar de sea invadido por el
detalles de cmo se construye una lista (es decir, como una lista lineal o circular o
con ligada contigua vs. asignacin de espacio).
1.1 La prueba de Turing
Las dos primeras cuestiones planteadas en la seccin anterior ya han sido advestido: Cmo se determina la inteligencia, y son animales inteligentes?
La respuesta a la segunda pregunta no es necesariamente "s" o "no" algunas personas son ms inteligentes que otros y algunos animales son ms inteligentes
que otros. La cuestin de la inteligencia artificial es igualmente problemtico.
Alan Turing trat de responder a la pregunta de la inteligencia en operacin
Los trminos adicionales. l quera separar funcionalidad (lo que hace algo)
de aplicacin (cmo algo se construye).
1.1.1 Definicin de la prueba de Turing
Alan Turing propuesto dos juegos de imitacin. En un juego de imitacin, una persona o
entidad se comporta como si fuera otro. En la primera, una persona (llamado un
interrogador) est en una habitacin con una cortina que se ejecuta a travs de la
centro de la habitacin. En el otro lado de la cortina es una persona, y el
interrogador debe determinar si se trata de un hombre o una mujer. el internacional
ROGATOR (cuyo gnero es irrelevante) realiza esta tarea haciendo una
serie de preguntas. El juego se supone que el hombre va a estar en tal
sus respuestas, pero la mujer es siempre veraz. Con el fin de que el interrogado
cocodrilo no puede determinar el sexo de la voz, la comunicacin es a travs de comordenador en lugar de a travs de palabras habladas. Vea la Figura 1.3. Si se trata de un
hombre en
Al otro lado de la cortina, y l tiene xito en engaar a la interROGATOR, gana el juego de imitacin. En formato original de Turing
Para esta prueba, un hombre y una mujer estaban sentados detrs de una cortina y
el interrogador tena que identificar tanto correctamente (Turing podra haber basado
esta prueba en un juego que fue muy popular durante este perodo. Este mismo juego
Tambin podra haber sido el impulso detrs de la prueba de inteligencia de la mquina).
Como escribi Erich Fromm
8
, Los hombres y las mujeres son iguales, pero no sario
riamente la misma. Por ejemplo, los gneros pueden diferir en su conocimiento
borde de los colores, flores, o la cantidad de tiempo dedicado a las compras.
Qu distingue a un hombre de una mujer tiene que ver con la
cuestin de la inteligencia? Turing entiende que podra ser diferente
tipos de pensamiento, y es importante tanto para la comprensin
soportar estas diferencias y ser tolerantes con ellos.
La Figura 1.4 muestra la segunda versin de la Turing
prueba.
Este segundo juego es ms apropiado para el

estudio de AI. Una vez ms, un interrogador est en una habitacin
con una cortina. Esta vez, un ordenador o una persona est
Detras de la cortina. En este caso, la mquina hace el papel
del varn y podra ser conveniente en algunas ocasiones
mentir. La persona, por otra parte, es consistentemente
veraz. El interrogador hace preguntas, y luego
evala las respuestas para determinar si est
Un interrogador
Cortina
El hombre (mentiras)
Mujer (veraz)
Figura 1.3
El primer juego de la imitacin de Turing.
Un interrogador
Cortina
Ordenador (mentiras)
Persona (veraz)
Figura 1.4
El segundo juego de la imitacin de Turing.
pgina 5
8
Parte 1 Introduccin
la comunicacin con una persona o una mquina. Si el equipo
tiene xito en engaar al interrogador, pasaelTur
ing prueba, yporlotantoseconsiderainteligente. Comotodossabemos,
mquinas son muchas veces ms rpido que los humanos en la realizacin de
clculos aritmticos. Un ser humano tendra problemas en
discerniendo que un ordenador, en lugar de una persona, es detrs de la
cortina, si el resultado de una aproximacin de la serie de Taylor a un trigonometric funcin se proporciona dentro de microsegundos. Naturalmente,
por mera casualidad, la computadora poda engaar con xito el
interrogadores durante cualquier prueba de Turing; ser un barmetro vlida para
inteligencia, esta prueba debe ser ejecutada muchas veces. De nuevo,
en la versin original de Turing de esta prueba, tanto una persona y una
equipo estaban detrs de la cortina, y el interrogador tenido que
identificar cada correctamente.
Qu preguntas le propondr para la prueba de Turing?
Considere los siguientes ejemplos:
Lo que es (1000017)
? Los clculos como ste

probablemente no son una buena idea. Recordemos que el
equipo intenta engaar al interrogador. Ms bien

de responder en fracciones de un microsegundo con la respuesta correcta, sera intensificionalmente toman ms tiempo y tal vez cometen un error, "sabiendo" que las personas no
son expertos
en este tipo de clculos.
Cules son las condiciones actuales del tiempo? Usted puede verse tentado a preguntar
acerca de la
El tiempo, en el supuesto de que un equipo no puede mirar fuera de la ventana. Las
computadoras son
por lo general conectado a la Web, sin embargo, y puede conectarse a sitios Web antes de
tiempo
responder.
Tiene miedo de morir? Debido a que es difcil para una computadora para fingir humana
emociones, se podran proponer esta pregunta y otras tales como: Cmo funciona el
maquillaje oscuro
sientes? o Qu se siente al estar en el amor? Recordemos, sin embargo, que usted est
tratando de
determinar la inteligencia y las emociones humanas podran no ser vlidas para un
barmetro
inteligencia.
Turing anticipa muchas objeciones a la idea de la inteligencia artificial en su artculo
original.
7
Una de ellas es la llamada "objecin de la cabeza en la arena." Se crea que la capacidad de
la humanidad para pensar
colocado los seres humanos en el pice de la creacin. Admitiendo la posibilidad de
pensamiento equipo sera fos
desa- esta percha elevada disfrutado por los seres humanos. Turing crea que esta
preocupacin era ms motivos de
consuelo que para la refutacin. Otra objecin es que anticipa la objecin
teolgica. Muchos
cree que es el alma de una persona que permite pensar, y que estara usurpando la autoridad
de Dios
mediante la creacin de mquinas con esta capacidad. Turing refut este argumento
proponiendo que lo hara
ser simplemente llevar a cabo la voluntad de Dios mediante la preparacin de los buques en
espera de la dotacin de las almas. Finalmente nosotros
hablar de (a menudo denominado en la literatura como la primera programadora) Lady
Lovelace observaron
inyeccin. Al comentar sobre la mquina analtica, se regocija de que sera imposible que
esta mera
mquina que nos sorprendi. Ella estaba reiterando la creencia sostenida por muchos de que
un ordenador no es capaz de
la realizacin de cualquier actividad para la que no est preprogramado. Turing contesta
que las mquinas sorprenden
l todo el tiempo. Sostiene que los defensores de esta objecin se suscriben a la creencia de
que el ser humano
mentes pueden deducir instantneamente todas las consecuencias de un hecho o una accin
determinada. Se remite al lector
s
idebAr
El Test de Turing
Ningn sistema informtico tiene siempre
superado la prueba de Turing. Sin embargo,
en 1990, el filntropo Hugh
Gen Loebner suscribi una
concurso diseado para poner en prctica el
Prueba de Turing. El Premio Loebner de
$ 100.000 y una medalla de oro es
se otorgar al primer equipo
para pasar la prueba de Turing.
Mientras tanto, cada ao un premio
de aproximadamente $ 2000 y una
medalla de bronce se otorga a la
equipo que funciona mejor en el
concurso.
Pgina 6
9
al artculo original de Turing
7
para una coleccin de estas objeciones mencionadas anteriormente, as como varios
otros. La siguiente seccin cubre las crticas notables adicionales de la prueba de Turing
para la inteligencia.
1.1.2
Controversias y crticas de la prueba de Turing
La crtica de la prueba de Turing del bloque
Ned Bloquear sostiene que el texto Ingls est codificado en ASCII, en otras palabras,
como una serie de 0s y 1s
dentro de una computadora.
9
Por lo tanto, una prueba en particular de Turing, que es una serie de preguntas y respuestas,
puede ser
almacenada como un nmero muy grande. Por ejemplo, suponiendo que un lmite superior
de la longitud de una prueba de Turing,
los tres primeros caracteres de pruebas que comienzan "Est usted miedo de morir?" se
almacenan como nmeros binarios,
como se muestra en la Figura 1.5.
Supongamos que una prueba de Turing tpica dura una hora, y que alrededor
50 preguntas se hacen y 50 respuestas dadas durante este tiempo.
El nmero binario que corresponde a una prueba sera muy largo.

Ahora bien, supongamos que una gran base de datos almacena toda la prueba de Turing
consistente
ing de 50 preguntas o menos y las respuestas razonables. Superacin de la prueba podra ser
entonces acompaplished de bsqueda en la tabla. Por supuesto, un sistema informtico que puede manejar
una gran coleccin de tales datos
que todava no existe. Pero si lo hiciera, Bloque pregunta: "Se sentira cmodo atribuir a la
inteligencia
una mquina de este tipo? "En otras palabras, la crtica de bloque es que un ordenador
poda pasar por la prueba de Turing
los medios mecnicos de una tabla de consulta, no a travs de la inteligencia.
La crtica de Searle: El cuarto chino
Crtica de la prueba de Turing de John Searle es ms fundamental.
10
Imagnese que un interrogador
hace preguntas como esta esperada-tiempo, sin embargo, en Chinese. En una sala aparte es alguien que no sabe
Chino, pero no tienen un reglamento detallado. A pesar de que
las preguntas chinos aparecen como una serie de garabatos,
la persona en la sala de consulta del libro de reglas, procesos
los caracteres chinos de acuerdo con las normas y reponde con las respuestas escritas con caracteres chinos.
Vea la Figura 1.6.
El interrogador es la obtencin sintcticamente correcta
y semnticamente respuestas razonables a las preguntas.
Quiere esto decir que la persona dentro de la habitacin sabe
Chino? Si su respuesta es "No", hace la combinacin de
la persona y el libro de reglas china chino saben? Sin que la persona no est aprendiendo o
entendimiento
ING chino, pero slo es el procesado de smbolos. De la misma manera, un equipo que
ejecuta un programa de recibe, procesos y responde con smbolos sin aprender o entender lo que los smbolos
s quiere decir.
En lugar de una sola persona con un libro de reglas, Searle tambin pregunta
nos imaginamos un gimnasio de las personas con las notas que se pasan
a otro. Cuando una persona recibe una nota tal, la reglalibro determinar que deben o bien producir una salida
o simplemente pasar un mensaje a otra persona en el gimnasioNasium. Vea la Figura 1.7
Ahora, de dnde viene el conocimiento de los chinos residen? Con
el conjunto de las personas? O, con el gimnasio?
la
01000001
R
01110010
mi
01100101
Figura 1.5
Almacenar el comienzo de una prueba de Turing en el cdigo ASCII.
Persona
libro de reglas
Respuestas en China
Preguntas en chino
Interrogador
"Cmo puedo llegar a Carnegie Hall?"
?
"Prctica prctica prctica"
... La regla
libro es en
el
garabato
nivel
Figura 1.6
El argumento de la habitacin china.
Interrogador
Q
Gimnasio con 1.000
gente
Libro de reglas distribuido
la
Figura 1.7
La variacin del argumento de la habitacin china.
pgina 7
10
Parte 1 Introduccin
Consideremos un ejemplo final. Imagnese el cerebro de una persona que
en efecto, saber chino, como se muestra en la Figura 1.8. sta persona
puede recibir preguntas en chino, interpretarlos precisoLy y, a continuacin, responde en chino.
Una vez ms, de dnde viene el conocimiento de los chinos residen? Con
una neurona individual? O, se reside con una coleccin de stos
las neuronas? (Se debe residir en alguna parte!)
El quid de ambas crticas del Tur- Searle del bloque y de
prueba ING es que no es posible profundizar en el estado interno de una entidad de externo
observaciones solo. Es decir, no debemos esperar que aprender nada nuevo acerca de la
inteligencia de
el tratamiento de una inteligencia agente que posee (hombre o mquina) como un cuadro
negro. Esto no siempre es cierto,
sin embargo. En el siglo XIX, el fsico Ernest Rutherford dedujo correctamente el interior
estado de la materia: que consiste sobre todo en el espacio vaco, mediante el bombardeo de
lmina de oro con partculas alfa.
l predijo que estas partculas de alta energa seran bien pasan a travs del papel de
aluminio o ser algo
desviado. El resultado es consistente con su teora orbital de tomos: que consisten en una
densa
ncleo rodeado de electrones en rbita. Este es nuestro modelo actual del tomo, con el que
muchos de
Nos conocimos en la qumica de la escuela secundaria. Rutherford obtuvo con xito una
idea de la
estado interno del tomo a travs de observaciones externas solo.
En resumen, es difcil definir la inteligencia. Es precisamente debido a esta dificultad en
tanto en la definicin de la inteligencia y la determinacin de si un agente posee este
atributo que Turing
desarrollado la prueba de Turing. Implcito en su tratado es que cualquier agente capaz de
pasar la prueba de Turing
invariablemente poseer la "medios cerebral" para hacer frente a cualquier desafos
intelectual razonable
desa- en un nivel comparable a la de una persona ampliamente aceptado que ser inteligente.
11
1.2
IA fuerte versus IA dbil
Interrogador
la
Q
Figura 1.8
Altavoz chino recibir y responder a preguntas en chino.
la
Red lAN
t
urante
Alan Turing (1912-1954) era un britnico
matemtico y una figura bastante notable
en la historia de la informtica. Los estudiantes
que toman cursos de AI, la informtica, y
criptologa debe familiarizarse con
sus contribuciones. Su contribucin a la IA es
su famosa prueba de Turing para la inteligencia. Esta
prueba fue su intento de abordar polmica
preguntas en la IA como, "Son las computadoras
inteligente? "En la ciencia de la computacin terica,
se estudia el modelo de mquina de Turing
de clculo. Una mquina de Turing es una
modelo matemtico que captura la esencia
de clculo. Est diseado para responder a la
pregunta: "Qu significa para una funcin
siendo computable? "
12
Se debe apreciar
por el lector que Turing era esencialmente

discutir la idea de utilizar algoritmos para
resolver los problemas propios cierta siete u ocho
aos antes de la llegada de la primera digitales
ordenadores.
Usted tal vez haya visto pelculas acerca
Segunda Guerra Mundial que representan la batalla de Inglaterra.
La aviacin alemana cay cerca de 200.000
toneladas de bombas en Gran Bretaa entre
1940 y 1944. Alan Turing llev al grupo
de matemticos en Bletchley Park, en las afueras
de Londres, cuya tarea consista en romper el
Cdigo alemn, llamado el Cdigo Enigma. Ellos
finalmente se rompi el cdigo mediante el uso de la Enigma
Mquina. Este dispositivo codificado todos los militares
los comandos a los buques y aviones alemanes. los
el xito del grupo de Turing podra haber jugado
pgina 8
11
un papel decisivo en la victoria aliada sobre
Alemania.
la
Red lAN
t
Y urante
Ai
Turing se acredita con el programaalmacenado
concepto,queeslabasedetodo
los ordenadores de hoy en da. Antes de 1935, que tena
se describe una mquina de computacin abstracta
con una memoria ilimitada, y una cabeza de lectura
(escner) que se mueve hacia atrs y adelante a travs
memoria, lectura y escritura de los smbolos dictadas
por un programa que tambin se almacena en la memoria.
Su concepcin se denomina universaldeTuring
Mquina.
Turing tena primeras pistas sobre cmo el
sistema nervioso est organizado para posiblemente
facilitar la funcin cerebral. Craig Webster (http: //
home.clear.net.nz/pages/cw/unorganized~~V.
htm), que describe el artculo de Turing, "Informtica
Mquinas y la inteligencia "(con el tiempo
publicado en mente en 1950), presenta Turing
Redes de tipo B como mquinas no organizados

que se encontraran en la corteza de los humanos
los lactantes. Esta observacin recuerda hipermetropa
somos de la opinin de agente del mundo, que se
ser ledo en el Captulo 6, "Conocimiento
Representacin."
Turing se analizan dos tipos de desorganizado
mquinas, denominadas tipo A y tipo B. Tipo
A las mquinas se componen de puertas NAND
(en el que cada nodo tiene dos estados que representan
0 1, dos entradas y cualquier nmero de productos).
Cada red de clase A se cruz con
otros tres nodos de tipo A en formas especiales,
generar impulsos binarios que componen el
Los nodos de tipo B. Turing ya se reconoci la
posibilidad de la formacin, y las necesidades de auto
Los circuitos de retroalimentacin estimulante, lo que se quiere
ledo en "redes neuronales", Captulo 11.
Turing tambin consider la necesidad de una "gentica
buscar "para entrenar a las redes de tipo B a
descubrir valores deseables (o patrones). Esta
Fue una idea de los algoritmos genticos, los cuales
se explican en el captulo 12.
En Bletchley Park se discute a menudo con
Donald Michie (uno de sus colegas y
discpulos) nociones de cmo las mquinas podran aprender
de la experiencia y resolver nuevos problemas.
Esta tarde lleg a ser conocido como el problema heurstica
la solucin (ver captulos 3, "Bsqueda Inteligente
Mtodos ", 6", representacin del conocimiento, "
y 9, "Sistemas Expertos.") y la mquina
aprendizaje (vanse los captulos 10 y 11).
Turing tambin logr los primeros conocimientos sobre
mtodos de resolucin de problemas utilizando el juego
del ajedrez como un banco de pruebas para la influenza aviar. Aunque el
mquinas de computacin de su poca no eran
lo suficientemente potente como para desarrollar una fuerte ajedrez
programa, se dio cuenta de los desafos que
ajedrez con su estima 10
120
posible
legales juegos-planteaban. su citada
1948 papel, "el material de clculo y
Inteligencia ", sent las bases para lo que ms tarde
se convirti en la base de todos los programas de ajedrez,
dando lugar al desarrollo de gran maestro
mquinas de nivel que podran competir con el
Campen del mundo en la dcada de 1990 (vase el Captulo 16,

"Juegos de computadoras avanzadas").
referencias
Turing, AM 1959. Mquinas y
. inteligencia Mente, Nueva Serie, 59 (236): 433-460.
Webster, C. mquinas desorganizado y el cerebro Descripcin de las ideas de Turing '. Disponible en http: //
home.clear.net.nz/pages/cw/unorganized.htm (visitada
Agosto de 2010).
Hodges, A. (1992). Alan Turing: El enigma. Londres:
Vintage, Random House. Http://www.turing.org.uk/
libro / index.html (Este libro fue la base para el Awardpelcula ganadora "El juego de imitacin" en 2014).
pgina 9
12
Parte 1 Introduccin
Con los aos, dos cepas distintas generalizados de la investigacin en IA han
desarrollado. Una escuela de
pensamiento est asociado con el Instituto de Tecnologa de Massachusetts; se considera
que cualquier sistema que exhbe comportamiento inteligente como un ejemplo de AI. Para esta escuela de pensamiento,
no importa si
el artefacto lleva a cabo su tarea en la misma forma que los humanos. El nico criterio es
que el programa
realiza correctamente. Los resultados de los proyectos de AI en la ingeniera elctrica, la
robtica, y campos relacionados son
ocupa principalmente de un rendimiento satisfactorio. Este enfoque se denomina IAdbil.
Otra escuela de pensamiento est representado por el enfoque de la Universidad CarnegieMellon de AI,
que es principalmente de plausibilidad biolgica. Es decir, cuando un artefacto
exposiciones Intel
ligent comportamiento, su rendimiento debe basarse en las mismas metodologas utilizadas
por los seres humanos.
Consideremos, por ejemplo, un sistema capaz de audiencia. Proponentes AI dbiles estaran
interesados merely con el rendimiento del sistema, mientras que los defensores de la IAfuerte podran tener
como objetivo para alcanzar el xito
mediante la simulacin del sistema auditivo humano, con los equivalentes a la cclea, canal
de audicin, tmpano,
y otras partes del odo, cada uno realizando sus tareas requeridas en el sistema. Los
defensores de la dbil
AI medir el xito de los sistemas que se construyen en base a su rendimiento solo, mientras
que
defensores de la IA fuerte tienen que ver con la estructura de los sistemas que
construyen. Vase el Captulo 16
para continuar el debate de esta distincin.
Los defensores de la IA dbil sostienen que la razn de ser de la investigacin en IA es
difcil de resolver problepro- independientemente de lo que en realidad estn resueltos. Fuertes defensores de IA,
por el contrario, mantener
que por pura fuerza de poseer la heurstica, algoritmos, y el conocimiento de los programas
de IA, las computadoras
puede poseer un sentido de conciencia y la inteligencia. Hollywood entra en esta campo de
este ltimo. desplazable
IES que vienen a la mente son "I, Robot", "AI" y "Blade Runner".
1.3
HEURSTICOS
Aplicaciones de la IA menudo se basan en la aplicacin de la heurstica. Una heurstica es
una regla de oro para
la solucin de un problema. En otras palabras, una heurstica es un conjunto de directrices
que a menudo trabaja para resolver un probleLem. Contraste una heurstica con un algoritmo, que es un conjunto prescrito de reglas
para resolver un problema
y cuya salida es totalmente predecible. El lector es, sin duda, familiarizado con muchos
algoritmos
utilizado en los programas de ordenador, tales como los de clasificacin, incluyendo
bubblesort y ordenacin rpida, y para
la bsqueda, incluyendo bsqueda secuencial y bsqueda binaria. Con una heurstica, un
resultado favorable es
probable, pero no est garantizada. Los mtodos heursticos son especialmente populares en
los primeros das de la IA, una
perodo, entre los aos 1950 y en la dcada de 1960.
1.3.1
La diagonal de un slido rectangular:
Solucin de un problema relacionado, pero ms simple
Una excelente referencia en la heurstica es ficacin de George Polya
sic trabajo, Cmo resolverlo.
13
Una heurstica que describe es que
cuando se enfrenta a un problema difcil, en primer lugar tratar de resolver un simPler pero problema relacionado. A menudo, esto da una idea, la cual es
til para la solucin del problema original.
Por ejemplo, cul es la longitud de la diagonal de un rectslido angular? Aquellos de ustedes que recientemente no han completado
un curso de geometra slida probablemente encontrar que esta es una tarea difcil
problema. Tras heurstica de Polya para resolver un sencillo pero reEs probable que emplear la heurstica en su
la vida cotidiana. Por ejemplo, muchas personas
odio a pedir direcciones cuando se conduce.
Al salir de una carretera por la noche, sin embargo,

a veces tienen dificultades para encontrar
su camino de regreso a la va principal.
Una heurstica que podra resultar til
es proceder en la direccin con ms
farolas cada vez que vienen a un tenedor
en el camino. Es posible que tenga una tctica favorita
para la recuperacin de una lente de contacto cado o
para encontrar una plaza de aparcamiento en un concurrido
centro comercial. Ambos son ejemplos de
heurstica.
pgina 10
13
RELAClONADAS problema en primer lugar, es posible que intente buscar la diagonal de
un rectngulo.
Vea la Figura 1.9.
Usando el teorema de Pitgoras, se puede calcular que
d = sqrt ( h
2
+w
2
). Armado con este conocimiento, a continuacin, puede volver a la originalmente
nal problema. Vase la Figura 1.10.
Ahora observamos que la diagonal de los slidos rectangulares iguales:
Diagonal = sqrt ( d
2
+ profundidad
2
) = Sqrt ( h
2
+w
2
+ profundidad
2
)
Resolver el problema ms sencillo de clculo de la diagonal de un rectanGLE ayuda a resolver el problema ms difcil de calcular la diagonal
de un slido rectangular.
1.3.2
El problema del agua del jarro: Trabajar con versiones anteriores
Un segundo ejemplo de Polya es el jarroProblemadelAgua . Usted est
provisto de dos jarras de tamaos m y n , respectivamente; y que son rerido para medir r cuartos de galn de agua donde m , n, y r son todos diferentes
cantidades. Un ejemplo de este problema es: Cmo se puede medir con exactitud
doce litros de agua de un grifo o un pozo cuando tiene slo una jarra de ocho cuartos y un
dieciocho
jarra de litro? Vase la Figura 1.11.
Una manera de resolver el problema es el uso de ensayo y error y esperar lo mejor. En su
lugar, suge- Polya
gestas de la heurstica empezando por el estado de la meta y trabajar hacia atrs. Vase la
Figura 1.12.
w : ancho
d : diagonal
l : longitud
Figura 1.9
Encontrar la diagonal de un rectngulo.
w
Profundidad
marido
re
Diagonal
Figura 1.10
Encontrar la diagonal de un slido rectangular.
(un)
(segundo)
18 Qt
8 Qt
12 Qt
8 Qt
Figura 1.11
El jarro de agua Problema. (A) Estado inicial y (b) Estado final.
(un)
18 Qt
2 Qt
(do)
2 Qt
(re)
8 Qt
8 Qt
2 Qt
(segundo)
2 Qt
Figura 1.12
Comenzando con el estado de la meta y trabajar hacia atrs. (Dibujo de autores.)
pgina 11
14
Parte 1 Introduccin
Observe en la parte (a) la jarra de dieciocho cuarto ha sido llenado y hay dos cuartos de
galn de agua
en la jarra de ocho cuartos. Este estado es slo un paso de la meta del estado, donde se
vierte una adcondicional de seis litros de agua en la jarra de ocho cuartos; donde doce litros de agua
permanece en el
jarra de dieciocho cuarto. Partes (b) a (d) de la figura proporcionan los pasos necesarios
para llegar a esta penultimate estado en la parte (a). Usted debe dar vuelta a su atencin a la parte (d) y trabajar su
camino de regreso a la parte
(B) para ver todos los estados que preceden al estado representado en la parte (a).
Trabajando hacia atrs para resolver el problema del jarro de agua y medir 12 litros de agua
usando slo
un cubo de 18 litros de capacidad y un cubo de ocho cuartos, ruta (a), (b), (c), (d) muestra
cmo pasar de la meta deseada
Estado de nuevo al estado inicial. Para resolver este problema en realidad, se invierte el
orden de los estados. primero
llenar el cubo de 18 litros de capacidad (estado D). A continuacin, llenar y vaciar el cubo
de ocho cuartos en dos ocasiones mediante la transferencia de agua
desde la cubeta de 18 cuartos de galn. Esto le deja con dos cuartos en el cubo de 18 litros
de capacidad (estado C). Verter la ltima
dos cuartos en el cubo de ocho cuartos (estado B). Llenar el cubo de 18 cuartos de galn de
nuevo desde el grifo o bien, y
verter el agua del recipiente ms grande para llenar la cubeta de ocho cuartos, que elimina
seis cuartos de la
18, dejando 12 litros en el cubo ms grande (el estado a).
Como se mencion anteriormente, los mtodos heursticos fueron especialmente populares
en los primeros das de la IA-in
la dcada de 1950 y en la dcada de 1960. Proyecto de investigacin Alandmark durante
este perodo fue deproblemasgenerales
Solver (GPS) .
14
GPS resuelve problemas usando mtodos utilizados por los solucionadores de problemas
humanos. Los investigadores
obtenida el problema requisito resolver heurstica por tener solucionadores de problemas
humanos vocalizar su
metodologa que se abordan diversos problemas de resolucin de problemas.
1.4
La identificacin de problemas APTO PARA AI
A medida que nos volvemos ms familiarizados con la IA y aprender cmo se diferencia de
la computadora tradicional
la ciencia, que debe responder a la pregunta: "Qu hace que un problema adecuado para
AI" Hay tres caractersticas que son comunes a la mayora de los problemas de IA:
1. Los problemas de IA tienden a ser grandes.
2. Ellos son computacionalmente complejo y no se pueden resolver mediante algoritmos
sencillos.
3. Los problemas de IA y sus dominios tienden a incorporar una gran cantidad de

experiencia humana, especialmente si se enfrentan por fuertes mtodos de IA.
Algunos tipos de problemas se resuelven mejor uso de la IA, mientras que otros son ms
adecuados para trala informtica condicional se aproxima a la participacin de la toma de decisiones simples o
clculos exactos para
producir soluciones. Veamos algunos ejemplos:
Diagnostico medico
El hacer compras usando una caja registradora con el escaneo de cdigo de barras
cajeros automticos
Dos Juegos para una persona como el ajedrez o las damas
El diagnstico mdico es un campo de la ciencia que tiene desde hace muchos aos
empleadas y la bienvenida conaportaciones de AI, en particular mediante el desarrollo de sistemasexpertos . Los
sistemas expertos son
normalmente construida en dominios donde hay una considerable experiencia humana y
donde existen muchas
reglas (reglas de la forma: si la condicin, entonces la accin, por ejemplo: si usted tiene un
dolor de cabeza, a continuacin, tomar
dos aspirinas y llmeme en la maana) -. ms reglas que cualquier ser humano puede o
desea mantener en
su / su cabeza. Los sistemas expertos son algunas de las ms exitosas tcnicas de IA para
producir resultados
que sean integrales y eficaces.
pgina 12
15
Uno podra preguntarse: "Por qu es el diagnstico mdico un buen candidato para un
sistema experto" En primer lugar, Medi
Cal diagnstico es un proceso complejo con muchos posibles enfoques vlidos. El
diagnstico implica idenficar una enfermedad o problema mdico basado en los sntomas y la historia clnica del
paciente, as como precedente
casos. En la mayora de los casos, no existe un algoritmo determinista que puede identificar
la enfermedad subyacente
o condicin. Por ejemplo, MYCIN es el sistema ms conocido, basado en reglas (experto)
(Ver Seccin
1.8.2) para ayudar en el diagnstico de infecciones bacterianas de la sangre; MYCIN tiene
ms de 400 normas
15
y tiene
ha utilizado principalmente como una herramienta para la formacin de los estudiantes de
medicina. MYCIN no proporciona una defi-
diagnstico noche, sino ms bien una probabilidad de que es ms probable que se presente
la enfermedad, junto con
un grado de certeza de que el diagnstico es correcto. El proceso de elaboracin de estas
normas se refiere
como la ingeniera del conocimiento. Un ingenierodelconocimiento se reunir con un
experto en el campo, en este caso
un mdico u otro profesional de la medicina, y en el transcurso de las entrevistas en
profundidad la espigarn
el conocimiento del experto en la forma de reglas discretas. Otra caracterstica de los
sistemas expertos es que
podra llegar a conclusiones, que son inesperados, incluso por el especialista de dominio
que los dise.
Esto se debe a que el nmero de permutaciones posibles de las reglas del experto es ms de
lo que nadie puede
mantener en su cabeza. Un buen dominio candidato para la construccin de un sistema
experto tiene la siguiente caractersticas:
Contiene una gran cantidad de conocimiento de dominio especfico, (conocimiento acerca

de un particular
rea del problema lar tales como el diagnstico mdico, o el rea de la actividad humana,
por ejemplo, el control
mecanismo para una planta de energa nuclear para garantizar la seguridad de su
funcionamiento).
Se permite un poco de ordenamiento jerrquico de sus conocimientos.
Puede ser desarrollado como un repositorio para el conocimiento de varios expertos.

Un sistema experto es por lo tanto ms que la suma de los conocimientos de los expertos
que construyeron
eso. El captulo 9 est dedicado a la presentacin y discusin de los sistemas
expertos. Compras en una supermercado en el que se utilizan los cdigos de barras para escanear los productos en una caja
registradora no se considera tpicamente
un dominio de AI. Imagnese, sin embargo, que la experiencia de compra de comestibles se
extiende en una interaccin
con una mquina inteligente. La mquina podra recordar a los consumidores acerca de los
productos que puede comprar:
"No necesitas una caja de detergente para la ropa?" (Debido a que estos productos no se
han comprado
desde una fecha que se conoce por la mquina). El sistema podra inducir al consumidor a
comprar
alimentos que va bien con las ya seleccionadas. (Por ejemplo, "Es necesario un litro de
leche para ir con su
compra de cereales? "). Este sistema podra servir como un asesor de alimentos para una
dieta nutricional equilibrada y
podra ser ajustada para la edad de una persona, peso, dolencias, y los objetivos
nutricionales. Esto representara
un sistema inteligente porque encarna un considerable conocimiento acerca de la dieta, la
nutricin, la salud, y
diversos productos; Adems, puede tomar decisiones inteligentes, que se presentan como
un consejo de
el consumidor.
El cajero automtico, tal como se utiliza en los ltimos 30 aos, no representa un sistema de
inteligencia artificial. Supongamos que esta mquina
servido como asesor financiero general, sin embargo, hacer el seguimiento de los gastos de
una persona, as como el
categoras y frecuencias de los artculos comprados. La mquina podra interpretar el gasto
de entretenimiento
Ment, necesidades, viajes y otras categoras y ofrecer consejos sobre cmo podran ser los
patrones de gasto
beneficiosamente alterado. ( "De verdad necesita gastar tanto en restaurantes de lujo?")
Como un cajero automtico
aqu se describe se considerara un sistema inteligente.
Otro ejemplo de un sistema inteligente es uno que juega al ajedrez. Aunque las reglas del
ajedrez
son fciles de aprender, jugar a este juego a nivel de experto no es un asunto fcil. Ms
libros han sido
escrito sobre el ajedrez que alrededor de todos los otros juegos combinados. En general se
acepta que el ajedrez tiene
algunos 10
42
juegos posibles razonables (por lo que los juegos "razonables" se distinguen de la
pgina 13
diecisis
Parte 1 Introduccin
nmero de "posibles" juegos anterior da como 10
120
). Se trata de un nmero tan grande que, incluso si la enordenadores ms rpidos del mundo de los neumticos trabajaron juntos para resolver el
juego del ajedrez (es decir, desarrollar un programa de
para jugar al ajedrez perfecto, uno que siempre hace el mejor movimiento), que no
terminaran por 50 aos.
Irnicamente, a pesar de ajedrez de ser un juego de suma cero (es decir, ninguno de los
jugadores tiene una ventaja inicialmente) y
un juego de dos personas de la informacin perfecta (sin posibilidad de participar y no hay
factores desconocidos a cualquiera de
ventaja), las siguientes preguntas siguen siendo:
Cul es el resultado de ajedrez con un juego perfecto? Hace win, win hace Negro, o es
un empate? (La mayora de la gente cree que es un empate).

Cul es la mejor primera jugada de las blancas? La mayora de la gente cree que es 1.e4 o
1.d4, que es
notacin de ajedrez para mover el pen delante del rey blanco dos plazas arriba (1.e4) o
mover el pen delante de la reina blanca dos plazas arriba (1.d4). Estadsticas de apoyo
esta creencia, pero no hay ninguna prueba.
La construccin de un programa de ajedrez fuerte (nivel-Master Plus) se ha basado en la
suposicin de que
jugar al ajedrez de nivel principal y exhibe requiere inteligencia.
Durante los ltimos 20 aos, los programas de ajedrez de ordenador se han construido que
puede vencer a todos, pero el
mejores jugadores del mundo. Sin embargo, ningn programa de ordenador es el campen
mundial de ajedrez oficial.
Todos los partidos jugados hasta la fecha han sido relativamente cortos y tienen exfragilidades humanas explotados (los humanos se cansan, ansiedad, etc.). muchos en
el campo de la IA creen firmemente que los programas todava no juegan mejor
que cualquier persona. Por otra parte, a pesar del xito de la reciente chessjugando programas, estos programas no necesariamente utilizan "IA fuerte
mtodos, "(Esto se analiza ms en la siguiente seccin). Una verdadera inprograma de ordenador de ajedrez telligent no slo jugara cmara de mundo
ajedrez a nivel pionship, sino que tambin sera capaz de explicar el razonamiento detrs de
sus movimientos. Sera
tienen una enorme cantidad de conocimiento sobre el ajedrez (conocimientos especficos)
que sera
poder compartir y presente como parte de su proceso de toma de decisiones.
1.5
APLICACIONES Y MTODOS
Si un sistema es exhibir la inteligencia, debe interactuar con el mundo real; para ello se
debe tener
un marco formal, tales como la lgica, que se puede utilizar para representar la realidad
externa. Interaccin con
el mundo tambin implica un cierto grado de incertidumbre. Un sistema de diagnstico
mdico, por ejemplo, debe
contender con la posibilidad de que la fiebre de un paciente puede ser debido a uno de
varios factores: bacteriana
infeccin, un ataque viral, o inflamacin de algn rgano interno.
Identificar las causas de los acontecimientos, ya sean condiciones mdicas o accidentes de
automviles, a menudo
requiere una gran cantidad de conocimientos. Razonamiento a partir de los sntomas a
causas eventuales tambin implica
sonar reglas de inferencia. Por lo tanto, la investigacin en IA ha gastado un esfuerzo
considerable en el diseo tanto de expertos
sistemas y sistemas de razonamiento automatizado.
Destreza en el juego del juego a menudo se toma como un signo de inteligencia. Los
primeros cincuenta aos de AI
la investigacin fue testigo de un gran esfuerzo para disear mejores programas de juego de
damas y de ajedrez. Experiencia en
juego de juego a menudo depende de los algoritmos de bsqueda que se pueden mirar hacia
adelante a las consecuencias a largo plazo
que esta medida tendr en el juego posterior. En consecuencia, no ha habido mucha
investigacin en el display
descubrimiento y el desarrollo de eficientes algoritmos de bsqueda.
Es posible que haya escuchado la vieja broma: "Cmo llego al Carnegie Hall?", La
respuesta es
"Prctica, prctica, prctica." El punto grave es que el aprendizaje debe ser una parte
integral de cualquier
Recientemente (julio de 2007) el juego de
las damas se resolvi dbilmente. Ver
Captulo 16 "Informtica Avanzada
Juegos, "Seccin 16.1.5 para una
discusin.
pgina 14
17
sistema de inteligencia artificial viable. Enfoques para la IA basada en el sistema nervioso
de los animales (computacin neuronal) y
la evolucin humana (computacin evolutiva) han demostrado ser valiosos para los
paradigmas de aprendizaje.
La construccin de un sistema inteligente es una empresa de enormes
proporciones. Algunos investigadores han defendido letting el sistema de "crecer" o salir de alguna semilla, bajo el control de unas cuantas reglas
sencillas. Celular
Autmatas (CA) son sistemas tericos que han demostrado cun simple reglas pueden
producir compatrones complejos. Calen esperanza de que vamos a Tal vez algn da tienen los medios
para crear humanidad
sistemas de inteligencia artificial nivel. Las solicitudes se presentan a continuacin de las
reas antes mencionadas de la investigacin en IA:
algoritmos de bsqueda y rompecabezas
juegos de dos personas
razonamiento automatizado
sistemas de produccin y los sistemas expertos
Autmata celular
computacin neuronal
La computacin evolutiva

Representacin del conocimiento
razonamiento incertidumbre
Las siguientes secciones presentan cada tipo de aplicacin. Esta discusin no es ms que
significaba
para servir como una visin general. Una exposicin exhaustiva de estas reas se presenta
en los captulos siguientes.
1.5.1
Los algoritmos de bsqueda y Rompecabezas
Los 15-puzzle y otros relacionados rompecabezas de bsqueda, tales como la
8-rompecabezas yel3-rompecabezas ,sirvencomoejemplosdevotos
algoritmos de bsqueda, las tcnicas de resolucin de problemas, y la aplicacin
cacin de la heurstica. En el 15-rompecabezas, los nmeros del 1 al
15 estn escritos en casillas pequeas de plstico. Estos pequeos cuadrados
estn dispuestos dentro de un marco cuadrado de plstico ms grande. una posicin
cin se deja en blanco para que los azulejos ms pequeos pueden deslizarse desde hasta
como cuatro direcciones. Vase la Figura 1.13.
Observe que la 3 es libre de moverse hacia abajo, mientras que el 12 es
libre de moverse a la derecha. instancias ms pequeas de este rompecabezas son
ms conveniente trabajar con, incluyendo el 8-puzzle y
el 3-rompecabezas. Por ejemplo, considere el 3-puzzle, se muestra en la
Figura 1.14. En estos rompecabezas, que es, naturalmente, la numerada
azulejos que se deslizan; sin embargo, es ms conveniente considerar las
cuadrado en blanco que se mova.
El blanco puede moverse en una de las cuatro direcciones:
()
Hacia abajo ()
Derecha ()
Izquierda ()
2
4
8
14
5
9
7
10
6
15
13
12
1
11
3
Figura 1.13
Configuracin de un 15-rompecabezas.
3
1
2
Figura 1.14
El uso de un 3-rompecabezas.
pgina 15
18
Parte 1 Introduccin
Cuando se mueve deben ser intentado, a su vez, se adhieren a esta orden de precedencia. En
el
3-puzzle, a lo sumo dos de estos movimientos son posibles en cualquier momento.
Para resolver el rompecabezas, definir un estado de estado de inicio y fin, como lo hizo en
la jarra Problema del Agua. los
En primer lugar, el estadodeinicio , es arbitraria. El segundo, el objetivo
estado ,tambinesarbitraria,peroamenudosemuestraenlasbaldosas
orden numrico. Vase la Figura 1.15.
El objetivo de este puzzle es conseguir que desde el
estado de arranque al estado meta. En algunos casos, una solucin
se desea la con el nmero mnimo de movimientos.
La estructura que corresponde a todos los estados posibles
de un problema dado que se llama el grfico de espacio de estado .
Se puede considerar como el universo de discurso de
un problema ya que describe todas las configuraciones que el rompecabezas puede
asumir. El grfico se compone
de todos los estados posibles de un problema, que se denota por nodos, con arcos que
representan todas las transiciones legales
entre los estados (movimientos legales en un rompecabezas). El rbol de espacio , que
generalmente es un subconjunto propio de la
grfico de espacio de estado, es un rbol cuya raz es el estado de inicio, y uno o ms de sus
hojas es un estado objetivo.
Una metodologa de bsqueda que puede utilizar para recorrer las grficas de espacio de
estado se llama una bsquedaaciegas .
Se supone ningn conocimiento del espacio de bsqueda para un problema. Hay dos
clsicos bsqueda a ciegas algorithms que a menudo se exploran en cursos de estructuras de datos y algorithms; que son primerabsquedaenprofundidad(DFS) y la bsquedaenanchura
(BFS) .EnDFS,sumergirsetanprofundamenteenelrboldebsquedacomoseaposible.
Es decir, cuando usted tiene una opcin de movimientos, por lo general (pero no almaneras) mover a la izquierda. Con BFS, visite por primera vez todos los nodos cercanos a
la raz,
nivel por nivel, por lo general se mueve de izquierda a derecha.

Un recorrido dfs del rbol, que se muestra en la figura 1.16, sera inspeccionar
los nodos en el orden A, B, D, E, C, F, G. Mientras tanto, un recorrido BFS
de este rbol sera visitar los nodos en el orden A, B, C, D, E, F, G. En
Captulo 2, "Mal informado de bsqueda," vamos a aplicar estos algo- bsqueda
ritmos para resolver las instancias de la 3-rompecabezas.
Un tema que se repite en el estudio de la AI es el de la explosincombinatoria. Este
medio de
que el nmero de estados posibles del puzzle es demasiado alto para ser prctico. Solucin
de problemas de una
tamao razonable puede implicar espacios de bsqueda que crecen demasiado rpido para
permitir ciegos a los mtodos de bsqueda
tener xito. (Esto seguir siendo as independientemente de cmo las computadoras rpida
convertirse en el futuro.) Por ejemplo, el grfico de espacio de estado para el 15-rompecabezas puede contener ms de 16!
(2,09228 10
13
estados).
Debido a explosin combinatoria, el xito con problemas de IA depende ms del xito
aplicacin de la heurstica que el diseo de mquinas ms rpidas.
Una clase de algoritmos de bsqueda heurstica mira hacia adelante en el grfico de espacio
de estado. Cuando
dos o ms rutas alternativas aparecen, estos algoritmos persiguen el camino o caminos
cercanos a la meta.
El lector astuto se dar por supuesto preguntar: "Cmo pueden estos algoritmos de
bsqueda, posiblemente, conocer la distancia
al estado meta a lo largo de cualquier trayectoria percibido, cuando la secuencia de
movimientos que culmina en una meta es
no se conoce a priori? "La respuesta es que ellos no pueden. Los algoritmos heursticos
pueden utilizar las estimaciones de
distancia que falta, sin embargo.
Tres mtodos de bsqueda de esta clase "mirar hacia adelante" se subedelacolina,
bsquedaenhaz , y mejor
primera bsqueda .Estasbsquedasseestudiarnafondoenelcaptulo3.Otraclasede
algoritmos
progresa hacia un objetivo midiendo continuamente su distancia desde la raz. estos
algoritmos
"Mirar hacia atrs", y se conocen como ycondestinoalarama mtodos; stos tambin
sern cubiertos
en el captulo 3. Por ejemplo, el algoritmoA* , un algoritmo bien conocido que utiliza
global estimado
(un)
2
1
3
(segundo)
1
3
2
Figura 1.15
Unidos para resolver el 3-rompecabezas. (A) Estado inicial y (b) estado de la meta.
Un ejemplo
DFS recorrido:
A, B, D, E, C, F, G
la
B
D
mi
C
F
GRAMO
A, B, C, D, E, F, G
BFS recorrido:
Figura 1.16
La comparacin de DFS y BFS recorridos de un grfico de espacio de estado.
pgina 16
19
coste de la ruta para determinar el orden en el que se buscan soluciones, es
en esta clase de algoritmos.
1.5.2
Juegos de dos personas
Juegos de dos personas como Nim (Este juego implica varios montones de piedras. Dos
jugadores alternately eliminar un nmero de piedras de una de las pilas. En una versin de este juego, la
ltima persona
hijo para quitar una piedra pierde), tic-tac-dedo del pie, y el ajedrez difieren en un aspecto
fundamental del rompecabezas.:
cuando se juega un juego de dos personas, no puede concentrarse nicamente en alcanzar la
meta; debes
Tambin mantener la vigilancia para monitorear y bloquear el progreso de su
oponente. Estos juegosdeconfrontacin
han sido el pilar de AI durante su primer medio siglo. Juegos siguen las reglas que
contienen muchos de
los atributos de los escenarios de la vida real, aunque de forma simplificada.
Un juego que encarna la tensin inherente a esta clase de
problemas es el dilemadelprisioneroiterado . dos perpetrador
res de un crimen son detenidos por la polica y son inmediatamente
batido fuera a las clulas separadas. Cada sospechoso se le promete un reducido
sentencia de crcel si traicionan su cmplice. El sospechoso que se mantiene fiel

probablemente recibir una
condena ms larga. Qu debe hacer sospechar cada uno? Naturalmente, si el sospechoso
tiene la intencin de "ir directamente" despus de
este incidente, a continuacin, la traicin es sin duda la mejor poltica. Sin embargo, si un
sospechoso tiene la intencin de permanecer
comprometido a una vida de crimen, entonces la traicin viene con una etiqueta de precio
muy alto. Si arrestado de nuevo, el
cmplice recordar la deslealtad de la pareja y actuar en consecuencia. Juego de juego es el
foco de
Captulo 4, "Uso de la bsqueda de juegos," y el Captulo 16, "Juegos de ordenador
avanzada".
1.5.3
Razonamiento automatizado
Con un razonamientoautomatizados istema, el software se presenta con una coleccin
de hechos.
La deduccin es un tipo de razonamiento en el que la informacin dada se utiliza para
derivar nueva y es de esperar
datos tiles. Supongamos que se presentan con el siguiente enigma:
Dos personas que llevan el nombre de Michael y Louis. Entre los dos tienen dos
trabajos. Cada
tiene un puesto de trabajo. Estos trabajos son empleado de correos y profesor
francs. Michael habla
Slo Ingls, mientras que Louis tiene un doctorado en francs. Quin tiene qu trabajo?
En primer lugar, hay que tener un lenguaje de representacin apropiada con el fin de
presentar esta informacin
a un programa de razonamiento automatizado. Declaraciones como la siguiente son tiles
en la representacin
este problema:
Works_As (Clerk, Michael) | Como Works_ (Clerk, Louis)
Tal afirmacin lgica se conoce como una clusula. La barra inicial se interpreta como esto
"o".
clusula significa ya sea Michael trabaja como empleado o Louis trabaja como empleado.
Si se traduce el rompecabezas en un lenguaje de clusulas adecuadas para la entrada de un
programa, lo hara
Todava no tiene informacin suficiente para resolver este rompecabezas. Gran parte del
sentidocomn o elconocimientodelmundo
sera que falta. El sentido comn, por ejemplo, sugiere que si usted es dueo de un coche,
entonces tambin
poseer su volante. Por otra parte, el conocimiento del mundo podra utilizarse para deducir
que precipitacin ser en forma de nieve cuando la temperatura es de 32 F o menos. En este
rompecabezas, comn
sentido nos dice que un profesor francs debe ser capaz de hablar ese idioma. Sin embargo:
Por qu una
programa de razonamiento tiene este conocimiento a menos que suministre ella?
Un * hace algunos mirando hacia adelante, as,

sin embargo, y se discutir en una tarde
captulo.
Juegos, aunque a menudo tienen atributos
de escenarios de la vida real, no tienen real
consecuencias en el mundo, y por lo tanto, son una
excelente banco de pruebas para los mtodos de IA.
pgina 17
20
Parte 1 Introduccin
Considere el conocimiento adicional que se pudiera utilizar para resolver este
rompecabezas, tales como el hecho de que
Michael slo habla Ingls; l no puede ser el profesor francs. Aunque es probable que
pueda resolver
este problema sin ayuda, que tiene un programa de razonamiento automatizado como
ayudante de resolucin de problemas
sera de gran ayuda cuando los problemas se hacen ms grandes y ms involucrados.
1.5.4
Normas de produccin y sistemas expertos
Las reglas de produccin se utilizan en AI como un mtodo de representacin de
conocimiento. regla tiene Aproduction
las formas generales:
IF (Condicin), entonces la accin
o
IF (Condicin), ENTONCES informativa
marido
UMAN
yo
nters
norte
otas
J
ohn
METRO
do
do
Arthy
John McCarthy (1927 2011) No hay libro de texto sobre
Inteligencia artificial
poder
ser
completar
sin prestar adecuada
homenaje al fallecido John
McCarthy, quien acu

el trmino en el 1956
Conferencia de Dartmouth.
P l profesor
McCarthy tena perodos
en el MIT, Dartmouth College, Princeton
Universidad, y la Universidad de Stanford. l gasta
la mayor parte de su carrera en Stanford, donde fue
Profesor Emeritus.
Se le atribuye la invencin de la
lenguaje de programacin LISP que tena
sido el lenguaje estndar para el desarrollo
los programas de IA durante muchos aos, sobre todo
en este pas. Con una fuerte aptitud para
Matemticas, McCarthy recibi un BS
en Matemticas de Caltech en 1948 y
luego un doctorado en matemticas de Princeton
Universidad en 1951, bajo Salomn Lefschetz.
los intereses del profesor y McCarthy
aportaciones fueron profundas y de gran alcance,
que cubre muchas reas de la gripe aviar, incluyendo, por
ejemplo, publicaciones sobre diversas reas de la lgica,
procesamiento del lenguaje natural, ajedrez por computadora,
cognicin, contrafactuales, el sentido comn,
y una serie de problemas filosficas de
el punto de vista de la IA. Su pgina de inicio ( http: //
www-formal.stanford.edu/jmc/ ) es un gran lujo
en s mismo, donde la mayora de sus publicaciones en estos
reas estn disponibles. All tambin se puede encontrar
las pginas ms recientes sobre "La sostenibilidad de
Progreso Humano ", que es bastante optimista
acerca de. Algunos otros ttulos bien conocidos incluyen:
"Circunscripcin - una forma de nonmonotonic
Razonamiento "," inteligencia artificial, lgica
La formalizacin y el sentido comn ", y" The
Pequeos pensamientos de Thinking Machines "
que es un artculo de divulgacin que apareci en
Psychology Today en 1983.
Como uno de los fundadores de la IA, McCarthy tena
a menudo utilizado sus papeles, como "Algunos expertos
Los sistemas tienen sentido comn (1984) y
"Libre albedro - Incluso para Robots", como un medio
de comentario sobre lo que necesitan los sistemas de IA en
Para ser til en la prctica y eficaz.
Fue el ganador del Premio Turing
por sus contribuciones a la IA en 1971. Otro
premios que ha recibido incluyen The National
Medalla de Ciencias en Matemticas, Estadstica,

y Ciencias de la Computacin (1971), y el
Benjamin Franklin Medal en Informtica y
La ciencia cognitiva (2003).
pgina 18
21
Los ejemplos ms comunes se incluyen a continuacin:
SI (dolor de cabeza), luego tomar dos aspirinas y llmeme en la maana.
IF ((A> B) y (B> C)), entonces A> C
Una de las reas de aplicacin de los sistemas de produccin es en el diseo de sistemas
expertos que fueron introproducido en la Seccin 1.4. Un sistema experto es un software que posee un conocimiento
detallado en una limitada
dominio del problema. Una parte de un sistema experto para la diagnosis del automvil
podra contener la siguiente
ing reglas:
SI (coche no arranca), a continuacin, comprobar los faros.
SI (trabajo faros), deber comprobar indicador de gasolina.
SI (tanque de gasolina vaco), a continuacin, aadir gasolina al tanque de combustible.
SI (faros no funcionan), a continuacin, comprobar la batera.
Se suministra con un amplio conjunto de normas de produccin, alguien con poca visin
para los mecnicos
podra diagnosticar correctamente su vehculo. Los sistemas expertos se desarrollaron por
primera vez en la dcada de 1970 (MYCIN, DENDRAL, PROSPECTOR) y el campo alcanz su madurez a finales de 1980. la
arquitura de los sistemas de produccin y los sistemas expertos se explora en los captulos 6, 7 y
9.
1.5.5
Autmata celular
Un autmatacelular (CA) puede verse como una coleccin de clulas en el espacio ndimensional. Cada
clula puede estar en cualquiera de un pequeo nmero de estados, con dos que son un
nmero tpico. Por ejemplo,
una clula puede ser negro o blanco. Cada clula en el sistema tiene una zona de las clulas
adyacentes. Una CA es
tambin caracterizado por dos propiedades adicionales:
1. topologa fsica , que se refiere a la forma de la CA, tales como rectangular o hexagonal.
2. La regla de actualizacin , que se utiliza para determinar el siguiente estado
de una clula en trminos de su estado actual, as como los estados de
las clulas de su entorno. Los autmatas celulares son sinsistemas nous en el que la actualizacin se produce a intervalos fijos.
La figura 1.17 muestra una CA con topologa rectangular. El CA es
Generalmente se supone que no acotada en cada dimensin. Cada celda puede

estar en uno de dos estados, que se muestran como "0" y "1"
Una clula en el estado 1 a veces se caracteriza por ser "vivo"
mientras que una clula en el estado de 0 a veces se dice que es "muerto". Las clulas que
estn vivos a menudo estn sombreadas, como en la figura 1.18; clulas muertas menudo
APpera sin sombreado. En muchos ejemplos, in- vecindad de una celda
incluye los ocho clulas directamente encima, debajo, a la izquierda, a la derecha,
y en diagonal por encima y por debajo de una clula. En la figura 1.18, las clulas en el
barrio de la clula central se indican mediante sombreado.
Los autmatas celulares son notables en que los patrones complejos pueden
ser creado por la aplicacin de algunas reglas simples.
Figura 1.17
Parte de una CA. unidimensional
(un)
(segundo)
Figura 1.18
Zonas en un celular bidimensional rectangular
autmata. (A) La zona de Von Neumann y (b) la
barrio Moore.
pgina 19
22
Parte 1 Introduccin
1.5.6
Computacin neural
En la bsqueda de la inteligencia artificial, los investigadores a menudo disean
Los sistemas basados en la arquitectura de la mejor ejemplo para ligencia
gencia en este planeta. Lasredesneuronales intento de capturar la parallel y la estructura del sistema nervioso humano distribuida. Temprano
el trabajo en lacomputacinneuronal se inici en la dcada de 1940 con la investigacin
de
McCulloch y Pitts.
17
El bloque de construccin bsico para este tipo de sistemas
es la neurona artificial, que puede ser modelada como una lgicadeumbral
unidad (TUT).VaselaFigura1.19.
Las entradas a esta neurona, X
1
yX
2
, Se supone que son binario en este ejemplo. estas entradas
se ven mitigados por los pesos con valores reales, W
1
yW
2
. La salida de este TLU tambin se supone que es
0 o 1. La salida de un TLU es igual a 1 cuando el producto escalar de un vector de entrada
multiplicada
por este conjunto de pesos excede o es igual umbral de la unidad, que es
Tambin una cantidad de valor real.
Por ejemplo, el TLU ilustra en la Figura 1.20 implementa el de dos
Boolean de entrada y la funcin.
El producto de punto de las dos entradas y los dos pesos ser mayor
o igual que el umbral, slo cuando ambas entradas son iguales a 1.
Como muestra la Figura 1.21 muestra,
X W
es mayor que o igual a la
umbral de 1,5 slo cuando ambas entradas son iguales a 1. Cuando hizo
estos pesos vienen? Como se ver ms adelante en el captulo 11, que
son el resultado de un algoritmodeaprendizajeiterativo conocido como el
Perceptrn regla de aprendizaje .Enestaregla,lospesossecambian
siempre que el sistema contina respondiendo incorrectamente. el algoritmo es iterativo en el sentido de que, en cada pasada a travs de la
entradas, la respuesta del sistema converge hacia la depesos deseada. Una vez que el sistema produce slo salidas correctas,
el aprendizaje es completa.
Cuando el producto escalar de X y W es mayor que o igual
al umbral T, entonces la salida de la TLU debe ser igual a uno;
cuando este producto es inferior a T la salida debe ser igual a cero.
Ajuste del producto escalar de X con W igual a T y sustituyendo
1 para cada uno de los pesos, W
1
yW
2
, Se puede obtener, con el
ayuda de un poco de lgebra, de que X
2
= -X
1
+ 1,5. Esta es la ecuacin
cin de una lnea recta; uno cuya pendiente es -1 y X
2
interceptar
es 1,5. Esta lnea recta, conocido como un discriminante , se dibuja en
La figura 1.21; que separa esas entradas que proporcionen una salida de 0
((0, 0), (0,1), (1,0)) de la entrada (1,1), que produce 1 como
salida. tareas de reconocimiento de patrones tiles, naturalmente, requerir
ms de una sola unidad de umbral. Las redes neuronales compuestas
de cientos o incluso miles de unidades simples como se describe
anteriores se pueden utilizar para llevar a cabo tareas de procesamiento de datos valiosos
como la lectura de texto escrito a mano o predecir el precio futuro

de una accin sobre la base de su reciente actividad histrica. Aprendizaje
reglas queseanapropiadosparaestasredesmscomplicadas
barra lateral
El juego de la vida
John Conway.
El matemtico britnico John
Horton Conway ide el
Juego de la vida en1970.Seconvirtien
famoso el momento sus reglas
aparecido en Martin Gardner
columna "Juegos matemticos"
en ScientificAmerican que
ao.
diecisis
El juego de la vida ser
se describe en detalle en el captulo 7,
"Sistemas de Produccin", junto
con AC y su relacin
a AI.
x
1
W
1
x
2
W
2
T
Y
-x
1
,X
2
entradas
W
1
,W
2
pesos
T: Umbral
Y = {1 Si X
.
W> = T}
{0} De lo contrario
Figura 1.19
Unidad Lgica umbral.
El producto escalar de dos vectores X
y W , denotado por X W , es el
En cuanto al producto componente de stos
vectores.
pgina 20
23
se describe en el Captulo 11.It se cree que el propio cerebro
se compone de una gran red interconectada de tan simple
elementos de procesamiento.
1.5.7
Algoritmos genticos
sistemas de redes neuronales en software que intentan modelar
el sistema nervioso humano-proporcionar un terreno fructfero para la IA rebuscar. Otro paradigma prometedor es la teora de Darwin de la evolucin. La seleccin natural se produce en la naturaleza a una velocidad de miles
o millones de aos. Dentro de un ordenador, la evolucin (o la iteracin
proceso tivo por el que una solucin propuesta a un problema de mejora
a travs de la aplicacin de pequeos cambios incrementales) el producto
algo ms rpido. Esto es para ser comparado y contrastado con el
proceso de evolucin en el mundo vegetal y animal en el que especias se adaptan a su medio ambiente a travs de los operadores genticos
de la seleccin natural, reproduccin, mutacin y recombinacin.
Los algoritmos genticos (GA)sonunametodologaespecficadela
campo general conocida como lacomputacinevolutiva , que es
la rama de la AI en el que propone soluciones a un problema de adaptar
tanto como criaturas animales se adaptan a su medio ambiente en el mundo real
mundo. En una GA, un problema se codifica como una cadena. Recordemos que en
el 3-puzzle, una serie de movimientos de la pieza en bruto se podra codificar
como una secuencia de 0s y 1s. El GA comienza con una poblacin
de dichas cadenas binarias que se eligen al azar. operacin gentica
res se aplican entonces sistemticamente a estas cadenas y un gimnasio
la funcin seutilizapararecogerlascadenasmsptimas.funcinAfitness
est diseado para asignar valores superiores a aquellas cadenas correspondientes
a secuencias de movimientos que traen el estado del puzzle ms cerca de un objetivo
estado. Consulte la Figura 1.14, que describe la 3-puzzle, y dejar
Representemos un movimiento hacia arriba (del blanco) por la cadena 00.
Del mismo modo, vamos 01 denotan un movimiento hacia abajo, 10 a la derecha y mover
finalmente 11 a mover hacia la izquierda. A continuacin, se refieren a la instancia de este
rompecabezas
representada en la Figura 1.15. Cada una de las siguientes cadenas binarias de
longitud de ocho se puede interpretar como cuatro movimientos en este

rompecabezas. 11100010, 00110110. Por qu debe
esta ltima cadena se le asigna un valor mayor aptitud? Ejemplos detallados de esta
metodologa ser
dispuesto en el Captulo 12.
1.5.8
Representacin del conocimiento
Tan pronto como se tiene en cuenta los problemas de la IA, la cuestin de la representacin
pasa a primer plano.
Si los sistemas de IA adquirir y almacenar el conocimiento con el fin de procesarla y
producir resultados inteligentes,
tienen que ser capaces de identificar y representar ese conocimiento. La eleccin de una
representacin es
intrnseca a la naturaleza de la solucin de problemas y la comprensin. como Polya
13
comentado, un buen
eleccin representacin es casi tan importante como el plan algoritmo o solucin ideada por
un particular
lar problema. representaciones buenas y naturales facilitan soluciones rpidas y
comprensibles. Pobre
(X
1
*W
1
) + (X
2
*W
2
)=T
x
2
*W
2
= -W
1
.x
1
+T
x
2
= - ((W
1
/W
2
)*X
1
) + (T / W
2
)
x
2
= -X
1
+ 1,5
(segundo)
(un)
x
1
x
2
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
2
x
.
W
Y
x
1
1
x
2
1
1.5
Y
Figura 1.20
TLU la simulacin de la funcin AND.
(0,1)
(0,1.5)
(1,1)
discriminante
(1,0)
(0,0)
(1.5,0)
x
2
x
1
Figura 1.21
Discriminantes para un TLU que simula el de dos entradas y funcin.
pgina 21
24
Parte 1 Introduccin
opciones de representacin pueden ser igualmente sofocante. Por ejemplo, considere los
familiares misioneros
Problema y canbales .Elproblemaesconseguirtresmisionerosytrescanbalesdela
orilla oeste de la orilla oriental de un ro con un barco. En cualquier momento durante las
transiciones de oeste a
al este, se puede ver de forma rpida y comprender el camino de la solucin mediante la
seleccin de una representacin adecuada
cin. Las restricciones tambin pueden ser representados de manera eficiente; tales como
que el barco puede contener no ms de
dos personas en cualquier momento y que los canbales en cualquier banco nunca pueden
superar en nmero al nmero de
misioneros. Una representacin sera enumerar el estado de inicio de W: 3M3CB (tres
misioneros
y tres canbales con el barco en la Ribera Occidental). El estado final es E: 3M3CB. Una
transicin de
un misionero y un canbal con el barco podran ser representados por E:
1M1CB. Dejando
W: 2M2C E: 1M1CB. Otra representacin sera para representar grficamente el barco,
Misioneros y canbales, con figuras de palo y un bosquejo para el barco en cada banco, ya
que cada transicin
la produce.
La lgica sehautilizadocomounarepresentacindelconocimientoydelatcnicade
resolucindeproblemasporAIre
buscadores desde la creacin del campo, empezando por Newell y Simon LgicoTerico ,
18
y GPS,
14
que se basaba en Russell y Whitehead Principia Mathematica .
19
Tanto el Terico Lgico
y los programas de GPS utilizan las reglas de la lgica para resolver problemas. Un ejemplo
seminal del uso de la lgica
para la representacin del conocimiento y la comprensin del lenguaje fue de
Winograd BloquesMundial (1972),
20
en el que un brazo robot interacta con los bloques en una mesa. Este programa abarca
temas de gua
la comprensin y el anlisis de calibre escena, as como otros aspectos de la IA. Muchos
investigadores de la IA tienen
basaron su investigacin en un enfoque basado en la lgica, incluyendo Nils Nilsson en
sus Principios de la artiel texto oficial de Inteligencia ,
21
Genesereth y Nilsson,
22
y Alan Bundy en The Computer Modeling de
Razonamiento matemtico .
23
Recuerde de la seccin 1.5.4, que las normas de produccin y los sistemas de produccin se
utilizan para construir
muchos sistemas expertos xito. El atractivo de las normas de produccin y los sistemas
expertos se basa en la
viabilidad de representar heurstica forma clara y concisa. Miles de sistemas expertos han
sido
construida la incorporacin de esta metodologa.
Por otra parte, teniendo en cuenta las posibles alternativas para la representacin del
conocimiento, grficamente
enfoques Cal ofrecen un mayor atractivo a los sentidos, como la visin, espacio y
movimiento. posiblemente el
primeras aproximaciones grficas eran representaciones de espacio de estado, que muestran
todos los estados posibles
de un sistema. (Recordemos la discusin del 15 rompecabezas en la Seccin 1.5.1.) Las
redessemnticas son
otra grfica, aunque compleja, representacin del conocimiento, que se remonta a los
trabajos de QuilLian.
24
Las redes semnticas son un predecesor de los lenguajes orientados a objetos. usos
orientacin a objetos
herencia (en la que un objeto de una clase en particular hereda muchas de las propiedades
de un superclase). Gran parte del trabajo que emplean redes semnticas se ha centrado en la
representacin de los conocimientos
y la estructura del lenguaje. Los ejemplos incluyen Stuart Shapiro de
25
SNePS (Procesamiento red semntica
Sistema) y el trabajo de Roger Schank en el procesamiento del lenguaje natural.

26
Marvin Minsky,
27
un investigador de AI fundador y pensador, present cuadros , otra primaria
mtodo grfico para la representacin del conocimiento. Frames permiten una descripcin
compacta de los objetos en
de manera sistemtica y jerrquica. Por lo general son organizadas por franjashorariasy
materialesdecarga en tablas (que
puede estar relacionado en un plano similar) o la tridimensionalidad de los conceptos que se
aprovechan de la prototpica
la naturaleza de las estructuras de nuestro mundo. Tambin emplean herencia para facilitar
la repeticin, la previsibilidad
dad, y la variedad de formas que definen los objetos del mundo real, como una universidad
con sus edificios,
facultad, administracin y estudiantes. Aunque los detalles de estos elementos varan de
universal
sidad a la universidad, esta variedad puede ser fcilmente capturado por los marcos.
Marcos se describen completamente, con ejemplos, en el captulo 6.
pgina 22
25
Guiones
28
son una extensin de las tramas que explotar an ms el ex
pectancy inherente a las interacciones humanas. A travs de su trabajo, Schank
y Abelson han sido capaces de construir una serie de sistemas que parece
de comprender la descripcin de la configuracin bien definidos. Conceptual
grficos porSowa
29
y Novak y Gowin
30
son una persona, pero simplificado
La tecnologa heurstica invasiva que a menudo se ha utilizado para representar la
el conocimiento en una disciplina.
En 1985, Marvin Minsky public sociedad de la mente .
31
cin Minsky
plantea teoras para explicar la organizacin de la mente humana. l rencias
gestas que el mundo inteligente podra ser ejecutado por los agentes. estos agentes
son en s mismas no inteligente, pero podran combinarse de maneras sofisticadas para
formar una sociedad, los cuales
parece mostrar un comportamiento inteligente. Conceptos tales como mltiples jerarquas,
escalas, el aprendizaje, la re-
cordar, similitudes de deteccin, la emocin, y los marcos son presentados por Minsky a
travs del agente
modelo.
1.5.9
Razonamiento incertidumbre
las matemticas tradicionales a menudo se ocupa de certezas. El conjunto A es un
subconjunto del conjunto B, o
no lo es. Sistemas de inteligencia artificial, al igual que la vida misma, estn plagadas
de incertidumbre . El azar es un inimitable
componente de nuestra existencia; por ejemplo, se puede coger un resfriado durante su
viaje por la maana si
los pasajeros a tu lado en el autobs o el tren fueron de toser o estornudar; Una vez ms
usted podra
no. Tenga en cuenta los siguientes conjuntos: el conjunto de personas que estn satisfechos
con su trabajo, y el conjunto de
las personas que no estn satisfechas. No es nada raro que algunas personas pertenecen a
ambos conjuntos. Algunos
la gente podra querer a sus puestos de trabajo, a pesar de que podran creer que estn mal
pagados. Se puede considerar la
un conjunto de personas que estn satisfechos con su trabajo como un conjunto difuso
32
ya que vara dependiendo de la
condiciones. A menudo uno est satisfecho con el trabajo en s. Sin embargo, se tiene en
cuenta el cheque de pago para ser
insuficiente. Es decir, uno es satisfecho con el trabajo de una cierta medida . El grado de
pertenencia
para una persona en particular en este conjunto podra oscilar entre 1.0 para alguien que
ama muchsimo su
trabajar a 0,0 para un individuo que debe considerar seriamente un cambio de carrera.
surgen conjuntos difusos en muchos dominios. Cmaras varan la velocidad de obturacin
basan en la cantidad de sol
luz presente. Lavadoras controlan los ciclos de lavado que se basan, en parte, de la suciedad
de la
la ropa que contienen. Termostatos regulan la temperatura ambiente asegurndose de que
las temperaturas
en realidad dentro de un margen aceptado, en lugar de en un valor preciso. Los automviles
modernos se ajustan
presin de frenado de acuerdo con las condiciones climticas. controladores de lgica
difusa se pueden encontrar en cada
de estos dispositivos. Amore amplia discusin sobre el papel que desempea la
incertidumbre en la IA se encuentra
en el captulo 8, "La incertidumbre en la IA."
1.6
Historia Antigua de AI
La construccin de una mquina inteligente ha sido durante mucho tiempo un sueo de la
humanidad, que se remonta a la antigua
Egipcios que tomaron "atajos" mediante la construccin de estatuas que contenan

sacerdotes ocultos que intentaron
para dar asistencia a los ciudadanos de salvia. Este tipo de fraude por desgracia ha
aparecido en toda la
la historia de la IA; el campo ha sido comprensiblemente contaminado por tales argucias al
tratar de lograr
el estado de una disciplina-cientfica aceptada inteligencia artificial .
Las bases ms fuertes para la IA se derivan de las premisas lgicas establecidas por
Aristteles (circa
350 aC). Aristteles estableci los modelos de pensamiento cientfico y el pensamiento
disciplinado que tiene
Hay una serie de ejemplos
de las contribuciones iniciales de investigacin en
AI que han sido "absorbidos" por
ciencias de la computacin convencional; para
ejemplo, el lenguaje de programacin
Smalltalk, mtodos jerrquicos, y
marcos dado lugar a avances en el objetoparadigma orientado.
pgina 23
26
Parte 1 Introduccin
convertido en el estndar de la presente mtodo cientfico da. Su distincin
entre materia y forma
fue un precursor de uno de los conceptos ms importantes de la informtica hoy en da: los
datos de abstraccin
cin, que distingue mtodos (formas) de las conchas en el que estn encapsulados, o en
distinguir la forma (forma) de un concepto de su representacin real. (Recurdese la
discusin
de la abstraccin en la barra lateral en la seccin 1.1.)
Aristteles tambin hizo hincapi en la capacidad de las personas para razonar,
manteniendo que esta instalacin distinnosotros se dife- de todos los dems seres vivos. Cualquier intento de construir una
mquina de inteligencia artificial rerequiere esta capacidad de razonar. Esta es la razn por la obra del lgico britnico del siglo
XIX, George
Boole, era tan importante; su sistema establecido para expresar las relaciones lgicas se
convirti ms tarde
conocido como lgebra booleana.
Raymond Llull, el ermitao espaol del siglo XIII y acadmico, fue probablemente la
primera persona
hijo para tratar de mecanizar procesos del pensamiento humano. Su trabajo es anterior
Boole por ms de cinco
siglos. Llull, un cristiano devoto, se dedic a desarrollar un sistema basado en la lgica
cuyo objetivo era
demuestran que los principios del cristianismo eran ciertas. En su Ars Magna (Gran Arte),
Llull utiliza geomtrica
diagramas y dispositivos lgicos primitivos Para alcanzar este objetivo. conjunto de la obra
de Llull inspir ms tarde
pioneros, entre ellos Wilhelm Leibniz (1646-1716). Leibniz, un gran matemtico y filsofo
marido
UMAN
yo
nters
norte
otas
gramo
eorge
segundo
oole
Para un equipo
programa para exhibir cualquier
tipo de inteligencia
se decidi temprana
en que era necesario
ser capaces de razonar. los
matemtico britnico,
George Boole (18151864)
desarrollado
un
matemtico
marco para la representacin de las leyes de
la lgica humana. Su trabajo consista en algunos
50 trabajos individuales. Su principal logro
fue el conocido Tratado de diferencial
Las ecuaciones que aparecieron en 1859. Este fue
seguido, en 1860, por un Tratado sobre el
Clculo de las diferencias finitas . El ltimo era
diseado para servir como una secuela de la antigua
trabajo. De Boole leyes del pensamiento proporcion una
mtodo general de la inferencia simblica, que
es quiz su mayor logro. Si tu
se les da una proposicin lgica alguna que suponga
nmero de trminos, Boole mostr cmo, con
puramente simblica tratamiento de estas premisas,
inferencias lgicas de sonido se podran hacer.
En la segunda parte de las leyes del pensamiento, Boole trat de descubrir un mtodo
general para la traduccin de las probabilidades de antecedentes para una sistema de
eventos, para determinar la consiguiente probabilidad de cualquier otro evento que era
lgicamente conectada con los acontecimientos dados.
El lenguaje algebraico (o anotacin)
que desarroll para las variables permiti a

han interacciones (o relaciones) sobre la base de
slo dos estados, verdaderos y falsos . l desarroll
lgebra de Boole, como ahora se conoce, en el que
hay tres operadores lgicos: AND, OR, y
no. La combinacin de lgebra de Boole y
las reglas de la lgica nos permite probar cosas
"Automticamente." Por lo tanto, una mquina que puede hacer
esto es, en cierto sentido capaz de razonar.
33
Se muestra un ejemplo de la lgica booleana
aqu:
SI A B y B C, entonces A C
Esa es la ley de la transitividad-SI UN
implica B y B implica C, entonces A
implica C.
pgina 24
27
en su propio derecho, tom las ideas de Llull un paso ms all: crea que una especie de
"clculo lgico" o
"lgebra universal" podra ser construido que podra resolver todos los argumentos lgicos
y podra razonar acerca
casi cualquier cosa; el afirma:
Todo nuestro razonamiento es nada ms que la sustitucin de unin y de caracteres, si
estos personajes sean palabras o smbolos o imgenes ... (ibd., p.7)
Ms de dos siglos despus, Kurt Gdel (1931)
34
demostrado el exceso de optimismo de LeibEl objetivo de niz. Demostr que cualquier rama de las matemticas siempre contendra
algunas proposiciones que
no pudo ser demostrado ser verdadera o falsa, utilizando nicamente las reglas y axiomas
de la rama de la
las matemticas, que se completa en s. El gran filsofo francs Ren Descartes,
35
en su Medi
taciones , abord la cuestin de su realidad fsica a travs de la introspeccin
cognitiva. justific
su propia existencia a travs de la realidad del pensamiento; culminando en su famosa
declaracin ", ergo cogito
suma , "o," Pienso, luego existo ". De esta manera, Descartes y los filsofos que le
siguieron
estableci la independencia de la mente y el mundo fsico. En ltima instancia, esto ha
llevado a la
visin contempornea que la mente y el cuerpo no son fundamentalmente diferentes en

absoluto preferido.
36
1.6.1
Los lgicos y mquinas de lgica
primera mquina verdadera lgica del mundo fue construido por Charles Stanhope
(1753-1816), el tercer conde de Stanhope. El demostrador Stanhope,
como era conocido, fue construido alrededor del ao 1775 y consisti en dos colores
diapositivas de cristal transparente, uno rojo y otro de color gris, que el usuario
empujado en las ranuras de los lados de una caja. Vase la Figura 1.22.
La manipulacin de la demostracin, el usuario puede verificar la validez
argumentos deductivos de simples que involucran dos supuestos y una sola
conclusin.
33
A pesar de sus limitaciones, el demostrador Stanhope era
el primer paso hacia la mecanizacin de los procesos de pensamiento. En 1800,
Stanhope impreso los primeros captulos de un libro que explica su mquina,
pero no fue hasta 60 aos despus de su muerte (1879) que el Reverendo Robert
Harley public el primer artculo sobre el demostrador Stanhope.
El prototipo ms conocido y el primero para los ordenadores de hoy en da era
Mquina Diferencial de Charles Babbage. Babbage fue un prolfico y talentados inventor; construy la primera composicin de propsito general programable
ordenador pero no obtener fondos suficientes (1500 libras de los britnicos
Ministro de Economa) para completar el proyecto. Babbage continu financiando el
proyecto de
sus propios recursos hasta que otorgan otros 3000 libras. Sus planes se hicieron ms
ambicioso, sin embargo
(Por ejemplo, el clculo de 20 cifras decimales en lugar de su original, 6), y nunca
completado la diferencia
cia del motor una vez que su financiacin se detuvo.
Tambin Babbage nunca se dio cuenta sus planes para construir la analtica Enmotor, que era el sucesor de su motor de diferencia. Vase la Figura 1.23.
Se pretende que la mquina analtica sera realizar varias tareas
que requieren pensamiento humano, tales como jugar juegos de habilidad, similar a
damas, tic-tac-dedo del pie, y el ajedrez. Babbage, con su colaborador, Seora
Ada Lovelace, prev que su mquina analtica sera la razn
con conceptos abstractos, as como con los nmeros. Seora Lovelace es
Figura 1.22
El demostrador de Stanhope.
Figura 1.23
Imagen de la Mquina Analtica de Babbage.
pgina 25
28
Parte 1 Introduccin
considerada la primera programadora del mundo. Ella era la hija de Lord Byron, y era la
persona
despus de que el lenguaje de programacin ADA se nombra.
33
Babbage era por lo menos 100 aos antes de la poca en que los primeros programas de
ajedrez fueron escritos.
Desde luego, se dio cuenta el nivel de complejidad en trminos de lgica y clculo que
demanda la construccin
un dispositivo mecnico para jugar al ajedrez.
El trabajo de George Boole, que fue presentado anteriormente, era extremadamente
importante para la dacin
ciones de la gripe aviar y la formalizacin matemtica de las leyes de la lgica que
proporcionan una base para
Ciencias de la Computacin. lgebra de Boole informa significativamente el diseo de
circuitos lgicos. metas de Boole
en el desarrollo de su sistema tambin son similares a las de los investigadores de IA
contemporneos. En Una Investigacin
de Lgica y Probabilidades , Captulo 1, se establece lo siguiente:
para investigar las leyes fundamentales de esas operaciones de la mente por la cual
razonamiento se lleva a cabo; para dar expresin a ellos en el lenguaje simblico de un
Clculo, y sobre esta base para establecer la ciencia de la lgica y de encargar a la
Mtodo; ... Y finalmente a cobrar a estos diversos elementos de verdad trado para ver
en el curso de estas investigaciones algunos indicios probables sobre la naturaleza y
constitucin de la mente humana.
38
sistema de Boole era extremadamente simple y formal, capturado
toda la potencia de la lgica, y fue la base para todos los sistemas que
seguido.
Claude Shannon (1916-2001) es ampliamente reconocido como el
padre de la ciencia de la informacin. Su artculo seminal sobre la aplicacin
cacin de la lgica simblica para retransmitir los circuitos
39
se bas en su
Tesis de maestra en el MIT. Su trabajo pionero fue importante
el funcionamiento de ambos telfonos y ordenadores. Shannon tambin
contribuido a la IA a travs de su investigacin sobre el aprendizaje y la computadora
Juego de papeles. Su papel pionero sobre ajedrez por computadora
tenido una gran influencia en el campo y que perdura hasta nuestros das.
40
El Nimotron, desarrollado en 1938, fue la primera mquina
construidos que podran jugar un juego completo de habilidad. Fue designado
y patentado por Edward Condon, Gerald Twoney, y Willard
Derr y jug el juego de Nim. Se desarroll un algoritmo
para jugar el mejor movimiento en cualquier posicin de este juego. (Vase el captulo
4 para una discusin a fondo de Nim y otros juegos.) Esto fue
un preludio a la robtica (Captulo 15).
El intento ms conocido en las mquinas de pensamiento en desarrollo
era el turco , que fue desarrollado en 1790 por el Barn von

Kempelen, Consejero en Mecnica a la cmara real en
Viena. Esta mquina, que recorri Europa durante muchos aos,
la gente deje engaar pensando que estaban jugando al ajedrez contra una
mquina. De hecho, era un jugador de ajedrez humano a nivel de maestra pequea
oculta en el interior de la caja.
Torres y Quevedo fue un inventor prolfico espaola (18521936) que construy lo que podra ser el primer sistema experto. l creacin
ated un sistema basado en reglas para jugar el juego final Rey y Torre contra rey. Normas se
basaron en
las posiciones relativas de estas tres piezas. Vase la Figura 1.24.
barra lateral
El mes laboral mtico
La historia de Babbage tratando de
a financiar su mquina diferencial es una
buen precursor de la saga que es
la base del trabajo de la seal de
Frederick Brooks, El Mtico
Man-Month ,
37
el cual demosed que los programadores han sido
muy pobre en la estimacin de los costes
requerido para completar un proyecto,
donde se miden los costos de
trminos de tiempo, esfuerzo y dinero.
Esto llev a la disciplina de softingeniera de mercancas, lo que sin duda
se beneficia de casos en los que
tcnicas de IA se pueden aplicar
para obtener proyecto ms realista
requisitos y costos.
A da de hoy, el campo de la IA est plagado de
la sospecha de que los avances en la IA se basan
ms en un mito que en la sustancia.
pgina 26
29
Konrad Zuse (1910-1995) era un alemn que invent
el primer ordenador digital funciona con electricidad. Zuse trabajaba
de forma independiente, y en un principio su trabajo se dedic a pura
calculo de nmeros. Zuse reconoci la conexin entre
la ingeniera y la lgica matemtica, y supo que calculations en el lgebra de Boole son idnticos a los de proposiciones
el clculo de las matemticas. Desarroll un sistema que corresponde
el lgebra de Boole de las proposiciones condicionales para rels,

y porque mucho trabajo en la IA se basa en la importancia de
ser capaz de manipular proposiciones condicionales (es decir, si
- A continuacin, proposiciones), podemos ver la importancia de Zuse de
trabajo. Su trabajo en circuitos lgicos anterior a la tesis de Shannon por
Varios aos. Zuse reconoci la necesidad de una eficiente y extensa
computadoras de memoria y desarrollados sobre la base de los tubos de vaco y
memoria electromecnico, que llam la Z1, Z2, Z3 y.
Es universalmente aceptado que el Z3 (12 de mayo 1941) fue el
primer equipo fiable, libremente programable de trabajo del mundo basada en nmeros de
punto flotante. Eso
fue destruido por los bombardeos en la Segunda Guerra Mundial, pero una rplica est en
exhibicin en el Museo Deutsches
en Munich.
1.7
Historia reciente de AI AL PRESENTE
Desde la Segunda Guerra Mundial y la llegada de las computadoras, muchos avances en
informtica y el dominio de las tcnicas de programacin ha sido adquirida a travs de los
desafos de tratar de conseguir
ordenadores para jugar y dominar los juegos de mesa complejas. Algunos ejemplos de
juegos cuyo juego por comordenador se han beneficiado de la aplicacin de conocimientos y metodologas de IA han
incluido ajedrez,
damas, GO, y Otelo.
1.7.1
Juegos
Los juegos han estimulado el desarrollo y el inters por la IA. Los primeros esfuerzos se
destacaron por el
los esfuerzos de Arthur Samuel en 1959 en el juego de damas.
41
Su programa se basa en las tablas de 50
heurstica y se utiliz para jugar contra diferentes versiones de s mismo. El programa de
perder en una serie
de partidos, adoptara la heurstica del programa ganador. Se juega a las damas fuertes, pero
nunca
dominado el juego. Una discusin detallada de las contribuciones de Samuel a los
programas corrector de papeles
se encuentra en el captulo 16.
La gente ha estado tratando de conseguir mquinas para jugar al ajedrez fuerte durante
varios siglos. el infatuacin con las mquinas de ajedrez, probablemente se debe a la opinin generalmente
aceptada de que requiere ligencia
gencia para jugar bien al ajedrez. El primer programa de ajedrez real, siguiendo el
paradigma de Shannon-Turing,
40, 42
fue desarrollado en 1959 por Newell, Simon, y Shaw. Richard Greenblatt de
43
programa fue el primero

a jugar al ajedrez a nivel de club. programas informticos de ajedrez mejoraron de manera
constante en la dcada de 1970 hasta que, a finales
de esa dcada, que alcanzaron el nivel Experto (equivalente al 1% de la reproduccin
torneo de ajedrez
ERS). En 1983, Belle de Ken Thompson fue el primer programa para lograr oficialmente el
nivel de Maestra.
Esto fue seguido por el xito de alta tecnologa, de la Universidad Carnegie-Mellon,
44
el cual con xito
logrado plenamente un hito importante como el primer programa de Senior Master (ms de
2400 rating). Dentro de poco
a partir de entonces el programa Pensamiento Profundo (tambin de la Universidad
Carnegie-Mellon) se desarroll y se convirti en el
Figura 1.24
Mquina de Torres y Quevedo de "Les Automatiza" por H. Vigneron,
La red Natura 1914.
pgina 27
30
Parte 1 Introduccin
primer programa capaz de ganar a grandes maestros de forma regular.
45
Pensamiento Profundo evolucion hacia
Deep Blue de IBM, cuando se hizo cargo del proyecto en la dcada de 1990, y Deep Blue
jug un partido de seis partidos
con el campen del mundo Garry Kasparov que "la humanidad salv" al ganar 4-2 en un
partido en Philadelphia en 1996.
46
En 1997, sin embargo, contra el azul ms intenso, el sucesor de Deep Blue, Kasparov
perdi 3.5 a 2.5 y el mundo del ajedrez fue sacudida. En los partidos de seis juegos
posteriores contra Kasparov,
Kramnik, y otros jugadores del Campeonato Mundial de nivel, los programas han ido bien,
pero stas eran
No Campeonato Mundial de Ftbol. Aunque en general se acord que estos programas
podran todava
ser ligeramente inferior a los mejores jugadores humanos, la mayora estara dispuesto a
conceder que los mejores programas
jugar al ajedrez indistinguible de los seres humanos ms destacados (si uno est pensando
en el Turing
Test), y no hay duda de que en algn momento en los prximos 10-15 aos, un programa
que pueda reclamar
el Campeonato Mundial de Ajedrez.
En 1989, Jonathan Schaeffer, de la Universidad de Alberta, en Edmonton,
47
comenz su largo plazo

objetivo de conquistar el juego de damas con su programa de Chinook. En un partido de 40
partidos en 1992
en contra de toda la vida Damas Campen del Mundo de Marion Tinsley, Chinook perdi
4-2 con 34 empates. En
1994 su partido fue atada despus de seis juegos, cuando Tinsley tuvo que renunciar por
motivos de salud.
Desde entonces, Schaeffer y su equipo han estado trabajando para resolver las damas, tanto
del final de
el juego (los ocho piezas y menos terminaciones), as como desde el principio.
Otros juegos (abordadas en el captulo 16) por el uso de tcnicas de IA incluyen el
backgammon,
pker, puente, Otelo, y GO (a menudo llamado el nuevo Drosophila).
1.7.2
Sistemas expertos
Los sistemas expertos son una de las reas que han sido investigados por casi tanto tiempo
como la propia AI. Eso es una disciplina que AI puede reclamar como un gran xito. Los
sistemas expertos tienen muchas caractersticas que
que sean deseables para la investigacin y el desarrollo de AI. Estos incluyen la separacin
de los conocimientos
la base del motor de inferencia, por ser ms que la suma de la totalidad o de sus expertos, la
relacin
del conocimiento de buscar tcnicas, razonamiento y la incertidumbre.
Uno de los sistemas ms antiguos y ms a menudo se hace referencia fue DENDRAL
heurstico. Su propsito
fue identificar compuestos qumicos desconocidos sobre la base de sus espectrgrafos de
masas.
48
GUARIDADRAL fue desarrollado en la Universidad de Stanford con el objetivo de realizar un anlisis
qumico de la
suelo de Marte. Era uno de los primeros sistemas para ilustrar la viabilidad de codificar
dominio experto
conocimiento en una disciplina en particular.
Quizs el ms famoso sistema experto es MYCIN, tambin de la Universidad de Stanford
(1984).
Micina fue desarrollado para facilitar la investigacin de las enfermedades infecciosas en la
sangre. An ms importancia
tant que su dominio, sin embargo, fue el ejemplo que Mycin establecido para el diseo de
todos los futuros
Los sistemas basados en el conocimiento. Tena ms de 400 reglas, que finalmente se
utilizan para proporcionar una formacin
dilogo para los residentes en el hospital de Stanford. En la dcada de 1970,
PROSPECTOR (tambin en Stanford Universidad) fue desarrollado para la exploracin minera.
49
PROSPECTOR tambin fue uno de los primeros y valioso
ejemplo de la utilizacin de redes de inferencia.

Otros sistemas famosos y exitosos que siguieron en la dcada de 1970 eran XCON (con
algunas reglas 10.000), que fue desarrollado para ayudar a configurar las tarjetas de
circuitos elctricos en VAX
ordenadores;
50
GUIN,
51
un sistema de tutora que era una rama de Mycin; TEIRESIAS, una accin de conocimiento
quisition herramienta para Mycin;
52
y HEARSAY I y II, los ejemplos de primer nivel de comprensin del habla
utilizando la arquitectura de pizarra.
53
El sistema de AM (Artificial matemtico) de Doug Lenat
54
fue otro resultado importante de los esfuerzos de investigacin y desarrollo en la dcada de
1970, as como la
pgina 28
31
Teora de Dempster-Schafer para el razonamiento bajo incertidumbre, junto con Zadeh del
mencionado
trabajar en la lgica difusa.
32
Desde la dcada de 1980, miles de sistemas expertos se han desarrollado en reas tales
como la configuracin
cin, el diagnstico, el adiestramiento, la vigilancia, la planificacin, el pronstico,
remedio, y el control. Hoy en da, en Adems
cin de sistemas independientes de expertos, muchos sistemas expertos se han incrustado
en otro software
sistemas para fines de control, incluidos los de equipo mdico y de automviles (por
ejemplo,
cuando el control de traccin debe participar en un automvil).
Adems, un nmero de sistemas expertos, tales como conchas EMYCIN
55
OPS,
56
, EXSYS y clips,
57
se han convertido en estndares de la industria. Un nmero de lenguajes de representacin
del conocimiento tambin han sido
desarrollado. Hoy en da, muchos sistemas expertos trabajan entre bastidores para mejorar
el da a da de las experiencias,
tales como el carrito de la compra en lnea. Vamos a discutir muchos de los principales
expertos Sistemas incluidos
sus metodologas, diseos, propsitos y caractersticas- principal en el Captulo 9.
1.7.3
neural Computing
Seccin 1.5.6 menciona que McCulloch y Pitts llevaron a cabo las primeras investigaciones
en los nervios
informtica.
17
Estaban tratando de entender el comportamiento de los sistemas nerviosos de los
animales. Su
modelo de redes neuronales artificiales (ANN) tena un serio inconveniente: no inclua una
nismo
nismo para el aprendizaje.
Frank Rosenblatt
58
desarrollado un algoritmo iterativo conoce como la regla de aprendizaje del perceptrn
para encontrar los pesos apropiados en una red de una sola capa (una red en la que todas las
neuronas
estn conectados directamente a las entradas). La investigacin en esta disciplina
floreciente podra haber sido severamente
obstaculizado por el pronunciamiento de Minsky y Papert
59
que ciertos problemas no se pueden resolver
por los perceptrones de una sola capa, tales como la funcin OR exclusiva (XOR). Los
fondos federales para neuronal
la investigacin de redes fue severamente reducido inmediatamente despus de este
anuncio.
El campo fue testigo de una segunda oleada de actividad a principios de 1980 con el trabajo
de Hopfield.
60
Su modelo de red asncrona (redes de Hopfield) utiliza una funcin de energa para
encontrar aproximada
soluciones a los problemas NP-completos.
61
A mediados de los aos ochenta tambin fueron testigos del descubrimiento de backprop
agation ,unalgoritmodeaprendizajeapropiadopararedesdemltiplescapas.Redbasada
enretropropagacin
las obras se emplean rutinariamente para predecir Dow Jones'averages y para leer material
impreso en ptica
Los sistemas de reconocimiento de caracteres. Consulte el Captulo 11 para ms
detalles. Las redes neuronales tambin se utilizan en
sistemas de control. ALVINN era un proyecto de la Universidad Carnegie Mellon
62,63
en el que un backpropa-
gacin de la red detecta la autopista y asiste en la direccin de un vehculo NavLab. una

inmediata
aplicacin de este trabajo fue advertir a un conductor incapacitado por la falta de sueo,
exceso de alcohol, u otro
condicionar cada vez que el vehculo se desvi de su carril de la carretera. Mirando hacia el
futuro, es
la esperanza de que, algn da, los sistemas similares conducirn vehculos de modo que
somos libres para leer los peridicos y
hablar en nuestros telfonos celulares con impunidad.
1.7.4
Computacin evolutiva
En la Seccin 1.5.7, discutimos los algoritmos genticos. Estos algoritmos son
generalmente ms claficado como computacin evolutiva. Recordemos que los algoritmos genticos usan la
probabilidad y el paralelismo
para resolver problemas combinatorios, tambin llamados problemas de optimizacin. Este
enfoque de la bsqueda fue
desarrollado por John Holland.
sesenta y cinco
La computacin evolutiva, sin embargo, no se refiere exclusivamente a problemas de
optimizacin.
Rodney Brooks era antes el director del MIT y el Laboratorio de Ciencias de la
Computacin AI. Su
pgina 29
32
Parte 1 Introduccin
enfoque a la creacin con xito de un nivel humano artificial Ininteligencia, que acertadamente cita como el Santo Grial de la investigacin en IA,
66
renuncia a la aplicacin del enfoque basado en smbolos. Este ltimo
enfoque se basa en el uso de la heurstica (vase la Seccin 1.3) y
paradigmas de representacin (vanse las secciones 1.5.3 y 1.5.4). En su
subsuncin (Sistemas inteligentes puede ser diseado de mltiples
capas en el que las capas superiores niveladas se basan en esas capas BENeath ellos. Por ejemplo, si usted quiere construir un robot capaz
evitar obstculos, la rutina de evasin de obstculos sera
construido sobre una capa inferior, que simplemente se encargara
para la locomocin robtica.) enfoque arquitectnico, aboga
que el mundo mismo debe servir como nuestra representacin. Brooks
sostiene que la inteligencia surge a travs de la interaccin de un
agente con su entorno. l es quizs el ms conocido para
los robots similares a insectos construidas en su laboratorio que incorporan esta filosofa de la inteligencia, en el que una comunidad de robots autnomos
interactuar con su entorno y entre s. Captulo 12
explora el campo de la computacin evolutiva.
1.7.5
Procesamiento natural del lenguaje
Si deseamos construir sistemas inteligentes, parece natural que pedir que nuestros sistemas
poseen una lengua
instalacin de comprensin. Este es un axioma que fue bien entendida por muchos
profesionales de la primera. Dos
programas de aplicacin principios bien conocidos eran Eliza de Weizenbaum y SHRDLU
de Winograd.
20
Eliza era un programa escrito por Joseph Weizenbaum, un cientfico de la computacin del
MIT trabajar con
Kenneth Colby, un psiquiatra de la Universidad de Stanford.
67
Eliza se pretenda imitar el papel desempeado
por un psiquiatra de la Escuela Carl Rogers. Por ejemplo, si el usuario escribi en "me
siento cansado," Eliza
podra responder: "Usted dice que se sienta cansado. Dime ms. "La" conversin
cin "se encendera de esta manera, con la que contribuye la mquina
poco o nada en trminos de originalidad en el dilogo. Un psi- vivo
choanalyst podra comportarse de esta manera, con la esperanza de que el paciente
sera descubrir sus verdaderos sentimientos y frustraciones (tal vez ocultos).
Mientras tanto, Eliza es la mera utilizacin de coincidencia de patrones para fingir
humanidad
como la interaccin.
Curiosamente, Weizenbaum fue perturbado por el gran inters que sus estudiantes (y el
pblico
en general) tomaron en la interaccin con Eliza, a pesar de que eran
plenamente consciente de que Eliza era slo un programa. Mientras tanto, Colby, la
psiquiatra, se mantuvo dedicado al proyecto y pas a author un programa exitoso llamado DOCTOR. A pesar de que Eliza ha concontribuido poco para el procesamiento del lenguaje natural (NLP), que es software
que pretende poseer lo que es quiz nuestro ltimo vestigio de "especializacin
ness "-nuestra capacidad de sentir emociones.
No habr controversia en torno a la siguiente hito en
PNL. Terry Winograd
20
escribi SHRDLU como su tesis doctoral en el MIT. SHRDLU utiliza significado
ING, la sintaxis y el razonamiento deductivo para comprender y responder a las rdenes
Ingls. Sus
universo de discurso era una mesa sobre la cual los bloques de diferentes formas, tamaos y
colores residan.
barra lateral
nettalk
64
era un backpropagation
aplicacin que aprendi el
pronunciacin correcta de Ingls
texto. Se aleg pronunciar

Ingls sonidos con 95%
exactitud. Obviamente, los problemas
surgieron debido a las inconsistencias
inherente a la pronunciacin de
Las palabras en ingls, como spera y
a travs , y la pronunciacin
de palabras con diferentes extranjera
fuentes tales como la pizza y gaseosas .
Captulo 11 ser ms plenamente
explorar las contribuciones de
computacin neural para el diseo de
sistemas inteligentes
Las letras utilizadas con mayor frecuencia en
el idioma Ingls se Etaoin
SHRDLU en las mquinas de linotipo.
El programa de Winograd fue nombrado despus de
el segundo conjunto de estas cartas.
Qu suceder cuando la lnea
entre un ser humano y la mquina
(Ejemplo: androide) se vuelve menos
claro, tal vez en unos 50 aos-y
estos androides sern menos mortal y
ms como inmortales?
pgina 30
33
marido
UMAN
yo
nters
norte
otas
s
herry
t
urkle
Para muchos parece
triste que algunas personas
convertirse en adictos a
Eliza programas parecidos,
porque creen
que es un signo de la
frustracin
algunos
las personas se sienten con

sus vidas. Tal
preocupacin por Eliza
se expres en una
conversacin casual
entre los asistentes a la AI @ 50 Conferencia
( "Dartmouth
Artificial
Inteligencia
Conferencia: Losprximoscincuentaaos")enel
campus de la universidad de Dartmouth en el verano
de 2006. Uno de los participantes en ese
discusin fue Sherry Turkle, psicloga
con formacin analtica que trabaja en el MIT
Programa de Ciencia, Tecnologa y Sociedad.
Naturalmente, Turkle era simptico.
Turkle
68
ha hecho mucha investigacin con
lo que ella llama "artefactos relacionales". Estos
son dispositivos de ambos juguetes y robots -cuya
la definicin de atributo no es su inteligencia, pero
su capacidad para evocar conductas de cuidado en aquellos
con los que interactan. La primera relacional
artefactos en Amrica eran Tamagotchis en 1997,
criaturas virtuales que vivan en una pantalla LCD.
Estas criaturas hacen a menudo verdaderos esclavos de
muchos nios (y sus padres), que requieren
alimentacin constante, la limpieza, y el cuidado de si
fueron a "crecer" a convertirse en adultos sanos. Ms
Recientemente, varios robots del MIT, incluyendo Rueda dentada,
Kismet, y Paro, se han desarrollado con
la extraa habilidad para fingir emociones humanas
y evocar respuestas emocionales de las personas
con los que interactan. Turkle ha estudiado la
Las relaciones que los nios y las personas mayores en
hogares de ancianos han formado con estos robots;
las relaciones que implican emocin genuina y
cuidando. Turkle habla de la necesidad de tal
redefinir la palabra "relacin" para incluir
los encuentros que tienen las personas con estas
los llamados "artefactos relacionales." Ella permanece
confianza, sin embargo, que dichas relaciones
pero no sustituir los bonos que slo pueden ocurrir
entre los seres humanos que deben enfrentarse
su mortalidad en una base diaria.
Sherry Turkle. (Reproducido con
permiso. Fuente de la foto: http: //

web.mit.edu/sturkle/www/)
(Winograd de bloques mundo se introdujo en la Seccin 1.5.8.)
Un brazo robot podra interactuar con este tablero de la mesa para alcanzar diversos
objetivos. Por ejemplo, si SHRDLU se le pidi que mover un bloque rojo sobre la cual haba un pequeo bloque verde, que
saba que deba
quitar el bloque verde antes de que pudiera levantar el rojo. A diferencia de Eliza,
SHRDLU fue capaz de comprensin
soportar comandos en ingls y responder a ellas correctamente.
RUMORES,
69
un ambicioso programa de reconocimiento de voz (mencionado en la Seccin 1.7.2), empleados una arquitecturadepizarra en el que las fuentes de conocimiento independientes
(agentes) para diversos
componentes del lenguaje, tales como la fontica y frases, podan comunicarse
libremente. tanto la sintaxis
y la semntica se utilizaron para podar combinaciones improbables.
El HWIM (pronunciado "capricho" y la abreviatura de Hear What I Mean ) Proyecto
70
utilizado aumentada
redes de transicin para comprender el lenguaje hablado. Tena un vocabulario de 1000
palabras tratar
con la gestin del presupuesto de viaje. Tal vez este proyecto era demasiado ambicioso en
su alcance, ya que no lo hizo
realizar, as como HEARSAY II.
Anlisis juega un papel integral en el xito de estos programas en lenguaje natural. SHRDLU emple una gramticalibredecontexto para ayudar a analizar los comandos en
ingls. Gramticas libres de contexto
proporcionar una estructura sintctica para tratar con cadenas de smbolos. Sin embargo,
para procesar eficazmente
lenguas naturales, la semntica deben considerarse tambin.
pgina 31
34
Parte 1 Introduccin
Cada uno de los sistemas de procesamiento de lenguaje principios antes mencionados
empleadas conocimiento del mundo de
cierto punto. Sin embargo, a finales de 1980 el mayor obstculo para el progreso en la PNL
fue el
problema del conocimiento de sentido comn. Por ejemplo, aunque se construyeron
muchos programas exitosos
en reas particulares de la PNL y AI, stos fueron a menudo criticados
como micromundos , lo que significa que la
programas no tienen, conocimiento del mundo real general o el sentido comn. Por
ejemplo, un programa de
podra saber mucho sobre un escenario particular, como pedir comida en un restaurante,
pero que lo hara
no tienen conocimiento de que el camarero o camarera estaba vivo o si lo haran
normalmente
ser el uso de cualquier tipo de ropa. Durante los ltimos 25 aos, Douglas Lenat
71
de MCC en Austin, Texas, tiene
estado construyendo el mayor repositorio de conocimiento de sentido comn para hacer
frente a este problema.
Recientemente, un importante cambio de paradigma se ha producido en el campo de la
PNL. Estadsticas, en lugar de mundo
conocimiento, gobiernan los rboles de anlisis sintctico de oraciones en este enfoque
relativamente nuevo.
Charniak
72
describe cmo las gramticas libres de contexto se pueden aumentar de tal manera que cada
regla tiene una
probabilidad asociada. Estas probabilidades asociadas podran tomarse, por ejemplo, de la
Penn
Treebank.
73
El Penn Treebank contiene ms de un milln de palabras de texto Ingls que tienen
ha analizado de forma manual, en su mayora del Wall Street Journal . Charniak demostr
cmo esta estacin
Statistical enfoque obtiene con xito un anlisis sintctico para una frase de la portada
del The New York
Veces (no es una tarea trivial, incluso para la mayora de los seres humanos).
Los recientes xitos logrados por esta aproximacin estadstica a la PNL y la mquina de
traduccin sern
descrito en el captulo 13.
1.7.6
bioinformtica
La bioinformtica es la disciplina incipiente que se refiere a la aplicacin de los algoritmos
y
tcnicas de la informtica a la biologa molecular. Que se ocupa principalmente de la
gestin
y anlisis de datos biolgicos. En la genmica estructural, se intenta especificar una
estructura para cada uno
protena observada. Automatizado de minera de datos y descubrimiento podra ayudar en
esta bsqueda.
74
Juristica y
Glasgow demuestran cmo el razonamiento basado en casos podra ayudar en el
descubrimiento del representante
estructura para cada protena. En su artculo de 2004 encuesta en la edicin especial de

AAAI sobre la influenza aviar y la biotecmtica, Glasgow, Jurisica, y Rost nota: "Posiblemente el rea de ms rpido crecimiento de
la actividad reciente
en la bioinformtica es el anlisis de datos de microarrays ".
74
Los microbilogos estn abrumados con tanto la variedad y cantidad de informacin
disponible para ellos.
Se les pide a comprender molecular secuencia, la estructura y los datos basados nicamente
en gran
bases de datos. Muchos investigadores creen que las tcnicas de IA de la representacin del
conocimiento y la maaprendizaje de mquina ser beneficioso tambin.
1.8
AI EN EL NUEVO MILENIO
AI es una disciplina acadmica nica, ya que nos permite explorar las posibilidades de lo
turo
tura la vida podra ser. En la corta historia de la IA, sus metodologas ya han sido
absorbidos en
marido
UMAN
yo
nters
norte
beneficios segn objetivos
rbol Aparse proporciona la relacin entre
las palabras que componen una oracin. por
ejemplo, muchas frases se puede dividir
en tanto un sujeto y un predicado. Asignaturas
se puede descomponer tal vez en un sustantivo
frase seguida de una frase preposicional
y as. Esencialmente, un rbol de anlisis da la
semntica que es el significado de la frase.
pgina 32
35
tecnologas estndar para la informtica. Ejemplos de esto incluyen tcnicas de bsqueda y
de expertos
sistemas que, generado a partir de la investigacin en IA, ahora estn incluidas en
numerosos sistemas de control, financieros
sistemas y aplicaciones basadas en la Web:
ALVINN, un sistema basado en red neural para controlar un vehculo; se utiliza para
conducir alrededor
el campus de la Universidad Carnegie Mellon.

Muchos sistemas de inteligencia artificial estn actualmente en uso para el control de las
decisiones financieras, tales como el propsito
Chase y venta de acciones. Estos sistemas utilizan diversas tecnologas de IA, como neural
redes, algoritmos genticos, y sistemas expertos.
Los agentes basados en la bsqueda web de la World Wide Web en busca de artculos de
noticias que se
interesar a sus usuarios.
Esta tendencia continuar sin duda los avances tecnolgicos que afectan drsticamente
nuestras vidas. ul
ntimamente, en el prximo milenio, la cuestin de lo que significa ser un ser humano
podra tambin
convertido en un punto de discusin.
Hoy en da no es raro que las personas que viven hasta los 80 y 90 aos. La vida seguir
siendo ex
tendido. Medicina, junto con los avances en las drogas, la nutricin, y el conocimiento
sobre la salud humana,
seguir haciendo avances notables que combatir las principales causas de enfermedad y
muerte.
Adems, los dispositivos protsicos avanzados ayudar a las personas con discapacidad para
llevar una vida con menos
restricciones fsicas. Con el tiempo, los sistemas inteligentes que son, y la voluntad
pequea, discreta incrustado
ser capaces de preservar y mejorar las capacidades peoples'mental. En algn momento, nos
veremos enfrentados
con la pregunta: "De dnde viene el extremo persona y la mquina comenzar, y
viceversa?"
Inicialmente, estos sistemas sern muy caro, y por lo tanto no disponible para el cin
general
mento. En los primeros aos se levantarn los principales asuntos polticos y para hacer
frente a las decisiones relativas
que debe tener conocimiento de estas tecnologas avanzadas. Con el tiempo, surgirn los
estndares de normalizacin.
Pero cules sern las consecuencias sociales de las personas que viven ms de cien
aos? Quin podra
No someterse a materiales hbridos integrados (tales como circuitos de silicio) que podran
ampliar
su vida a ms de 100 aos? Cmo sera la vida en este planeta diferente si se tratara de
convertirse
superpoblada por las personas mayores? Quien se dirigir a donde todo el mundo vive,
cul ser la definicin de la vida, y quizs ms importante, cuando
termina? Estos han de ser efectivamente cuestiones morales y ticas difciles.
Qu metodologa de AI ser el campen del futuro, la
tcnica que allanar el camino para el mayor progreso en nuestras vidas?
Ser avances en la lgica, la bsqueda o la representacin del conocimiento? O
vamos a aprender de la forma en que los sistemas de aspecto sencillo se organizan para
convertirse en sistemas complejos con extraordinarias posibilidades (por ejemplo, a partir

de un autmata celular, gentica algoritmos, y agentes)? Qu harn los sistemas expertos para nosotros? Ser lgica difusa
convertido en el hasta ahora
escaparate no anunciado para la IA? Cul ser el progreso en el procesamiento del
lenguaje natural, en la visin,
en la robtica? Y lo de las posibilidades que ofrecen las redes neuronales y aprendizaje de
las mquinas? los
respuestas a estas preguntas sern difciles de obtener, pero ciertamente tan AI contina a
surgir y
afectar a nuestras vidas, se utilizar una gran cantidad de tcnicas para facilitar nuestras
vidas.
Con cualquier avances tecnolgicos vienen maravillosas posibilidades, pero tambin
nuevos peligros. peligros
puede estar relacionada con interacciones inesperadas de componentes y entornos que
pueden conducir a acciabolladuras, y catstrofes incluso. Igualmente peligrosas son las posibilidades de que los
avances tecnolgicos
combinado con la IA podra caer en manos de las personas equivocadas. Consideremos, por
ejemplo, los estragos
y el caos que se producira si los robots de combate fueron habilitados atrapado por los
terroristas. Es probabilidad
no ser obstaculizado poder que el progreso. La gente probablemente aceptarn los riesgos
asociados con el
La pelcula de ciencia ficcin clsica,
Soylent Green, ofrece una
interesante perspectiva sobre el futuro
de la IA.
pgina 33
36
Parte 1 Introduccin
posibilidades sorprendentes, concedidos por estas tecnologas, as como
sus posibles consecuencias perjudiciales; esto se har ya sea
explcita o tcitamente.
La idea de los robots haba existido incluso antes de AI. Canallatualmente, los robots juegan un papel fundamental en el montaje de la mquina. Ver
Figura 1.25. Adems, es evidente que los robots son capaces de ayudar
la humanidad con tareas fsicas mundanas, como pasar la aspiradora y
compras, y tiene el potencial de ayudar en los escenarios ms difciles
tales como bsqueda y rescate, y la telemedicina. Con el tiempo, los robots
Tambin mostrar las emociones, los sentimientos y el amor (considere Paro y COG),
67
comportamiento que siempre hemos credo que ser nico para la humanidad.
Los robots sern capaces de ayudar a las personas en todos los aspectos de sus vidas,
muchos de los cuales estn previstos al
presente. Sin embargo, no es inverosmil, para considerar que los robots tal vez borrar la
distincin entre
nuestras vidas "en lnea" y nuestras vidas "mundo real". Cundo vamos a definir a una
persona para ser un androide y
qu ocurre si (cundo?) la inteligencia del robot se vuelve superior a la de los seres
humanos? En el intento de
predecir el futuro de la IA, se espera que el examen de estas cuestiones ser mejor
prepararnos para
los caprichos que podran presentarse.
1.9
RESUMEN DEL CAPTULO
Captulo 1 establece el tono para pensar acerca de la IA. Se abordan cuestiones
fundamentales, tales como: Qu
AI define? Cul es el pensamiento y lo que es la inteligencia? El lector est preparada con
las consideraciones de
lo que distingue a la inteligencia humana y cmo la inteligencia en los animales se medira.
se proporcionan las definiciones de la prueba de Turing, as como las controversias y
crticas que rodean
que, como la habitacin china de Searle.
La distincin entre los mtodos de IA fuerte y dbil se hace y se invita a la discusin de la
tpica
problemas de IA, as como soluciones a los mismos. La importancia de los mtodos
heursticos en fuerte AP- AI
enfoques y soluciones se enfatiza.
Es aconsejable tener en cuenta qu tipo de problemas son apropiados para soluciones de AI
y qu tipos de
problemas no son. Por ejemplo, los problemas mdicos y dominios similares cuando exista
mucha accin
experiencia humana crued (es decir, el juego de ajedrez) son particularmente adecuados
para la IA. Otros dominios, donde
clculo simple y puro se puede utilizar para alcanzar una solucin o respuesta, no se
consideran adecuados.
En este captulo se ha introducido una exploracin de las aplicaciones y mtodos de
inteligencia artificial, incluyendo la bsqueda
algoritmos, rompecabezas y juegos de dos personas. Hemos demostrado que estrechamente
relacionado, a menudo, como parte de la
fundamentos de muchas soluciones de AI, es objeto de razonamiento
automatizado. considerable historia
y las aplicaciones prcticas en las reas de sistemas de produccin y los sistemas expertos
han sido pretantes con una perspectiva netamente histrica sobre los jugadores y mquinas de principios
de AI; y la ms
la historia reciente con respecto a los juegos, sistemas expertos, la computacin neuronal, la
computacin evolutiva
y el procesamiento del lenguaje natural tambin ha sido revisado. Se ha demostrado que los
autmatas celulares
y la computacin neuronal son reas sofisticadas, que son menos basada en el

conocimiento, sino que producen buena
resultados. Hemos hablado de la computacin evolutiva como una zona nueva de la IA que
tiene una gran promesa,
y la representacin del conocimiento, que se ocupa de las diversas opciones de
representacin abiertos a la gripe aviar
investigadores de diseo de la solucin. Tambin se ha hecho evidente que el razonamiento
incertidumbre empleando
estadstica, probabilstica la toma de decisiones se ha convertido en un mtodo popular y
gratificante para muchos AI
desafos. En este captulo se ha respondido a las preguntas importantes: "que hizo el trabajo
que nos ha llevado
a los que te? "y" Cmo se logra esto? "
Figura 1.25
Robot de montaje de automviles en el nuevo milenio.
pgina 34
37
Preguntas para la discusin
1. CmodefiniralaInteligenciaArtificial?
2. DistinguirentrefuerteydbilAI.
3. ALICEeselsoftwarequehaganadoelpremioLoebnervariasvecesenelpasado
reciente. Ir
en lnea para encontrar una versin de este software. Qu puede decirnos de Alice?
4. CulfuelacontribucinsignificativadeAlanTuringalaInteligenciaArtificial?
5. QuhizoJohnMcCarthycontribuiralaInteligenciaArtificial?
6. Porquuncajeroautomticoysuprogramacinnoserunbuenejemplode
programacindeIA?
7. Porqueseldiagnsticomdicoundominiomuytpicoyadecuadoparala
investigacinenIA?
8. Porquhanjuegosdedospersonashabidoundominiomuyadecuadoparaelestudiode
AI?
9. Explicarelpapeldelequipodeajedrezconrespectoalagripeaviar.
10. Quesunsistemaexperto?
11. Nombretresformasderepresentacindelconocimiento.
Ceremonias
1. UnavariacindelapruebadeTuringeslallamadapruebainvertidosTuring;Enesta
prueba,unordenador
debe determinar si se est tratando con una persona o en otro equipo. Puede usted imagina
las aplicaciones prcticas para esta versin de la prueba de Turing? ( Sugerencia : En los
ltimos aos, ha
intentado adquirir entradas para un evento deportivo o de entretenimiento popular en
lnea?)
2. UnasegundavariacindelapruebadeTuringeseltestdeTuringpersonal.Imagnese
queustedesttratandode
determinar si se est comunicando con su amigo o con un ordenador pretendiendo ser
tu amigo. Si un equipo pasa esta prueba, qu preguntas legal o tico es lo que visualiza
surgir?
3. Muchaspersonasconsideranqueelusodelalenguacomounatributonecesariodela
inteligencia.Kokoes
un gorila entrenado por el Dr. Francine Patterson, de la Universidad de Stanford en el uso
de americana
Lenguaje de seas. Koko fue capaz de formar combinaciones de palabras para las palabras
desconocidas a ella; para
ejemplo, represent a la palabra del anillo por la pulsera de las palabras y el dedo, que ella
ya
saba. Tiene la posesin de este gorila del conocimiento modificar su forma de pensar
sobre el tema de
inteligencia animal? Si es as, de qu manera? Podra usted imaginar un test de inteligencia
para
Koko?
4. Tengaencuentalassiguientespruebasparaunaciudadqueseconsideraunagran
ciudad:
Debera ser posible obtener una cena de carne asada a las 3:00 am
Un concierto de msica clsica se debe programar en algn lugar dentro de los lmites de la
ciudad cada uno
noche.
Un evento deportivo de gran magnitud se debe programar cada noche.

Adems, supongamos que un pequeo pueblo en algn lugar de los Estados Unidos
determina que quieren pasar este
prueba. Para ello, se abren un bistec mixto las 24 horas y la compra de una orquesta
sinfnica y grandes
pgina 35
38
Parte 1 Introduccin
franquicia deportiva. Siente que esta pequea ciudad pasa nuestra prueba de fuego para ser
una gran ciudad?
Relacionar esta discusin a los criterios para la superacin de la prueba original de Turing y
la posesin de
inteligencia (Dennett, 2004).
5. Supongaquedeseadisearunaunidadlgicadeumbralparaemularunadedosentradas
ofuncin. Poder
a determinar un umbral y los pesos para realizar esta tarea?
6. Proponerunaestrategiaparaeldilemadelprisioneroiterado,enelqueeljuegoserepite
nveces
por algn valor desconocido n. Cmo se podra medir su xito en el largo plazo?
7. Unalgoritmogenticosevaaemplearpararesolverelejemplodela3rompecabezas
proporcionadaenel
texto. Sugerir una representacin de cadena para una posible solucin. Lo que hara funcin
de aptitud
sugerir?
8. ProponerunaheursticaqueayudaraallamaruntaxienunavisitaalaciudaddeNueva
York(ocualquierotra
La ciudad importante) durante las horas pico cuando los taxis son escasos.
9. Quheursticosleonesemplean,yaquepersiguenasuspresas?
10. sugerirposiblesreglasdeunsistemaexpertodiseadoparaayudaraseleccionarun
perroadecuadoparasu
casa.
11. AntesdeCoprnico,latierrafueconsideradoparaserelcentrodeloscielos. Despus
Coprnico, la Tierra no era ms que uno de muchos planetas que giran alrededor del
sol. Antes de Darwin,
los seres humanos se consideraron como una especie aparte (y por encima de?) el resto de
los organismos vivos
en este planeta. Despus de Darwin, estbamos slo otra especie de animales que haban
evolucionado a partir de
organismos unicelulares. Supongamos que en cincuenta aos hemos logrado un nivel
humano de AI, y
Supongamos, adems, que los sucesores de los robots del diente, Paro, y de hecho Kismet
experiencia
emociones en lugar de slo pretender hacerlo. En un momento de nuestra historia tal, lo que
afirma la voluntad
los seres humanos se aferran a lo que forma el ncleo de su "especialidad"? Son tales
reclamaciones o incluso esencial
deseable?
12. Supongamosqueenalgnmomentoenelfuturo,laNASAplaneaunamisinno
tripuladaaEuropa,una
luna del planeta Jpiter. Supongamos que en el momento de lanzar nuestra comprensin de
este
la superficie de la luna es escasa. Sugieren ventajas para el envo de un "ejrcito" de
Rodney Brooks-insectos
escriba robots en lugar de uno o dos ms mquinas sustanciales.
13. EncasodequeElizaserconsideradocomounartefactorelacional?Defiendasu
respuesta.
14. Escuchalacancin"Somoshumanososomosbailarines?"DeKillers.Qucrees
la letra de la cancin significan, y cmo se relacionan con nuestro curso de estudio? Es
posible que desee
consultar la discusin en lnea viva (la cancin se puede acceder en YouTube).
15. CmodefiniraproblemasdeIAqueserdiferentedeotrostiposde
problemas?Nombrecinco
problema tcnicas usadas tpicamente en la solucin de AI?

16. DesarrollarunanuevapruebadeTuringparalaIAqueseraaplicableenlaactualidad.
17. InvestigacindelrobotLovelace2(http://www.bbc.com/news/technology
30144069 ). Vossi
sienten que los criterios para esta nueva prueba de Turing para robots es aceptable? Como
te gustaria
compararlo con su respuesta en la pregunta 2?
pgina 36
39
Palabras clave
15-rompecabezas
3-rompecabezas
8-rompecabezas
Un algoritmo *
abstraccin
juegos de confrontacin
agente
algoritmo
artificial
Inteligencia Artificial (IA)
razonamiento automatizado
retropropagacin
bsqueda en haz
mejor primera bsqueda
caja negra
arquitectura de pizarra
registro a ciegas
bloques mundo
branch & bound
bsqueda en anchura
autmata celular (CA)
explosin combinatoria
sentido comn
grficos conceptuales
gramtica independiente del contexto
primera bsqueda en profundidad
discriminante
el conocimiento especfico del dominio
computacin evolutiva
Experto en Sistemas
funcin de aptitud
marcos
funcionalidad
Juego de vida
General Problema Solver
(GPS)
algoritmo gentico (GA)
estado de la meta
heurstico
Montaismo
juego de imitacin
implementacin
inteligencia
El dilema del prisionero iterado
algoritmo de aprendizaje iterativo
ingeniero del conocimiento
reglas de aprendizaje
lgica
Lgico Terico
micromundo
Misioneros y canbales
Problema
la computacin neuronal
Redes neuronales
Nim
analizar los rboles
superacin de la prueba de Turing
regla de aprendizaje del perceptrn
informacin perfecta
normas de produccin
guin
red semntica
ranuras y cargas
rbol de espacio
estado de arranque
grfico de espacio de estado
concepto de programa almacenado
IA fuerte
prueba de Turing
unidad lgica de umbral (TUS)
mquina universal de Turing
incertidumbre
universo de discurso
El jarro de agua Problema
IA dbil
conocimiento del mundo
Juego de suma cero
referencias

Capítulo 1

Загружено:

Сведения о документе

Исходное описание:

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Capítulo 1

Загружено:

Авторское право:

Доступные форматы

Captulo 1 Visin general de la Inteligencia Artificial

velocidad y durabilidad cuando se comparan con el correr, caminar, y otras formas

Se trata simplemente de una cuestin de un reflejo pavloviano o hacer gatos

poseen inteligencia en alguna medida. Usted debe preguntarse la siguiente pregunta:

seales de giro, por ejemplo- y sus salidas se mueve hacia adelante,

Este segundo juego es ms apropiado para el

? Los clculos como ste

equipo intenta engaar al interrogador. Ms bien

El nmero binario que corresponde a una prueba sera muy largo.

por el lector que Turing era esencialmente

Redes de tipo B como mquinas no organizados

Campen del mundo en la dcada de 1990 (vase el Captulo 16,

Al salir de una carretera por la noche, sin embargo,

3. Los problemas de IA y sus dominios tienden a incorporar una gran cantidad de

Contiene una gran cantidad de conocimiento de dominio especfico, (conocimiento acerca

Se permite un poco de ordenamiento jerrquico de sus conocimientos.

Puede ser desarrollado como un repositorio para el conocimiento de varios expertos.

algoritmos de bsqueda y rompecabezas

juegos de dos personas

sistemas de produccin y los sistemas expertos

nivel por nivel, por lo general se mueve de izquierda a derecha.

sentencia de crcel si traicionan su cmplice. El sospechoso que se mantiene fiel

Un * hace algunos mirando hacia adelante, as,

McCarthy, quien acu

Medalla de Ciencias en Matemticas, Estadstica,

Generalmente se supone que no acotada en cada dimensin. Cada celda puede

como la lectura de texto escrito a mano o predecir el precio futuro

longitud de ocho se puede interpretar como cuatro movimientos en este

Sistema) y el trabajo de Roger Schank en el procesamiento del lenguaje natural.

Egipcios que tomaron "atajos" mediante la construccin de estatuas que contenan

que desarroll para las variables permiti a

visin contempornea que la mente y el cuerpo no son fundamentalmente diferentes en

era el turco , que fue desarrollado en 1790 por el Barn von

el lgebra de Boole de las proposiciones condicionales para rels,

programa fue el primero

comenz su largo plazo

ejemplo de la utilizacin de redes de inferencia.

gacin de la red detecta la autopista y asiste en la direccin de un vehculo NavLab. una

texto. Se aleg pronunciar

las personas se sienten con

permiso. Fuente de la foto: http: //

estructura para cada protena. En su artculo de 2004 encuesta en la edicin especial de

convertirse en sistemas complejos con extraordinarias posibilidades (por ejemplo, a partir

y la computacin neuronal son reas sofisticadas, que son menos basada en el

Un evento deportivo de gran magnitud se debe programar cada noche.

problema tcnicas usadas tpicamente en la solucin de AI?

Вам также может понравиться