INTELIGENCIA ARTIFICIAL

Fase 2

ESTUDIANTE:
DAVID BURBANO MARTINEZ
CC: 1085313862
TUTOR: FERNANDO ROJAS

Grupo: 90169_21

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

PROGRAMA DE INGENIERIA ELECTRONICA
SAN JUAN DE PASTO
MARZO 25 DE 2018
 Actividades a desarrollar

1. Investigar sobre búsqueda en espacios de estado.

2. Investigar sobre razonamiento con incertidumbre.

3. Investigar sobre algoritmos de búsqueda.

Espacios de estados

Muchos de los problemas que pueden ser resueltos aplicando técnicas de

inteligencia artificial se modelan en forma simbólica y discreta definiendo las
configuraciones posibles del universo estudiado. El problema se plantea
entonces en términos de encontrar una configuración objetivo a partir de una
configuración inicial dada, aplicando transformaciones válidas según el modelo
del universo. La respuesta es la secuencia de transformaciones cuya aplicación
sucesiva lleva a la configuración deseada.

Los ejemplos más característicos de esta categoría de problemas son los

juegos (son universos restringidos fáciles de modelar). En un juego, las
configuraciones del universo corresponden directamente a las configuraciones
del tablero. Cada configuración es un estado que puede ser esquematizado
gráficamente y representado en forma simbólica. Las transformaciones
permitidas corresponden a las reglas o movidas del juego, formalizadas
como transiciones de estado.

Entonces, para plantear formalmente un problema, se requiere precisar una

representación simbólica de los estados y definir reglas del
tipo condición acción para cada una de las transiciones válidas dentro del
universo modelado. La acción de una regla indica como modificar el estado
actual para generar un nuevo estado. La condición impone restricciones sobre
la aplicabilidad de la regla según el estado actual, el estado generado o la
historia completa del proceso de solución.

El espacio de estados de un juego es un grafo cuyos nodos representan las

configuraciones alcanzables (los estados válidos) y cuyos arcos explicitan las
movidas posibles (las transiciones de estado). En principio, se puede construir
cualquier espacio de estados partiendo del estado inicial, aplicando cada una
de las reglas para generar los sucesores inmediatos, y así sucesivamente con
cada uno de los nuevos estados generados (en la práctica, los espacios de
estados suelen ser demasiado grandes para explicitarlos por completo).

Cuando un problema se puede representar mediante un espacio de estados, la

solución computacional corresponde a encontrar un camino desde el estado
inicial a un estado objetivo.

Razonamiento con incertidumbre

Crear conclusiones útiles a partir de información incompleta o incierta no es
una tarea imposible, los seres humanos realizan este proceso en casi todos los
aspectos cotidianos. Los médicos realizan diagnósticos correctos y
recomiendan tratamiento a partir de síntomas ambiguos, los informáticos
analizan los problemas del manejo de información a partir de observaciones, y
la mayor parte de los seres humanos comprenden el lenguaje hablado, el
corporal o el lenguaje escrito a pesar de contar con frases incompletas, y
también es posible reconocer a otras personas a través de sus voces o gestos.
De este modo para realizar el proceso de toma de decisiones se utiliza la
lógica; con la lógica algunas piezas de conocimiento son utilizadas en el
razonamiento y pueden ser parte de las explicaciones o conclusiones.

Por su parte, en términos netamente académicos, el ser humano está

familiarizado con investigaciones empíricas, tales como exploraciones
científicas e investigaciones criminales, en las cuales los científicos deben
examinar eventos físicos y objetos para resolver problemas o ganar
conocimiento acerca de algún fenómeno. Por ejemplo, en muchos casos
criminales, los científicos forenses examinan rastros de sangre para descubrir
la identificación única del ácido desoxirribonucleico de la muestra. Este tipo de
investigaciones requieren de gran precisión, particularmente porque las
muestras son frecuentemente muy pequeñas, y particularmente por pequeñas
desviaciones en la precisión de la medición de elementos microscópicos
pueden resultar en una mala identificación. De este modo, los científicos que
trabajan en estas áreas en particular, tienen que ser consistentes en mantener
un alto grado de precisión.

Otro fenómeno que impone límites por encima del evidente deseo de precisión
es que se utiliza el lenguaje natural para describir y comunicar información y
conocimiento. Se ha tenido la experiencia de malinterpretar un resultado por
haber utilizado palabras en una forma diferente al patrón de una determinada
conversación. El entendimiento del significado de una palabra trae consigo la
cultura y las asociaciones personales, así que aunque se tenga una parte de la
esencia del significado y además sea posible comunicarlo con un grado
aceptable, la mayoría de las veces no se puede estar de acuerdo en el simple
significado de una palabra. En pocas palabras, el lenguaje natural tiene la
característica distintiva de incertidumbre. La incertidumbre puede también ser
el resultado de varios usuarios del lenguaje natural, los cuales aceptan
ligeramente significados diferentes de un término. Por ejemplo una persona
acostumbrada a vivir en La Paz puede tener un significado para el término
“calor” que es diferente del significado aceptado por un residente de la región
amazónica de Pando.

El término incertidumbre significa razonamiento aproximado o inexacto de la

información. De manera general, sólo se conoce con certeza una pequeña
parte de un determinado dominio del mundo, la información restante puede ser
incierta por diversas causas, tales como: imprecisión, incapacidad para tomar
medidas adecuadas, falta de conocimiento, vaguedad, etc.

Algoritmo de búsqueda.

Un algoritmo de búsqueda es aquel que está diseñado para localizar un

elemento concreto dentro de una estructura de datos. Consiste en solucionar
un problema de existencia o no de un elemento determinado en un conjunto
finito de elementos, es decir, si el elemento en cuestión pertenece o no a dicho
conjunto, además de su localización dentro de éste.
Este problema puede reducirse a devolver la existencia de un número en un
vector.
 Conclusiones

 Se aplica los procesos de búsqueda en espacio de estado y algoritmos

en inteligencia artificial para el desarrollo de un proyecto específico de
sistemas inteligentes.
 Se investiga las diferentes temáticas enfocadas al contenido del curso
explorando de manera activa los distintos resultados establecidos en la
variedad de conceptos propuestos.
 Se Investiga sobre razonamiento con incertidumbre y algoritmos de
búsqueda.
 Referencias

Publicado porGuillermo Choque Aspiazu. (s.f.). Razonamiento con

Incertidumbre. Recuperado 26 marzo, 2019, de
http://menteerrabunda.blogspot.com/2008/07/razonamiento-con-
incertidumbre.html

EcuRed. (s.f.). Algoritmo de búsqueda - EcuRed. Recuperado 26 marzo, 2019,

de https://www.ecured.cu/Algoritmo_de_b%C3%BAsqueda

Ver mi perfil completo. (s.f.). Unidad 2. Técnicas de Búsqueda. Recuperado 26

marzo, 2019, de http://inteligenciaartificial-isc.blogspot.com/p/unidad-2.html