Documente Academic
Documente Profesional
Documente Cultură
Los procesos que se llevan a cabo en el cerebro pueden ser analizados, a un nivel de
abstracción dado, como procesos computacionales de algún tipo.
Desde el inicio de la IA, el término "heurística" osciló entre dos sentidos fundamentales
vinculados a la utilización de información del dominio de problemas (con el fin de hacer
una búsqueda más eficiente) y a la imposibilidad de garantizar encontrar la solución de un
problema.
Finalmente, Osman y Kelly comentan: "Debe notarse que existen convergencias teóricas
para algunas de las metaheurísticas bajo algunos supuestos. Sin embargo, estos
supuestos no pueden satisfacerse o aproximarse en la mayoría de las aplicaciones
prácticas. Por lo tanto, se pierde la capacidad para demostrar optimalidad y se obtienen
soluciones aproximadas. A pesar de este inconveniente, las metaheurísticas han sido
altamente exitosas en encontrar soluciones óptimas o cuasi óptimas en muchas
aplicaciones prácticas de optimizaciones en diversas áreas, más que sus heurísticas
subordinadas".
Finalmente y para que conste la estrecha relación entre heurística e inteligencia artificial
presentamos algunas definiciones clásicas de Inteligencia Artificial:
r Systems that can demonstrate human-like reasoning capability to enhance the
quality of life and improve business competitiveness. (Japan-S¶poreAI Centre)
ü
r ãm mm
m
m
u ããmm m
u ãm mm
u ãm
mm
u ãmm
m
u ã mm!
m
r m"
#mmm$
%#mmm"
mm&m
u ãm'm'(m
r m)m
Dentro de los algoritmos heurísticos complejos podemos hacer una segunda clasificación,
esta vez orientada a la funcionalidad de los mismos. En primer lugar podemos
encontrarnos con algoritmos que fueron diseñados para dar solución a problemas de
búsqueda de óptimos o clasificación y por otro lado tenemos los algoritmos que tratan de
deducir conocimiento a partir de un conjunto de axiomas, estos últimos conocidos como
sistemas basados en el conocimiento.
r Busqueda Tabú
r Temple Simulado
r Algoritmos Genéticos
r Redes Neuronales
*
En los años setenta, de la mano de John Holland surgió una de las líneas más
prometedoras de la inteligencia artificial, la de los algoritmos genéticos. Son llamados así
porque se inspiran en la evolución biológica y su base genético-molecular. Estos
algoritmos hacen evolucionar una población de individuos sometiéndola a acciones
aleatorias semejantes a las que actúan en la evolución biológica (mutaciones y
recombinación genética), así como también a una selección de acuerdo con algún criterio,
en función del cual se decide cuáles son los individuos más adaptados, que sobreviven, y
cuáles los menos aptos, que son descartados.
Los sistemas expertos se basan en simular el razonamiento humano con un doble interés:
en primer lugar el del analizar el razonamiento de un experto en la materia para poder
codificarlo con la ayuda de un determinado lenguaje informático; por otra parte, la síntesis
artificial de los razonamientos para que se parezcan a los del experto humano en la
resolución de un determinado problema. Estos dos intereses han hecho que los
investigadores del campo de la IA intenten establecer una metodología que les permita
verificar la "comunicación" con los expertos y separar los distintos tipos de razonamiento
(formal, deductivo, inductivo...), además de construir los elementos necesarios para
modelizarlos.
En la base de hechos se encuentran los datos relativos a los problemas que se quieren
resolver con la ayuda del sistema. La memoria de trabajo almacena los resultados
intermedios, pudiendo guardar el rastro de las inferencias realizadas. Es por eso que
puede utilizarse para explicar la forma en la que el sistema ha deducido la información
durante una sesión de trabajo o describir el comportamiento del propio sistema. Al
comienzo del período de trabajo, en la base de hechos sólo se encuentran los datos
introducidos por el usuario del sistema, pero a medida que actúa el motor de inferencia,
almacena las inducciones y deducciones que ha llevado a cabo el sistema para conseguir
las conclusiones.
Existen dos tipos de motor de inferencia: los que emplean el razonamiento aproximado
(cuyo resultado puede ser erróneo) y los que usan un tipo de razonamiento a partir del
que se puede obtener resultado verdadero.
Al igual que la ingeniería del software, la ingenieria del conocimiento cuenta entre sus
fases con una destinada a la evaluacion del sistema desarrollado.
1. Estudio de viabilidad
2. Adquisición del conocimiento
3. Conceptualización (análisis)
4. Formalización (diseño)
5. Implementación
6. Evaluación
r Verificación
u Sintaxis y estructura adecuada (no redundante, completa, consistente)
u Se realiza en modelos conceptuales, formales y computables
r Validación
u Semántica adecuada [experto]
u Se realiza en modelos conceptuales, formales y computables
ËË
Una vez se ha mostrado una breve clasificación de los modelos, es necesario aportar una
medida de su solución, puesto que el objetivo de definir un modelo es, resolverlo
"cómodamente" y extraer los resultados necesarios para tomar alguna decisión.
c
c
La palabra "heurística" se deriva del verbo griego heuriskein, que significa "encontrar" o
"descubrir" "reglas prácticas" utilizadas por los expertospara generar buenas soluciones
sin tener que embarcarse en exhaustivas búsquedas. Especialmente, en el área de los
algoritmos de búsqueda, se refiere auna función mediante la cual se obtiene un estimado
del costo de una solución.