|
|
Los antecedentes culturales que han servido de base. Algunos de los puntos más
importantes son:
Se adopta el criterio de que la inteligencia tiene que ver principalmente con las acciones racionales. Desde un punto de vista ideal, un agente inteligente es aquel que emprende la mejor acción posible en una situación dada. Se estudiará el problema de la construcción de agentes que sean inteligentes en este sentido.
Los filósofos (desde el año 400 A.C.) permitieron el poder pensar en IA, al concebir a la mente, con maneras diversas, como una máquina que funciona a partir del conocimiento codificado en un lenguaje interno y al considerar que el pensamiento servía para determinar cuál era la acción correcta que había que emprender.
Las matemáticas proveyeron las herramientas para manipular las severaciones de certeza lógica, así como las inciertas, de tipo probabilista. Asi mismo, prepararon el terreno para el manejo del razonamiento con algoritmos.
Los psicológicos reforzaron la idea de que los humanos y otros animales podían ser considerados como máquinas para el procesamiento de información. Los lingüistas demostraron que el uso de un lenguaje ajusta dentro de este modelo.
La ingeniería de cómputo ofreció el dispositivo que permite hacer realidad las aplicaciones de IA. Los programas de IA por lo general son extensos y no funcionarían sin los grandes avances en velocidad y memoria aportados por la industria de cómputo.
La historia de la IA ha sido testigo de ciclos de éxito, injustificado optimismo y la consecuente desaparición de entusiasmo y apoyos financieros. También ha habido ciclos caracterizados por la introducción de nuevos y creativos enfoques y de un sistemático perfeccionamiento de los mejores.
Los avances recientes logrados en la comprensión de las bases teóricas de la inteligencia han ido aparejados con mejoras hechas en el potencial de los sistemas reales.
Como en el presente se han ocupado de la manera adecuada de razonar, aunque en cada caso es diferente lo que se entiende por ello. En el caso de la lógica de primer orden, el razonamiento adecuado significa la obtención de conclusiones a partir de premisas; si la base de conocimientos original representa fidedignamente al mundo, entonces las inferencias también lo representarán fielmente. En el caso de la probabilidad, manejamos creencias, no el estado del mundo, y en este caso "razonamiento adecuado" significa contar con creencias que permiten a un agente actuar de manera racional.
se ha visto una gran variedad de métodos para abordar el problema de la implantación de los sistemas de razonamiento lógico. En este capítulo se observó algo que parece ser un consenso: el razonamiento eficiente mediante la probabilidad es tan reciente que solametne hay un método -las redes de creencia-, del que existen sólo ligeras variantes. Lo más importante es lo siguiente:
La información sobre la independencia condicional es una forma vital y sólida de estructurar información sobre un dominio incierto.
Las redes de creencia constituyen una manera natural de representar la información sobre la independencia condicional. Los vínculos entre los nodos representan los aspectos cualitativos del dominio; las tablas de probabilidad
condiconal representan los aspectos cuantitativos.
Una red de creencia es una representación completa de la distribución de probabilidad conjunta correspondiente a un dominio, pero su tamaño es exponencialmente menor.
La inferencia en las redes de creencia implica el cálculo de distribución de probabilidad de un conjunto de variables de consulta, a partir de un conjunto de variables de evidencia.
Las redes de creencia pueden razonar de manera causal, por diagnóstico, de modo combinado o de forma intercausal.
Ningún otro mecanismo de razonamiento bajo condiciones de incertidumbre puede manejar todos los modos anteriores.
La complejidad de la inferencia en una red de creencia dependerá de la estructura de la red. En el caso de los poliárboles (redes con una sola conexión), el tiempo de cálculo es función lineal del tamaño de la red.
Existen varias técnicas de inferencia que son utilizadas en las redes de creencia general, y en todas ellas la complejidad es exponencial en el peor de los casos. En los dominios reales, la estructura local tiende a que las cosas sean más factibles, aunque hay que poner atención para construir una red manejable en donde haya más de un centenar de nodos.
También es posible utilizar técnicas de aproximación, incluida la simulación estocástica, para obtener una estimación de las verdaderas probabilidades haciendo menos cálculos.
Se propusieron diversos sistemas alternos para razonar en condiciones de incertidumbre. En todos los sistemas funcionales de verdad hay serios problemas relacionados con el razonamiento mezclado o intercausal.
