G18806

UNIVERSIDAD TCNICA PARTICULAR DE LOJA
La Universidad Catlica de Loja

MODALIDAD ABIERTA Y A DISTANCIA
Departamento de Ciencias de la Computacin y Electrnica

Seccin Inteligencia Artificial
Inteligencia
Artificial
Gua didctica
4 crditos
Titulaciones
Ciclos
Informtica
VIII
Autoras:
Ms. Priscila Marisela Valdiviezo Daz
Ms. Dunia Ins Jara Roa
Asesora virtual:
www.utpl.edu.ec
INTELIGENCIA ARTIFICIAL
Gua didctica
Priscila Marisela Valdiviezo Daz
Dunia Ins Jara Rodas
CC Ecuador 3.0 By NC ND
Diagramacin, diseo e impresin:
Ediloja Ca. Ltda.
Telefax: 593-7-2611418
San Cayetano Alto s/n
www.ediloja.com.ec
edilojainfo@ediloja.com.ec
Loja-Ecuador
Segunda edicin
Sptima reimpresin
ISBN fsico -978-9942-08-418-7
ISBN digital -978-9942-04-507-2
Esta versin impresa y digital ha sido acreditada bajo la licencia Creative Commons Ecuador 3.0 de reconocimiento -no comercial- sin obras
derivadas; la cual permite copiar, distribuir y comunicar pblicamente la obra, mientras se reconozca la autora original, no se utilice con
fines comerciales ni se realicen obras derivadas. http://www.creativecommons.org/licences/by-nc-nd/3.0/ec/
Octubre, 2016
2. ndice
2. ndice............................................................................................................................................................. 3
3. Introduccin............................................................................................................................................. 5
4. Bibliografa............................................................................................................................................... 6
4.1. Bsica........................................................................................................................................... 6
4.2. Complementaria...................................................................................................................... 6
5. Orientaciones generales para el estudio.............................................................................. 8

6. Proceso de enseanza-aprendizaje para el logro de competencias................. 9
PRIMER BIMESTRE
6.1. Competencias genricas:....................................................................................................... 9
6.2. Planificacin para el trabajo del alumno......................................................................... 9
6.3. Sistema de evaluacin de la asignatura (primero y segundo bimestres)............. 12
6.4. Orientaciones especficas para el aprendizaje por competencias............................ 13
UNIDAD 1. INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL........................................................ 13

1.1. Qu es la inteligencia artificial (IA)?................................................................................ 13
1.2. Aspectos histricos.................................................................................................................. 13
1.3. Estado del arte de la IA.......................................................................................................... 15
1.4. Aplicacin de la IA y su relacin con otras reas............................................................ 16
Autoevaluacin 1................................................................................................................................. 18
UNIDAD 2. AGENTES INTELIGENTES.................................................................................................. 19

2.1. Agentes inteligentes y su entorno...................................................................................... 19
2.2. Agentes inteligentes y su entorno...................................................................................... 20
2.3. Estructura y tipos de agentes............................................................................................... 21
2.4. Construccin de agentes inteligentes............................................................................... 23
Autoevaluacin 2................................................................................................................................. 24
UNIDAD 3. RESOLUCIN DE PROBLEMAS MEDIANTE BSQUEDAS............................................ 26

3.1. Agentes de resolucin de problemas................................................................................ 26
3.2. Bsqueda de soluciones........................................................................................................ 28
3.3. Bsqueda no informada........................................................................................................ 29
3.4. Bsqueda con informacin parcial..................................................................................... 34
Autoevaluacin 3................................................................................................................................. 35
UNIDAD 4. ESTRATEGIAS DE BSQUEDA INFORMADA Y DE EXPLORACIN.............................. 37

4.1. Estrategias de bsqueda informada.................................................................................. 37
4.2. Algoritmos de bsqueda local y problemas de optimizacin................................... 39
4.3. Bsqueda on-line y ambientes desconocidos................................................................ 40
Autoevaluacin 4................................................................................................................................. 43
SEGUNDO BIMESTRE
6.5. Competencias genricas........................................................................................................ 45
6.6. Planificacin para el trabajo del alumno......................................................................... 45
6.7. Orientaciones especficas para el aprendizaje por competencias............................ 48
UNIDAD 5. PROBLEMAS DE SATISFACCIN DE RESTRICCIONES.................................................. 48

5.1. Introduccin a los problemas de satisfaccin de restricciones.................................. 48
5.2. Bsqueda con vuelta atrs para resolver Problemas de Satisfaccin de
Restricciones (PSR).................................................................................................................. 50
5.3. Bsqueda local para problemas de satisfaccin de restricciones............................. 52
5.4. Estructura de los problemas................................................................................................. 53
Autoevaluacin 5................................................................................................................................. 54
UNIDAD 6. BSQUEDA ENTRE ADVERSARIOS................................................................................. 55

6.1. Juegos.......................................................................................................................................... 55
6.2. Algoritmo MINIMAX................................................................................................................ 55
6.3. Poda Alfa-Beta.......................................................................................................................... 57
Autoevaluacin 6................................................................................................................................. 59
UNIDAD 7. AGENTES LGICOS............................................................................................................. 60

7.1. Agentes basados en el conocimiento................................................................................ 60
7.2. Lgica proposicionalpatrones de razonamiento........................................................ 62
7.3. Encadenamiento hacia adelante y hacia atrs............................................................... 64
7.4. Agentes basados en lgica proposicional........................................................................ 67
Autoevaluacin 7................................................................................................................................. 68
UNIDAD 8. REPRESENTACIN DEL CONOCIMIENTO....................................................................... 69

8.1. Introduccin a la representacin del conocimiento..................................................... 69
8.2. Tcnicas de representacin del conocimiento................................................................ 70
8.3. Web semntica......................................................................................................................... 72
8.4. Tecnologas de la Web semntica: ontologas................................................................ 74
Autoevaluacin 8................................................................................................................................. 76
7. Solucionario.............................................................................................................................................. 77
8. Anexos........................................................................................................................................................... 87
Gua didctica: Inteligencia Artificial
PRELIMINARES
3. Introduccin
En el presente perodo acadmico tenemos el agrado de compartir con usted los conocimientos de la
asignatura Inteligencia Artificial que tiene cuatro crditos, y forma parte del noveno ciclo de la titulacin
de Ingeniero en Informtica.
La Inteligencia Artificial (IA) estudia las estrategias y algoritmos que permiten a los computadores dotar
de funciones a fin de que se acerque a la forma de pensar de las personas. Esta disciplina, puede ser
aplicada en distintas reas del conocimiento, como: medicina, control automtico, anlisis de datos, etc. ,
razn por la cual el estudio de esta disciplina es importante en su formacin profesional como Ingeniero
en Informtica.
El propsito de esta asignatura es aprender las tcnicas adecuadas para la resolucin de problemas
del mundo real y conocer su aplicabilidad en el mbito informtico. Para alcanzar dicho propsito, el
programa de la asignatura se lo ha organizado de la siguiente forma: en el primer bimestre se contemplan
temas como: "Introduccin a la inteligencia artificial", donde se conocern aspectos generales de esta
disciplina, agentes inteligentes, resolucin de problemas mediante bsqueda y estrategias de bsqueda
informada y de exploracin. En el segundo bimestre, se abarcarn unidades relacionadas a la bsqueda
entre adversarios, donde se cubrirn temas como el algoritmo minimax, y la poda alfa-beta; agentes
lgicos que contempla temas relacionados a lgica proposicional y a patrones de razonamiento;
finalmente, lo relacionado a la representacin del conocimiento. Seleccionamos estos temas ya que
creemos que son la base fundamental de cmo piensa un computador. Adems, como esta materia
contempla tambin elementos de prctica, hemos credo conveniente proponer ejercicios que se irn
desarrollando con el fin de afianzar la teora.
Hagamos de este camino de la inteligencia artificial, un sendero para transitar juntos, recuerde que
siempre estaremos apoyndolo en sus inquietudes. Estamos seguras que con su esfuerzo personal y
nuestro apoyo podr culminar con xito el aprendizaje de esta asignatura.
Adelante, el xito es suyo!
PRELIMINARES
4. Bibliografa
4.1. Bsica
Russell, S. (2004). Inteligencia artificial un enfoque moderno. 2da edicin. Madrid. Espaa:
Prentice Hall.
El texto de Inteligencia Artificial describe los conceptos necesarios para aprender y
comprender los temas que iremos tratando en esta asignatura. De los contenidos
desarrollados en el texto, hemos seleccionado los captulos que consideramos que son los
ms importantes para que se haga una idea lo suficientemente clara de la forma en cmo
pueden pensar los computadores. El texto adems contiene por cada temtica, ejercicios
resueltos y propuestos que le permitirn reforzar lo aprendido. Los ejercicios resueltos se
explican paso a paso y presentan comentarios y explicaciones.
Adems al finalizar cada captulo le ofrece un resumen que es un repaso rpido de conceptos
aplicados.
Valdiviezo, P., Jara, D. (2012). Gua didctica de Inteligencia Artificial. Loja. Ecuador: Editorial
UTPL.
La Gua didctica de Inteligencia Artificial, orienta y da las pautas que el estudiante necesita
para su aprendizaje, est diseada para acompaar el estudio de la asignatura. Encontrar
en ella ejemplos aclarativos de la teora del texto bsico y elementos educativos para
resolver sus dudas e inquietudes.
4.2. Complementaria
Mancilla, L. (2008). Qu son agentes inteligentes software. Revista Gaceta Ide@s CONCYTEG
Ao 3. Nm. 31, 21 de enero. Recuperado de:
http://octi.guanajuato.gob.mx/octigto/formularios/ideasConcyteg/Archivos/31072008_
QUE_SON_AGENTES_INTELIGENTES_SOFTWARE.pdf
En este documento se presenta una descripcin general de agentes inteligentes y se enfatiza

de manera especial la construccin de agentes inteligentes.
Borrajo, D. y otros. (2009). Inteligencia artificial. Departamento de Informtica. Universidad

Carlos III de Madrid. Recuperado de: http://ocw.uc3m.es/informatica/inteligenciaartificial-2/material-de-clase-1/
En este curso encontrar material relacionado a la inteligencia artificial como: bsqueda no

informada, bsqueda heurstica y bsqueda con adversarios.
Cruz, J. J. (2006). Encadenamiento hacia adelante y atrs. Recuperado de: http://www.uco.

es/~i42crjij/aplicada/tema4.htm
Este documento le ayudar a comprender cmo es posible realizar bsquedas en espacios

de estados.
PRELIMINARES
Marcos, M. (2002). Lgica proposicional en Wumpus. Recuperado de: http://www.cs.us.

es/~joaquin/tema-02.pdf
Otro de los ejemplos clsicos de la inteligencia artificial y que va a encontrar en el texto

bsico, es el mundo de Wumpus. Revise la programacin del juego en este documento y por
supuesto puede intentar jugar y ganar.
Scribb, D. (2005). Algortmica backtracking. Recuperado de: http://es.scribd.com/

doc/39928396/Algoritmica-Backtracking
Estudiaremos el algoritmo backtracking que permite obtener mejores resultados que
el utilizar lgica proposicional. En este documento se dar cuenta como todo problema
puede ser sometido a un anlisis de bsqueda hacia atrs obteniendo mejores soluciones
aunque no necesariamente las ms optimas. Esta ltima frase debi haber despertado su
curiosidad. Anmese a revisarlo.
Hendler, J., Berners-Lee, T., Miller, E. (2002). Integrating Applications on the Semantic
Web. Journal of the Institute of Electricarl Engineers of Japan, vol 122(10), october, 2002.
Recuperado de: http://www.w3.org/2002/07/swint
En este artculo encontrar una visin general de lo que es la Web semntica, algunas
aplicaciones integradas a esta Web y los servicios que ofrece.
Neches, R., Fikes, R., Finin, T., Gruber, T., Patil, R., Senator, T., Swartout, W.R. (1991). Enabling
Technology for Knowledge Sharing. AI Magazine. Winter. 36-56. Recuperado de: http://
tomgruber.org/writing/AIMag12-03-004.pdf
En este artculo encontrar temas relacionados al proceso de construccin y representacin
del conocimiento mediante ontologas.
Camacho. K. (s.a). Lgica proposicional en la inteligencia artificial. Recuperado de: http://

www.monografias.com/trabajos51/inteligencia-artificial/inteligencia-artificial.shtml
En este sitio encontrar una explicacin de los agentes basados en conocimiento y sobre los
lenguajes de representacin del conocimiento.
PRELIMINARES
5. Orientaciones generales para el estudio

El estudiar a distancia requiere de organizacin y planificacin, estamos seguras que si usted realiza
el mejor esfuerzo posible y con nuestro apoyo lograr habituarse a esta modalidad de estudio; con el
objeto de posibilitar un aprendizaje significativo le ofrecemos algunas orientaciones que le ayudarn a
comprender mejor a esta rama de la ciencia.
Tenga en cuenta que para el desarrollo de la asignatura dispone de los siguientes materiales y recursos
didcticos:
Gua didctica y el texto bsico, detallados en la bibliografa y que son los recursos
indispensables para el desarrollo del aprendizaje. Trabajaremos constantemente con los
dos, por lo que le recomendamos siempre tenerlos a mano.
Para iniciar con el estudio de los contenidos de cada uno de los bimestres es necesario que
revise la planificacin para el trabajo del alumno; as como el sistema de evaluacin que se
encuentra detallado en el inciso 6.3 de la presente gua didctica.
Los contenidos estn divididos en dos partes, para el primer bimestre estudiaremos las
unidades 1 a 4 y para el segundo bimestre abordaremos las unidades 5, 6, 7 y 8.
Es importante que escoja un lugar tranquilo, bien iluminado para el estudio de la asignatura.
Para una mejor comprensin de los temas sealados en la gua didctica, utilice tcnicas
de estudio como el subrayado, resmenes, cuadros sinpticos, y/o cualquier estrategia de
aprendizaje de acuerdo a su manera de aprender temas.
Como parte de su autoaprendizaje es recomendable que resuelva las autoevaluaciones

ubicadas al final de cada unidad de estudio, luego puede verificar las respuestas en el
solucionario que se encuentra al final de la gua didctica.
Los trabajos a distancia son un conjunto de actividades tericas y prcticas que deben
desarrollarse obligatoriamente con el fin de evaluar el progreso de su aprendizaje. Existen
dos evaluaciones a distancia, una por cada bimestre, que tienen una valoracin de seis puntos
cada una (2 puntos para la parte objetiva, y 4 para la parte de ensayo que corresponden a
las actividades propuestas en su trabajo a distancia y a su participacin en el EVA). Estas
evaluaciones son requisito para presentarse a la evaluacin presencial.
Le recomendamos ingresar al EVA semanalmente, para consultar a los profesores y revisar

algunas orientaciones que se hayan ingresado respecto a los temas de la asignatura o para
el desarrollo de las evaluaciones.
Si tiene alguna inquietud recuerde que no est solo, cuenta con nuestro apoyo, estamos
dispuestas a ayudarle, puede realizar las respectivas consultas va telefnica, email o a travs
de los diferentes medios que le ofrece la Universidad.
Esperamos que todas y cada una de estas recomendaciones contribuyan al aprendizaje exitoso de esta
asignatura.
Innovacin
Capacidad para
analizar problemas
de programacin y
plantear soluciones
mediante mtodos
computacionales.
Competencias
especficas
--
--
1.2. Aspectos histricos
1.1. Qu es inteligencia artificial?
UNIDAD 1: INTRODUCCIN A LA
INTELIGENCIA ARTIFICIAL
Unidades/Temas
Contenidos
Define lo que se entiende 1.3. Estado de arte de Inteligencia

Artificial
por inteligencia artificial
1.4. reas de aplicacin y relaciones
con otras ciencias
Maneja los antecedentes

culturales que han
servido de base para el
desarrollo de la
inteligencia artificial
Indicadores de aprendizaje
6.2. Planificacin para el trabajo del alumno
Comportamiento tico
Pensamiento crtico
6.1. Competencias genricas:
--
--
--
Actividades de Aprendizaje
Realizar la autoevaluacin 1.
Desarrollar los ejercicios 1.11, 1.12, y 1.13 del texto bsico.
Leer comprensivamente y obtener las principales ideas del

captulo 1 del texto bsico.
PRIMER BIMESTRE
6. Proceso de enseanza-aprendizaje para el logro de competencias
Semana 1 y 2: 8
horas de
autoestudio y 8
horas de interaccin.
Tiempo estimado
Cronograma
orientativo
PRIMER BIMESTRE
10
--
Determina la secuencia
de acciones que debe
seguir un agente para
alcanzar sus objetivos
Reconoce y define la
arquitectura de agentes
basados en la utilidad.
Identifica un agente
racional de un agente
inteligente.
Capacidad para
-implementar
aplicaciones a partir
de especificaciones
-y modelos de
software utilizando
estndares de
documentacin y de
programacin.
Competencias
especficas
3.4. Bsqueda con informacin parcial
3.3. Bsqueda no informada
3.2. Bsqueda de soluciones
3.1. Agentes de resolucin de

problemas
UNIDAD 3: RESOLUCIN DE
PROBLEMAS MEDIANTE
BSQUEDAS
2.3. Construccin de agentes
2.2. Estructura y tipos de agentes
2.1. Agentes inteligentes y su entorno
UNIDAD 2: AGENTES INTELIGENTES
Unidades/Temas
Contenidos
Desarrollar los ejercicios propuestos en la presente gua

didctica.
Realizar el ejercicio 3.7 literales a, b, c, y d del texto bsico.
----
Completar el anlisis revisando el contenido del siguiente OCW

http:// ocw.uc3m.es/informtica/inteligenci-artificial-2/
material-de-clase-1/no-informada.pdf
--
--
Observar en su medio y definir qu agentes inteligentes

pueden ser implementados para realizar de mejor manera sus
labores cotidianas.
--

Observar en su medio e identificar algunos agentes que utilice

en su vida cotidiana.
--
--
http://octi.guanajuato.gob.mx/octigto/formularios/
ideasConcyteg/Archivos/31072008_QUE_SON_AGENTES_
INTELIGENTES_SOFTWARE.pdf

captulo 2 del texto bsico, completar el anlisis revisando el
contenido de la siguiente direccin Web:
--
--
Semana 5: 8 horas
de autoestudio y 8
Semana 3 y 4: 8
horas de
autoestudio y 8
Tiempo estimado
Cronograma
orientativo

PRIMER BIMESTRE
Competencias
especficas
Identifica cmo una

estrategia de bsqueda
informada puede
encontrar soluciones de
una manera ms eficaz.
Revisin de las unidades 1- 4
--
4.3. Bsqueda de informacin on line y

ambientes desconocidos
--
UNIDAD 4: ESTRATEGIAS DE
-BSQUEDA INFORMADA Y DE
EXPLORACIN
-4.1. Estrategias de bsqueda
informada
-4.2. Algoritmos de bsqueda local y
-problemas de optimizacin
Unidades/Temas
Contenidos
Preparar la evaluacin presencial, haciendo una revisin de los

resmenes de los captulos 1 al 4 del texto bsico, de las
autoevaluaciones y de la evaluacin a distancia.
Analizar y desarrollar el ejercicio propuesto en la gua didctica.
Desarrollar el ejercicio 4.11, los literales a, b, y d. y el ejercicio

4.15, propuestos en el texto bsico.

Semana 7 y 8: 8
horas de
autoestudio y 8
Semana 6: 8 horas
de autoestudio y 8
Tiempo estimado
Cronograma
orientativo
PRIMER BIMESTRE
11
PRIMER BIMESTRE
6.3. Sistema de evaluacin de la asignatura (primero y segundo bimestres)

Formas de evaluacin
Interaccin en el EVA
Prueba objetiva
Prueba mixta
Cumplimiento, puntualidad,
responsabilidad
Esfuerzo e inters en los trabajos
Contribucin en el trabajo
colaborativo y de equipo
Presentacin, orden y ortografa
Emite juicios de valor

argumentadamente
Dominio del contenido

Investigacin (cita fuentes de
consulta)
Aporta con criterios y soluciones
Anlisis y profundidad en el
desarrollo de temas
70%
70%
14
14
PORCENTAJE
Puntaje
10% 20% 30%
TOTAL
20 puntos
Actividades
presenciales y en el
EVA
Mximo 1 punto
(completa la
evaluacin a
distancia)
Creatividad e iniciativa
Estrategia de
aprendizaje
Habilidades
3. Coevaluacin
Parte de ensayo
Respeto a las personas y a las

normas de comunicacin
Conocimientos
Evaluacin Evaluacin
presencial presencial
Comportamiento tico
Competencia: criterio
Actitudes
Evaluacin a
distancia **
Parte objetiva
1. Autoevaluacin *
2. Heteroevaluacin
Para aprobar la asignatura se requiere obtener un puntaje mnimo de 28/40 puntos, que equivale al 70%.
* Son estrategias de aprendizaje, no tienen calificacin; pero debe responderlas con el fin de autocomprobar su proceso de
aprendizaje.
** Recuerde que la evaluacin a distancia consta de dos partes: una objetiva y otra de ensayo, debe desarrollarla y entregarla
en su respectivo centro universitario.
Seor estudiante:
Tenga presente que la finalidad de la valoracin cualitativa es
principalmente formativa.
12
PRIMER BIMESTRE
6.4. Orientaciones especficas para el aprendizaje por competencias
UNIDAD 1. INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL

1.1. Qu es la inteligencia artificial (IA)?
Una vez que se ha revisado la planificacin para el trabajo del alumno, y conocemos los tiempos y
temticas a tratar, vamos a dar inicio a nuestro estudio.
Para entender lo que es IA vamos a ir al texto bsico a revisar la seccin 1.1,
prestemos atencin a la figura 1.1 en la que se presenta definiciones de IA
considerando los procesos mentales, el razonamiento y la conducta.
Tmese su tiempo en comprender qu es IA y recuerde regresar a esta gua una vez que haya culminado
la seccin 1.1. del texto bsico.
Cmo le fue con la lectura, entendi lo que es IA? Estamos en condicin de hacer una definicin de lo
que es IA?
Si decimos que la IA estudia cmo lograr que las mquinas realicen tareas que, por el momento,
son realizadas mejor por los seres humanos, estamos en lo correcto?, la definicin propuesta es
completa? dijramos que es incompleta ya que no incluye aquellas tareas que no pueden ser resueltas
adecuadamente por los seres humanos; adems incluye potencialmente, tareas que no involucran
ninguna inteligencia.
1.2. Aspectos histricos

Ahora que tenemos claro lo que es IA, vamos a revisar un bosquejo histrico de este campo de la
informtica.
Para conocer los antecedentes de la IA vamos a ir al texto bsico y revisar la
seccin 1.3, consideremos de manera especial a las fuentes que sirvieron de
punto de partida para el primer trabajo de IA.
Al haber realizado la lectura nos pudimos dar cuenta de que el primer trabajo relacionado con IA nace en
la dcada de los 40, concretamente en 1943 cuando a Warren McCulloch y Walter Pitts, se los reconoce
como autores del primer trabajo de IA, propusieron un trabajo constituido por neuronas artificiales, en
el que cada una de ellas se caracterizaba por estar activada o desactivada, sugirieron adems que las
redes de neuronas adecuadamente definidas podran aprender.
Donald Hebb en 1949, propuso una regla para modificar las intensidades de las conexiones entre
neuronas, denominada aprendizaje Hebbiano o de Hebb.
Marvin Misky, posteriormente prob teoremas influyentes que mostraron las limitaciones de las redes
neuronales.
13
PRIMER BIMESTRE
En los aos cincuenta, un grupo de investigadores convocados por John McCarthy del MIT (En 1957, John
McCarthy fund, junto con Marvin Minsky, el Laboratorio de IA del MIT1) discutan sobre el potencial de la
computadora para simular la inteligencia humana. En 1950, el matemtico britnico Alan Turing, (padre
de la IA) propuso el famoso test de inteligencia, mediante el cual se supone que se puede determinar
si una mquina piensa; dicho test plantea que dadas dos personas y una mquina que se desea evaluar,
una de las personas actuando como investigador, se ubica en una habitacin, separada del computador
y de la otra persona; el entrevistador, hace preguntas tanto a la persona (A) y al computador (B) (a quienes
se conoce como A y B) debe intentar determinar quin es la persona y quin es la mquina, el objetivo
de la mquina es hacer creer al entrevistador que es una persona, si lo consigue se concluye que la
mquina piensa, hasta el momento ningn modelo propuesto, ha superado el test y hoy estn divididas
las opciones de si en algn momento esto sea posible.
En 1956 Newll y Simon desarrollan la lgica terica, considerada por muchos como el primer programa
de IA, en donde se representa cada problema como un modelo de rbol y luego intenta solucionarlo
seleccionando la rama que debera dar mejor solucin.
En 1957, la primera versin del programa Solucionador General de Problemas (The General Problem
Solver GPS) fue probado, este constituye una extensin del principio de retroalimentacin o feedback de
Wiener, enunciado a inicios de los cincuenta en el que por primera vez se demuestra la relacin entre la
inteligencia humana y las mquinas, el ejemplo ms familiar de este principio es el termostato (control
de la temperatura de un medioambiente, captando la temperatura del lugar, la compara con la deseada
y responde aumentando o no la temperatura). A partir de los lazos de retroalimentacin, Wiener teoriz
que la conducta inteligente es el resultado de mecanismos de retroalimentacin, mecanismos que
pueden ser simulados por las computadoras, descubrimiento que influy en el desarrollo de la IA.
En 1958, McCarty crea el lenguaje LIPS (LISting Proccesing), considerado lenguaje de la IA, que est
orientado al procesamiento de listas.
A fines de los cincuenta Frank Rosemblatt, inventa un dispositivo denominado perceptron, en un
intento de ilustrar algunas propiedades fundamentales de los sistemas inteligentes en general, sin
entrar a profundidad en ciertas condiciones especiales, y muchas veces desconocidas, que son vlidas
para organismos biolgicos concretos; el perceptron, fue el resultado de un primer intento de simular
la computacin neuronal para realizar tareas complejas.
A mediados de los aos sesenta, Joseph Weizenbaum, profesor del MIT, desarrolla en programa Eliza,
considerado el primer sistema dentro del campo del procesamiento del lenguaje natural que no fue
desarrollado para este fin, sino para demostrar que los programas de computador podan desarrollar
cierta clase de inteligencia.
En 1965, en la Universidad de Stanford, se desarrolla el primer sistema experto exitoso, sistema DENDRAL
orientado a la determinacin de la estructura qumica de un compuesto utilizando informacin
proveniente de un espectrmetro de masa y de instrumentos de resonancia magntica.
En 1956, en el MIT se desarrolla el MACSYMA, sistema experto orientado a la solucin de complejos
problemas matemticos mediante el uso de la integracin y la simplificacin algebraica.
En los aos 70 David Marr, propone nuevas teoras acerca de la visin por computadora. En 1972, el
francs Alain Colmerauer, desarrolla la primera implementacin del lenguaje PROLOG (PROgraming
in LOGic), lenguaje para la programacin en IA, basado en la lgica de predicados.
http://www.csail.mit.edu/
14
PRIMER BIMESTRE
En los ltimos aos con una gran inversin del Gobierno de los Estados Unidos, se retoma las
investigaciones en los diferentes campos que integran la IA, es as que se desarrolla el primer sistema
para la comprensin del lenguaje natural, implementado por Terry Winograd, investigador del MIT, el
SHRDLU, que se encuentra integrado a un robot, que obedece las rdenes humanas.
ACTIVIDAD RECOMENDADA
Antes de continuar con el estado de arte de la IA, es importante que responda a las interrogantes 1.11,
1.12, y 1.13 que se plantean en la seccin ejercicios del texto bsico.
1.3. Estado del arte de la IA

El siguiente tema a estudiar es el estado de arte de la IA, que no es otra cosa que el conocer en dnde
est en la actualidad la IA.
Bien, ahora vamos a ir al texto bsico a revisar la seccin 1.4, prestemos especial
atencin a las subreas donde se puede aplicar la IA.
Inicialmente la IA abord aquellos problemas relacionados con el juego, la solucin de problemas y la

demostracin de teoremas, as como los problemas relacionados con el sentido comn.
Conforme las investigaciones de IA progresaron y fueron desarrollndose tcnicas de manipulacin
de grandes cantidades de conocimiento sobre el mundo, se realizaron algunos avances en las tareas
descritas y aparecieron nuevas reas de investigacin; estas reas incluyen la percepcin (visin y
habla), comprensin del lenguaje natural, y resolucin de problemas en campos especializados como
diagnsticos mdicos y anlisis qumico.
La habilidad de utilizar el lenguaje para comunicar gran variedad de ideas es quiz el aspecto ms
importante que separa a los humanos del resto de animales, la comprensin del lenguaje hablado es
un problema de percepcin difcil de resolver, es posible, sin embargo, restringir el problema al lenguaje
escrito, este problema, denominado comprensin del lenguaje natural, es an extremadamente difcil.
Para comprender frases sobre un cierto tema, es necesario no nicamente poseer conocimiento amplio
sobre el propio lenguaje (vocabulario y gramtica), sino manejar el conocimiento suficiente sobre dicho
tema para reconocer las suposiciones no expresadas en un texto.
Adems de estas tareas de la vida diaria, se puede requerir la realizacin de tareas ms especializadas
en las cuales es necesaria una cuidadosa adquisicin de experiencia, como: el diseo en ingeniera, los
descubrimientos cientficos, los diagnsticos mdicos, la planificacin financiera. Los programas que
pueden resolver los problemas sobre los dominios mencionados se los puede realizar con la ayuda de
la IA.
Otro campo importante donde la IA ha tenido xito, es la simulacin de las formas de trabajar, de abordar
y de resolver problemas en aquellas ramas de la actividad humana en donde la experiencia y la experticia
juegan un papel preponderante, dando origen a los denominados sistemas expertos.
15
PRIMER BIMESTRE
Aplicaciones de la inteligencia artificial

En su texto bsico podr encontrar lo que es capaz de hacer hoy en da la IA, a travs de la descripcin
de algunas aplicaciones de esta disciplina.
A fin de complementar lo que se menciona en el texto bsico, a continuacin sealamos algunas otras
aplicaciones de esta ciencia, as:
Prediccin: por ejemplo sistemas de autocontrol, etc.
Medicina: en este caso se pueden aplicar a sistemas de diagnstico mdico.
Apoyo a la toma de decisiones: por ejemplo mediante el uso de tcnicas inteligentes paramtricas
y no paramtricas para el anlisis de datos.
Educacin: sistemas recomendadores educativos, tutores inteligentes, modelizacin de

estudiantes, etc.
Comercio electrnico: agentes recomendadores para la compra de un producto, etc.

Recuerde en caso de tener alguna inquietud puede recurrir al Entorno Virtual de Aprendizaje y
consultar a su profesor.
1.4. Aplicacin de la IA y su relacin con otras reas

Como observamos en el estado de arte de la IA engloba varias subreas, mientras que otras aprovechan
algunos resultados y la incorporan a sus desarrollos, tales como:
Programacin automtica
Sistemas expertos
Aprendizaje automtico
Procesamiento de lenguaje natural
Robtica
Visin artificial
Procesamiento de imgenes
Redes neuronales
Algoritmos genticos
Demostracin automtica de teoremas
Juego automtico
Reconocimiento de voz y patrones
16
PRIMER BIMESTRE
Muy bien, ahora complete con sus propias palabras la siguiente tabla, esto le ayudar a afianzar sus
conocimientos.
REAS
APLICACIN
EXCELENTE, estamos seguras que complet la tabla con mucho esmero.

ADELANTE, CONTINUEMOS!!
17
PRIMER BIMESTRE
Autoevaluacin 1
Ahora bien, con la finalidad de guiar y retroalimentar su autoaprendizaje, a continuacin le presentamos
la autoevaluacin correspondiente a la presente unidad.
Recuerde que para tener xito en la autoevaluacin le invito a que revise el resumen del captulo que se
encuentra en la pgina 33 del texto bsico y luego continuar con el desarrollo de la autoevaluacin 1.
1.
En cada uno de los parntesis srvase marcar con una (V) si el enunciado es verdadero y con
una (F) si el enunciado es falso, en caso de no ser verdadero el enunciado, permtase indicar la
razn de la negatividad.
1.()
El dualismo considera que las operaciones del cerebro realizadas de acuerdo a las
leyes de la fsica constituyen la mente.
2.()
Normalmente una base de conocimiento representa el conocimiento en forma de

reglas si.. entonces...
3.()
Los seres humanos se consideran agentes.
4.()
Los agentes inteligentes son irracionales.
5.()
La IA sintetiza y automatiza tareas intelectuales y es, potencialmente relevante para

cualquier mbito de la actividad intelectual humana.
6.()
Las disciplinas que abarcan la mayor parte de la IA son: procesamiento de lenguaje

natural, representacin del conocimiento, razonamiento automtico, aprendizaje de
mquina, visin computacional, robtica.
7.()
En todo tipo de entorno es posible llegar a una racionalidad perfecta.
8.()
En los agentes robticos los sensores constituyen ciertos mecanismos y los efectores
las cmaras de video.
9.()
La inteligencia artificial (IA) desde el primer momento abarc temas que eran
considerados por otros campos como: la idea de duplicar facultades humanas como
la creatividad, la automejora, y el uso de lenguaje.
10.()
Los psiclogos adoptaron la idea de que los humanos y los animales podan trabajar
como mquinas de procesamiento de informacin.
2.
Responda a cada una de las siguientes interrogantes:

a.
Son racionales las acciones reflejas?
b.
Si se lo considera al ser humano como agente, mencione cules seran los sensores y cules
seran los efectores?
MUY BIEN!!!
Verifique sus respuestas con las del solucionario
que se encuentra al final de la presente gua
didctica.
18
Ir a solucionario
PRIMER BIMESTRE
UNIDAD 2. AGENTES INTELIGENTES

Qu le parece la IA? Fascinado y con mucho nimo para continuar adelante? S!! verdad? ,
entonces sigamos.
En la unidad anterior hemos logrado familiarizarnos y asimilar los conceptos bsicos de la IA, as como
hemos conocido los antecedentes culturales que han servido de base para su desarrollo, ahora vamos a
dar un siguiente paso, identifiquemos lo que es un agente y un agente inteligente.

Para poder conocer lo que es agente inteligente es necesario que distingamos un agente de un agente
inteligente.
Bien, para entender lo que es agente vamos a ir al texto bsico y revisemos la
seccin 2.1, prestemos especial atencin a las figuras 2.1, 2.2 y 2.3 en las que
se presenta de forma muy clara lo que es agente, medio ambiente, sensores
y actuadores, as como una pequea tabla en donde se define una funcin de
agente muy sencilla.
Cmo le fue con la lectura? Tenemos claro lo que es un agente? Entonces podemos decir que, un
agente es cualquier sistema capaz de percibir cambios en su entorno, de representar de algn modo la
informacin sobre el estado actual de sus objetivos y de actuar sobre su entorno basndose en stos y
en experiencias pasadas (secuencia de percepciones).
Entorno
Actualiza
mediante
Percibe mediante
sensores
Accin a la
salida deseada
Figura 2.1. Concepto de agente.
El comportamiento de un agente viene dado por la funcin del agente que proyecta una percepcin
dada en una accin. La funcin del agente es una descripcin matemtica abstracta, mientras que un
programa de agente (funcin de un agente artificial) es una implementacin completa, que se ejecuta
sobre la arquitectura del agente.
Muy bien, ahora va a identificar cuatro agentes que formen parte de su vida cotidiana y escriba el posible
programa de agente para dos de ellos.
19
PRIMER BIMESTRE
AGENTES:
a. ______________________
c. ______________________
b. ______________________
d. ______________________
PROGRAMA DE AGENTE:
AGENTE 1
Secuencia de percepciones
Accin
AGENTE 2
Secuencia de percepciones
Accin
Estuvo fcil la tarea?la concluy? Estamos seguras de que la hizo muy bien.
FELICITACIONES Y ADELANTE!!
Hasta este momento tenemos claro lo que es un agente, ahora vamos a conocer en qu circunstancias
el comportamiento del agente es exitoso.
Bien, para familiarizarnos con los criterios que determinan el xito en el
comportamiento de un agente, vamos a recurrir al texto bsico y revisar la
seccin 2.2.
Cmo estuvo la lectura? es entendible e interesante verdad? Si no es as, tommonos el tiempo que
sea necesario y volvamos a revisar el texto bsico.
En la lectura nos dimos cuenta que uno de los criterios que determinan el xito en el comportamiento
del agente es la racionalidad, lo que nos lleva a la concepcin de agente racional (no solo recopila
informacin sino que tambin aprende todo lo que le es posible de lo que est percibiendo), la
configuracin inicial del agente puede reflejar un conocimiento preliminar del entorno, pero a medida
que el agente adquiere experiencia el conocimiento puede modificarse y aumentar. Un agente racional
puede ser autnomo, debe saber cmo tiene que compensar el conocimiento incompleto o parcial
inicial, de ah que la incorporacin del aprendizaje facilita el diseo de agentes racionales individuales.

Una vez que hemos conocido lo que es racionalidad y agentes racionales es necesario prestar especial
atencin a los entornos de trabajo.
Ahora bien, para conocer la naturaleza de los entornos de trabajo, vamos a
requerir del texto bsico para revisar la seccin 2.3, pongamos especial atencin
a la figura 2.5, en donde se presentan tipos de agentes con su respectivo
rendimiento, entorno, actuadores y sensores (REAS).
Estamos de vuelta!, terminamos la lectura de la seccin 2.3? esperamos que esto le haya ayudado a
discernir la importancia del entorno del trabajo de un agente.
20
PRIMER BIMESTRE
De la lectura podemos deducir que los entornos de trabajo que son los problemas, para los que los
agentes racionales son las soluciones. Las especificaciones del entorno de trabajo incluyen: la medida
de rendimiento, el medio externo, los actuadores y los sensores.
Los entornos de trabajo pueden tener varias dimensiones, tales como: total o parcialmente visibles,
deterministas o estocsticos, episdicos o secuenciales, estticos o dinmicos, discretos o continuos y
formados por uno o varios agentes.
Muy bien, antes de continuar, defina el entorno de trabajo de dos de los agentes identificados en la
actividad anterior.
AGENTE
Medida de
rendimiento
Entorno (medio
externo)
Actuadores
Sensores
ENHORABUENA!!!
Recuerde en caso de tener alguna inquietud puede recurrir al Entorno Virtual de Aprendizaje y
consultar a su profesor.
2.3. Estructura y tipos de agentes

Una vez que identificamos los entornos de trabajo, vamos a ver la forma en que los agentes trabajan
internamente.
Bien, para percatarnos de la estructura de los agentes, vamos a ir al texto bsico
y revisar la seccin 2.4, observemos de manera especial al algoritmo que se
encuentra en la figura 2.7.
Estuvo asimilable la lectura? Esperamos que s y que le haya sido de fcil entendimiento. Como pudimos
darnos cuenta el trabajo de la IA es disear el programa del agente que implemente la funcin del
agente que proyecta las percepciones en acciones; el programa de agente se ejecuta en algn tipo de
computador con sensores fsicos y actuadores, lo que se denomina arquitectura, por consiguiente, un
agente puede ser representado en la siguiente ecuacin, as:
Figura 2.2. Arquitectura de un agente.
21
PRIMER BIMESTRE
Entendido lo que es arquitectura es importante que observemos los cuatro tipos bsicos de programa
de agente, as: agentes reactivos simples, agentes reactivos basados en modelos, agentes basados
en objetivos, agentes basados en utilidad; cada uno de los tipos de agente pueden ser utilizados en
diferentes reas y todos pueden mejorar su eficacia con mecanismos de aprendizaje.
Agentes reactivos simples
Una vez que entendimos en qu consiste este agente, es conveniente hacer hincapi en el diagrama
de la figura 2.9 y en el programa del agente mostrado en la figura 2.10 del texto bsico. Considere que:
Las reglas condicin-accin a las que hace referencia la estructura del agente reactivo
simple, permiten establecer la conexin entre percepcin y accin.
En el programa del agente, INTERPRETAR-ENTRADA genera una descripcin abstracta del

estado mostrado por la percepcin.
REGLA-COINCIDENCIA produce una regla del conjunto que satisface la percepcin.
Agentes reactivos basados en modelos

Luego de la lectura del texto bsico, pudimos establecer lo que hace este tipo de agentes y como se
menciona, existen dos tipos de conocimiento que se requiere codificar durante la actualizacin del
estado interno, los cuales son:
Conocimiento acerca de la forma como el mundo evoluciona, independientemente de las

acciones del agente.
Conocimiento sobre cmo afectan al mundo las acciones del agente.
Un aspecto importante que hay que tener en cuenta es que el conocimiento del estado interno no
siempre es suficiente; por ejemplo, para elegir entre rutas decisionales alternativas (en una interseccin
girar o no girar el volante del carro?), se requiere conocer la meta a lograr, es por ello que se requiere
otro tipo de agentes como el mencionado a continuacin.
Agentes basados en objetivos
Estamos seguras que durante la lectura se percat que en este tipo de agentes necesita de algn tipo de
informacin que describa las situaciones que son deseables para el agente; es decir, informacin sobre
su meta.
Como pudimos observar en la figura 2.13, se agregan dos componentes adicionales relacionados como
el conjunto de objetivos que intenta alcanzar el agente y lo que pasara si el agente realiza determinada
accin.
Agentes basados en utilidad
En este tipo de agentes interviene un aspecto importante como la funcin de utilidad, pero qu es
utilidad?, a qu hace referencia la funcin utilidad?, para qu es necesaria? Para aclarar estas inquietudes
regrese al texto bsico y analice la estructura de estos agentes.
Se podr dar cuenta que cuando se prefiere un estado en lugar de otro, se dice que ese estado ofrece
mayor utilidad al agente.
22
PRIMER BIMESTRE
Agentes que aprenden

Hasta aqu ha revisado estructuras de agentes similares, pero si comparamos el modelo general para los
agentes que aprenden con los diagramas de agentes sealados anteriormente, veremos que el cuarto
diagrama tiene diferencias, principalmente en los componentes que conforman el agente.
Muy bien, para entender mejor lo que acabamos de mencionar, identifique que tipo de agente se
deberan disear para identificar modelos educativos en entornos virtuales de aprendizaje. Cmo le
fue con la actividad recomendada? Esperamos que muy bien.
FELICITACIONES y ADELANTE!!!
2.4. Construccin de agentes inteligentes

Una vez que identificamos la estructura y los diferentes tipos de agentes es importante que definamos
la forma como se deben construir agentes inteligentes, dado que en el texto bsico no esta explicado
de forma detallada este tem vamos a utilizar un artculo publicado en la revista Gaceta del 21 de enero
del 2008.
Ir a Internet y acceder a la siguiente direccin:

http://octi.guanajuato.gob.mx/octigto/formularios/ideasConcyteg/Archivos/31072008_QU_SON_
AGENTES_INTELIGENTES_SOFTWARE.pdf Enfocarse en la estructura y construccin de los agentes
inteligentes (Pg. 33) y dentro de esto, al mtodo para el desarrollo y construccin de agentes inteligentes.
Pudo acceder a Internet y descargar el archivo del link mencionado? Verdad que s. Qu criterio tiene
del artculo? es muy explicativo, verdad?
Como habr dado cuenta, actualmente existen diversas arquitecturas, entre otras:
Basada en la lgica;
Agentes reactivos;
Arquitectura creenciadeseointencin;
Arquitecturas hbridas
La eleccin de una u otra arquitectura se la hace en base a nuestro entorno, razn por la que no existe
una mejor o peor solucin sin la aplicacin al problema concreto.
23
PRIMER BIMESTRE
Autoevaluacin 2
Recuerde que para tener xito en la autoevaluacin le invito a que revise el resumen del captulo que se
encuentra en las pginas 62-63 del texto bsico y luego continuar con el desarrollo de la autoevaluacin
2.
A.
En cada uno de los parntesis srvase marcar con una (V) si el enunciado es verdadero y con una
(F) si el enunciado es falso, en caso de que no sea verdadero el enunciado, permtase indicar la
razn de la falsedad.
1.()
La estructura de un agente es: agente = arquitectura + reglas de condicin.
2.()
Un agente robot, recibe pulsaciones del teclado, archivos de informacin y paquetes

va red a modo entradas sensoriales y acta sobre el medio con mensajes en el
monitor, escribiendo ficheros y enviando paquetes por la red.
3.()
La funcin que describe el comportamiento de un agente se puede presentar en

forma de grafo y este es una caracterizacin externa del agente.
4.()
Como regla general, es mejor disear medidas de utilidad de acuerdo a cmo se cree
que el agente debe comportarse.
5.()
El entorno de trabajo de un agente racional est formado por: las medidas de

rendimiento, el entorno, actuadores y sensores.
6.()
Un agente racional acta con la intencin de obtener los resultados mnimos de la

medida de rendimiento, dada la secuencia de percepciones que ha observado hasta
el momento.
7.()
Para el diseo del programa de agente es necesario considerar el entorno en que

se desarrollar, las percepciones que se obtienen del ambiente, las acciones que
realizar el agente.
8.()
Los agentes inteligentes deben maximizar su medida de rendimiento.
9.()
En trminos matemticos se puede decir que el comportamiento de un agente viene

dado por la funcin del agente que proyecta una percepcin dada en una accin.
10.()
Un programa de agente especifica la accin que debe ejecutar un agente como

respuesta a cualquier secuencia percibida.
24
PRIMER BIMESTRE
B.
Desarrolle los siguientes ejercicios

1.
Mencione los principales pasos para la construccin de un programa de agente.
2.
Proponga un mtodo para el desarrollo y construccin de agentes inteligentes, considerando

las fases del desarrollo de sistemas, esto es: anlisis, diseo, implementacin y pruebas.
MUY BIEN!!!
didctica.
Ir a solucionario
25
PRIMER BIMESTRE
UNIDAD 3. RESOLUCIN DE PROBLEMAS MEDIANTE BSQUEDAS

Cmo est? Animado para continuar adelante? ... Seguro que s.
En la unidad anterior hemos logrado comprender la arquitectura de un agente y los tipos bsicos de
programa de agente verdad?, ahora vamos a dar un siguiente paso revisando el agente basado en
objetivos denominado agente resolvente-problemas. Los agentes resolventesproblemas deciden qu
hacer para encontrar secuencias de acciones que conduzcan a los estados deseables.
3.1. Agentes de resolucin de problemas

En la unidad 1, mencionamos los tipos de problemas que aborda la IA. Para construir un sistema que
resuelva un problema especfico, se debe iniciar definiendo con precisin los elementos que constituyen
el problema (cuestin o asunto discutible que se intenta discutir) y su solucin (respuesta positiva a
un problema, duda o dificultad).
Muy bien, para comprender los agentes resolventesproblemas requerimos ir al
texto bsico y revisar la seccin 3.1, prestemos especial atencin a las acciones
que realizan este tipo de agentes.
Estuvo asimilable la lectura? Esperamos que s y que le haya sido de fcil entendimiento.
De la lectura que hemos realizado, podemos decir que para desarrollar un sistema que resuelva un
problema especfico es necesario realizar cuatro acciones, as:
Figura 3.1. Acciones para resolver un problema especfico.
1.
Definir el problema con precisin. La definicin debe incluir especificaciones precisas tanto
sobre la(s) situacin(es) inicial(es) como sobre la(s) situacin(es) final(es) que se aceptaran como
soluciones al problema.
2.
Analizar el problema. Evaluar las caractersticas del problema que conduzcan a la conveniencia del
uso o no de diversas tcnicas para resolverlo.
3.
Aislar y representar el conocimiento necesario para resolver el problema.
4.
Elegir la(s) mejor(es) tcnica(s) que resuelva(n) el problema y aplicarla(s) al problema en particular.
26
PRIMER BIMESTRE
Definicin del problema

Una de las formas ms comunes para definir un problema, visualizar una solucin o seleccionar un
mtodo de bsqueda, es definiendo lo que se denomina espacio de estados del problema (conjunto de
todos los estados alcanzables desde el estado inicial) es decir, se representan los diferentes estados del
problema y cmo estos se encuentran interconectados. El espacio de estados forma un grafo cuando el
problema se encuentra bien estructurado, cuando los problemas no se encuentran bien estructurados
se utiliza estructuras ms complejas.
La representacin como espacio de estados forma la base de la mayora de los mtodos de IA, su
estructura se corresponde con la estructura de resolucin de problemas por dos razones:
Permite definir formalmente el problema;
Permite definir el proceso de resolucin de problemas con una combinacin de tcnicas conocidas
y bsqueda.
Para disear un programa que resuelva un problema, el primer paso que se debe dar es crear una
descripcin formal y manejable del problema, para esto debe hacerse lo siguiente:
1.
Definir un espacio de estados que contenga todas las configuraciones posibles de los
objetos ms relevantes; es posible definir este espacio sin tener que hacer una enumeracin
de todos y cada uno de los estados que contiene.
2.
Identificar uno o ms estados que describan situaciones en las que comience el proceso de
resolucin del problema, estos toman el nombre de estados iniciales.
3.
Especificar uno ms estados que pudieran ser soluciones aceptables del problema, estados
conocidos como estados objetivos.
4.
Especificar un conjunto de operadores y reglas que identifican las condiciones que se deben
cumplir para aplicar dichos operadores, que describan acciones disponibles. Para realizarlo
se debe profundizar en lo siguiente: a) Qu suposiciones presentes en la descripcin
informal del problema no estn expresadas como tales?; b) Que generalidad deben
tener las reglas?; c) Qu cantidad de trabajo necesario para resolver el problema debe ser
preprocesado y representado en forma de reglas?
5.
Definir el costo del camino.
Como se menciona en el texto bsico, una solucin de un problema es un camino desde el estado inicial
a un estado objetivo, la calidad de la solucin se mide por la funcin costo del camino, y una solucin
ptima tiene el costo ms bajo del camino entre todas las soluciones.
Bien, es hora que juntos desarrollemos un problema de bsqueda de rutas.
Ejemplo
Problema de bsqueda de una ruta que lo llamaremos: De vacaciones en

la capital de la Repblica. Aqu consideremos un problema de viajes por
transporte terrestre para ir de Loja a Quito.
Estados: Terminales terrestres de las ciudades por donde transita la cooperativa y la hora de salida.
27
PRIMER BIMESTRE
Estado inicial: Loja

Funcin sucesor: Ejemplo: Loja -> Cuenca
Loja -> Catamayo
Test objetivoestado objetivo: Quito

Costo del camino: suma de distancias, tiempo de trayecto entre ciudades, etc.
Bien, una vez que tenemos claro la forma de definir un problema es necesario que prestemos especial
atencin a los ejemplos que se encuentran en el texto bsico, apartado 3.2. Tmese todo el tiempo que
requiera para ir entendindolos.
Qu le parecieron los ejemplos? Esperamos que los haya entendido y que pueda identificar cul le
pareci ms importante.
SIGAMOS ADELANTE!!!
Recuerde: en caso de tener alguna inquietud puede recurrir al Entorno Virtual de Aprendizaje (EVA)
y consultar a su profesor.
3.2. Bsqueda de soluciones

Una vez que hemos establecido la forma de crear una descripcin formal y manejable de un problema,
el proceso de bsqueda se convierte en uno de los pilares fundamentales en el proceso de resolucin
de problemas.
Bien, para utilizar de manera adecuada el proceso de bsqueda requerimos
ubicar el texto bsico y revisar la seccin 3.3, prestemos especial atencin a la
forma de medir el rendimiento de resolucin de problemas.
Qu les pareci la lectura? Estuvo asimilable? Esperamos que s y que le haya sido de mucha ayuda.
Como pudimos darnos cuenta la bsqueda de soluciones se la hace a travs del espacio de estados,
generalmente las tcnicas de bsqueda utilizan un rbol de bsqueda generado por el estado inicial y la
funcin sucesor, definiendo as el espacio de estados.
Qu le parece si ahora hacemos juntos el rbol de bsqueda para el ejemplo planteado anteriormente?
Ejemplo
28
Problema de bsqueda de una ruta que lo llamaremos: De vacaciones en la

capital de la Repblica. Aqu consideremos un problema de viajes por transporte
terrestre para ir de Loja a Quito
PRIMER BIMESTRE
Figura 3.2. rbol de bsqueda de vacaciones en la capital de la Repblica.
Qu le pareci? Sencillo verdad? no es nada que no podamos realizar. Es importante que tengamos
claro la diferencia entre un nodo y un estado, un nodo es una estructura de datos usada para representar
el rbol de bsqueda, mientras que un estado corresponde a una configuracin del mundo.
Una de las formas de comprobar la resolucin de problemas es a travs de la medida de su rendimiento,
veamos cmo se evala el rendimiento.
Medidas de rendimiento de la resolucin del problema
A los algoritmos de resolucin de problemas se los puede evaluar de cuatro formas, as: a) completitud; b)
optimizacin; c) complejidad en tiempo; y, d) complejidad en espacio; as mismo, para valorar la eficacia
de un algoritmo de bsqueda se considera: a) el costo de la bsqueda; y, b) el costo total.
Una vez que hemos visto que la bsqueda es un mecanismo que ofrece un espacio en el que pueden
utilizarse mtodos ms directos para la resolucin de las subpartes de un problema, es necesario que
manejemos las aproximaciones fundamentales de bsqueda en el espacio de estado.
3.3. Bsqueda no informada

A la bsqueda no informada se la conoce tambin con el nombre de bsqueda a ciegas, el trmino
significa que no existe informacin adicional acerca de los estados ms all de la que proporciona la
definicin del problema.
Muy bien, para manejar apropiadamente los mtodos de bsqueda avanzada
vamos a ubicar el texto bsico y examinar la seccin 3.4, prestemos especial
atencin a cada uno de los mtodos de bsqueda no informada.
Fue interesante y entendible la lectura que realizaron? Esperamos que s, que les haya ayudado a
vislumbrar qu mtodo de bsqueda es aplicable en un determinado espacio de estado.
Como pudimos darnos cuenta los mtodos de bsqueda no informada (bsqueda ciega), son una
coleccin de procedimientos utilizados en el espacio de estado, comienzan por un nodo y utilizan
operadores para generar estados sucesivos, la bsqueda contina hasta que una solucin sea hallada.
29
PRIMER BIMESTRE
Los operadores y el orden en que ellos son tratados no tienen importancia. La idea que hay detrs de la
bsqueda no informada es examinar todo el rbol de una forma ordenada, utilizando los operadores y
generando sucesivamente tantos nodos como sea necesario hasta encontrar la solucin.
Estas aproximaciones son muy ineficientes, pues recorren de manera exhaustiva todo el espacio de
estado, esto puede conducir a un gran consumo de tiempo en la bsqueda de la solucin. En este tipo
de bsqueda ocurre una explosin combinatoria, ya que muchas alternativas deben ser consideradas y
el nmero de nodos para buscar se expanden exponencialmente.
Bsqueda primero en anchura
La bsqueda primero a lo ancho examina todos los nodos en un rbol de bsqueda, comenzando por
el nodo raz. En cada nivel los nodos son completamente expandidos y examinados; de no encontrarse
el estado objetivo entre ellos, nuevamente se expanden todos los nodos de ese nivel y se comienza la
bsqueda en el nuevo nivel, as sucesivamente, hasta que un nodo objetivo sea hallado.
La bsqueda primero en anchura se puede implementar llamando a la BSQUEDAARBOLES con una
frontera vaca llamando que sea una cola primero en entrar primero en salir FIFO, asegurando que los
nodos primeros visitados sern los primeros expandidos.
En teora esta estrategia podra ser valiosa para resolver muchos problemas. Aparentemente pudiera
hasta parecer una estrategia sin defectos puesto que el espacio de estados es finito, y siempre se
encontrar una solucin, pero el nmero de nodos crece exponencialmente con la profundidad y el
tiempo requerido para la bsqueda tambin crece exponencialmente. Este tipo de bsqueda siempre
garantiza la solucin si no tenemos limitaciones de tiempo y espacio.
Bsqueda de costo uniforme
La bsqueda de costo uniforme no se preocupa por el nmero de pasos que tiene un camino, pero s por
su costo total; por consiguiente, este tipo de bsqueda est dirigida por los costos de los caminos ms
que por las profundidades. La bsqueda de costo uniforme es similar a la bsqueda primero en anchura
pero expande el costo con el nodo ms pequeo del camino g(n).
Bsqueda primero en profundidad
La estrategia bsqueda primero en profundidad consiste en la seleccin de un camino y se lo sigue
por completo, aumentando los niveles de profundidad hasta que se descubre la solucin. Este tipo de
bsqueda tiene varias ventajas sobre la bsqueda primero en anchura, demanda menores recursos de
memoria porque considera un espacio de bsqueda ms limitado para alcanzar cualquier nivel dado,
solo se almacenan los nodos del camino que se sigue en ese momento; pero tiene sus desventajas, la
bsqueda primero en anchura no queda atrapada explorando callejones sin salida. Para evitar esto es
posible definir limites de profundidad, pero si la bsqueda de un camino se suspende antes de encontrar
su final, lo cual puede ser requerido dada la posibilidad de nmero infinito de caminos, entonces no se
hallar la solucin aunque exista alguna.
La bsqueda primero en profundidad se puede implementar llamando a la BSQUEDAARBOLES con
una cola ltimo en entrar primero en salir LIFO.
La bsqueda primero en anchura y la bsqueda primero en profundidad padecen de un mismo
problema: aunque tericamente se pueden emplear para resolver cualquier clase de problemas, en la
prctica estn limitadas por restricciones de tiempo y espacio.
30
PRIMER BIMESTRE
Bsqueda de profundidad limitada

La bsqueda de profundidad limitada impone un lmite de profundidad fijo a la bsqueda primero
en profundidad, por consiguiente puede ser implementada realizando una modificacin al algoritmo
general de bsqueda en rboles o del algoritmo recursivo de bsqueda primero en profundidad.
Bsqueda primero en profundidad con profundidad iterativa
La bsqueda primero en profundidad con profundidad iterativa combina las ventajas de la bsqueda
primero en profundidad y primero en anchura; es anloga a la bsqueda primero en anchura en la cual
se explora, en cada iteraccin, una capa completa de nuevos nodos antes de continuar con la siguiente
capa. Parecera que vale la pena desarrollar una bsqueda iteractiva anloga a la bsqueda de costo
uniforme, heredando las garantas de optimizacin del algoritmo evitando sus exigencias de memoria;
la idea es usar lmites crecientes de costo del camino en vez de aumentar lmites de profundidad.
Bsqueda bidireccional
Una caracterstica importante del proceso de bsqueda, es la direccin en la que se da el proceso de
razonamiento. El razonamiento hacia adelante (forward chaining) o dirigido por datos comienza en el
nodo inicial y trabaja hacia adelante en direccin al objetivo. Este tipo de razonamiento puede verse
como un tipo de razonamiento deductivo.
Es posible realizar el razonamiento partiendo de los objetivos, hacia los estados iniciales, en este caso se
denomina razonamiento hacia atrs (backward chaining). Este tipo de razonamiento puede verse como
un tipo de razonamiento inductivo.
En la prctica la seleccin de uno u otro tipo de razonamiento depende de la forma en que se desea
recorrer el espacio de bsqueda. Es posible combinar ambas tipos de bsqueda, lo que origina una
bsqueda bidireccional, se emplea la bsqueda hacia adelante a partir del estado inicial y a la vez se
realiza la bsqueda hacia atrs a partir de los estados objetivos.
Para continuar, es necesario que tengamos presente la siguiente informacin:
La resolucin de un problema de IA mediante bsqueda, consiste en aplicar una determinada estrategia
de control que conduzca a encontrar un camino desde el espacio inicial hasta algn estado objetivo
del espacio de estados, se exige examinar las posibles secuencias de acciones debindose seleccionar
aquella secuencia que sea la mejor segn un determinado criterio.
Los objetivos fundamentales mediante la bsqueda son: a) encontrar una solucin y b) que la solucin
tenga coste total mnimo. En el coste total se debe considerar el coste de bsqueda (tiempo y memoria
necesarios) y el coste del camino solucin.
31
PRIMER BIMESTRE

Forma de representar un nodo
Distinguir los conceptos
Estado. Elemento del espacio de estados que

corresponde con el nodo.
Nodo padre. Es el nodo en el rbol de bsqueda que ha
generado este nodo.
Accin/Operador. Operador que se aplic al padre para
generar este estado.
Coste del camino. Costo desde el nodo inicial denotado
por g(n).
Profundidad en el rbol de bsqueda. Nmero de pasos
a lo largo del camino desde el nodo inicial.
Espacio de estados. Finito.

rbol de nodos. Se genera y puede ser finito o infinito.
Para aplicar lo que hasta ahora hemos aprendido, vamos a realizar juntos el siguiente ejercicio:
Ejemplo
Misioneros y canbales
En la orilla de un ro hay tres misioneros y tres canbales y todos ellos pretenden
cruzar al otro lado. La barca que se utiliza para cruzarlo solo tiene capacidad para
transportar a una o dos personas de una orilla a otra. No puede ocurrir nunca que si
en una orilla hay algn misionero haya a la vez un nmero mayor de canbales, se los
comeran.
Objetivo: pasar a todos a la otra orilla.

Condicin: no puede ocurrir nunca que si en una orilla hay algn misionero haya a la vez un nmero
mayor de canbales, se los comeran.
Estados:
Parmetros: nmero de misioneros al lado izquierdo, nmero de canbales al lado izquierdo, posicin de
la barca (izquierda o derecha).
Verificar la condicin.
Operadores:
Transportar un misionero
Transportar un canbal
Transportar dos misioneros
Transportar dos canbales
Transportar un misionero y un canbal
Coste operador= 1
Representacin grfica de una de las POSIBLES movilizaciones
32
PRIMER BIMESTRE
O= misionero
J= canbal
Un lado de la orilla
OOOJJJ
OO JJ
OOJJ
OO J
OO J
OJ
OJ
Barca
Otra orilla
O J
O
O J
J
J
O J
O J
O
O J
J
J
OJ
OJ
OO J
OO J
OO JJ
OO JJ
OOO JJJ
Cmo le fue?, Pudo realizarlo?, qu sucedi con los operadores, estn bien identificados?, pudo
representar de otra manera la solucin del problema? S.
EXCELENTE, CONTINUEMOS!!!
Bien, una vez que tenemos claro las estrategias de bsqueda no informada, le invito a que apliquen
el mtodo de bsqueda ms apropiado para el ejemplo propuesto De vacaciones en la capital de la
Repblica. Tmese todo el tiempo que requieran y analicen si es necesario aplicar ms de un mtodo
de bsqueda.
Pudo identificar y aplicar el mtodo de bsqueda? Fue necesario agregar algo para establecer el coste?
Esperamos que haya aplicado el ms eficiente.
FELICITACIONES!!!
Recuerde en caso de tener alguna inquietud puede recurrir al Entorno Virtual de Aprendizaje (EVA)
y consultar a su profesor.
Los mtodos de bsqueda que hasta ahora hemos aplicado asumen que el entorno es totalmente
observable y determinista y que el agente conoce cules son los efectos de cada accin. Por lo tanto
el agente puede calcular exactamente cul es el resultado de cualquier secuencia de acciones y
siempre conoce en qu estado se encuentra. A continuacin vamos a identificar qu sucede cuando el
conocimiento de los estados es incompleto.
33
PRIMER BIMESTRE
3.4. Bsqueda con informacin parcial

Cuando el conocimiento de los estados es incompleto, se presentan tres tipos de problemas: a) problemas
sin sensores, problemas de contingencia y problemas de exploracin.
Muy bien, para manejar apropiadamente los problemas de incompletitud,
vamos a ubicar el texto bsico y revisar la seccin 3.6, prestemos cuidado a
cada uno de los problemas sealados.
Terminada la lectura podr darse cuenta que los ambientes parcialmente observables requieren de
algoritmos de bsquedas en el espacio de estados de creencia y un plan de contingencia para manejar
circunstancias desconocidas.
Bien, una vez que pudimos establecer la diferencia de cada tipo de problemas de los diversos tipos de
incompletitud, le invito a que desarrolle el ejercicio 3.7, literales a, b, c, y d del texto bsico.
Cmo le fue con la realizacin del ejercicio? Esperamos que muy bien.
ENHORABUENA, CONTINUEMOS!!
Como es de su conocimiento, es obligacin para los estudiantes de informtica hacer uso de las
herramientas tecnolgicas que le proporciona nuestra Universidad, es por ello que:
Interactividad en el EVA
Le invitamos a participar activamente y de manera argumentada en los foros
propuestos en el EVA, en los que podr emitir su criterio y aprender de manera
colaborativa los temas propuestos.
34
PRIMER BIMESTRE
Autoevaluacin 3
Para que tenga xito en la autoevaluacin le invito a que revise el resumen del captulo que se encuentra
en las pginas 97-98 del texto bsico y luego contine con el desarrollo de la autoevaluacin 3.
A.
En cada uno de los parntesis srvase marcar con una (V) si el enunciado es verdadero y con
una (F) si el enunciado es falso, en caso de no ser verdadero el enunciado, permtase indicar la
razn de la falsedad.
1.
Los agentes resolventesproblemas deciden qu hacer para encontrar secuencias de

acciones que conduzcan a los estados deseables.
2.
Definido el objetivo, la formulacin del problema es el proceso de decidir qu acciones

y estados debemos considerar.
3.
El proceso de examinar las distintas secuencias posibles de acciones que conducen

a estados de valores conocidos y escoger la mejor accin secuencia se denomina
seleccin.
4.
La fase de ejecucin se inicia cuando se encuentra una solucin y se procede con la

ejecucin de las acciones que esta recomienda.
5.
Los componentes que ayudan a definir formalmente un problema son: el estado

inicial del agente; una descripcin de las posibles acciones; el test objetivo y una
funcin costo del camino.
6.
Una solucin de un problema es un camino desde el estado inicial a un estado

objetivo.
7.
La calidad de una solucin se mide por la funcin costo del camino, y una solucin
ptima tiene el costo ms elevado del camino entre todas las soluciones.
8.
En un rbol de bsqueda, se denomina frontera a la coleccin de nodos que se han

generado pero que an no se han expandido.
9.
Un algoritmo de bsquedarbol puede usarse para resolver cualquier tipo de

problema, las variantes especificas del algoritmo incorporan estrategias diferentes.
10.
La evaluacin del rendimiento de un algoritmo nicamente se la puede realizar por

la completitud.
B.
Desarrolle los siguiente ejercicios
1.
Permtase indicar si la funcin que a continuacin se presenta, corresponde a un algoritmo de

bsqueda. Argumente su respuesta.
funcin agente_de_soluciones_de_un_problema(p) return una_oracin_simple
35
PRIMER BIMESTRE
inputs: p, una percepcin

structic: s, secuencia de acciones, inicialmente vaca,
estado, descripcin del estado actual del mundo
g, una meta, inicialmente nula
problema, una formulacin del problema
estado <- cambio_estado(estado, p)
if s est vaco then
g <- FORMULACIN_DE_LA_META(estado)
problema <- FORMULACION_DE_LA_META(estado, g)
s <- BSQUEDA(problema)
accin <- RECOMENDACIN(s, estado)
s <- RESTANTE(s, estado)
return accin
2.
Mencione los objetivos fundamentales de la resolucin de un problema mediante bsquedas

MUY BIEN!!!

didctica.
Ir a solucionario
36
PRIMER BIMESTRE
UNIDAD 4. ESTRATEGIAS DE BSQUEDA INFORMADA Y DE EXPLORACIN

Cmo est? Animado para continuar adelante y as culminar con el primer bimestre? Indudablemente
que s.
Para culminar con los contenidos programados para el primer bimestre, vamos a determinar las
estrategias de bsqueda conocidas como informadas y de exploracin, que utilizan el conocimiento
especfico de un problema.
4.1. Estrategias de bsqueda informada

Existen dos aproximaciones fundamentales de bsqueda en el espacio de estado; la primera denominada
bsqueda no informada (bsqueda ciega) y la segunda denominada bsqueda informada (heurstica).
Ambas son utilizadas en la IA, pero la bsqueda informada es un mtodo de solucin de problemas en
IA; en todo caso, la bsqueda informada (bsqueda heurstica) es un tipo de bsqueda ciega pero con
una gua u orientacin.
Bien, ahora vamos a ver cmo las estrategias de bsqueda no informada
pueden encontrar soluciones en problemas generando sistemticamente
nuevos estados y probndolos con el objetivo, para esto es preciso ir al texto
bsico y revisar la seccin 4.1, prestemos cuidado a cada uno de los problemas
sealados.
Qu les pareci la lectura? Estuvo entendible, si no fue as tmense el tiempo que requieran a fin de que
les sea de ayuda.
Al realizar la lectura se encontraron varias veces el trmino heurstica, cul es su significado? heurstica
viene del griego heurisko (yo encuentro) conocimiento parcial sobre un problema / dominio que
permite resolver problemas eficientemente en ese problema/dominio; un procedimiento es un criterio
que permite resolver un problema, pero no hay garanta de que siempre lo resuelva y una funcin es la
estimacin del costo necesario para alcanzar una funcin desde el estado actual; las funciones heursticas
se descubren resolviendo modelos simplificados del mundo real.
As mismo, se observ que la bsqueda primero el mejor se basa en la funcin de evaluacin, f(n);
tradicionalmente se selecciona para la expansin el nodo con la evaluacin ms baja ya que la evaluacin
mide la distancia al objetivo. Recordemos que un componente clave de los algoritmos de bsqueda
primero el mejor, es una funcin heurstica denotada h(n);
hn = coste estimado del camino ms barato desde el nodo n a un nodo objetivo
Bsqueda voraz primero el mejor
Evala los nodos utilizando nicamente la funcin heurstica:
f(n) = h(n)
37
Ejemplo
PRIMER BIMESTRE
Funcin f(n) : coste del nodo n

Lista UNO: nodos generados pero no testeados
Primero el mejor: siguiente n con min f(x) x UNO
Rendimiento: mucho mejor que la bsqueda ciega
Como pudo darse cuenta, la bsqueda voraz primero el mejor se parece a la bsqueda primero en
profundidad en el modo que prefiere seguir un camino hacia el objetivo, pero volver atrs cuando
llegue a un callejn sin salida; tiene las mismas limitaciones que la bsqueda primero en profundidad,
no es ptima y es incompleta porque puede ir hacia abajo en un camino infinito y nunca volver para
intentar otras posibilidades.
Bsqueda A* minimizar el costo estimado total de la solucin
La bsqueda A* evala los nodos combinando g(n), el coste para alcanzar el nodo y h(n) el coste de ir al
nodo objetivo.
Figura 4.1. Ecuacin de la bsqueda A*.
Heurstica: h(n) estima el costo de un camino ptimo de n a una solucin

g(n): coste desde la raz hasta n
h(n): admisible siempre y cuando no sobrepase el coste ptimo
A*: primero el mejor con f(n) = g(n) + h(n)
Clculo de costes:
g(n) se calcula como la suma de los costes de los arcos recorridos, k(ni, nj)
Los valores reales nicamente se pueden conocer al final de la bsqueda, as:
f*(n): coste real para ir desde el nodo inicial a algn nodo meta a travs de n
g*(n): coste real para ir desde el nodo inicial al nodo n
h*(n): coste real para ir desde el nodo n a algn nodo meta
Bsqueda heurstica con memoria acotada
En el texto bsico, se presentan dos algoritmos con memoria acotada, as:
Bsqueda recursiva del primero mejor (BRPM)
A* con memoria acotada (A*M) A* con memoria simplificada (A*MS)
38
PRIMER BIMESTRE
Muy bien, una vez que conocimos algunos algoritmos de bsqueda informada, le invito a que desarrollen el ejercicio 4.11 del texto bsico, literales a, b y d.
Le fue fcil identificar el algoritmo para cada uno de los casos? Esperamos que s; caso contrario, le
sugiero realizar una relectura del numeral 4.1.
FELICITACIONES, CONTINUEMOS!!
4.2. Algoritmos de bsqueda local y problemas de optimizacin

Los algoritmos de bsqueda manejados hasta ahora, se disean para explorar sistemticamente
espacios de bsqueda, esta forma sistemtica se alcanza manteniendo uno o ms caminos en memoria
y registrando qu alternativas se han explorado en cada punto a lo largo del camino y cules no. Cuando
se encuentra un objetivo el camino a ese objetivo tambin constituye una solucin al problema, pero si
no importa el camino al objetivo, podemos utilizar una clase diferente de algoritmos.
Muy bien, ahora vamos a entender la forma de funcionamiento de los algoritmos
cuando no importa el camino a los objetivos, para esto es necesario ubicar el
texto bsico y revisar la seccin 4.3, prestemos especial atencin al algoritmo
de bsqueda ascensin de colinas (Figura 4.11).
Qu le pareci la lectura? Estuvo interesante?, seguro qus s.

Al realizar la lectura pudieron darse cuenta que los algoritmos de bsqueda local que se presenta en el
texto bsico son los siguientes:
Figura 4.2. Algoritmos de bsqueda local.
39
PRIMER BIMESTRE
Bien, una vez que conocimos como funcionan los algoritmos de bsqueda local, le invito a ejemplificar
cada uno de estos.
Cmo le fue con la ejemplificacin? Esperamos que muy bien; caso contrario, le invito a revisar
nuevamente los contenidos del numeral 4.2. del texto bsico y de la gua didctica.
ENHORABUENA, ADELANTE!!
4.3. Bsqueda on-line y ambientes desconocidos

Hasta ahora hemos utilizado los algoritmos de bsqueda off-line, es necesario que conozcamos cmo
funcionan los agentes on-line.
Muy bien, ahora vamos a conocer cmo actan agentes on-line, prestemos
atencin especial a la definicin del trmino on line, as como a la figura 4.19,
en donde se ejemplifica el funcionamiento de este tipo de agentes.
Cmo le fue con la lectura? Estuvo atractiva?, seguro que s.

Al realizar la lectura pudimos admitir que el agente de bsqueda on-line funciona intercalando el clculo
y la accin, primero toma una accin, entonces observa el entorno y calcula la siguiente accin.
La bsqueda en tiempo real no sirve para tareas con tiempo o informacin limitada.
Figura 4.3. Funcionamiento del agente de bsqueda on-line.

Adaptado de: http://bp2.blogger.com/_L5WebSJSfwo/R55Ra-rPX5I/AAAAAAAAAAg/W7ifoU6alo0/s1600-h/IA+2.JPG
Problemas de bsqueda en lnea (on-line)

Un problema de bsqueda on-line puede resolverse por un agente que ejecuta acciones, ms que un
proceso computacional.
40
PRIMER BIMESTRE
Agentes de bsqueda en lnea

Un agente on-line, despus de cada accin, recibe una percepcin al decirle qu estado ha alcanzado;
de esta informacin puede aumentar su mapa del entorno, el mapa actual se usa para decir dnde ir
despus.
Figura 4.4. Forma de aprendizaje del agente de bsqueda on-line.

Adaptado de: http://bp2.blogger.com/_L5WebSJSfwo/R55Ra-rPX5I/AAAAAAAAAAg/W7ifoU6alo0/s1600-h/IA+2.JPG
Los agentes en la bsqueda on-line, aprenden un mapa del entorno (el resultado de cada accin en
cada estado), registrando cada una de sus experiencias y adquieren estimaciones ms exactas del valor
de cada estado utilizando las reglas de actualizacin local.
Para aplicar lo que hasta ahora hemos aprendido, vamos a realizar juntos el siguiente ejercicio:
Ejemplo
Misioneros y canbales
Revisemos la descripcin realizada de los misioneros y canbales propuesta en el
literal 3. 3 de la presente gua didctica, y respondamos a las siguientes interrogantes:
a) Cmo se representaran los estados?
b) Cules seran los operadores?
c) Que heursticas existen para este problema? son admisibles?
Estados:
Se podra indicar la posicin de la barca, junto con el nmero de misioneros y canbales que hay en cada
lado.
Se podra pensar que, dado que el nmero de personas en el extremo nal puede calcularse a partir
de los que hay en el inicial, basta con indicar la posicin de la barca y los misioneros y canbales que
quedan en el extremo inicial. Sin embargo, la primera aproximacin permite describir ms fcilmente las
precondiciones y efectos de los operadores, por lo que mantenemos la representacin inicial. Adems, el
espacio de estados tiene el mismo tamao e idntica semntica con ambas representaciones.
Formalmente, un estado es una terna (Mi, Ci, B, Mf, Cf) en la que:
B [i,f] indica la posicin de la barca, por lo que toma el valor i si est en el extremo inicial, o f si est en
el nal.
41
PRIMER BIMESTRE
Mi, Ci, Mf, Cf [0, . . . , 3] indican el nmero de misioneros y canbales que quedan en el extremo inicial y
nal del ro, respectivamente. De esta manera, el estado inicial se representa como (3, 3, i, 0, 0) y el nal
como (0, 0, f, 3, 3).
Bien, una vez que conocimos como funcionan los algoritmos de bsqueda on-line, le invito a que escriba
las diferencias entre los algoritmos de bsqueda off-line y los algoritmos de bsqueda online; as mismo,
identifique tres aplicaciones en las que se deben utilizar los algoritmos de bsqueda off-line y tres aplicaciones en las que se deben utilizar los algoritmos de bsqueda on-line.
Cmo le fue con la actividad propuesta? Esperamos que muy bien; caso contrario, le invito a revisar
nuevamente los contenidos del numeral 4.3.
FELICITACIONES!!
Muy bien, como se han podido dar cuenta hemos terminado de aprender los contenidos propuestos
para el primer bimestre, le invitamos a que siga conociendo el apasionante mundo de la IA.
Recuerde que para tener xito en la autoevaluacin es conveniente revisar el resumen del captulo que
se encuentra en las pginas 145-146 del texto bsico y luego continuar con el desarrollo de la
42
PRIMER BIMESTRE
Autoevaluacin 4
A.
En cada uno de los parntesis srvase poner una (V) si el enunciado es verdadero y o una (F) si
el enunciado es falso, en caso no es verdadero el enunciado, permtase indicar la razn de la
falsedad.
1.()
Una estrategia de bsqueda no informada puede encontrar soluciones de manera

ms eficiente que una estrategia de bsqueda informada.
2.()
La bsqueda primero el mejor es un caso particular de algoritmo general de bsqueda

-rboles o bsqueda-grafos en la cual se selecciona un nodo para la expansin basada
en una funcin de evaluacin f(n).
3.()
La bsqueda primero el mejor es exacto.
4.()
La bsqueda voraz primero el mejor trata de expandir el nodo ms cercano al objetivo,

alegando que probablemente conduzca rpidamente a una solucin.
5.()
La bsqueda voraz primero el mejor se parece a la bsqueda de profundidad limitada,

en el modo que prefiere seguir un camino hacia el objetivo, pero volver atrs cuando
llegue a un callejn sin salida.
6.()
La bsqueda voraz primero el mejor sufre los mismos defectos que la bsqueda
primero en profundidad, no es ptima y es incompleta porque puede ir hacia abajo
en un camino infinito y nunca volver para intentar otras posibilidades.
7.()
Un buen algoritmo de bsqueda informada debera considerar el valor heurstico de

los nodos y el costo real del recorrido.
8.()
El rendimiento de los algoritmos de bsqueda heurstica dependen de la calidad de

la funcin heurstica.
9.()
Los algoritmos de bsqueda local funciona como un solo estado actual y generalmente
se mueve solo a los vecinos del estado.
10.()
Los algoritmos de bsqueda local son sistemticos.
B.
Desarrolle los siguientes ejercicios:

1.
Elabore un cuadro comparativo entre la bsqueda no informada y la bsqueda informada

Estrategia de trabajo
Para que tenga xito en el desarrollo del cuadro comparativo es preciso que lea de manera
detallada la unidad 3 y la unidad 4 de la gua didctica; as como: el captulo 3 y el captulo
4 del texto bsico, preste especial atencin a los resmenes que se encuentran al final de
cada captulo.
2.
Escriba el pseudocdigo para la implementacin del algoritmo A*.

Estrategia de trabajo
43
PRIMER BIMESTRE
Para poder realizar de manera adecuada el pseudocdigo solicitado, lea con cuidado lo
referente a la bsqueda A*, y preste mucha atencin a lo sealado en las figuras 4.3 y 4.4
de la gua didctica, esto le ayudar a comprender de mejor manera el funcionamiento del
algoritmo bsqueda A*.
MUY BIEN!!!
didctica.
Ir a solucionario
44
Comportamiento tico
Innovacin
--
Analizar problemas -de programacin y

plantear soluciones
mediante mtodos
computacionales.
--
Competencias
especficas
Unidades/Temas
Contenidos
5.4. Estructura de los problemas
satisfaccin de restricciones
Desarrollar otras actividades recomendadas de

la unidad 5.
Desarrollar la autoevaluacin 1.
Interactuar con el EVA.
Inicio del desarrollo de la evaluacin a distancia
del II bimestre.
----
Identificar la diferencia entre una bsqueda con

vuelta atrs y la bsqueda con vuelta atrs
inteligente.
Analizar el ejemplo presentado en la figura 5.1.

de su texto bsico y luego obtenga posibles
soluciones para el problema de colorear el
recorte del mapa del Ecuador.
Leer comprensivamente del texto bsico,

captulo 5: Problemas de satisfaccin de
restricciones
Actividades de aprendizaje
--
Utiliza adecuadamente los principales

UNIDAD 5: PROBLEMAS DE
-algoritmos y mtodos de resolucin
SATISFACCIN DE RESTRICCIONES
de problemas de satisfaccin de
5.1. Introduccin a los problemas de
restricciones
satisfaccin de restricciones
-Selecciona la estrategia ms
5.2. Bsqueda con vuelta atrs para
adecuada para la optimizacin de los
resolver problemas de satisfaccin de
algoritmos de bsqueda.
restricciones
-5.3. Bsqueda local para problemas de
6.6. Planificacin para el trabajo del alumno
Pensamiento crtico
6.5. Competencias genricas
SEGUNDO BIMESTRE
8 horas de
autoestudio y 8
horas de
interaccin.
Semana 9 y 10:
Tiempo estimado
Cronograma
prientativo
SEGUNDO BIMESTRE
45
46
--
6.1. Agentes basados en el conocimiento
UNIDAD 6: AGENTES LGICOS
5.3. Poda Alfa-Beta
5.2. Algoritmo MINIMAX
5.1. Juegos
UNIDAD 5: BSQUEDA ENTRE

ADVERSARIOS
6.2. Lgica proposicional -patrones de

Disea agentes lgicos que acten en
razonamiento
entornos heterogneos.
6.3. Encadenamiento hacia adelante y
Resuelve problemas concretos con la
hacia atrs
ayuda de agentes inteligentes.
6.4. Agentes basados en lgica
proposicional
Aplica la teora de agentes lgicos

para resolver problemas de la vida
real.
Reconoce los diferentes elementos de

juego.
--
Implementar
-aplicaciones a
partir de
especificaciones y
-modelos de
software utilizando
estndares de
-documentacin y
de programacin.
Resuelve ejercicios utilizando

algoritmos de bsqueda.
Analiza problemas y determina qu

tcnica de bsqueda es la ms
adecuada.
--
--
Realizar el ejercicio 7.8 del texto bsico, y

verifique su decisin utilizando las
equivalencias lgicas revisadas en la lectura
anterior.
la unidad 7.
Desarrollar la autoevaluacin 7.
Continuar con el desarrollo de la evaluacin a
distancia del II bimestre.
--
-----
Continuar con el desarrollo de la evaluacin a

--
Pensar como sera el esquema de un agente

basado en conocimiento para un sistema de
diagnstico mdico y luego describir los
componentes del mismo.
--
--
Desarrollar la autoevaluacin 6
--
Leer comprensivamente el captulo 7: Agentes

lgicos"

la Unidad 6.
--
--
Considera el rbol de la figura 6.3 de la unidad

6, y sealar las estrategias ganadoras (si las
hubiera) para un jugador MAX y para un
jugador MIN.
Leer comprensivamente el texto bsico,

captulo 6: "Bsqueda entre adversarios".
--
--
4 horas de
autoestudio y 4
horas de
interaccin.
Semana 13:
8 horas de
autoestudio y 8
horas de
interaccin.
Semana 11 y 12:

SEGUNDO BIMESTRE
Busca y propone nuevos mtodos y

soluciones ante situaciones y
problemas dados.
Analiza situaciones que pueden ser

representadas mediante tecnologas
semnticas.
--
--
--
Web semntica
Revisin de la unidad 58
8.4.
Tecnologas de la Web
semntica: ontologas
8.3.
8.2.
Tcnicas de representacin del
conocimiento
Desarrollar la autoevaluacin 7
Finalizar el desarrollo de la evaluacin a
----
Preparar la evaluacin presencial, haciendo una Semana 15 y 16 8:

revisin de las unidades 5-8, de las
8 horas de
autoevaluaciones y de la evaluacin a distancia. autoestudio y 8
horas de
interaccin.

la unidad 7.
--
Investigar sobre las ventajas de la Web

semntica y mencionar algunos proyectos que
se han realizado sobre sta.
Identificar la relacin que existe entre la
representacin del conocimiento y la Web
semntica.
--
Semana 14:
4 horas de
autoestudio y 4
Representar un dominio universitario mediante horas de
interaccin.
mapas conceptuales.
Leer comprensivamente el captulo 10.

Representacin del conocimiento, de su texto
bsico.
--
--
8.1.
Introduccin a la representacin
del conocimiento
--
UNIDAD 8: REPRESENTACIN DEL

CONOCIMIENTO
SEGUNDO BIMESTRE
47
SEGUNDO BIMESTRE
6.7. Orientaciones especficas para el aprendizaje por competencias
UNIDAD 5. PROBLEMAS DE SATISFACCIN DE RESTRICCIONES

Bien!!!. Ahora empezaremos a trabajar con los contenidos del segundo bimestre, estamos seguras que
est predispuesto para iniciar con entusiasmo el estudio de esta unidad.
Vamos a iniciar revisando los problemas de satisfaccin de restricciones (PSR). Este tipo de problemas
es muy interesante ya que conoceremos una variedad de mtodos de bsqueda y lograremos un
entendimiento ms amplio de la estructura de los problemas.
5.1. Introduccin a los problemas de satisfaccin de restricciones

Nos imaginamos que le habrn surgido muchas inquietudes cmo a qu se refiere este tipo de
problemas?, en qu se diferencia de los anteriores?, etc., para aclarar esta inquietudes le invitamos a
desarrollar lo siguiente:
Realizar una lectura del texto bsico, captulo 5, seccin 5.1: Problemas de satisfaccin
de restricciones, en donde conocer la manera de combinar los requerimientos de los
problemas con las posibles soluciones que se puedan encontrar para estos.
Desarrollada la lectura podemos comprender que los problemas de satisfaccin est definido por:

Un conjunto de variables, cada una de las cuales tiene un dominio de valores.

Un conjunto de restricciones, en la que cada una de ellas implica un subconjunto de variables.
Teniendo en cuenta estas consideraciones a continuacin se resumen los elementos de un PSR.
Figura 5.1. Elementos que caracterizan a un PSR.
Una vez comprendida la explicacin sobre los PSR como la asignacin de valores a una variable, solucin
de un PSR, la funcin objetivo, etc., le invitamos a revisar el siguiente ejemplo:
48
SEGUNDO BIMESTRE
Figura 5.2. Recorte del mapa poltico del Ecuador. Fuente [Google imgenes].
Las variables sern las provincias: Esmeraldas, Manab, Pichincha e Imbabura.
El dominio son los colores {rojo, azul, verde, amarillo}.
La restriccin principal consiste en que cada provincia correspondiente al mapa debe tener un
color distinto a cualquiera de sus vecinos prximos.
Si cada provincia se la representa por una variable, se tendra:
Esmeraldas (x),
Manab (y),
Pichincha (w)
Imbabura (z).
Las restricciones seran las siguientes:
Figura 5.3. Recorte del mapa poltico del Ecuador. Fuente [Google Maps], utilizado para la interpretacin de las restricciones
{x y, xw, xz, yz, wz}

49
SEGUNDO BIMESTRE
Pueden existir mltiples soluciones para el problema planteado. Pero lo importante es encontrar un
conjunto de estados (como se menciona en el texto bsico), que permita obtener una solucin adecuada.
En la siguiente seccin de esta gua exponemos uno de esos algoritmos.
Analice el ejemplo presentado en la figura 5.1. de su texto bsico que hace referencia a un
problema de coloreo de un mapa representado con grafo de restricciones. Luego obtenga posibles soluciones para el problema planteado anteriormente: Colorear el recorte del mapa del
Ecuador.
5.2. Bsqueda con vuelta atrs para resolver Problemas de Satisfaccin de Restricciones (PSR)
Hemos visto la formulacin de PSR como problemas de bsqueda, ahora es necesario trabajar con una
estrategia de bsqueda que permita automticamente obtener una solucin, como el algoritmo de
vuelta atrs.
Realice una lectura comprensiva de la seccin 5.2. Bsqueda con vuelta atrs para PSR,
en ella se describe de forma muy clara el funcionamiento del algoritmo de vuelta atrs.
Un aspecto importante de resaltar de la lectura anterior es que este algoritmo se utiliza para bsquedas
primero en profundidad, donde se elige valores para una variable a la vez y vuelve atrs cuando una
variable no tiene ningn valor legal para asignarle.
Ahora continuaremos con el ejemplo propuesto en la seccin anterior del planteamiento del problema
de colorear el recorte del mapa del Ecuador. Para resolver este problema utilizando el algoritmo de
vuelta atrs, es necesario construir un grafo como se muestra a continuacin:
Figura 5.4. Grafo de bsqueda.
El grafo anterior es un grafo de bsqueda plano, ya que permite la interconexin entre las distintas
ciudades. Aplicando el algoritmo de bsqueda con vuelta atrs, se tiene la siguiente solucin:
50
SEGUNDO BIMESTRE
1.
Disear un rbol de bsqueda: Para ello empezamos dndole colores a las provincias en el mapa:
x = rojo
y = verde
z = azul
2.
Dado el estado anterior es necesario generar un color para la provincia w:
Si w recibe rojo, no pudiese ser, ya que x es rojo.
Si w recibe azul, no pudiese ser, ya que z es azul.
Si w recibe verde, no pudiese ser, ya que y es verde.
Si w recibe amarillo, esta solucin sera correcta ya que no coincide con los colores de
ninguno de sus vecinos.
Como puede observar, la bsqueda de qu color ubicar para cada provincia es recursiva, puesto que hay
que regresar a ver qu color tienen las provincias vecinas para asignar un valor correcto a la provincia que
le falta el color. Suena interesante, verdad?
Seguimos entonces, consideramos la representacin anterior, para generar el siguiente rbol de
bsqueda:
Figura 5.5. rbol de bsqueda.
El rbol obtenido, es generado tomando en cuenta el color en orden para las letras x,y,z,w, que es el
orden que va coincidiendo con el recorrido por provincias en el mapa. En la segunda y tercera hoja del
rbol se observa como los colores han ido variando, por lo tanto se tiene un color distinto para w. Por la
caracterstica del algoritmo (vuelta atrs) es necesario regresar a observar los colores que han tenido las
variables x,y,z para ubicar el color adecuado a w.
Ejercicio
Ahora realice usted el mismo ejercicio considerando la provincias de Guayaquil, Los Ros,
Cotopaxi y Bolvar, y asigne una variable diferente a cada provincia, luego aplique bsqueda
con vuelta atrs para asignar un color a la provincia de Bolvar.
51
SEGUNDO BIMESTRE
Recuerde!. En caso de tener alguna inquietud puede consultar a su profesor a travs del Entorno Virtual
de Aprendizaje o en el horario de tutora establecido por su profesor.
Comprobacin hacia delante y propagacin de restricciones
La comprobacin hacia delante permite usar mejor las restricciones durante las bsquedas, eliminando
de un dominio los valores inconsistentes con una determinada variable, en cambio la propagacin de
restricciones consiste en propagar las implicaciones de una restriccin sobre una variable en las otras
variables.
Regresemos a la lectura sealada anteriormente en esta gua y analice el
apartado "Propagacin de la informacin de restricciones", de la seccin
5.2 de su texto bsico.
Una vez que ha realizado la lectura, es momento de poner en prctica lo estudiado, reflexionando sobre
la siguiente interrogante:
Segn su opinin cul es la diferencia entre una bsqueda con vuelta atrs y la bsqueda con
vuelta atrs inteligente?
5.3. Bsqueda local para problemas de satisfaccin de restricciones

Veremos ahora otro interesante tema como la bsqueda local, que trata de algoritmos que se pueden
utilizar para resolver problemas de satisfaccin de restricciones. En esta seccin se estudiar sus
principales caractersticas y sus aplicaciones.
Revise y realice una lectura comprensiva de la seccin 5.3. Bsqueda local

para problemas de satisfaccin de restricciones. Con la lectura se podr dar
cuenta de que existen distintas formas de resolver problemas de este tipo.
Verdad que la lectura le proporcion informacin relevante sobre el tema?, pues bien vamos a sealar
los puntos que debe tener siempre presente dentro de una bsqueda local:
Figura 5.6. Caractersticas de la bsqueda local aplicada al problema de satisfaccin de restricciones.
El ejercicio de la seccin 5.3. Bsqueda local para problemas de satisfaccin de restricciones,

esquematizado en la figura 5.9, del texto bsico es muy explicativo y le podr ayudar a la comprensin
52
SEGUNDO BIMESTRE
de este tema. Lo importante de este ejercicio es la ubicacin de las ocho reinas con una solucin de
solamente dos pasos. Interesante! verdad?, Adems presenta de una forma adecuada el ajuste de la
funcin de bsqueda.
Revise el ejercicio de la posicin de las reinas ubicado en la seccin 5.3 del texto bsico:
Bsqueda local para problemas de satisfaccin de restricciones. Es posible ubicar 9 reinas
en el tablero?, si la respuesta es S, explique el proceso de ubicar las nuevas reinas.
5.4. Estructura de los problemas

Un aspecto importante de los problemas de satisfaccin de restricciones es estructurar el problema
mediante grafos de restricciones de tal forma que se pueda encontrar las soluciones de forma ms rpida.
Para conocer ms del tema le invitamos a desarrollar lo siguiente:
Leer la seccin 5.4. "La estructura de los problemas", de su texto bsico, para conocer algunos grafos de restricciones y la descripcin de estas estructuras mediante algoritmos.
Muy bien!, hemos culminado con xito el desarrollo de esta unidad, en este momento le invitamos a
que resuelva la siguiente autoevaluacin para comprobar lo aprendido.
53
SEGUNDO BIMESTRE
Autoevaluacin 5
A.
En cada uno de los parntesis srvase responder con una (V) si el enunciado es verdadero o con
una (F) si el enunciado es falso.
1.()
Los problemas de satisfaccin de restricciones estn definidos por un conjunto de

variables y un conjunto de estados.
2.()
Una restriccin es un condicionante de un problema.
3.()
La bsqueda con vuelta atrs se utiliza para bsquedas primero en profundidad.
4.()
En la bsqueda local siempre se aplica la solucin actual como vlida.
5.()
Se puede aplicar el algoritmo de vuelta atrs siempre y cuando existan solamente dos
restricciones.
6.()
Los PSR consisten en variables con restricciones sobre ellas.
7.()
Los PSR con preferencias pueden resolverse utilizando mtodos de bsqueda de

optimizacin basados en caminos o locales.
8.()
La clase ms simple de los problemas de satisfaccin de restricciones es la que implica

variables discretas y continuas.
B.
Desarrolle el siguiente ejercicio:
9.
Tomando como base la figura 5.4. de la presente gua didctica, disee un rbol de bsqueda
empezando la coloracin del mapa por w.
Excelente!, ha comprobado su nivel de aprendizaje en los temas. Le invitamos a seguir avanzando con el
estudio de las siguientes secciones.
didctica.
Ir a solucionario
54
SEGUNDO BIMESTRE
UNIDAD 6. BSQUEDA ENTRE ADVERSARIOS

Interesante unidad Verdad..!. Pues bien, iniciamos el estudio de esta unidad con el uso de la bsqueda
entre adversarios (juegos), donde se revisarn conceptos sobre la teora de juegos, se describir cmo
las acciones de un jugador influyen en las acciones de su adversario (minimax) y por ltimo cmo se
puede reducir el nmero de jugadas para que los algoritmos de inteligencia artificial ocupen de una
forma adecuada la memoria de los computadores en donde se ejecutan.
6.1. Juegos
La bsqueda entre adversarios comnmente conocidos como juegos se da en entornos competitivos
donde los objetivos del agente entran en conflicto con los de otro agente. En este tipo de bsqueda los
valores de utilidad al final de un juego son siempre iguales y opuestos.
Para aclarar nuestras dudas y conocer ms de este tema desarrollar la siguiente lectura:
Revisar el captulo 6. "Bsqueda entre adversarios", del texto bsico. En el cual encontrar
los componentes de un juego y las estrategias ptimas que conduzcan a los resultados
deseables.
De la lectura realizada es conveniente que comprenda los componentes que conforman un juego, los
cuales se resumen a continuacin:
Figura. 6.1. Componentes de un juego.
Los movimientos en un juego se realizan en profundidad, y cada nodo en el rbol tiene un valor llamado
MIN o MAX. Para conocer sobre estos trminos le invitamos a seguir leyendo la seccin siguiente.
6.2. Algoritmo MINIMAX

Ha jugado alguna vez tres en raya?, nos imaginamos que s. Para este juego existen dos jugadores, y
lgicamente gana aquel que seleccione la mejor estrategia (algunos piensan que la mejor estrategia
es empezar primero y ubicarse en la celda cntrica del tablero qu piensa usted?). Es conveniente
para este tipo de problemas de bsqueda elegir la mejor estrategia, pero cmo hacerlo? o cul es la
decisin ptima? Pues bien, con la lectura siguiente podr aclarar estas interrogantes.
55
SEGUNDO BIMESTRE
Regresar a su texto bsico y dentro de la seccin 6.2. Decisiones ptimas en juegos,

revisar el apartado "Algoritmo minimax", para conocer a detalle el funcionamiento de
este algoritmo.
Considere que el algoritmo minimax realiza una exploracin exhaustiva del rbol de bsqueda, de
manera que el jugador que debe mover en primer lugar, al que llamaremos MAX tiende a elegir en
cada uno de sus movimientos aquel camino que le conduzca a un nodo con el mayor valor posible de la
funcin de evaluacin de la funcin heurstica. La estrategia del otro jugador al que llamaremos MIN es
la contraria, ya que tratar de oponerse a la estrategia de MAX, tomando el peor valor para aquella, es
decir, el ms pequeo.
La anterior es una definicin muy interesante, de hecho propone que MAX y MIN son oponentes y
lgicamente uno debe ser declarado ganador. Sin embargo, existen otras propuestas de la teora de
juegos, en donde los adversarios colaboran para obtener el mejor resultado para ambos jugadores.
Ahora veamos el siguiente ejemplo de MINIMAX propuesto en (Fernndez, Boticario y Mira,
2001) :
MAX
MIN
MAX
MIN
Figura 6.2. Algoritmo minimax.
En la Figura 6.2. Desde el nodo MIN superior se puede llegar a un nodo con valor 7. El otro camino
posible solo es conveniente explorarlo mientras se sepa que se puede llegar por l a un nodo cuyo valor
sea menor que 7. Como consecuencia de esto no es necesario explorar el camino de MAX ya que nos
conduce a un valor de 8, el cual es mayor que 7 y por lo tanto no es la solucin que buscamos.
Una vez comprendido lo que es el algoritmo MINIMAX, nos gustara que revise el siguiente resumen:
Recuerde!, Desde un nodo padre MAX se elegir aquella jugada que conduzca al hijo con mayor
valor asociado, por el contrario desde un nodo padre MIN se elegir la jugada que lleve al hijo
con menor valor asociado.
Hay que considerar que en este tipo de bsqueda solo hay un ganador.
Bien, ahora es momento de trabajar sobre el tema:
Ejercicio
Considere el siguiente rbol, y seale las estrategias ganadoras (si las hubiera) para un jugador MAX
y para un jugador MIN. Se considera que un nodo terminal (hoja) es ganador para MAX si su valor es
56
SEGUNDO BIMESTRE
superior o igual a 5. Por lo contrario, un estado ganador para MIN es aqul valor inferior a 5. Justifique su
respuesta.
MAX
Figura 6. rbol de bsqueda.
6.3. Poda Alfa-Beta

Cmo se habr dado cuenta, el algoritmo MINIMAX que lo estudiamos anteriormente permite determinar
que existen dos jugadores adversarios, esto hace que el algoritmo se vuelva lento por tener que explorar
muchas ramas del rbol de bsqueda para encontrar una solucin. Qu hacer para que MINIMAX opere
ms rpido?, veamos una alternativa realizando lo siguiente:
Desarrollar la lectura de la seccin 6.3: Poda alfa-beta, veremos cmo es
posible incrementar la eficiencia del MINIMAX podando las hojas del rbol
de bsqueda.
De la lectura realizada se podr dar cuenta que la poda ALFA-BETA es una excelente tcnica para disminuir
el tiempo de respuesta del MINIMAX, debido a que no explora todas las ramas del rbol de bsqueda, y
adems PODA (corta) las ramas que no interesan. Su funcionamiento se basa en los siguientes puntos:
Pasa cada llamada recursiva a un nodo hijo.
Existen dos valores y .
representa la cota inferior de los valores que se van a ir buscando en la parte del rbol
que queda por explorar.
es la cota superior de los mismos valores.
Si en algn momento llega a ser mayor que , no tendr sentido seguir con la bsqueda,
realizndose una poda si estamos en un nodo MAX o si estamos en un nodo MIN.
Ahora realicemos una analoga con una lista de nmeros: para entender bien la tcnica alfa-beta,
primero debemos darnos cuenta que podemos sacar el mayor o menor de una lista de nmeros, como
por ejemplo:
De la Lista = 1 2 4 8
El mayor es 8 y el menor es 1.
57
SEGUNDO BIMESTRE
Lo interesante es que este es el principio bsico de la funcin heurstica, la comparacin de nmeros

para obtener valores mayores o menores.
Coloque ahora los siguientes nmeros en un rbol de bsqueda como se muestra en la figura siguiente
(ver hojas del rbol) y obtengamos otras listas aplicando la funcin heurstica:
MAX ->20
MIN ->15
MAX ->20
15
10
20
15
25
30
Figura 6.4. Poda alfa-beta
En la figura anterior usted podr observar que el nodo inicial es MAX, ahora al comparar MAX con MIX,
MAX es el mayor, por lo que empezamos por las hojas del rbol de MAX. Primero se compara el 5 con el
15, luego como 15 es mayor a 5, el ganador parcial es 15. Luego se verifica si 10 es mayor a 15, como no
lo es, entonces se mantiene 15 como ganador y por ltimo se compara 15 con el 20, quedando 20 como
ganador de la comparacin.
Ahora damos paso al siguiente jugador, por lo que en la otra rama utilizaramos MIN, o sea los menores.
Empezamos, comparamos 15 con el 25, el cual es mayor que 15. Si nos pasamos a MIN aqu el ganador es
15 porque es el menor (entre 25 y 15). Seguimos con el 30, pero 30 es mayor que 25 y mayor que 15, es
necesario compararlo? No, porque de todas maneras 15 en MIN, es decir, sera el ganador. Por lo tanto
esa comparacin ya no es necesaria, por lo que sera necesario aplicar la poda tipo para MIN.
Hemos descifrado juntos la forma cmo podemos evitar las bsquedas innecesarias en MINIMAX, por lo
tanto estamos ya capacitados para automatizar algoritmos con agentes lgicos.
Es conveniente seguir trabajando sobre lo estudiado, por ello le invitamos a interactuar con las
tecnologas a travs de la siguiente actividad.
Ingresar al EVA y revisar los documentos y ejercicios que le pueden ayudar a complementar
el tema. nimo, lo esperamos!
Muy bien!... hemos finalizado la quinta unidad, ahora comprobemos lo aprendido realizando la
autoevaluacin siguiente.
58
SEGUNDO BIMESTRE
Autoevaluacin 6
A.
En cada uno de los parntesis srvase responder con una (V) si el enunciado es verdadero o con
1.()
El algoritmo minimax se puede utilizar en la bsqueda en profundidad.
2.()
El algoritmo minimax es posible aplicar a la teora de juegos.
3.()
En el algoritmo minimax los dos jugadores pueden colaborar para sacar un beneficio
comn.
4.()
En el algoritmo minimax el que empieza el juego es max y min siempre es el ganador.
5.()
El algoritmo minimax puede ser aplicado con bsqueda en anchura.
6.()
La tcnica poda alfa-beta puede aplicarse a rboles de cualquier profundidad.
7.()
La tcnica poda alfa-beta permite saber cuando se puede realizar un corte en el rbol
de bsqueda.
8.()
La poda alfa-beta aumenta el tiempo de respuesta del algoritmo MINIMAX.
B.
Desarrolle lo siguiente:
Resuelva el ejercicio propuesto en la seccin 6.2 de esta gua didctica y analice qu pasara si el nodo
inicial fuese MIN?
MUY BIEN, HEMOS FINALIZADO LA UNIDAD!!!
didctica.
Ir a solucionario
59
SEGUNDO BIMESTRE
UNIDAD 7. AGENTES LGICOS

En esta unidad revisar cmo disear agentes basados en conocimiento, utilizando lgica proposicional,
y algunas estrategias de deduccin que permiten que el computador acte de forma autnoma e
inteligente. Es por ello que, empezaremos conociendo acerca de los agentes basados en el conocimiento,
los cuales son como las personas que tomamos una decisin en base al conocimiento que tenemos a
mano sobre un caso en particular. Luego aprenderemos cmo el conocimiento puede ser representado
utilizando lgica proposicional y por ltimo utilizaremos los patrones de razonamiento para deducir
sentencias de la lgica proposicional que permiten representar un contexto. Parece interesante cierto!,
para nosotros es un gusto compartir con usted el desarrollo de esta unidad. Empezamos?.
7.1. Agentes basados en el conocimiento

Qu es un agente basado en conocimiento? Como usted conoce, un agente puede ser visto como
cualquier cosa capaz de percibir de su medio ambiente. Pero, basado en conocimiento?, para
comprender mejor realicemos una analoga: nosotros como personas utilizamos nuestros sentidos para
realizar una accin, en cambio un programa de computador (en este caso el agente) utiliza sensores
para resolver problemas, como por ejemplo para capturar o percibir ciertas entradas al programa. Si las
personas almacenamos el conocimiento en la memoria, el agente almacena su informacin en una base
de conocimientos.
Bien, se est poniendo interesante el tema verdad?, veamos ahora otra analoga: si nosotros aprendemos
a manejar un celular, es probable que utilizando este aprendizaje podamos manejar muchos ms. De ah
que, un agente puede inferir conocimiento nuevo con base a lo que percibe y utiliza el conocimiento
anterior para tomar decisiones. A eso le denominamos: razonamiento.
Ahora s, respondamos a la interrogante de qu es un agente basado en conocimiento, desarrollando lo
siguiente:
Realizar una lectura de la seccin 7.1. Agentes basados en el
conocimiento, para conocer a detalle sobre este tipo de agentes.
Bien, una vez desarrollada la lectura, se le vendrn a la mente algunas ideas:

entradas
Base de
conocimiento
razonamiento
Pues bien, el agente recibe el conocimiento desde cada una de sus fuentes: sensores, bases de datos, etc.
que forman su entorno, esta informacin reposa en una base de conocimiento que es luego recuperado
para hacer inferencias. Luego el agente produce salidas o acciones sobre su entorno o medio ambiente.
En base a esto podemos resumir que un agente basado en conocimiento es un sistema que posee
conocimiento de su entorno o medio ambiente y es capaz de razonar sobre las posibles acciones que
puede tomar para cambiar el estado de su entorno. De esta definicin podemos extraer principalmente
dos componentes de estos agentes:
60
SEGUNDO BIMESTRE
1.
La base de conocimiento, que representan hechos acerca del mundo, expresado en un

lenguaje de representacin del conocimiento.
Es decir que siempre que se ejecuta el programa del agente basado en el conocimiento,
suceden dos cosas:
2.
El programa informa a la base de conocimiento lo que percibe (DECIR).
El programa pregunta a la base de conocimiento qu hacer, luego graba la respuesta

(PREGUNTAR), y responde mediante el razonamiento lgico.
Motor de inferencia
Deduce nuevas sentencias a partir de las oraciones almacenadas en la base de conocimiento y de las
nuevas percepciones. A este proceso se le denomina inferencias es decir, derivar nuevas sentencias a
partir de las ya existentes.
En la siguiente figura podemos observar el esquema que representa a un agente basado en conocimiento.
Sensores
Percepciones
Efectores
Base de
conocimiento
Acciones
Motor de inferencia
Entorno
Figura 7.1. Esquema de un agente basado en conocimiento (adaptado de Camacho, s.f ).
En el esquema anterior se ha logrado resumir fcilmente al agente basado en el conocimiento.

Como se describe en el texto bsico, uno de los ejemplos ms claros de un agente basado en el
conocimiento es el mundo de Wumpus. Por ello le invitamos a:
Revisar la seccin 7.2. El mundo de wumpus, donde conocer las reglas
del funcionamiento del juego.
Luego de revisar las reglas del juego presentadas en la lectura, le invitamos a revisar el anexo 1, donde se
presenta la solucin del ejercicio 7.2 propuesto en el texto bsico, pgina 266.
Como se observa en el ejercicio presentado en el anexo, la base de conocimiento de este juego est
formada por un conjunto de sentencias, donde una sentencia es la representacin de un hecho del
mundo (juego), en un lenguaje de representacin del conocimiento. Un agente lgico entonces, parte
de su conocimiento y utiliza el razonamiento lgico para llegar a su objetivo.
Bien!, ahora vamos a poner en prctica nuestro conocimiento!
61
SEGUNDO BIMESTRE
Piense cmo sera el esquema de un agente basado en conocimiento para un sistema de

diagnstico mdico y d respuesta a lo siguiente: cul sera su base de conocimiento, su
entorno, las nuevas sentencias o percepciones derivadas?, cmo y cules seran las respuestas
que dara el sistema mediante razonamiento lgico a su entorno?
7.2. Lgica proposicionalpatrones de razonamiento

Un agente basado en el conocimiento necesita almacenar su informacin en una estructura que le permita
recuperarla e interpretarla de forma fcil. Para almacenar esta informacin en la base de conocimiento se
necesita de un lenguaje que permita representarlo con una sintaxis que permita construir las sentencias
y una semntica que permita construir las reglas para determinar el valor de verdad de cada sentencia.
Para comprender el tema es necesario:
Realizar una lectura de la seccin 7.4. Lgica proposicional, veremos

cmo las proposiciones pueden agruparse para convertirse en una base de
conocimiento.
En base a lo expuesto en el texto bsico sobre la lgica proposicional, podr deducir que no es complicado
representar el conocimiento utilizando su sintaxis y semntica. Los puntos importantes de resaltar del
estudio del texto bsico son los que se resumen en el esquema siguiente:
Figura 7.2. Puntos clave del estudio de lgica proposicional.
Bien, ahora, cmo saber si una sentencia es vlida?, para esto es necesario conocer algunos conceptos
relacionados a la implicacin como: equivalencia, validez y satisfactibilidad, que los comprender con la
siguiente lectura.
62
SEGUNDO BIMESTRE
Realizar una lectura del apartado correspondiente a "equivalencia, validez y

satisfactibilidad " y analice las equivalencias lgicas especificadas.
Es momento de poner en prctica lo estudiado, realizando el siguiente ejercicio a fin de comprender de

mejor manera la utilizacin de la lgica proposicional:
Ejercicio
Realice el ejercicio 7.8 del texto bsico, y verifique su decisin utilizando las equivalencias
lgicas revisadas en la lectura anterior.
Recuerde! Para tener todas las proposiciones de las combinaciones de p y q, se utiliza la frmula
2n. En donde n es el nmero de proposiciones que hay en el ejercicio. Por lo tanto, si tenemos
dos proposiciones el resultado de la frmula es 22= 4. Dividimos el resultado 4 para 2, el
resultado es 2. Este ltimo resultado es el nmero de verdaderos (V) y falsos (F) para p. Volvemos
a dividir este ltimo resultado 2 y lo dividimos para dos, el resultado es 1. Este ltimo resultado
es el nmero de V y F para q. Estos valores son ubicados en las dos primeras columnas de la
tabla de verdad.
Una vez realizado el ejercicio, es conveniente que tome en cuenta lo siguiente:
Ingresar al EVA, y participe de las
actividades propuestas por su profesor.
Patrones de razonamiento
Qu bien, seguimos avanzando con el estudio!, seguro estar gustoso de conocer este tema, el cual trata
sobre la reduccin del nmero de proposiciones para representar el conocimiento, proceso conocido
como patrn de razonamiento. Descubriremos entonces en esta seccin cmo un conjunto de reglas
(sentencias) pueden someterse a un proceso (patrones, frmulas lgicas) con el fin de hacer ms fcil
su utilizacin. El objetivo es derivar sentencias de conclusiones que nos lleven al objetivo deseado de
tal forma que estas se puedan representar fcilmente en la base de conocimiento. Bien, empecemos!.
Realizar una lectura se la seccin 7.5. Patrones de razonamiento en lgica

proposicional. Veremos cmo algunas proposiciones pueden conectarse
para facilitar la representacin del conocimiento.
De la lectura anterior es necesario que tenga claro las caractersticas ms importantes de un patrn de
razonamiento:
63
SEGUNDO BIMESTRE
Figura 7.3. Aspectos importantes de los patrones de razonamiento.
7.3. Encadenamiento hacia adelante y hacia atrs

Un mtodo de inferencia que se suele utilizar para demostrar una conclusin o para derivar ciertas
sentencias, es el encadenamiento hacia adelante o hacia atrs, el primero consiste en que a partir de un
conjunto de sentencias de la base de conocimiento encontramos una solucin, es decir vamos a partir
de lo general para llegar a lo particular. En cambio el encadenamiento hacia atrs parte de la conclusin
para llegar a las sentencias que sustentan la misma, es decir de lo particular a lo general.
Continuemos con la lectura de la seccin 7.5. Patrones de razonamiento
en lgica proposicional, seccin "Encadenamiento hacia adelante y hacia
atrs del texto bsico, veremos el detalle necesario para que podamos
comprender la teora y prctica de este tipo de encadenamiento.
De la lectura realizada se podr dar cuenta que el proceso para estos tipos de encadenamiento es el
siguiente:
Encadenamiento hacia adelante
Se parte de las sentencias atmicas de la base de conocimiento.
Se aplica modus ponens hacia delante, aadiendo las sentencias atmicas nuevas hasta que
no se pueda realizar ms inferencias.
Ejemplo:
Si tenemos un sistema con la siguiente base de conocimiento:

1.
Si h2 y h5 entonces h1
2.
Si h4 y h3 entonces h2
3.
Si h6 entonces h3
Donde cada hi representa una situacin o concepto.
64
SEGUNDO BIMESTRE
La base de hechos inicial contiene los siguientes datos: h6, h7, h9, h8, h4 y h5.
Base de hechos inicial (BH0)
h6
h7
h9
h8
h4
h5
Paso 1: Seleccionamos la sentencia atmica de la base de conocimiento cuyo antecedente se cumple a

partir de la base de hechos inicial. En este caso h6.
Paso 2: aplicamos modus ponen entre la regla 3 y h6 (el primer hecho de la base de conocimiento),
obteniendo un nuevo hecho para la base de conocimiento.
Base de hechos inicial (BH1)
h6
h7
h9
h8
h4
h5
h3
Repetimos el paso 1, seleccionando las sentencias atmicas h4 y h3 de la base de conocimiento anterior

y por conjuncin formamos una sola sentencia (h3 y h4) para que formen el antecedente de la regla 2,
luego por modus ponens obtenemos la siguiente conclusin h2. Resultando de esta manera una nueva
base de hechos BH2. Repetimos estos mismos pasos hasta que el problema est resuelto y no haya ms
reglas que aplicar.
Finalmente obtenemos la base de hechos final:
Base de hechos final (BH3)
h6
h7
h9
h8
h4
h5
h3
h2
h1
Ejercicio
Le invitamos a desarrollar la demostracin de la regla 1, y obtener el consecuente H2, a ser
incluido en la base de hechos intermedia entre la BH1 y BH3.
65
SEGUNDO BIMESTRE
Encadenamiento hacia atrs
Se debe empezar por lo que se quiere demostrar.
Se buscan las oraciones que nos permitan llegar a una determinada conclusin, es decir
las condiciones o clusulas que figuran en los antecedentes de las reglas, que pasan a
convertirse en nuevos subobjetivos a demostrar.
Este proceso finaliza cuando se encuentra la informacin buscada en la base de conocimiento.

Una cadena que transita hacia atrs desde un objetivo hasta los hechos que soportan tal
objetivo se llama encadenamiento hacia atrs. Est basado en el mtodo inductivo: va guiado
por un objetivo que es la conclusin (o hiptesis) que se trata de validar reconstruyendo la
cadena de razonamiento en orden inverso.
Ejemplo:
Partimos de las reglas siguientes:

1.
Mario Prez es catedrtico entonces Mario Prez es doctor.
2.
Mario Prez es catedrtico.
3.
Mario Prez es doctor.
Para averiguar siMario Prez es doctorse busca una regla que tenga esta afirmacin en sus consecuencias.
La regla o premisa 1, satisface estas condiciones; siguiendo esta regla hacia atrs tenemos que buscar
una nueva que permita validar si Mario Prez es catedrtico, lo cual se hace con la premisa (2).
En base a este ejercicio, podemos observar que en el encadenamiento hacia atrs se parte de un
determinado concepto (objetivo) cuya validez hay que verificar de la base de conocimiento y la base
de hechos inicial, para lo cual primero se debe comprobar si el concepto pertenece o no a la base de
hechos, en caso de que no exista en la base de hechos se debe trabajar con las reglas existentes en la
base de conocimiento especficamente con aquellas en cuyo consecuente figure el concepto objetivo. Si
se demuestra la validez de estos subobjetivos para una determinada regla es posible inferir el concepto
objetivo global que era el que se pretenda demostrar (h1).
Con el fin de aplicar estos algoritmos, es necesario que realice el siguiente ejercicio:
Ejercicio
Aplique el encadenamiento hacia atrs para determinar si es posible establecer la existencia
de h1, a partir de la base de hechos inicial utilizada en el ejemplo del encadenamiento hacia
delante.
Backtracking
En esta seccin describiremos otras tcnicas alternativas de algoritmos que permiten hacer bsquedas
exhaustivas y sistemticas en un espacio de estados.
66
SEGUNDO BIMESTRE
Realizar una la lectura de la seccin 7.6. Inferencia proposicional efectiva,

para conocer dos tipos de algoritmos utilizados para la comprobacin de la
satisfactibilidad.
En Pereira (2009) adems se menciona que esta tcnica consiste en descomponer la tarea a realizar en
tareas parciales y se prueba sistemticamente cada una de estas, que a su vez se descompondrn en
subtareas. Adems, cuando al elegir una tarea se comprueba que no lleva a una solucin, se debe volver
atrs, y probar con otra.
Una vez realizada esta lectura y considerando lo sealado usted podr concluir que se trata de una
tcnica recursiva (de vuelta atrs) de resolucin de problemas.
Con el fin de comprender de mejor manera a este algoritmo le invitamos a revisar el recurso sealado en
el apartado Bibliografa, sobre algoritmos de backtraking.
7.4. Agentes basados en lgica proposicional

Hemos llegado al estudio de la ltima seccin de esta unidad, donde se estudiar la construccin de
agentes utilizando lgica proposicional. Para conocer del tema, es necesario:
Realizar la lectura de la seccin 7.7.Agentes basados en lgica proposicional,
del texto bsico, donde conocer dos tipos de agentes.
Una vez desarrollada la lectura, podr estar en la capacidad de distinguir los tipos de agentes que utilizan
algoritmos de inferencia y una base de conocimiento de aquellos que evalan directamente expresiones
lgicas en forma de circuitos.
Terminado el estudio de esta seccin, es importante que realice la siguiente actividad:
En qu situaciones es conveniente utilizar agentes basados en lgica proposicional? Mencione

un ejemplo.
Bien, ahora para comprobar lo que ha logrado del estudio de esta unidad le invitamos a
desarrollar la siguiente autoevaluacin.
67
SEGUNDO BIMESTRE
Autoevaluacin 7
A.
En cada uno de los parntesis srvase contestar con una (V) si el enunciado es verdadero o con
1.()
Un agente lgico es aquel que posee proposiciones en su base de conocimiento.
2.()
La lgica proposicional en un lenguaje para representar el conocimiento en base a

una sintaxis y semntica bien definidas.
3.()
Un agente lgico puede construir una representacin de su medio ambiente utilizando

procesos de inferencia para derivar nuevas representaciones de su entorno.
4.()
La lgica proposicional se utilizan conectivas lgicas para construir sentencias

simples.
5.()
Se dice que un algoritmo de inferencia es slido si deriva solo sentencias implicadas.
6.()
Un agente basado en conocimiento se pueden adaptar a diversos propsitos

combinando la informacin de su entorno.
7.()
Un patrn de razonamiento permite determinar la satisfactibilidad de las sentencias.
8.()
Un patrn de razonamiento est compuesto por reglas negativas.
9.()
El algortimo backtracking es un algoritmo recursivo utilizado para la resolucin de

problemas mediante una bsqueda sistemtica de soluciones.
10.()
El algoritmo de backtracking puede ser representado utilizando lgica proposicional.
FELICITACIONES!!!
didctica.
Ir a solucionario
68
SEGUNDO BIMESTRE
UNIDAD 8. REPRESENTACIN DEL CONOCIMIENTO

8.1. Introduccin a la representacin del conocimiento
En unidades anteriores se revis la solucin de problemas mediantes estrategias de bsqueda, pero
como usted lo habr percibido todo problema es ms sencillo de resolver si disponemos de conocimiento
especfico sobre l. Es por ello que en esta unidad iniciaremos con otra rea de la inteligencia artificial
que es la representacin del conocimiento, que tiene como objetivo representar el conocimiento de una
manera que facilite la inferencia a partir de dicho conocimiento.
En la representacin del conocimiento se usa un sistema de smbolos para representar un dominio,
junto con funciones que permitan inferir (realizar un razonamiento formal) sobre los objetos. Le surgen
algunas otras ideas sobre este tema?
Al hablar de smbolos nos imaginamos que se preguntar Cmo se relaciona la lgica con la
representacin del conocimiento? Nos permitimos asegurar que en la representacin del conocimiento,
generalmente se usa un tipo de lgica para proporcionar semntica formal a los smbolos del dominio,
adems de proveer operadores que junto a una adecuada interpretacin, se da significado a la
informacin.
Ante esto podemos sealar que:
Figura 8.1. Definicin de conocimiento.
Los sistemas de IA necesitan diferentes tipos de conocimiento que por lo general no suelen estar
disponibles en bases de datos tradicionales y otras fuentes de informacin, es por ello que, aparece el
trmino base de conocimiento que guardan conocimiento sobre los objetos en un entorno y posibles
relaciones entre ellos. Imaginamos que habr recordado la definicin de base de conocimiento revisada
en la unidad anterior, pues bien, este sistema de oraciones que representan hechos acerca del mundo,
es expresado justamente en un algn lenguaje de representacin del conocimiento.
Ahora veamos las aplicaciones de representacin del conocimiento que existen. Entre las principales se
pueden mencionar:
Ingeniera de software
Web semntica
Ontologas
Ms adelante analizaremos con ms detalle algunas de estas aplicaciones. Ahora veamos cmo sera
un esquema de representacin del conocimiento con algunos de los componentes ya analizados
anteriormente:
69
SEGUNDO BIMESTRE
Base de
conocimientos
Entradas
Motor de inferencia
Salidas
Entorno
Figura 8.2. Esquema de representacin de conocimiento .
Las bases de conocimiento proporcionan un mecanismo muy poderoso de representacin de

conocimiento, ya que, en la base de conocimiento se almacenan los entes y las relaciones entre estos y
las reglas que permiten inferir nuevo conocimiento a partir del ya existente.
Ahora le invitamos a reflexionar sobre las siguientes interrogantes: qu tipo de conocimiento se puede
representar?, cree que es posible representar todo conocimiento?
Una vez que haya indagado sobre las preguntas planteadas es conveniente completar este tema, para
lo cual es necesario:
Desarrollar la lectura del captulo 10. Representacin del conocimiento, donde
se habla de la ingeniera ontolgica, categoras, objetos y sustancias.
Durante la lectura usted se encontrar con un trmino nuevo ontologas, este tema ser desarrollado
en la seccin 8.4 de esta unidad.
Una vez realizada la lectura, le invitamos a desarrollar la siguiente actividad:
Establezca la diferencia entre una base de datos y una base de conocimiento.
8.2. Tcnicas de representacin del conocimiento

Para representar algo necesitamos conocer principalmente:
La forma o estructura
Cmo adquirir el conocimiento
Cmo almacenarlo y manipularlo
Existen diferentes tcnicas de representacin del conocimiento sobre las que se han sustentado los
lenguajes de representacin del conocimiento. Algunas de ellas son:
70
SEGUNDO BIMESTRE
Tripletas objeto-atributo-valor: se utilizan para representar hechos acerca de objetos y sus

atributos, especificando el valor de un atributo para un determinado objeto.
Ejemplo
Para representar que una manzana es roja, se tendra una tripleta manzana-color-roja
Tpicamente estas tripletas se representan en forma de grafos, utilizando una elipse para el objeto, un
cuadrado para el valor, y una flecha o arco dirigido entre ambos elementos representando el atributo.
Manzana
Color
Rojo
Reglas: esta tcnica representa el conocimiento utilizando unas premisas o condiciones y las
conclusiones o acciones que de ellas se derivan.
Se suelen representar de la forma S-entonces. Las premisas se colocan a continuacin del SI en forma
normalmente de tripletas objeto-atributo-valor y utilizando operadores booleanos, mientras que las
conclusiones definiran nuevos hechos o realizaran acciones.
Ejemplo
Si llueve y est nublado entonces hace fro.
Mapas conceptuales o redes semnticas: forma flexible de representar el conocimiento. Una

representacin grfica que representan conceptos, objetos y relaciones entre ellos. Estas relaciones
pueden ser de cualquier tipo, pero predominan las relaciones de tipo clase-de, parte-de y es-un,
que permiten representar estructuras jerrquicas de conocimiento. Los conceptos se encierran en
un recuadro o en una elipse para verlos mejor. Estn relacionadas tambin con las tripletas objetoatributo-valor, en forma de estructura de proposiciones (nodo, palabra-enlace, nodo).
Para completar este tema le invitamos a realizar lo siguiente:

Desarrollar la lectura de la seccin 10.6. "Sistemas de razonamiento para
categoras", apartado "Redes semnticas", para conocer como se estructura el
conocimiento mediante notacin grfica.
Frames o marcos: es una tcnica de representacin muy similar a la utilizada en la programacin

orientada a objetos. Consta de clases, que representan conjuntos de objetos con caractersticas
similares. A partir de ellas se crean las instancias que representan elementos concretos de esa
clase.
71
SEGUNDO BIMESTRE
Ejemplo
Si tenemos un marco de clase estudiante y una instancia de esta clase Pedro
Cada clase o marco contiene una serie de atributos y propiedades como en la programacin orientada
a objetos.
Ejercicio
Considerando un dominio universitario:
Identificar los objetos del dominio
Definir las relaciones o enlaces
Representar el dominio mediante un mapa conceptual
Puede utilizar una herramienta para desarrollar mapas conceptuales como Cmaptools disponible en:
http://cmap.ihmc.us/download/
8.3. Web semntica

Es hora de entrar a un nuevo tema, es decir a una nueva generacin de la Web actual, como es la Web
semntica, pero qu es la Web semntica?, pues no es otra cosa que aquella que aade significado a la
Web, porque est basada en la idea de proporcionar en la Web datos definidos y enlazados, permitiendo
que aplicaciones heterogneas descubran, integren, razonen y utilicen la informacin presente en la
Web. (Hendler, Berners-Lee, & Miller, 2002).
Usted a lo mejor ha escuchado hablar de Web.3, cierto?, la verdad es que la Web semntica est asociada
a este trmino que se abrevia como W3C.
Nos imaginamos que le habrn surgido algunas preguntas referentes a este tema:
Para qu sirve?
Cmo funciona?
En qu se diferencia de la
Web actual?
La Web semntica es una Web extendida, basada en significado, es decir, dotada de semntica en la
que cualquier usuario de Internet podr encontrar respuestas a sus preguntas de forma ms rpida.
Gracias a la Web semntica a travs del uso de algn software es posible entre otras cosas procesar
contenido, razonar con este, modificarlo y realizar deducciones lgicas para resolver problemas de la
vida real automticamente.
Para dar respuesta a la pregunta de cmo funciona la Web semntica?, vamos a proponer un ejemplo:
Si tenemos un buscador semntico, a travs del cual deseamos conocer los vuelos dispo-
72
SEGUNDO BIMESTRE
nibles a la ciudad de Quito maana por la maana, en una determinada aerolnea, los resultados de la bsqueda brindaran al usuario la informacin exacta que estaba buscando.
La ubicacin geogrfica desde la que el usuario enva su pregunta es detectada de forma
automtica sin necesidad de especificar el lugar de origen o partida (por ejemplo Loja), as
elementos de la oracin como maana adquiriran significado, convirtindose en un da
concreto calculado en funcin del da de hoy. Igualmente ocurrira con el siguiente da, es
decir, el segundo maana, que sera interpretado como un momento determinado del da.
Todos estos datos pasan a ser informacin llena de significado. Finalmente, como resultado
de la bsqueda se tendra la obtencin de todos los vuelos disponible a Quito para maana
por la maana, de forma rpida y sencilla.
A partir de este ejemplo podemos determinar la diferencia con la Web actual, si realizamos
est misma bsqueda en un buscador actual por ejemplo Google (figura 8.3), se obtendrn
resultados totalmente distintos a los esperados, el cual ofrecera informacin variada sobre
Quito pero que no tiene nada que ver con lo que realmente el usuario buscaba. Un paso
siguiente a este es que el usuario realice una bsqueda manual entre esas opciones que
aparecen, con la consiguiente dificultad y prdida de tiempo.
Figura 8.3. Ejemplo de bsqueda
En conclusin podemos sealar que la diferencia radica principalmente en que la Web actual carece de
significado, mientras que la Web Semntica al ser una Web basada en significado, es posible procesar
su contenido, razonar sobre este, combinarlo y realizar deducciones lgicas para resolver problemas
cotidianos automticamente.
Ahora conviene que realice la siguiente actividad.
73
SEGUNDO BIMESTRE
Investigue sobre las ventajas de la Web semntica y mencione algunos proyectos que se han realizado
sobre esta.
Identifique la relacin que existe entre la representacin del conocimiento y la Web semntica.
8.4. Tecnologas de la Web semntica: ontologas

Entre las tecnologas que ofrece la Web semntica para enriquecer los contenidos de la Web tradicional
estn las Ontologas que se encargan de definir los trminos utilizados para describir y representar un
rea de conocimiento.
Definicin de Ontologa
Para abarcar este tema, es necesario recordar lo ledo sobre ingeniera ontolgica
captulo 10 del texto bsico, especficamente seccin 10.1 y 10.2.
Haciendo referencia a la definicin de ontologas presentada por (Neches and colleagues, 1991), Una
ontologa define los trminos bsicos y las relaciones que comprende el vocabulario de un rea temtica,
as como las reglas para combinar trminos y relaciones para definir extensiones al vocabulario, y de
acuerdo a lo mencionado en el texto bsico, podemos deducir que una ontologa no es ms que una
representacin de todos los hechos del mundo en una jerarqua de categoras.
De la lectura realizada, se habr dado cuenta que las ontologas utilizan grafos para representar conceptos
generales (que se ubican en la parte superior) y conceptos ms especficos que se ubican debajo de ellos.
Para complementar esta lectura, le invitamos a revisar el siguiente recurso Web, que le permitir
identificar algunos componentes de una ontologa.
Recurso OCW
http://ocw.upm.es/ciencia-de-la-computacion-e-inteligencia-artificial/ontologiesand-semantic-web/contents/OWS_-_02_-_Ontologias.pdf
En este recurso encontrar algunas caractersticas de las ontologas, definiciones,

enfoques para su construccin, etc.
Muy bien, ahora pensemos categoras y clases son lo mismo?. Bien como se reviso en lecturas anteriores
las categoras sirven para organizar los objetos y simplificar el conocimiento base a travs de la herencia.
Con lo que podemos inducir que ambos trminos se refieren a lo mismo, puesto que en las clases los
conceptos se toman en un sentido amplio.
Ejemplo
En el dominio de viaje, los conceptos son:
74
lugares (ciudades, pueblos, etc.),
SEGUNDO BIMESTRE
alojamiento (hoteles, camping, etc.); y,
medios de transporte (aviones, trenes, coches, barcos, motocicletas y los buques).
Las clases en la ontologa se suelen organizar en taxonomas a travs del cual mecanismos de herencia
pueden ser aplicados, por ejemplo si tenemos que Los alimentos son comestibles":
Figura 8.4. Ejemplo de herencia.
En este ejemplo, cualquier manzana es comestible, por tanto haciendo referencia a la herencia, podemos
decir que las manzanas heredan la propiedad comestible.
Como podemos observar, las taxonomas ofrecen una clasificacin de la informacin de forma jerrquica,
en forma de rbol donde cada nodo equivale a una clase y cada enlace a las relaciones entre ellas. De ah
que las ontologas incluyen taxonomas de conceptos. Veamos un ejemplo:
Considerando lo sealado en el texto bsico y en el recurso antes mencionado lo animamos a plasmar
sus cocimientos en el siguiente ejercicio:
Ejercicio:
Considerando el dominio universitario:
Represente mediante una taxonoma los conceptos generales y especficos que intervienen en
el dominio universitario sealado anteriormente. Es hora de interactuar con las herramientas
tecnolgicas, por ello le invitamos a participar de la actividad propuesta a continuacin.
Ahora usted ya cuenta con los fundamentos necesarios sobre la representacin del
conocimiento y est en la capacidad de emitir su criterio respecto a las interrogantes
planteadas en el EVA.
Durante su participacin en el EVA esperamos que haya fortalecido algunos aspectos respecto a la
representacin del conocimiento, Ahora, verifique la comprensin de los temas estudiados a travs de la
realizacin de la autoevaluacin.
75
SEGUNDO BIMESTRE
Autoevaluacin 8
A.
En cada uno de los parntesis srvase contestar con una (V) si el enunciado es verdadero o con
1.()
El conocimiento lo crean y lo usan los agentes humanos o mquinas.
2.()
La Web semntica es una de las aplicaciones de la representacin del conocimiento.
3.()
Cuando hablamos de ontologa nos referimos a la forma de organizar el conocimiento

mediante taxonomas.
4.()
Dentro de la representacin del conocimiento las categoras hacen referencia a las

propiedades de los objetos representados.
5.()
Los frames son una forma de representar el conocimiento mediante grficos que
representan conceptos, objetos y relaciones entre ellos.
6.()
Las redes semnticas representan el conocimiento con la ayuda de premisas o

condiciones y las conclusiones o acciones que de ellas se derivan.
7.()
La Web semntica conocida tambin como Web 4.0 es una Web basada en significado.
8.()
En la representacin del conocimiento, se usa un tipo de lgica para proporcionar

semntica formal a los smbolos del dominio a representar.
B.
Desarrolle las siguientes actividades:

1.
Visite algunas fuentes de informacin sobre Web semntica y mencione al menos 5 ventajas
de esta nueva generacin de la Web en comparacin con la Web tradicional o actual.
2.
Presente su opinin sobre el uso de una ontologa para un dominio de matriculacin de

estudiantes. Cules seran sus componentes?, qu ventajas cree que tendra hacer uso de
este tipo de ontologas para representar este dominio?
FELICITACIONES, HEMOS CONCLUIDO CON EL ESTUDIO DEL SEGUNDO BIMESTRE!!!

didctica.
Ir a solucionario
76
SOLUCIONARIO
7. Solucionario
PRIMER BIMESTRE
AUTOEVALUACION 1
1.
1.
(F)
El dualismo considera que existe una parte de la mente que esta al margen de la naturaleza exenta de la
influencia de las leyes fsicas.
2.
(V)
3.
(V)
4.
(F)
Los agentes inteligentes son racionales; es decir, hacen lo correcto; para esto utilizan el razonamiento
basado en el conocimiento.
5.
(V)
6.
(V)
7.
(F)
En entornos complejos no es posible llegar a una racionalidad perfecta.
8.
(F)
En los agentes robticos los sensores las cmaras de video y los efectores constituyen ciertos
mecanismos.
9.
(F)
La inteligencia artificial (IA) desde el primer momento abarc temas que no eran considerados por otros
campos como: la idea de duplicar facultades humanas como la creatividad, la automejora, y el uso de
lenguaje.
10.
(F)
2.
a. V, pero no se aplica inferencias
b. En los seres humanos los cinco sentidos sirven de sensores y las extremidades sirven de
efectores.
77
SOLUCIONARIO
AUTOEVALUACION 2
1.
1.
(F)
La estructura de un agente es: agente = arquitectura + programa de agente.
2.
(V)
3.
(F)
La funcin que describe el comportamiento de un agente se puede presentar en forma de grafo y este
es una caracterizacin externa del agente.
4.
(F)
Como regla general, es mejor disear medidas de utilidad de acuerdo con lo que se quiere para el
entorno, ms que de acuerdo a cmo se cree que el agente de comportarse.
5.
(V)
6.
(F)
Un agente racional acta con la intencin de maximizar el valor esperado de la medida de rendimiento,
dada la secuencia de percepciones que ha observado hasta el momento.
7.
(V)
8.
(V)
9.
(V)
10.
(F)
Una funcin de agente para un agente especifica a accin que debe ejecutar un agente como respuesta
a cualquier secuencia percibida.
2.
Mencione los principales pasos para la construccin de un programa de agente.
Los principales pasos para un programa de agente son:
3.
1.
Analizar el tipo de problema que se va a tratar para poder definir claramente el problema.
2.
Definir el entorno, las percepciones, las acciones y las metas.
3.
Representar el conocimiento definiendo una tcnica de representacin.
4.
Disear el agente con la base de conocimiento y el mecanismo de inferencia respectivo.
5.
Realizar las pruebas correspondientes.
Proponga un mtodo para el desarrollo y construccin de agentes inteligentes, considerando las

fases del desarrollo de sistemas, esto es: anlisis, diseo, implementacin y pruebas.
78
1.
Definicin del problema del agente. Se establece una conceptualizacin amplia y clara
del problema que se pretende resolver con el uso de agentes inteligentes, se identifica
el problema; se realiza un anlisis del mismo y finalmente se hace una construccin del
modelo conceptual de la situacin.
2.
Adquisicin y representacin del conocimiento. Se genera una representacin de

este modelo conceptual en trminos de conocimiento, la cual sea transportable al
SOLUCIONARIO
medio computacional. Se realiza primero la adquisicin del conocimiento definiendo las

percepciones, las acciones, los objetivos, las metas y el ambiente. Como segunda actividad
se realiza la representacin del conocimiento, haciendo un anlisis del conocimiento
adquirido, una seleccin del esquema de representacin y finalmente la representacin del
conocimiento.
3.
Diseo del agente. Esta etapa del proceso es muy importante, es la que corresponde
con el diseo de la solucin en el mtodo clsico de diseo y construccin de sistemas
de informacin, y en el que se pretende generar un modelo del agente, que sea
computacionalmente aplicable. Para lograr esto, el proceso se divide en el diseo de la Base
de Conocimiento (BC), el diseo del motor de inferencia (MI) o motor de ejecucin (ME), el
diseo de la interfaz y el diseo del lenguaje de comunicacin.
4.
Implantacin del agente. Se enfoca en la construccin computacional del agente inteligente

diseado, que no es ms que la implantacin del diseo obtenido en el proceso previo. Se
realiza un anlisis y seleccin de herramientas de implantacin, para la implantacin del
agente, la implantacin de la BC la implantacin del MI, la implantacin de la interfaz y la
implantacin de la comunicacin.
5.
Prueba del agente. Se realiza una validacin del agente construido, en el cual se verifica y
ajusta el funcionamiento de dicho agente, en funcin de los requerimientos y la situacin
analizada en el primer proceso planteado. Se inicia con el diseo de pruebas, el plan de
pruebas, se hace la aplicacin de las mismas y finalmente se depuracin del agente.
79
SOLUCIONARIO
AUTOEVALUACION 3
1.
1.
(V)
2.
(V)
3.
(F)
El proceso se denomina bsqueda.
4.
(V)
5.
(V)
6.
(V)
7.
(F)
Una solucin ptima tiene el costo ms pequeo del camino entre todas las soluciones.
8.
(V)
9.
(V)
10.
(F)
La evaluacin del rendimiento de un algoritmo se la puede realizar de cuatro formas: completitud, optimizacin, complejidad en el tiempo, complejidad en el espacio.
2.
La funcin presentada SI corresponde a un algoritmo de bsqueda tiene un problema como

entrada y devuelve una solucin en forma de una secuencia de acciones.
3.
Los objetivos fundamentales de la resolucin de un problema mediante bsquedas
80
a.
Encontrar una solucin.
b.
Que la solucin tenga un costo total mnimo, esto es costo de bsqueda off-line, tiempo y
memoria necesarios y costo del camino de la solucin (costo on-line).
SOLUCIONARIO
AUTOEVALUACION 4
1.
(F)
1.
Una estrategia de bsqueda informada puede encontrar soluciones de manera ms eficiente que una
estrategia de bsqueda no informada.
2.
(V)
3.
4.
5.
(F)
Es inexacto.
(V)
(F)
Se parece a la bsqueda primero en profundidad.
6.
(V)
7.
(V)
8.
(V)
9.
(V)
10.
2.
3.
(F)
Los algoritmos de bsqueda local no son sistemticos.
Elabore un cuadro comparativo entre la bsqueda no informada y la bsqueda informada

Bsqueda no informada o ciega
Bsqueda informada o heurstica
nicamente usan la informacin de la
Usan la informacin de la definicin del
definicin del problema.
problema y el coste del estado actual del
No disponen de ninguna informacin
objetivo.
adicional a la propia definicin del mismo.
Estrategias:
Estrategias:
Bsqueda primero en anchura
Bsqueda primero el mejor
Bsqueda primero en profundidad
Bsqueda primero el mejor avara
Bsqueda de profundidad limitada
Bsqueda A*
Bsqueda de profundidad iterativa
BRPM y A*MS
Bsqueda bidireccional
Escriba el pseudocdigo para la implementacin del algoritmo A*.
A* (Nodo S0)
abierta <- S0
Repetir
Si vaco? (abierta) entonces
devolver(negativo)
nodo <- primero(abierta)
Si meta? (nodo) entonces
devolver(nodo)
sucesores <- expandir(nodo)
81
SOLUCIONARIO
Para cada n E sucesores hacer

n.padre <- nodo
ordInsertar (n,abierta,f*)
Fin{Repetir}
En donde,
Abierta: estructura dinmica, en este caso a nivel de implementacin cola con prioridad segn valores
de la estimacin f*, de almacenamiento temporal del expansionamiento de los nodos intermedios de
camino al nodo meta o fin, a medida que el algoritmo vaya iterando, esta ir viendo cmo se introducen
en el nodos hijos a consecuencia del expansionamiento de sus respectivos antecesores, los cuales se
irn ordenando por mnimo f*, dando prioridad no garantiza a nuestra heurstica, puesto que estar
determinada por los patrones de costes reales asociados, por ejemplo recorrido por la ciudad de Loja,
considerando nmero de paradas y transbordos realizados hasta el momento, y el coste estimado
obtenido segn el camino al nodo meta.
Primero: nodo que se extrae de la estructura abierta, el cual se somete a comprobaciones de si es nodo
meta, factor que determina el comportamiento del algoritmo: si es que s, se obtiene el resultado, en
caso contrario, se expande este, se los procesa y se los ordena nuevamente en la estructura temporal.
82
SOLUCIONARIO
AUTOEVALUACIN 5
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
83
SOLUCIONARIO
AUTOEVALUACIN 6
84
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
SOLUCIONARIO
AUTOEVALUACIN 7
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
85
SOLUCIONARIO
AUTOEVALUACIN 8
86
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
8. Anexos
TH ESA UR US
DI CTI ONARY
ANEXOS
El presente material ha sido reproducido con fines netamente didcticos,

cuyo objetivo es brindar al estudiante mayores elementos de juicio para la
comprensin de la materia, por lo tanto no tiene fin comercial.
ANEXO 1:
Solucin al ejercicio 7.2 del texto bsico
Suponga que el agente ha avanzado hasta el instante que se muestra en la figura 7.4(a), sin haber
percibido nada en la casilla [1,1], una brisa en la [2,1], y un hedor en la [1,2], y en estos momentos est
interesado sobre las casillas [1,3], [2,2] y [3,1]. Cada una de ellas puede tener un hoyo y como mucho en
una se encuentra el Wumpus. Siguiendo el ejemplo de la figura 7.5, construya el conjunto de los mundos
posibles. (Debera encontrar unos 32 mundos). Marque los mundos en los que la BC es verdadera y
aquellos en los que cada una de las siguientes sentencias es verdadera:
= << No hay ningn hoyo en la casilla [2,2]>>
= << Hay un wumpus en la casilla [1,3]>>
De acuerdo a la figura 7.4 de su texto bsico, las percepciones de las casillas en las cuales est el
interesado el agente (A en un recuadro en la figura siguiente) son: percepciones (hedor, ok, brisa). El
agente lgicamente no sabe de cul casilla le viene, qu percepcin. El primer modelo vlido para la
base de conocimientos (BC) sera:
1.3
w!
1.2
v
2.2.
A s
3.1
p!
Figura 1. Movimiento del agente.
En la figura 1, el agente A tendr las siguientes percepciones (hedor, brisa). Ahora si Wumpus y pozo se
mueven se tiene que:
1.3
P!
1.2
v
2.2.
A s
1.2
v
3.1
w!
a)
b)
1.3
A s
1.3
A s
1.2
v
2.2
2.2
3.1
P!
3.1
w!
c)
Figura 2. Movimiento del agente tomando en cuenta otras posiciones.
87
ANEXOS
Y as por el estilo.
Para = << No hay ningn hoyo en la casilla [2,2]>>, se tiene que como vlido a la figura 2 a). Mientras
que para = << Hay un Wumpus en la casilla [1,3]>> seran vlidos los modelos:
1.3
w!
1.2
v
1.3
w!
3.1
P! s
1.2
v
3.1
A s
3.1
A B
3.1
P!
Figura 3. Modelo para = << Hay un wumpus en la casilla [1,3]>>.
Las configuraciones que se pueden observar tanto en la figura 2 como en la figura 3 antes mostradas, se
constituyen en la base de conocimientos del juego.
PV/mcn/26-11-2012/88
mvlp/2016-05-23
88

G18806

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

G18806

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Departamento de Ciencias de la Computacin y Electrnica

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

5. Orientaciones generales para el estudio.............................................................................. 8

UNIDAD 1. INTRODUCCIN A LA INTELIGENCIA ARTIFICIAL........................................................ 13

UNIDAD 2. AGENTES INTELIGENTES.................................................................................................. 19

UNIDAD 3. RESOLUCIN DE PROBLEMAS MEDIANTE BSQUEDAS............................................ 26

UNIDAD 4. ESTRATEGIAS DE BSQUEDA INFORMADA Y DE EXPLORACIN.............................. 37

UNIDAD 5. PROBLEMAS DE SATISFACCIN DE RESTRICCIONES.................................................. 48

UNIDAD 6. BSQUEDA ENTRE ADVERSARIOS................................................................................. 55

UNIDAD 7. AGENTES LGICOS............................................................................................................. 60

UNIDAD 8. REPRESENTACIN DEL CONOCIMIENTO....................................................................... 69

Gua didctica: Inteligencia Artificial

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Inteligencia Artificial

En este documento se presenta una descripcin general de agentes inteligentes y se enfatiza

Borrajo, D. y otros. (2009). Inteligencia artificial. Departamento de Informtica. Universidad

En este curso encontrar material relacionado a la inteligencia artificial como: bsqueda no

Cruz, J. J. (2006). Encadenamiento hacia adelante y atrs. Recuperado de: http://www.uco.

Este documento le ayudar a comprender cmo es posible realizar bsquedas en espacios

La Universidad Catlica de Loja

Gua didctica: Inteligencia Artificial

Marcos, M. (2002). Lgica proposicional en Wumpus. Recuperado de: http://www.cs.us.

Otro de los ejemplos clsicos de la inteligencia artificial y que va a encontrar en el texto

Scribb, D. (2005). Algortmica backtracking. Recuperado de: http://es.scribd.com/

Camacho. K. (s.a). Lgica proposicional en la inteligencia artificial. Recuperado de: http://

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Inteligencia Artificial

5. Orientaciones generales para el estudio

Como parte de su autoaprendizaje es recomendable que resuelva las autoevaluaciones

Le recomendamos ingresar al EVA semanalmente, para consultar a los profesores y revisar

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

1.2. Aspectos histricos

1.1. Qu es inteligencia artificial?

Define lo que se entiende 1.3. Estado de arte de Inteligencia

Maneja los antecedentes

6.2. Planificacin para el trabajo del alumno

6.1. Competencias genricas:

Desarrollar los ejercicios 1.11, 1.12, y 1.13 del texto bsico.

Leer comprensivamente y obtener las principales ideas del

6. Proceso de enseanza-aprendizaje para el logro de competencias

Gua didctica: Inteligencia Artificial

La Universidad Catlica de Loja

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

3.4. Bsqueda con informacin parcial

3.3. Bsqueda no informada

3.2. Bsqueda de soluciones

3.1. Agentes de resolucin de

2.3. Construccin de agentes

2.2. Estructura y tipos de agentes

2.1. Agentes inteligentes y su entorno

UNIDAD 2: AGENTES INTELIGENTES

Desarrollar los ejercicios propuestos en la presente gua

Completar el anlisis revisando el contenido del siguiente OCW

Observar en su medio y definir qu agentes inteligentes

Leer comprensivamente y obtener las principales ideas del

Observar en su medio e identificar algunos agentes que utilice

Leer comprensivamente y obtener las principales ideas del

Gua didctica: Inteligencia Artificial