Inteligencia artificial / Elaine Rich, Kevin Knight.

CONTENIDO
Prólogo
xvii
PRIMERA PARTE: PROBLEMAS Y BUSQUEDA
1. ¿Qué es la Inteligencia Artificial? 3
1.1. Los problemas de la IA 3
1.2. Las suposiciones subyacentes 6
1.3. ¿Qué es una técnica de IA? 8
1.3.1. Tres en raya 9
1.3.2. Respuesta a preguntas 14
1.3.3. Conclusión 23
1.4. El nivel del modelo 24
1.5. Criterios de determinación del éxito 26
1.6. Algunas referencias generales 28
1.7. Un apunte final 29
1.8. Ejercicios 30
2. Problemas, espacios problema y búsqueda 31
2.1. Definición del problema mediante una búsqueda en un espacio de estados 31
2.2. Los sistemas de producción 38
2.2.1. Estrategias de control 39
2.2.2. Búsqueda heurística 44
2.3. Características del problema 47
2.3.1. ¿Puede descomponerse el problema? 48
2.3.2. ¿Pueden deshacerse o ignorarse pasos hacia una solución? 50
2.3.3. ¿Es predecible el universo? 52
2.3.4. Una solución adecuada ¿es absoluta o relativa? 53
2.3.5. ¿La solución es un estado o una ruta? 56
2.3.6. ¿Cuál es el papel del conocimiento? 57
2.3.7. ¿Necesita la tarea interaccionar con una persona? 58
2.3.8. La clasificación del problema 59
2.4. Características de los sistemas de producción 60
2.5. Algunos aspectos sobre el diseño de programas de búsqueda 62
2.6. Problemas adicionales 65
2.7. Resumen 67
2.8. Ejercicios 67
3. Técnicas de búsqueda heurística 69
3.1. Generación y prueba 70
3.2. Escalada 71
3.2.1. Escalada simple 72
3.2.2. Escalada por la máxima pendiente 73
3.2.3. Enfriamiento simulado 77
3.3. Búsqueda el primero mejor 80
3.3.1. Los grafos O 80
3.3.2. El algoritmo A* 84
3.3.3. Agendas 88
3.4. Reducción de problemas 91
3.4.1. Grafos Y-O 91
3.4.2. El algoritmo AO* 96
3.5. Verificación de restricciones 98
3.6. Análisis de medios y fines 105
3.7. Resumen 109
3.8. Ejercicios 109
SEGUNDA PARTE: REPRESENTACION DEL CONOCIMIENTO
4. El problema de la representación del conocimiento 117
4.1. Representaciones y correspondencias 117
4.2. Aproximaciones a la representación del conocimiento 122
4.3. Problemas de la representación del conocimiento 128
4.3.1. Atributos importantes 129
4.3.2. Relaciones entre atributos 129
4.3.3. Selección de la granularidad de la representación 132
4.3:4. La representación de conjuntos de objetos 136
4.3.5. Búsqueda de la estructura adecuada a cada circunstancia 138
4.4. El problema del marco 141
4.5. Resumen 144
5. La lógica de predicados 145
5.1. La representación de hechos simples en lógica 146
5.2. La representación de las relaciones instancia y es-un 151
5.3. Las funciones calculables y los predicados 154
5.4. La resolución 159
5.4.1. Conversión a forma clausal 160
5.4.2. Las bases de la resolución 163
5.4.3. Resolución en lógica proposicional 165
5.4.4. El algoritmo de unificación 167
5.4.5. Resolución en lógica de predicados 169
5.4.6. La necesidad de intentar diversas sustituciones 175
5.4.7. Contestación de preguntas 177
5.5. Deducción natural 181
5.6. Resumen 182
5.7. Ejercicios 183
6. Representación del conocimiento mediante reglas 187
6.1. Comparación entre conocimiento procedimental y conocimiento declarativo 187
6.2. Programación lógica 190
6.3. Diferencias entre razonamientos hacia delante y hacia atrás 194
6.3.1. Sistemas de reglas encadenadas hacia atrás 198
6.3.2. Sistemas de reglas encadenadas hacia delante 199
6.3.3. Combinación del razonamiento hacia delante y hacia atrás 200
6.4. Emparejamiento 200
6.4.1. Indexación 201
6.4.2. Emparejamiento con variables 202
6.4.3. Emparejamiento complejo y aproximado 204
6.4.4. Resolución de conflictos 206
6.5. Conocimiento de control 208
6.6. Resumen 212
6.7. Ejercicios 212
7. Razonamiento simbólico bajo incertidumbre 215
7.1. Introducción al razonamiento no monótono 215
7.2. Lógicas para razonamientos no monótonos 219
7.2.1. Razonamiento por defecto 221
7.2.2. El razonamiento minimalista 226
7.3. Cuestiones sobre la implementación 229
7.4. Ampliación del resolutor de problemas 230
7.5. Implementación: Búsqueda primero en profundidad 233
7.5.1. Vuelta atrás dirigida por dependencias 233
7.5.2. Sistemas de mantenimiento de la verdad basados en justificaciones 236
7.5.3. Sistemas de mantenimiento de la verdad basado en la lógica 245
7.6. Implementación: Búsqueda primero en anchura 245
7.7. Resumen 249
7.8. Ejercicios 251
8. Razonamiento estadístico 253
8.1. La probabilidad y el teorema de Bayes 254
8.2. Factores de certeza y sistemas basados en reglas 256
8.3. Redes bayesianas 262
8.4. Teoría de Dempster-Shafer 265
8.5. Lógica difusa 270
8.6. Resumen 271
8.7. Ejercicios 272
9. Estructuras de ranura y relleno débiles 275
9.1. Redes semánticas 276
9.1.1. Búsqueda de intersección 276
9.1.2. Representación de predicados no binarios 277
9.1.3. Algunas distinciones importantes 279
9.1.4. Redes semánticas particionadas 280
9.1.5. La transformación en marcos 282
9.2. Marcos 282
9.2.1. Los marcos como conjuntos e instancias 283
9.2.2. Otro modo de relacionar unas clases con otras 288
9.2.3. Las ranuras como objetos en toda regla 290
9.2.4. Los valores de ranura como objetos 296
9.2.5. Herencia 297
9.2.6. Lenguajes de marcos 301
9.3. Ejercicios 301
10. Estructuras de ranura y relleno fuertes 303
10.1. Dependencia conceptual 303
10.2. Guiones 311
10.3. CYC 315
10.3.1. Motivaciones 315
10.3.2. CYCL 316
10.3.3. Control y metaconocimiento 318
10.3.4. Ontología global 319
10.3.5. Herramientas 321
10.4. Ejercicios 321
11. Resumen sobre la representación del conocimiento 323
11.1. Espectro sintáctico-semántico de la representación 323
11.2. Estructuras lógicas de ranura y relleno 326
11. Otras técnicas de representación 327
11.3.1. Representación del conocimiento como restricciones 327
11.3.2. Modelos y razonamiento basado en modelos 328
11.3.3. Sistemas subsimbólicos 329
11.4 Resumen del papel del conocimiento 329
11.5. Ejercicios 330
TERCERA PARTE: TEMAS AVANZADOS
12. Los juegos 335
12.1. Visión de conjunto 335
12.2. El procedimiento de búsqueda minimax 338
12.3. Adición de la poda alfa-beta 343
12.4. Refinamientos adicionales 349
12.4.1. Espera del reposo 349
12.4.2. Búsqueda secundaria 351
12.4.3. Uso de movimientos de libro 351
12.4.4. Alternativas a mínimax 352
12.5. Profundización iterativa 352
12.6. Referencias a juegos específicos 355
12.7. Ejercicios 357
13. La planificación 359
13.1. Visión preliminar 359
13.2. Un ejemplo de dominio: el mundo de los bloques 363
13.3. Componentes de un sistema de planificación 364
13.4. Planificación mediante una pila de objetivos 371
13.5. Planificación no lineal mediante fijación de restricciones 379
13.6. Planificación jerárquica 387
13.7. Sistemas reactivos 388
13.8. Otras técnicas de planificación 389
13.9. Ejercicios 390
14. La comprensión 393
14.1. ¿Qué es la comprensión? 393
14.2. ¿Qué hace que la comprensión sea difícil? 394
14.3. La comprensión como verificación de restricciones 403
14.4. Resumen 412
14.5. Ejercicios 412
15. Procesamiento del lenguaje natural 415
15.1. Introducción 417
15.1.1. Los pasos del proceso 418
15.2. Procesamiento síntáctico 424
15.2.1. Gramáticas y analizadores 425
15.2.2. Redes de transiciones aumentadas 430
15.2.3. Gramáticas con unificación 434
15.3. Análisis semántico 437
15.3.1. Gramáticas semánticas 440
15.3.2. Gramáticas de casos 443
15.3.3. Análisis conceptual 446
15.3.4. Interpretación semántica aproximadamente composicional 450
15.4. El procesamiento de la pragmática y el discurso 456
15.4.1. Uso de la atención en la comprensión 458
15.4.2. Modelado de creencias 459
15.4.3. Utilización de objetivos y planes para la comprensión 461
15.4.4. Acciones del habla 463
15.4.5. Postulados conversacionales 464
15.5. Resumen 466
15.6. Ejercicios 467
16. IA paralela y distribuida 471
16.1. Modelado psicológico 472
16.2. El paralelismo en los sistemas de razonamiento 472
16.2.1. Paralelización de arquitecturas de IA 473
16.2.2. Paralelización de los lenguajes de programación de la IA 474
16.2.3. Paralelización de algoritmos de IA 475
16.2.4. Hardware paralelo a la carta 475
16.3. Sistemas de razonamiento distribuido 476
16.3.1. Coordinación y cooperación 477
16.3.2. Comunicación: pizarras y mensajes 482
16.3.3. Algoritmos de razonamiento distribuido 488
16.4. Resumen 489
16.5. Ejercicios 490
17. El aprendizaje 491
17.1. ¿Qué es el aprendizaje? 491
17.2. Aprendizaje memorÍstico 493
17.3. Aprendizaje a través de consejos 495
17.4. El aprendizaje en la resolución de problemas 497
17.4.1. Aprendizaje por medio del ajuste de parámetros 497
17.4.2. Aprendizaje con macro-operadores 499
17.4.3. Aprendizaje mediante troceado 501
17.4.4. El problema de la utilidad 502
17.5. Aprendizaje a partir de ejemplos: la inducción 503
17.5.1. Programa de aprendizaje de Winston 505
17.5.2. Espacios de versiones 510
17.5.3. Árboles de decisión 517
17.6. Aprendizaje basado en explicaciones 519
17.7. Descubrimiento 523
17.7.1. AM: Descubrimiento conducido por teorías 524
17.7.2. BACON: Descubrimiento conducido por datos 527
17.7.3. Arracimamiento 528
17.8. Analogía 528
17.8.1. Analogía transformacional 529
17.8.2. Analogía derivacional 531
17.9. Teoría formal del aprendizaje 532
17.10. Aprendizaje con redes neuronales y aprendizaje genético 533
17.11. Resumen 534
17.12. Ejercicios 534
18. Modelos conexionistas 537
18.1. Introducción: redes de Hopfield 539
18.2. El aprendizaje en las redes neuronales 543
18.2.1. Perceptrones 543
18.2.2. Redes de propagación hacia atrás 553
18.2.3. Generalización 560
18.2.4. Máquinas de Boltzmann 562
18.2.5. Aprendizaje por refuerzo 564
18.2.6. Aprendizaje no supervisado 564
18.3. Aplicaciones de las redes neuronales 568
18.3.1. Habla conexionista 568
18.3.2. Visión conexionista 570
18.3.3. Problemas combinatorios 570
18.3.4. Otras aplicaciones 572
18.4. Redes recurrentes 572
18.5. Representaciones distribuidas 574
18.6. IA conexionista e IA simbólica 578
18.7. Ejercicios 581
19. El sentido común 585
19.1. La física cualitativa 586
19.1.1. Representación de la información cualitativa 587
19.1.2. Razonamiento con información cualitativa 589
19.2. Ontologías del sentido común 590
19.2.1. Tiempo 590
19.2.2. Espacio 593
19.2.3. Materiales 595
19.3. Organización de la memoria 598
19.4. Razonamiento basado en casos 601
19.5. Ejercicios 604
20. Sistemas expertos 607
20.1. Representación y uso del conocimiento del dominio 608
20.2. Armazones de sistemas expertos 610
20.3. Explicación 610
20.4. Adquisición de conocimiento 613
20.5. Resumen 617
20.6. Ejercicios 618
21. Percepción y acción 619
21.1. Búsqueda en tiempo real 622
21.2. La percepción 623
21.2.1. Visión 623
21.2.2. Reconocimiento del habla 628
21.3. La acción 631
21.3.1. Navegación 631
21.3.2. Manipulación 634
21.4. Arquitecturas de los robots 637
21.5. Resumen 639
21.6. Ejercicios 640
22. Conclusión 643
22.1. Componentes de un programa de IA 643
22.2. Ejercicios 644
Referencias 647
Agradecimientos 671
Indice de autores 673
Indice analítico en inglés 679
Indice analítico en castellano 693