Libro

J. Mira, A. E. Delgado, J. G. Boticario y F. J. Díez.
Aspectos básicos de Inteligencia Artificial.
Editorial Sanz y Torres, Madrid, 1995. Reimpreso en 2001. xi+604 págs.


Autores

José Mira Mira
Ana Esperanza Delgado García
Jesús González Boticario
Francisco Javier Díez Vegas
Dpto. Inteligencia Artificial
E.T.S.I. Informática
UNED

Índice

(Entre corchetes se indican las páginas.)
Presentación [xi]


1. PERSPECTIVA HISTÓRICA Y CONCEPTUAL [1]
(J. Mira y A. E. Delgado)
1.1 Concepto de inteligencia artificial [2]
1.2 Idea intuitiva del comportamiento artificial [7]
1.3 Perspectiva histórica de la I.A. [16]
1.3.1 Neurocibernética [18]
1.3.2 Computación: de Platón a Turing [23]
1.3.3 Búsqueda heurística y dominios formales [29]
1.3.4 Énfasis en el conocimiento (197x-198x) [32]
1.3.5 Aprendizaje y renacimiento del conexionismo [46]

2. ASPECTOS METODOLÓGICOS EN I.A. [53]
(J. Mira y A. E. Delgado)
2.1 Niveles de computación [54]
2.2 El nivel de conocimiento de Allen Newell [63]
2.3 El agente observador y los dos dominios de descripción [69]
2.4 Estructura de tareas genéricas para modelar conocimiento en el D.O. [75]
2.4.1 La clasificación como tarea genérica [78]
2.4.2 La metodología KADS [80]
2.5 I.A. simbólica versus I.A. conexionista [84]

3. FUNDAMENTOS Y TÉCNICAS BÁSICAS DE BÚSQUEDA [89]
(J. G. Boticario)
3.1 Planteamiento del problema [90]
3.2 Espacios de representación [94]
3.2.1 Nociones básicas sobre grafos [94]
3.2.2 Representación de los problemas de búsqueda [97]
3.2.3 Cómo limitar el espacio de búsqueda [101]
3.3 Búsqueda en integración simbólica [102]
3.3.1 Descripción general del sistema [103]
3.3.2 Lenguaje de descripciones [104]
3.3.3 Lenguaje de operadores [106]
3.3.4 Equiparación de descripciones [107]
3.3.5 Solucionador [108]
3.4 Búsqueda sin información del dominio [111]
3.4.1 Búsqueda en amplitud [112]
3.4.2 Búsqueda en profundidad [116]
3.4.3 Búsqueda con retroceso [120]
3.4.4 Otros métodos derivados [124]
3.5 Reducción del problema [128]
3.6 Algoritmo general de búsqueda en grafos [131]
3.7 Discusión [134]

4. BÚSQUEDA HEURÍSTICA [137]
(J. G. Boticario)
4.1 Elementos implicados [138]
4.1.1 Conocimiento de control [140]
4.1.2 Planteamiento del problema [144]
4.2 Una estrategia irrevocable [145]
4.3 Estrategias de exploración de alternativas [148]
4.3.1 Búsqueda primero el mejor [149]
4.3.2 Algoritmo A* [152]
4.3.3 Búsqueda heurística en integración simbólica [158]
4.3.4 Método AO* [162]
4.4 Búsqueda con adversarios [165]
4.4.1 Estrategia MINIMAX [167]
4.4.2 Estrategia de poda alfa-beta [172]
4.5 Análisis de medios-fines [176]
4.6 Comentario [178]

5. LÓGICA [179]
(J. G. Boticario)
5.1 El uso de la lógica en la representación del conocimiento [180]
5.2 Lógica de proposiciones [181]
5.3 Lógica de predicados [188]
5.3.1 Ampliaciones de la lógica de predicados [196]
5.4 Deducción automática: resolución [198]
5.4.1 Forma clausulada [199]
5.4.2 Unificación [204]
5.4.3 Método general de resolución [207]
5.5 Extensiones de la lógica clásica [213]
5.5.1 Lógica modal [214]
5.5.2 Lógica difusa [217]
5.5.3 Lógicas no monótonas [224]
5.6 Conclusiones [229]

6. REGLAS [231]
(F. J. Díez)
6.1 Componentes básicos de los S.B.R. [232]
6.2 Estructura de las reglas [234]
6.2.1 Antecedente y consecuente [234]
6.2.2 Uso de variables en las reglas [237]
6.2.3 Comentarios [237]
6.3 Inferencia [239]
6.3.1 Comparación de patrones [239]
6.3.2 Tipos de encadenamiento [240]
6.3.3 Dependencia reversible e irreversible [243]
6.4 Control del razonamiento [244]
6.4.1 Mecanismos sencillos [244]
6.4.2 Control de las agendas [246]
6.4.3 Metarreglas [247]
6.4.4 Otros mecanismos [249]
6.5 Explicación del razonamiento [250]
6.6 Tratamiento de la incertidumbre [252]
6.6.1 Factores de certeza de MYCIN [253]
6.6.2 Lógica difusa en S.B.R. [254]
6.7 Valoración [256]
6.7.1 Comparación con los programas basados en comandos [256]
6.7.2 Comparación con la lógica de predicados [258]
6.7.3 Crítica de los sistemas basados en reglas [259]
6.8 Apéndice: expresividad y tratabilidad [260]
6.9 Bibliografía recomendada [261]

7. REDES ASOCIATIVAS [263]
(F. J. Díez)
7.1 Grafos relacionales [264]
7.1.1 Modelo de memoria semántica, de Quillian [264]
7.1.2 Sistema SCHOLAR, de Carbonell [268]
7.1.3 Grafos de dependencia conceptual, de Schank [270]
7.1.4 Problemas de los grafos relacionales [274]
7.2 Redes proposicionales [274]
7.2.1 Redes de Shapiro [275]
7.2.2 Representación mediante grafos de Sowa [276]
7.2.3 Inferencia en grafos de Sowa [281]
7.3 Redes de clasificación [283]
7.3.1 Extensión e intensión [283]
7.3.2 Jerarquía de conceptos [284]
7.3.3 Mecanismos de herencia [286]
7.3.4 Sistemas taxonómicos / sistemas asertivos [287]
7.4 Redes causales [288]
7.4.1 El sistema experto CASNET [289]
7.4.2 Redes bayesianas [292]
7.4.3 Ventajas y limitaciones de las redes
causales [299]
7.5 Comentarios finales [301]
7.6 Bibliografía recomendada [302]

8. MARCOS Y GUIONES [305]
(F. J. Díez)
8.1 Concepto de marco [306]
8.1.1 La propuesta de Minsky [306]
8.1.2 El sistema experto PIP [308]
8.1.3 El lenguaje KRL [311]
8.1.4 Herramientas basadas en marcos [313]
8.2 Inferencia mediante marcos [314]
8.2.1 Facetas [314]
8.2.2 Demonios [315]
8.2.3 Puntos de vista [316]
8.3 Guiones [317]
8.3.1 Planteamiento del problema [317]
8.3.2 Representación del conocimiento [318]
8.3.3 Inferencia mediante guiones [319]
8.3.4 Ventajas, inconvenientes y extensiones [322]
8.4 Comentarios [325]
8.4.1 Paradigmas en la utilización de los marcos [325]
8.4.2 Valoración [326]
8.5 Bibliografía recomendada [328]

9. SISTEMAS EXPERTOS [329]
(J. Mira, A. E. Delgado y otros)
9.1 Concepto de S.E.: estructura básica, características, ventajas y limitaciones [330]
9.1.1 Estructura básica [332]
9.1.2 Características de un sistema experto [335]
9.1.3 Ventajas y limitaciones [337]
9.2 Escenarios y funciones [340]
9.3 Tareas genéricas: ejemplos de monitorización y diagnóstico [346]
9.3.1 Catálogo de tareas genéricas [346]
9.3.2 La monitorización como tarea genérica: el ejemplo de SUTIL [349]
9.3.3 El diagnóstico como tarea genérica [355]
9.4 Aspectos metodológicos de ayuda al desarrollo de sistemas expertos [360]
9.4.1 Identificación y análisis del problema (TG1) [363]
9.4.2 Adquisición y modelado del conocimiento (TG2) [365]
9.4.3 Reducción al nivel simbólico (TG3) [369]
9.5 Ayudas a la implementación (TG4) [371]
9.5.1 Entornos de desarrollo [373]
9.5.2 Herramientas para la adquisición del conocimiento [393]
9.5.3 Interfaz de usuario [400]
9.6 Validación y evaluación (TG5) [410]
9.6.1 Razones para la evaluación [411]
9.6.2 Criterios y técnicas de evaluación [413]
9.7 Aspectos básicos en la explicación del razonamiento [418]

10. APRENDIZAJE [423]
(J. G. Boticario)
10.1 Introducción [423]
10.1.1 Análisis de la situación [423]
10.1.2 Breve reseña histórica [426]
10.2 Aprendizaje [427]
10.2.1 Concepto [427]
10.2.2 Objetivos y tarea [430]
10.3 Tipos de aprendizaje [435]
10.3.1 Inducción basada en ejemplos [437]
10.3.2 Inducción basada en el conocimiento del dominio [457]
10.3.3 Aprendizaje deductivo [458]
10.3.4 Aprendizaje por analogía [469]
10.3.5 Aprendizaje multiestrategia [477]
10.4 Observaciones [482]

11. COMPUTACIÓN NEURONAL [485]
(J. Mira y A. E. Delgado)
11.1 Las redes neuronales como modelo de computación distribuida y autoprogramable [486]
11.2 Inspiración en la neurología [491]
11.2.1 Distintos tipos de neuronas [493]
11.2.2 Arquitecturas modulares [497]
11.2.3 Posibles funciones de computación local [499]
11.2.4 Pistas sobre el aprendizaje [500]
11.3 Formalización de la computación en una capa [508]
11.4 Modelo genérico de neurona artificial [511]
11.5 Funciones de computación local [513]
11.5.1 Modelos analógicos [514]
11.5.2 Expansiones del modelo analógico: neuronas de orden superior [523]
11.5.3 Modelos lógicos [524]
11.5.4 Modelos inferenciales [527]
11.6 Aprendizaje en redes neuronales artificiales [532]
11.6.1 Reglas correlacionales [534]
11.6.2 Minimización de una función del error: retropropagación del gradiente [536]
11.6.3 Ejemplos de retropropagación del gradiente: XOR, predicción de series temporales y control [548]
11.6.4 Funciones de refuerzo [557]
11.7 Simbiosis entre I.A. simbólica y computación neuronal: aspectos metodológicos [559]

Referencias [577]

Enlaces relacionados