1. ¿Cuáles son las 4 categorías para clasificar las definiciones de la IA?
Pensar como humanos: Automatización de actividades vinculadas al pensamiento humano (ej. toma de decisiones, resolución de problemas). Fundamentado por Newell y Simon (SRGP).
Actuar como humanos: El arte de desarrollar máquinas que realizan funciones que requieren inteligencia cuando las hacen personas. Fundamentado por la Prueba de Turing.
Pensar racionalmente: El estudio de los cálculos y modelos computacionales que hacen posible percibir, razonar y actuar. Basado en las leyes del pensamiento y la lógica.
Actuar racionalmente: El estudio del diseño de agentes inteligentes que actúan para lograr el mejor resultado esperado.
2. ¿Cuáles son las 4 Preguntas Fundamentales para el estudio de la IA?
¿Cuál es la suposición subyacente?:«El mundo es un sistema y es fraccionable / fragmentable».
¿Cuáles son las técnicas para trabajar?:
¿Qué?: Conocimiento.
¿Cómo?: Representación de sentidos y declaraciones.
¿A través de qué?: Inferencia, aprendizaje y adaptación (manipular conocimiento).
¿A qué nivel se quiere estudiar la inteligencia?: A nivel de ingeniería / racionalidad (lo que importa es la capacidad de resolver problemas complejos).
¿Cómo se sabe si se tuvo éxito?: Cuando se obtiene una solución robusta, eficaz, genérica, eficiente y genuina.
3. ¿Qué disciplinas exige la Prueba de Turing Estándar y la Global?
Prueba Estándar (4 disciplinas): Procesamiento de Lenguaje Natural (comunicación), Representación del Conocimiento (almacenamiento), Razonamiento Automático (inferencia) y Aprendizaje Automático (adaptación).
Prueba Global (2 disciplinas adicionales): Visión Computacional (percibir objetos) y Robótica (manipular y mover objetos).
4. ¿Cuál es la diferencia entre el Dualismo Cartesiano y el Materialismo?
Dualismo Cartesiano: Sostiene que existe una parte de la mente (alma/espíritu) al margen de la naturaleza y exenta de la influencia de las leyes físicas.
Materialismo: Afirma que las operaciones físicas y biológicas del cerebro constituyen la mente.
5. ¿A qué se refiere el Principio de la Inducción de Hume?
Reglas generales que se obtienen mediante la exposición a asociaciones repetidas entre sus elementos.
6. ¿Qué es el Problema de Entscheidungs (Problema de Decisión)?
Algoritmo formal para determinar la validez de cualquier proposición lógica en lógica de primer orden.
7. ¿Cuándo se considera formalmente que un problema es intratable?
Cuando el tiempo necesario para resolver casos particulares del problema crece exponencialmente con el tamaño de dichos casos (complejidad NP-completa).
Agentes inteligentes, entornos y racionalidad
8. ¿Cuál es la diferencia entre Racionalidad y Omnisciencia?
Racionalidad: Maximiza el rendimiento esperado según la secuencia de percepciones observadas y el conocimiento previo.
Omnisciencia: Conoce el resultado real exacto de sus acciones con anticipación (requiere adivinación / perfección absoluta, imposible en la realidad).
9. ¿De qué 4 factores depende la Racionalidad en un momento dado?
La medida de rendimiento (criterio de éxito).
El conocimiento del medio acumulado a priori.
Las acciones ejecutables por el agente.
La secuencia de percepciones acumuladas hasta el momento.
10. ¿Cuáles son las 4 preguntas para determinar la Medida de Desempeño?
¿Qué?: Qué medir y en qué unidades se evalúa.
¿Cómo?: Depende de las acciones para conseguir la meta.
¿Cuándo?: Medir/probar a largo o corto plazo.
¿Quién?: Evaluador (diseñador, usuario final o autoevaluación).
11. ¿A qué se refiere la Autonomía en un agente?
Un agente es autónomo si su comportamiento depende de su propia experiencia (su base de conocimiento y motor de aprendizaje) para compensar el conocimiento inicial incompleto, y no del conocimiento dado por el diseñador.
12. Enuncie las 3 condiciones de CRAIK para agentes basados en conocimiento:
El estímulo externo debe ser traducido a una representación interna.
La representación interna se manipula mediante procesos cognitivos para generar nuevas representaciones internas.
Las nuevas representaciones internas se traducen de nuevo en acciones.
13. ¿Cuáles son las dimensiones para caracterizar agentes según NWANA?
Por movilidad: Móviles vs. Estáticos.
Por colaboración: Deliberativos vs. Reactivos.
Por sus 3 atributos: Autonomía, Aprendizaje y Cooperación (si cumple las 3 es un Agente SMART).
Por su rol: Agentes de Medios o de Información.
Híbridos: Combinación de dos o más arquitecturas.
14. Clasificación de Tipos de Entornos (con ejemplos fijos de examen):
Observable / Accesible vs. Parcialmente observable: Totalmente accesible si los sensores detectan todo el estado (Ej. Crucigrama); parcialmente si hay puntos ciegos (Ej. Aspiradora con un solo sensor).
Determinista vs. Estocástico: Determinista si el estado siguiente depende solo del estado actual y la acción (Ej. Ajedrez); estocástico si hay incertidumbre (Ej. Taxi).
Episódico vs. Secuencial: Episódico si la acción presente no afecta decisiones futuras (Ej. Clasificador de piezas defectuosas); secuencial si afecta el futuro (Ej. Ajedrez).
Estático vs. Dinámico vs. Semidinámico: Dinámico si el entorno cambia mientras el agente delibera (Ej. Taxi); estático si no cambia (Ej. Crucigrama); Semidinámico si el entorno no cambia pero la puntuación del agente cambia con el tiempo (Ejemplo clásico de examen: Ajedrez con reloj).
Discreto vs. Continuo: Discreto si hay un número finito de estados/acciones (Ej. Ajedrez); continuo si varían suavemente (Ej. Velocidad del taxi).
15. ¿Qué es un Agente Reactivo basado en Modelos?
Es un agente diseñado para entornos parcialmente observables que mantiene un estado interno respaldado por un modelo del mundo (cómo evoluciona el entorno y qué producen sus acciones) para recordar lo no visible en el momento.
16. ¿Qué ventaja ofrece un Agente basado en Utilidad sobre uno basado en Objetivos?
Permite tomar decisiones racionales cuando existen objetivos contrapuestos (evaluando el compromiso entre velocidad y seguridad) o cuando hay incertidumbre en la consecución de las metas.
Búsqueda no informada y formulación de problemas
17. ¿Cuáles son los 4 componentes de la Formulación de un Problema?
Estado Inicial (\(E_i\)): Estado del agente y entorno en \(t=0\).
Función Sucesora (\(S(x)\)) / Acciones: Conjunto de pares <acción, estado_sucesores>.
Prueba Meta (\(PM\)): Condición lógica para determinar si un estado es el objetivo.
Costo de Ruta (\(CR\)): Suma de los costos de las acciones a lo largo del camino.
18. ¿Cuáles son los 4 Parámetros de Evaluación de Búsquedas?
Completitud (\(C\)): ¿Garantiza encontrar una solución si esta existe?
Optimalidad (\(OP\)): ¿Encuentra la solución de menor costo de ruta?
Complejidad Temporal (\(CT\)): Tiempo que tarda el algoritmo en encontrar la solución.
Complejidad Espacial (\(CE\)): Cantidad de memoria requerida para la búsqueda.
19. ¿Diferencia entre Costo en Línea y Costo Fuera de Línea?
Costo en Línea: Costo de la ejecución de la solución directamente en el mundo real.
Costo Fuera de Línea: Costo computacional/tiempo gastado durante la búsqueda del plan.
20. ¿A qué se refiere el Costo en el Margen / Frontera?
Es el costo acumulado \(g(n)\) de trasladarse desde el estado inicial hasta un nodo actual ubicado en la frontera de exploración.
21. ¿A qué se refieren los Problemas de Contingencia y la Coerción?
Problemas de Contingencia: Ocurren en entornos parcialmente observables o no deterministas donde las percepciones proporcionan nueva información tras actuar; la solución toma la forma de un árbol de decisiones condicional.
Coerción: Acción de reducir la incertidumbre encasillando el mundo en un estado conocido, sin importar cuál fuera el estado inicial.
22. ¿A qué se refieren los Problemas de Exploración?
Ocurren cuando el agente no conoce los estados ni las acciones del entorno y debe actuar en el mundo real para descubrirlos (búsqueda online).
Búsqueda informada (heurística) y búsqueda local
23. ¿Qué es una Heurística Admisible y una Consistente?
Admisible: Una heurística \(h(n)\) es admisible si nunca sobreestima el costo real para alcanzar la meta (\(h(n) \le h^*(n)\)).
Consistente / Monótona: Si satisface la desigualdad triangular: para cada nodo \(n\) y cada sucesor \(n’\), \(h(n) \le c(n,a,n’) + h(n’)\).
24. ¿Qué es la Búsqueda Avara (Voraz)?
Búsqueda heurística que expande el nodo que parece estar más cerca de la meta evaluando únicamente \(f(n) = h(n)\). No es óptima y es incompleta si cae en bucles infinitos.
25. ¿En qué consiste la metodología \(A^*\) con profundización iterativa (IDA*)?
Adapta la idea de la Búsqueda con Profundidad Iterativa al algoritmo \(A^*\), utilizando como límite de corte en cada iteración el valor del \(f\)-coste acumulado (\(f(n) = g(n) + h(n)\)) en lugar de la profundidad física, reduciendo drásticamente el uso de memoria.
26. ¿A qué se refiere la teoría de Enfriamiento / Temple Simulado?
Algoritmo de búsqueda local basado en la ascensión de colinas que permite movimientos hacia estados peores (descensos) con una probabilidad controlada por una variable de temperatura \(T\) que disminuye con el tiempo, evitando quedar atrapado en máximos o mínimos locales.
Juegos y búsqueda adversarial
27. ¿Cómo funciona la Función de Evaluación / Utilidad en MINIMAX?
Asigna un valor numérico a los estados terminales del juego (ej. \(f(v) = \text{Piezas MAX} – \text{Piezas MIN}\)). El jugador MAX elige el movimiento que maximice este valor y MIN elige el que lo minimice.
28. Explique la relación entre \(\alpha\) y \(\beta\) en la Poda Alfa-Beta:
\(\alpha\) (Alfa): Es el valor de la mejor opción (el valor más alto) encontrada hasta el momento a lo largo del camino para MAX.
\(\beta\) (Beta): Es el valor de la mejor opción (el valor más bajo) encontrada hasta el momento a lo largo del camino para MIN.
Regla de Poda: Se podan las ramas descendientes de un nodo en cuanto se cumpla que \(\alpha \ge \beta\).
