La Inteligencia Artificial (IA) es un campo grande (enorme), y este libro también. He intentado explorarlo con plena profundidad acompañándolo constantemente de lógica, probabilidad y matemáticas; de percepción, razonamiento, aprendizaje y acción, es decir, de todo lo que procede de los dispositivos microelectrónicos hasta los exploradores del planetario de la robótica. Otra razón para que este libro se pueda considerar espléndido es la profundidad en la presentación de los resultados, aunque nos hayamos esforzado por abarcar sólo las ideas más centrales en la parte principal de cada capítulo. En las notas bibliográficas al final de cada capítulo se proporcionan consejos para promover resultados.
El subtítulo de este libro es «Un Enfoque Moderno». La intención de esta frase bastante vacía es el hecho de que hemos intentado sintetizar lo que se conoce ahora dentro de un marco de trabajo común, en vez de intentar explicar cada uno de los subcampos de la IA dentro de su propio contexto histórico. Nos disculpamos ante aquellos cuyos subcampos son, como resultado, menos reconocibles de lo que podrían haber sido de cualquier otra forma.
Nuestro objetivo principal es el de transmitir las ideas que han surgido durante los últimos 50 años de investigación en IA y trabajos afines durante los dos últimos milenios. Hemos intentado evitar una excesiva formalidad en la presentación de estas ideas a la vez que hemos intentado cuidar la precisión. Siempre que es necesario y adecuado, incluimos algoritmos en pseudo código para concretar las ideas, lo que se describe en el Apéndice B. Las implementaciones en varios lenguajes de programación están disponibles en el sitio Web de este libro.
Este libro se ha pensado principalmente para utilizarse en un curso de diplomatura o en una serie de varios cursos. También se puede utilizar en un curso de licenciatura (quizás acompañado de algunas de las fuentes primarias, como las que se sugieren en las notas bibliográficas). Debida a la extensa cobertura y a la gran cantidad de algoritmos detallados, también es una herramienta útil como manual de referencia primario para alumnos de licenciatura superior y profesionales que deseen abarcar más allá de su propio subcampo. El único prerrequisito es familiarizarse con los conceptos básicos de la ciencia de la informática (algoritmos, estructuras de datos, complejidad) a un nivel de aprendizaje de segundo año. El cálculo de Freshman es útil para entender las redes neurales y el aprendizaje estadístico en detalle. En el Apéndice A se ofrecen los fundamentos matemáticos necesarios.
Este libro se ha pensado principalmente para utilizarse en un curso de diplomatura o en una serie de varios cursos. También se puede utilizar en un curso de licenciatura (quizás acompañado de algunas de las fuentes primarias, como las que se sugieren en las notas bibliográficas). Debida a la extensa cobertura y a la gran cantidad de algoritmos detallados, también es una herramienta útil como manual de referencia primario para alumnos de licenciatura superior y profesionales que deseen abarcar más allá de su propio subcampo. El único prerrequisito es familiarizarse con los conceptos básicos de la ciencia de la informática (algoritmos, estructuras de datos, complejidad) a un nivel de aprendizaje de segundo año. El cálculo de Freshman es útil para entender las redes neurales y el aprendizaje estadístico en detalle. En el Apéndice A se ofrecen los fundamentos matemáticos necesarios.
CONTENIDO:
1. Introducción.
2. Agentes inteligentes.
3. Solución de problemas mediante la búsqueda.
4. Métodos de búsqueda respaldados con información.
5. Problemas de “Constraint Satisfaction”.
6. Búsqueda adversarial.
7. Agentes que razonan de manera lógica.
8. Lógica de primer orden.
9. La inferencia en la lógica de primer orden.
10. Sistemas que razonan lógicamente.
11. Planificación.
12. Planificación y actuación.
13. Incertidumbre.
14. Sistemas probabilísticos de razonamiento.
15. Sistemas probabilísticos de razonamiento over time.
16. Toma de decisiones sencillas.
17. Toma de decisiones complejas.
18. Aprendizaje a partir de la observación.
19. El aprendizaje estadístico.
20. Aprendizaje por refuerzo.
21. El conocimiento en el aprendizaje.
22. Agentes que se comunican.
23. Procesamiento práctico del lenguaje natural.
24. Percepción.
25. Robótica.
26. Fundamentos filosóficos.
27: IA, presente y futuro.
Apéndices.
2. Agentes inteligentes.
3. Solución de problemas mediante la búsqueda.
4. Métodos de búsqueda respaldados con información.
5. Problemas de “Constraint Satisfaction”.
6. Búsqueda adversarial.
7. Agentes que razonan de manera lógica.
8. Lógica de primer orden.
9. La inferencia en la lógica de primer orden.
10. Sistemas que razonan lógicamente.
11. Planificación.
12. Planificación y actuación.
13. Incertidumbre.
14. Sistemas probabilísticos de razonamiento.
15. Sistemas probabilísticos de razonamiento over time.
16. Toma de decisiones sencillas.
17. Toma de decisiones complejas.
18. Aprendizaje a partir de la observación.
19. El aprendizaje estadístico.
20. Aprendizaje por refuerzo.
21. El conocimiento en el aprendizaje.
22. Agentes que se comunican.
23. Procesamiento práctico del lenguaje natural.
24. Percepción.
25. Robótica.
26. Fundamentos filosóficos.
27: IA, presente y futuro.
Apéndices.
Contraseña: www.facebook.com/groups/RecursosProgramacion
