cienciasdelacomputacion.com

Goal-Driven y Busqueda a lo ancho

Conducida por el objetivo (goal driven – backward chaining)

• Tomar el objetivo que queremos resolver, establecer que reglas o movimientos legales podrían usarse para generar este objetivo y determinar que condiciones deben ser verdaderas para ser usadas.
• Estas condiciones constituyen los nuevos objetivos de la búsqueda y la búsqueda continua hacia atrás hasta encontrar los hechos del problema

BREATH FIRST.- Busqueda a lo ancho. La busqueda se realiza a lo largo del arbol o grafo, recorriendo todos los nodos de una correspondiente fila antes de pasar a la siguiente:

Este es una implementacion en pseudocodigo el cual representa el comportamiento de esta estrategia de busqueda:

Begin
open := [Start];
closed := [ ];
while open ? [ ] do
begin
remove leftmost state from open, call it X;
if X is a goal then returns SUCCESS
else begin
generate children of X;
put X on closed;
discard children of X if already on open or closed;
put remaining children on right end of open
end
end
return FAIL
end

Aplicacion en un arbol, donde el objetivo a encontrar es U
1.    open = [A]; closed = [ ]
2.    open = [B,C,D]; closed = [A]
3.    open = [C,D,E,F]; closed = [B,A]
4.    open = [D,E,F,G,H]; closed = [C,B,A]
5.    open = [E,F,G,H,I,J]; closed = [D,C,B,A]
6.    open = [F,G,H,I,J,K,L]; closed = [E,D,C,B,A]
7.    open = [G,H,I,J,K,L,M] L ya esta en open; closed =[F,E,D,C,B,A]
8.    open = [H,I,J,K,L,M,N]; closed = [G,F,E,D,C,B,A]
9.    Continua hasta encontrar U, o open = [ ].

Plateamiento de problemas en IA

A continuación se plantean tres soluciones diferentes del problema de tres en raya analizando la conveniencia de cada una. Cada una de las soluciones plantea un enfoque diferente, pero solo la última simula la forma en que una computadora lo resolveria de forma inteligente:

Solución 1:

• Una primera solución directa a este juego podría ser la de almacenar en un vector las 19.693 posibilidades de un tablero de 3 x 3 con tres valores posibles en cada casilla (vacío-X-O), así como las correspondientes jugadas sucesoras.
• Para realizar una jugada, bastaría con acceder a la posición del tablero actual y la jugada sucesora correspondiente.
• Las desventajas de este eficiente programa son bastante obvias:
• Necesita gran cantidad de memoria; alguien debe realizar el pesado trabajo de introducir todas las jugadas y sus sucesoras; y el juego no se puede ampliar, por ejemplo a tres dimensiones.

Solución 2:

• El programa posee una estrategia para cada turno de jugador.
• Analiza el posible triunfo a partir de un estado del tablero dado.
• Aunque es menos eficiente que la solución anterior en términos de tiempo, tiene la ventaja que es más eficiente en términos de espacio.
• Su estrategia es más fácil de comprender y realizar cambios, aunque el programador debe comprender la totalidad de la estrategia de antemano.
• Además, no es posible generalizar parte del conocimiento del programa hacia un dominio distinto, como tres en raya 3D.

Solución 3:

• Una estructura contiene el tablero actual, así como una lista de posiciones del tablero que podrían ser el próximo movimiento, y una estimación de la probabilidad de que esa jugada lleve a la victoria.
• Para decidir la siguiente jugada se tienen en cuenta las posiciones de tablero que resultan de cada movimiento posible.
• Se decide la posición que corresponde a la mejor jugada, considerando si la jugada produce la victoria, y en caso contrario considerando todos los movimientos que el oponente puede realizar asumiendo que éste elegirá el peor para nosotros.
• El algoritmo inspecciona varias secuencias de movimientos intentando maximizar la probabilidad de victoria.
• Necesita mucho más tiempo que los demás, ya que debe realizar una búsqueda en un árbol de posibilidades antes de realizar cada movimiento. Sin embargo, es superior a las demás soluciones pues podría ser ampliado para manipular juegos más complicados.
• Además, puede aumentar su potencia usando conocimiento sobre el juego, por ejemplo, en lugar de considerar todos los posibles movimientos considerar solo un subconjunto siguiendo algún criterio razonable.

Este último es un ejemplo del uso de una técnica de IA.

Dado este ejemplo, podemos definir tres parámetros importantes para poder resolver un problema usando IA:

• Búsqueda: proporciona una forma de resolver problemas en los que no se dispone de un método directo
• Uso del conocimiento: proporciona una forma de resolver problemas complejos explotando las estructuras existentes entre los objetos involucrados

• Abstracción: proporciona una forma de separar aspectos y variaciones importantes de aquellos otros sin importancia, y que en caso contrario podrían colapsar el proceso.

Más adelante describiremos en detalle cada uno de estos elementos.

Complejidad, automatas y Computabilidad

El campo de la Teoría de la computación en Ciencias de la computacion involucra las subareas de

1. Teoría de la computación
2. Teoría de autómatas: estudia matemáticamente máquinas abstractas y problemas que éstas son capaces de resolver
3. Teoria de la computabilidad: estudia los problemas de decisión que pueden ser resueltos con un algoritmo o equivalentemente con una máquina de Turing.
4. Teoría de la complejidad computacional: Estudia teoricamente los recursos requeridos durante el cálculo para resolver un problema (tiempo y espacio)

Areas de las Ciencias de la Computacion

Ares y Campos de Estudio en el que se involucran  las Ciencias de la Computacion

• Fundamentos matematicos
• Teoria de la computacion
• Algoritmos y estructuras de datos
• Lenguajes de programacion
• Compiladores
• Bases de datos
• Sistemas concurrentes
• Sistemas paralelos
• Sistemas distribuidos
• Inteligencia artificial
• Graficos por computadora
• Computacion cientifica

Criptografia, grafos, logica y teoria detipos

El campo de los Fundamentos matemáticos de las Ciencias de la Computacion involucra la criptografia, teoria de grafos, logica y teoria de tipos

1. Criptografía: Algoritmos de proteccion de datos privados y cifrado de informacion
2. Teoria de grafos: Estructuras de almacenamiento de datos y algoritmos de busqeda (problemas como del viajante, o la mejor ruta son clasicos en la tematica)
3. Logica matemática: Se divide en cuatro subcampos: teoría de modelos, teoría de la demostración, teoría de conjuntos y teoría de la recursión.
4. Teoria de tipos: Estudio y analisis sobre los tipos de datos y u aplicacion en las propiedades de los programas y su seguridad

Ciencias de la COmputacion: Historia

La historia es anterio a que se inventara la computadora
Antes de 1920 , el término computador habalaba de un ser humano que realizaba cálculos

Los primeros investigadores en la cuestión de la computabilidad querian saber

• Qué cosas pueden ser computadas por un ser humano (siguiendo una lista de instrucciones por escrito)l, sin conocer el problema con anterioridad durante el tiempo que fuesea necesario

La motivación para este trabajo era realiza máquinas que computaran, y que pudieran automatizar labores y tareas largas y tediosas para una persona (que ademas podias tener errores)
En década de 1940 mientras se realizaban computadoras, el término computador se comenzó a utilizar para las máquinas en lugar de las personas.
El campo de las ciencias de la computación se fue ampliando mientras se veia que se podan realizar mas cosas que calculos matematicos para estudiar a la informática) en general.

La ciencia de la computación se establecio como una disciplina académica en la década del 60, con los primeros departamentos de ciencias de la computación en las universidad y las licenciaturas respectivas. (Fuente Wikipedia)

Maquinas de Turing

La maquina de Turing es una idea que intrujo el cientifico Alan Turing para determinar si hay un metodo aplicado a lo matematico que nos diga si una sentencia es verdadera o no.

Alan Turing construyo “la maquina de Turing” , un modelo de matematica que es abstracto y concluyo que hay problemas que la maquina no puede resolver

Estrategias y Algoritmos de Busqueda de Informacion

Existen diferencia de estrategias de búsqueda de información:

• Algoritmo Primero a lo Ancho (BREATH-FIRST)
• Algoritmo Primero en Profundidad (DEPTH-FIRST)
• Búsqueda Heurística:
• Ascenso a Colina
• Recocido Simulado
  • Búsqueda Primero el Mejor (BEST-FIRST)
  • Teorema de Admisibilidad
  • Algoritmo Guiado por Agenda

Las técnicas de solución de problemas en IA, en general, incorporan un proceso de búsqueda.
Todo proceso de búsqueda puede ser visualizado como el recorrido por un árbol en el que cada nodo representa un estado y cada rama representa las relaciones entre los estados cuyos nodos conecta.
En general, las reglas contienen en forma implícita el árbol, y se genera en forma explícita sólo aquellas partes que se decide explorar.
La dirección en la cual se conduce la búsqueda (hacia adelante o hacia atrás).
La estrategia de control, o forma de seleccionar las reglas que pueden ser aplicables. Los principales requerimientos de una buena estrategia de control son: que cause desplazamiento en el espacio de estado; y, que sea sistemático.

La forma de representar cada nodo del proceso de búsqueda (representación del conocimiento).

Muchas veces, tratar el proceso como búsqueda en un grafo en lugar de una búsqueda en un árbol, puede reducir el esfuerzo que se gasta en explorar senderos, esencialmente iguales, varias veces. Sin embargo, los requisitos asociados, son:
Cada vez que se genere un nodo se debe chequear para ver si ha sido generado antes.

Se deben introducir procedimientos especiales para que la búsqueda no quede atrapada en algún lazo.

Existen dos formas de conducer las busquedas:

Conducida por el objetivo (goal driven – backward chaining)

Tomar el objetivo que queremos resolver, establecer que reglas o movimientos legales podrían usarse para generar este objetivo y determinar que condiciones deben ser verdaderas para ser usadas.Estas condiciones constituyen los nuevos objetivos de la búsqueda y la búsqueda continua hacia atrás hasta encontrar los hechos del problema.
Conducida por los datos (data driven – forward chaining)

Búsqueda empieza con los hechos o datos conocidos y un conjunto de movimientos legales o reglas para cambiar de estado.La búsqueda se realiza aplicando las reglas a los datos o hechos, produciendo nuevos datos o hechos. Este proceso continua hasta generar una ruta que satisfaga la condición del objetivo.

Estrategias de Busqueda

Tipos de búsqueda según estrategias de control:

• ALGORITMO.-Disponemos de información segura sobre qué operación aplicar
• BUSQUEDA EXHAUSTIVA (A CIEGAS).- Exploración del árbol de búsqueda sistemáticamente pero sin información
• BUSQUEDA HEURÍSTICA (INFORMADA).- información sobre el problema (información del dominio) que permite reducir la búsqueda.

Estrategias de búsqueda a ciegas

• Generar y Probar
• Búsqueda primero a lo ancho
• Búsqueda primero a lo profundo
• Búsqueda de costo uniforme
• Búsqueda en profundidad limitada
• Búsqueda en profundidad iterativa
• Búsqueda bidireccional

Comenzemos con el primer tipo de búsqueda:
GENERATE-AND-TEST

• Generar una posible solución. (estado o camino)
• Comprobar para ver si es una solución, mediante comparación con los elementos del conjunto de objetivos aceptables.
• Si la solución ha sido encontrada salir, de otra manera, retornar al paso 1

Para muestra esta imagen

Algoritmo primero a lo Ancho