Tout sur l'intelligence artificielle

LES SYSTÈMES DE RECHERCHE
Introduction aux systèmes de recherche.
En intelligence artificielle, le thème de la recherche est central, puisque, par exemple, effectuer des actions mécanisées pour résoudre des problèmes, se réduit à rechercher dans un espace d'états comme expliqué dans la section précédente. Dans cette discipline, on étudie les recherches aveugles (recherche en largeur d'abord, profondeur d'abord, profondeur itérative, coût uniforme, etc., et ainsi de suite et bien d'autres.) et recherches intelligentes (recherche gloutonne, A, IDA, A restreinte par mémoire simplifiée, ascension de crête (hill-climbing), etc., et ainsi de suite et bien d'autres.)
Lié à la recherche de l'optimum se trouve le problème de la gestion du contrôle de la recherche, controlmanagement planteado por Newell y Simon que ha generado una abundancia de trabajos en el campo de la inteligencia artificialsynthetic. Se trata de elegir entre búsquedas heurísticas lo suficientemente buenas (no perfectas) como para que se pueda dar por concluida la búsqueda con una aceptable respuesta al problema en un lapso aceptable de tiempo.
No se discute que las búsquedas aumentan “explosivamente” cuando el espacio de problema se vuelve demasiado vasto por bifurcación de nodos a buscar por incorporación de más variables. Un controlmanagement de búsqueda basado en técnicas mediocres también llega a proponer una respuesta adecuada, aunque en un tiempo demasiado largo. En un modelo de mundo en un contexto con más y más variables que participan y que no se reducen a un número manejable por descarte, surge un problema de controlmanagement de la búsqueda: ella se vuelve “explosiva”. El problema del controlmanagement de búsqueda (por ejemplo el problema del operador a elegir, el problema de la planificación, etc., et ainsi de suite et bien d'autres.) aún está casi sin resolver.
El papel de la búsqueda en la Inteligencia ArtificialSynthetic
La resolución de problemas en IA requiere, normalmente, determinar una secuencia de acciones decisiones. Esta secuencia será ejecutada posteriormente por un agente con el fin de alcanzar un objetivo a partir de una situación inicial dada. Dependiendo del problema concreto, l'exécution de la séquence d'actions décisions a un coût associé qui sera tenté de minimiser, un bien a un bénéfice associé qui sera tenté de maximiser. Dans la description des systèmes de recherche, on suppose que l'agent se déplace dans un environnement accessible, ce qui est la même chose, qu'il est capable de percevoir l'environnement avec précision. De plus, on suppose également que l'effet ainsi que le coût des actions peuvent être prédits avec exactitude. De cette manière, la séquence d'actions peut être obtenue avant son exécution; dans le cas contraire, la prochaine action ne pourrait être déterminée qu'après avoir connu le résultat de l'exécution de la précédente.
Classification
Pour élaborer une classification des systèmes de recherche, il existe de nombreuses classifications, autant que de chercheurs et d'auteurs en intelligence artificielle synthétique existent, Dans le module, on a cherché à organiser cette information pour offrir un panorama le plus large possible afin que l'étudiant couvre la plus grande quantité d'informations, Les noms des algorithmes et des méthodes de solution, dans certains cas, présentent des différences qui sont clarifiées au cours du document. La classification suivante peut être considérée comme générique pour avoir une idée conceptuelle des possibilités de recherche.
Recherches dans les espaces d'état
Formulation des objectifs: l'objectif est établi
Formulation du problème: se décide à déterminer quelles actions et états doivent être considérés.
Recherche: évaluation des séquences possibles d'actions qui mènent à l'objectif et choix de la plus appropriée.
Types de problèmes:
Problèmes à état unique: l'agent connaît exactement dans quel état il se trouve et le résultat de chacune de ses actions.
Problèmes à états multiples: l'agent ne connaît pas exactement dans quel état il se trouve, mais connaît le résultat de chacune de ses actions.
Problèmes de contingence: l'agent ne connaît pas exactement dans quel état il se trouve, mais connaît le résultat de chacune de ses actions, bien que certaines contingences puissent se présenter.
Problèmes d'exploration: l'agent ne connaît pas exactement dans quel état il se trouve, ni le résultat exact de chacune de ses actions.
Problèmes
Définition: C'est un ensemble d'informations que l'agent utilise pour décider de ce qu'il va faire.
Un problème est composé de:
Un état initial qui est l'endroit où se trouve l'agent.
Un ensemble d'actions que l'agent peut entreprendre.
Le test de l'objectif pour savoir si un état objectif a été atteint.
Il y a trois façons de mesurer la intelligence artificielle en ligne efficacité de la recherche:
Selon qu'elle permette ou non d'atteindre la solution,
Selon le coût de son chemin
Choix des états et des actions
Les états et actions sont choisis par un processus d'abstraction (élimination des détails d'une représentation).
Recherche de solutions
La recherche consiste à choisir une option, en mettant de côté les autres pour les considérer plus tard en cas de non-réponse via la première option.
Arbres de recherche
Composants dans la structure de données pour les arbres de recherche:
El estado al que corresponda el nodo,
El nodo padre,
La profundidad del nodo (distancia hasta la raíz),
El costo de ruta desde el estado inicial hasta el nodo.
Estrategia de búsqueda
Las estrategias de búsqueda se evalúan según los siguientes criterios:
Completez: si garantiza no encontrar la solución si es que existe.
Complejidad temporal: cantidad de tiempo necesario para encontrar la solución
Complejidad espacial: cantidad de memoria necesaria para encontrar la solución.
Optimidad: si se encontrará no la mejor solución en caso de que existan varias.
Tipos de estrategias de búsqueda
Las estrategias de búsqueda se pueden agrupar en dos grandes grupos:
Búsquedas sin contar con información ( búsqueda ciega): no existe información acerca de la cantidad de pasos necesarios sobre el costo de ruta para pasar del estado de un momento dado a la meta.
Búsqueda respaldada con información ( búsqueda heurística): se posee información muy valiosa para orientar la búsqueda para que sea mas óptima.
Búsquedas sin contar con información
Las seis estrategias de búsqueda sin contar con información son las siguientes:
• Búsqueda preferente por amplitud
• Búsqueda de costo uniforme
• Búsqueda preferente por profundidad
• Búsqueda limitada por profundidad
• Búsqueda por profundización iterativa
Búsqueda preferente por amplitud:
Dans cette recherche, tous les nœuds situés à la profondeur d de l'arbre de recherche sont développés avant les nœuds situés à la profondeur d+1.
• S'il y a plusieurs solutions, ce type de recherche permettra toujours de trouver en premier l'état objectif le plus proche de la racine.
• Dans cette recherche, le temps et la quantité de mémoire nécessaires croissent de manière exponentielle par rapport à la profondeur.
• Elle est optimale et complète.
Recherches à coût uniforme:
Dans cette recherche, la stratégie préférentielle par largeur est modifiée dans le sens de développer toujours le nœud de coût le plus faible dans la marge (mesuré par le coût du chemin g(est)) au lieu du nœud de profondeur la plus faible.
Ce type de recherche permettra toujours de trouver la solution la moins chère tant que le coût du chemin ne diminue jamais à mesure que nous avançons sur le chemin.
Dans cette recherche, le temps et la quantité de mémoire nécessaires croissent exponentiellement par rapport à la profondeur.
• Elle est optimale et complète.
Recherche en profondeur préférentielle:
Dans cette recherche, on développe toujours un des nœuds qui se trouvent les plus profonds dans l'arbre. Seulement si la recherche mène à une impasse, la recherche est inversée et les nœuds des niveaux moins profonds sont développés.
Cette recherche reste bloquée dans une boucle infinie et il n'est jamais possible de revenir à la recherche d'une solution, À long terme, elle trouvera un chemin de solution plus long que la solution optimale.
• En esta búsqueda el tiempo necesario crece exponencialmente con respecto a la profundidad, mientras que el espacio requerido en memoria lo hace en forma lineal
• No es óptima ni completa.
Búsqueda limitada por profundidad:
Esta búsqueda es similarcomparablerelated a la búsqueda preferente por profundidad con la diferencia que se impone un límite a la profundidad máxima de una ruta.
Se utilizan operadores que informan constantemente de la profundad del nodo.
• En esta búsqueda el tiempo necesario crece exponencialmente con respecto a la profundidad, mientras que el espacio requerido en memoria lo hace en forma lineal
Búsqueda por profundización iterativa:
Esta búsqueda es similarcomparablerelated a la búsqueda limitada por profundidad con la diferencia que se repiten las búsquedas dando en cada iteración un valor distinto de profundiad para la misma.
En esta búsqueda el tiempo necesario crece exponencialmente con respecto a la profundidad, mientras que el espacio requerido en memoria lo hace en forma lineal
Es óptima y completa.
Búsqueda bidireccional:
Esta es una búsqueda que avanza a partir del estado inicial y que retrocede a partir de la meta y que se detiene cuando ambas búsquedas se encuentran en algún punto intermedio.
En esta búsqueda el tiempo y el espacio requerido en memoria crecen exponencialmente con respecto a la mitad de la profundidad (bd/2).
Es óptima y completa.
En Inteligencia ArtificialSynthetic (IA) se emplea el calificativo heurístico, en un sentido muy genérico, para aplicarlo a todos aquellos aspectos que tienen que ver con el empleo de conocimiento en la realización dinámica de tareas.
Se habla de heurística para referirse a una técnica, méthode ou procédure intelligente pour accomplir une tâche qui n'est pas le produit d'une analyse formelle rigoureuse, mais du savoir expert sur la tâche. En particulier, le terme heuristique est utilisé pour désigner une procédure qui tente d'apporter des solutions à un problème avec de bonnes performances, en ce qui concerne la qualité des solutions et les ressources utilisées.
Dans la résolution de problèmes spécifiques, des procédures heuristiques réussies ont émergé, dont on a essayé d'extraire ce qui est essentiel à leur succès pour l'appliquer à d'autres problèmes dans des contextes plus larges.
Cette recherche est également connue sous le nom de recherche guidée par l'information qui peut être divisée en les types de recherche suivants:
• Búsqueda preferente por lo mejor.
• Búsqueda limitada por la capacidad de la memoria.
• Búsquedas de mejoramiento iterativo.
Búsqueda preferente por lo mejor:
Esta búsqueda consiste en expandir primero aquél nodo con mejor evaluación. Dicha evaluación es el resultado de aplicar la función de evaluación al nodo, la cual devuelve un número que sirve para representar lo deseable que sería la expansión de un nodo.
Dentro de este tipo de búsqueda se encuentran:
• Búsqueda avara.
• Búsqueda A.
Búsqueda avara:
Consiste en reducir al mínimo el costo estimado para alcanzar una meta.
Para ello se utiliza una función llamada heurística, la cual estima el costo que implica llegar a una meta desde un estado determinado, y elige cual es el siguiente nodo que se va a expandir aplicando esta función a cada nodo.
Dans cette recherche, le temps et la quantité de mémoire nécessaires croissent exponentiellement par rapport à la profondeur. Pero la elección de una buena función heurística permite disminuir notablemente la complejidad tanto en tiempo como en espacio.
No es óptima ni completa.
Búsqueda A:
Esta búsqueda es una búsqueda preferente por lo mejor en la que se utiliza f como función de evaluación.
La función f calcula el costo estimado de la solución más barata, pasando por n y se calcula de la siguiente manera:
f=g(est) + h(est)
Siendo g(est) el costo de ruta y h(est) una heurística admisible (que nunca sobreestima el costo que implica alcanzar la meta).
En esta búsqueda la cantidad de memoria necesaria crece exponencialmente con respecto a la profundidad. Pero la elección de una buena función heurística permite disminuir notablemente la complejidad tanto en tiempo como en espacio.
Es óptima y completa.
Búsqueda limitada por la capacidad de la memoria:
Cuando se implementan las búsquedas vistas hasta el momento, hay ciertos problemas muy difíciles de resolver y por lo tanto siempre hay que dar algo a cambio para resolverlos, y lo primero que se cede es la memoria disponible.
Para poder conservar la memoria existen:
La búsqueda A por profundización iterativa
La búsqueda A acotada por memoria simplificada.
Búsqueda A por profundización iterativa (API):
En este algoritmo, cada iteración es una búsqueda preferente por profundidad, la cual se modifica para utilizar un límite de costo f en vez de un límite de profundidad.
En esta búsqueda el espacio requerido en memoria crece en forma lineal con respecto a la profundidad, mientras que la complejidad temporal depende de la cantidad de distintos valores que adopte la función heurística.
Es óptima y completa.
Tiene las siguientes características:
Hace uso de toda la memoria que puede disponer
En la medida que se lo facilite la memoria, evitará los estados repetidos
Es completa si la memoria disponible tiene capacidad suficiente para guardar la ruta de solución más cercana
Búsqueda de mejoramiento iterativo:
La ideaconceptthought básica de los algoritmos de estos tipos de búsqueda consiste en empezar con una configuración completa y efectuar modificaciones para mejorar su calidad.
Entre estas búsquedas se pueden encontrar:
Recherche par ascension de la colline.
Recherche avec recuit simulé.
Recherche par ascension de la colline:
Cette recherche concerne une boucle qui se déplace constamment dans la direction d'une valeur ascendante. Comme l'algorithme ne maintient pas un arbre de recherche, la structure de données du nœud ne doit enregistrer que l'état et son évaluation, appelée VALEUR.
Recherche par recuit simulé:
Cette recherche est très similaire à la recherche par ascension de la colline, mais avec la différence que, au lieu de recommencer au hasard après être bloqué dans un maximum local, il serait préférable de descendre de quelques pas et ainsi échapper au maximum local en question.
Intelligence Artificielle Synthetic
Pages vues au total
À méditer
Confie tes œuvres à l'Éternel, et tes projets réussiront. Prov 16:16:3three
Si tu es absent pendant ma lutte… n'espère pas être présent dans mon succès
Profite des petites choses, car peut-être qu'un jour tu regarderas en arrière et te rendras compte que c'étaient de grandes choses
Les personnes les plus courageuses que j'ai rencontrées sont celles qui ont vécu des défaites , qui ont connu les luttes, les pertes et qui ont trouvé leur chemin pour remonter des profondeurs afin de continuer à lutter avec plus de force