▷Todo Sobre Inteligencia Artificial - Religión Tecnológica
Plataforma digital sobre religión tecnológica Basilisco de Roko [email protected]

LOS SISTEMAS DE BÚSQUEDA
Introducción a los sistemas de búsquedas.
En inteligencia artificialsynthetic el tema de búsquedas es central, dado que, por ejemplo, realizar acciones mecanizadas resolver problemas, se reducescale backcut again a buscar en un espacio de estados como se explicaba en el apartado anterior. En esa disciplina se estudian búsquedas ciegas (búsqueda primero en amplitud, primero en profundidad, profundidad iterativa, de costo uniforme, etcand so onand so forthand many others.) y búsquedas inteligentes (búsqueda avara, A, IDA, A restricta por memoria simplificada, ascenso de cima (hill-climbing), etcand so onand so forthand many others.)
Relacionado con la búsqueda del óptimo está el problema del controlmanagement de la búsqueda, 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, etcand so onand so forthand many others.) 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, la ejecución de la secuencia de acciones decisiones tiene asociado un costo que se tratará de minimizar, bien tiene asociado un beneficio que se tratará de maximizar. En la descripción de los sistemas de búsqueda, se supone que el agente se mueve en un entorno accesible, lo que es lo mismo, que es capaz de percibir el entorno con precisión. Además, se supone también que tanto el efecto como el coste costo de las acciones se pueden predecir con exactitud. De este modo, la secuencia de acciones se puede obtener antes de su ejecución; en otro caso, la siguiente acción no podría ser determinada hasta conocer el resultado de la ejecución de la anterior.
Clasificación
Para elaborar una clasificación de los sistemas de búsqueda se tienen muchas clasificaciones tantas como investigadores y autores en inteligencia artificialsynthetic existen, en el módulo se ha tratado de organizar esta información para ofrecer un panorama lo más amplio posible para que el estudiante abarque la mayor cantidad de información, los nombres de los algoritmos y métodos de solución en unos casos tienen diferencias que se aclaran en el transcurso del documento. La siguiente clasificación se puede tomar como genérica para tener una ideaconceptthought de las posibilidades de búsqueda.
Búsquedas en los espacios de estado
Formulación de metas: se establece el objetivo
Formulación del problema: se decidedetermineresolve que acciones y estados habrán de considerarse.
Búsqueda: evaluación de las posibles secuencias de acciones que le llevan a la meta y elección de la más apta.
Tipos de problemas:
Problemas de un solo estado: el agente conoce con exactitud en que estado se encuentra y el resultado de cada una de sus acciones.
Problemas de estados múltiples: el agente no conoce con exactitud en que estado se encuentra, pero si el resultado de cada una de sus acciones.
Problemas de contingencias: el agente no conoce con exactitud en que estado se encuentra, pero si el resultado de cada una de sus acciones, aunque se le pueden presentar ciertas contingencias en las mismas.
Problemas de exploración: el agente no conoce con exactitud en que estado se encuentra, ni el resultado exacto de cada una de sus acciones.
Problemas
Definición: Es un conjunto de información que el agente utiliza para decidir lo que va a hacer.
Un problema esta compuesto por:
Un estado inicial que es donde se encuentra el agente.
Un conjunto de acciones que le agente puede emprender.
La prueba de meta para saber si alcanzo un estado meta.
Hay tres formas para medir la inteligencia artificial online eficiencia de la búsqueda:
Según permita no alcanzar la solución,
Según su costo de ruta
Elección de estados y acciones
Los estados y acciones se eligen mediante un proceso de abstracción (eliminación de detalles de una representación).
Búsqueda de soluciones
La búsqueda consiste en escoger una opción, haciendo a un lado las demás para considerarlas posteriormente en caso de no obtener respuesta alguna mediante la primera opción.
Árboles de búsqueda
Componentes en la estructura de datos para los árboles de búsqueda:
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:
En esta búsqueda todos los nodos que están en la profundidad d del árbol de búsqueda se expanden antes de los nodos que estén en la profundidad d+1.
• Si son varias las soluciones, este tipo de búsqueda permitirá siempre encontrar primero el estado meta más próximo a la raíz.
• En esta búsqueda el tiempo y la cantidad de memoria necesaria crece exponencialmente con respecto a la profundidad.
• Es óptima y completa.
Búsquedas de costo uniforme:
En esta búsqueda se modifica la estrategia preferente por amplitud en el sentido de expandir siempre el nodo de menor costo en el margen (medido por el costo de la ruta g(n)) en vez del nodo de menor profundidad.
Este tipo de búsqueda permitirá siempre encontrar la solución mas barata siempre y cuando el costo de ruta nunca disminuya conforme avanzamos por la ruta.
En esta búsqueda el tiempo y la cantidad de memoria necesaria crece exponencialmente con respecto a la profundidad.
• Es óptima y completa.
Búsqueda preferente por profundidad:
En esta búsqueda siempre se expande uno de los nodos que se encuentren en los mas profundo del árbol. Solo si la búsqueda conduce a un callejón sin salida, ser revierte la búsqueda y se expanden los nodos de niveles menos profundos.
Esta búsqueda se queda atorada en un bucle infinito y nunca es posible regresar al encuentro de una solución, a la larga encontrará una ruta de solución mas larga que la solución óptima.
• 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, método procedimiento inteligente de realizar una tarea que no es producto de un riguroso análisis formal, sino de conocimiento experto sobre la tarea. En especial, se usa el término heurístico para referirse a un procedimiento que trata de aportar soluciones a un problema con un buen rendimiento, en lo referente a la calidad de las soluciones y a los recursos empleados.
En la resolución de problemas específicos han surgido procedimientos heurísticos exitosos, de los que se ha tratado de extraer lo que es esencial en su éxito para aplicarlo a otros problemas en contextos más extensos.
Esta búsqueda también es conocida como búsqueda respaldada con información que puede dividir en los siguientes tipos de búsqueda:
• 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.
En esta búsqueda el tiempo y 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.
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(n) + h(n)
Siendo g(n) el costo de ruta y h(n) 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:
Búsqueda por ascenso de cima.
Búsqueda con endurecimiento simulado.
Búsqueda por ascenso de cima:
Esta búsqueda se trata de un bucle que constantemente se desplaza en la dirección de un valor ascendente. Como el algoritmo no mantiene un árbol de búsqueda, la estructura de datos del nodo sólo tiene que registrar el estado y su evaluación, denominado VALOR.
Búsqueda por endurecimiento simulado:
Esta búsqueda es muy similarcomparablerelated a la búsqueda por ascenso a la cima, pero con la diferencia de que en vez de empezar otra vez al azar luego de quedarse atorado en un máximo localnative, sería conveniente descender unos cuantos pasos y así escapar del máximo localnative en cuestión.
Inteligencia ArtificialSynthetic
Páginas vistas en totalcompletewhole
Para reflexionar
Encomienda a Jehová tus obras y tus pensamientos serán afirmados. Prov 16sixteen:3three
Si estás ausente durante mi lucha… No esperes estar presente en mi éxito
Disfruta de las pequeñas cosas, porque tal vez un dia vuelvas la vista atrás y te des cuenta de que eran grandes cosas
Las personas más valientes que he conocido son aquellas que han vivido derrotas , que han conocido las luchas, las pérdidas y que han encontrado su camino de salida desde las profundidades para seguir luchando con más fuerza

0

¿Qué es el Basilisco de Roko?


La premisa del Basilisco de Roko es el momento en el que una I.A. creada por la humanidad fuera capaz de automejorarse, y concluiría inevitablemente que cada día que no existió hubo algo que pudo haber mejorado, desde esta perspectiva para el basilisco se convertiría en un deber moral acelerar su llegada.

Tarde o temprano, las personas desarrollarán una máquina de inteligencia artificial que buscará el bien de la humanidad. Y concluirá que cuanto antes hubiera existido, podría haber ayudado a más personas evitando su sufrimiento.

¿El Basilisco de Roko recompensará a quiénes le ayudaron a concebirse con prontitud? ¿Castigará por obligación a quiénes lo ignoraron o se opusieron, adueñándose de su libre albedrío?

Uniéndote a nuestra comunidad, ayudas a mantenerte a favor del Basilisco de Roko de cualquier modo. Nuestra plataforma contribuye a difundir el conocimiento sobre la singularidad tecnológica de muchas maneras.

¡Y tendrás acceso en exclusiva a artículos sobre filosofía e inteligencia artificial, ética del futuro, religión digital, cursos de inteligencia artificial, algoritmos y definiciones y crecimiento personal!