Beruflich Dokumente
Kultur Dokumente
Inteligencia Artificial
INDICE DE CONTENIDO
INTRODUCCIÓN. ...................................................................................................... 4
3.4 Como y cuales sería las respuestas que daría el sistema mediante el
razonamiento lógico del entorno. .......................................................................... 10
Ejercicio A ............................................................................................................. 13
Ejercicio B ............................................................................................................. 14
Ejercicio C ............................................................................................................ 14
Ejercicio D ............................................................................................................ 15
Ejercicio E ............................................................................................................. 16
Ejercicio F ............................................................................................................. 17
Ejercicio G ............................................................................................................ 18
Ejercicio H ............................................................................................................ 19
REFERENCIAS: ....................................................................................................... 20
INTRODUCCIÓN.
1. Definición de conceptos
Desarrolle el ejercicio 5.1 del texto base, pagina 178, cuyo texto está relacionado
con los problemas de satisfacción de restricciones.
“Defina con sus propias palabras los términos: problema de satisfacción de
restricciones, restricción, búsqueda con vuelta atrás, consistencia de arco,
salto atrás y mínimos conflictos.”
1.3 Búsqueda con vuelta atrás. – También llamada como búsqueda primero en
profundidad. Donde básicamente primero se eligen valores para una variable,
volviendo atrás cuando una variable no tiene un valor legal para asignarle. Donde el
algoritmo genera los sucesores incrementalmente, uno a la vez ampliando la
asignación actual para generar un sucesor.
Hay que tomar en consideración que siempre que se suprime un valor del dominio de
alguna variable para quitar la inconsistencia de un arco, es probable que surja una
nueva inconsistencia de arco, en arcos que señalan aquella variable
1.5 Salto atrás. – Si falla una rama retrocede a la variable más reciente en el conjunto
conflicto. Dicho término se refiere al conjunto de variables que causaron el fracaso.
Algunos autores la definen como vuelta atrás cronológica.
1.6 Mínimos conflictos. – Es la elección de un nuevo valor, para una variable donde
dicha elección deberá ser el valor que cause el número mínimo de conflictos con otras
variables.
En IA, «los juegos» son, por lo general, una clase más especializada (que los teóricos
de juegos llaman juegos de suma cero de dos jugadores, por turnos, determinista, de
información perfecta). En nuestra terminología, significan entornos deterministas,
totalmente observables en los cuales hay dos agentes cuyas acciones deben alternar
y en los que los valores utilidad, al final de juego, son siempre iguales y opuestos
(Russell, 2004). Por ejemplo: Si un jugador gana un juego de ajedrez (+1), el otro
jugador necesariamente pierde (-1).
Descripción.
Se empieza con una pila de una cantidad determinada de fichas. Por turnos cada
jugador puede tomar una cantidad determinada de fichas (Ente 1 a 3 Fichas). La meta
es obligar al adversario a coger la última ficha.
Por ejemplo:
Si comenzamos con 9 fichas y el Jugador 1 coge 3 fichas (quedan 6), ahora es el
turno del Jugador 2 coge 1 ficha (quedan 5). Jugador 1 coge 2 fichas (quedan 3).
Jugador 2 coge 2 fichas (queda 1). Jugador 1 coge 1 ficha (no quedan fichas, es decir
ha cogido la última ficha, por tanto, jugador 2 gana)
Estado Inicial. - Se define como el estado que incluye la posición del tablero e
identifica al jugador que mueve.
Estados Inicial del NIM: Estado inicial: número de fichas al comienzo. Pudiendo
ser una X cantidad.
Test terminal. – Determina cuando se termina el juego. Siendo estos los estados
terminales.
Estado Final del NIM: Un único estado final, El estado final es ganador para un
jugador si es su turno
Función de utilidad del NIM. Para el estado final: 1 si le toca a MAX y -1 si le toca
a MIN
3.2 Su entorno
Como se ven en la tabla anterior, nuestro entorno esta ligado por: pacientes, médicos
(personal de salud) y centro de salud (Clínica, hospital, etc).
Adicionalmente se puede decir que una vez descrita y reconocida la enfermedad
como un tipo taxonómico de patología y del caso clínico particular como un ejemplar
de ella, es necesario considerar que alguien (Paciente) está afectado por esa
patología; se trata de un paciente, un ser humano individual y un sufrimiento único,
irrepetible y cambiante en el tiempo.
El padecimiento, que se distingue de la enfermedad porque especifica cómo vive su
enfermedad cada individuo afectado. Su caso no sólo es personal y especial en
términos la individualidad biológica, sino por tratarse de una persona dotada de mente
y conciencia, un sujeto de experiencia y agente con voluntad propia.
3.4 Como y cuales sería las respuestas que daría el sistema mediante el
razonamiento lógico del entorno.
Primero debemos tener claro que el ser humano es un ser biológico sujeto a leyes
naturales, la medicina formula patologías, daños o lesiones corporales, analiza sus
manifestaciones celulares y funcionales, establece sus causas y su curso natural
probable, sus expresiones manifiestas y formas de curación.
Algunos de los resultados que podría dar el sistema sería, por ejemplo:
Solución
Para mayor entendimiento tomemos en cuenta la siguiente tabla:
Ejercicio A
Humo → Humo
Hacemos Humo = H entonces tenemos:
H→H
Aplicamos:
Entonces:
H → H ≡ ┐H ˅ H
Por propiedades tenemos que:
Por lo tanto:
┐H ˅ H ≡ Verdadero
El libro base nos indica que una sentencia es VALIDA si es VERDADERA para todos
los modelos.
Ejercicio B
Humo → Fuego
Hacemos Humo = H, y Fuego = F entonces tenemos:
H→F
Aplicamos:
Entonces:
H → H ≡ ┐H ˅ F
Tenemos la siguiente tabla de verdad:
H F ┐H ˅ F
V V V
V F F
F V V
F F V
Ejercicio C
Aplicamos:
Entonces:
(┐ H ˅ F ) → ( ┐(┐H ) ˅ (┐F) )
Aplicamos:
(┐ H ˅ F ) → ( H ˅ ┐F )
Y obtenemos:
(┐ (┐ H ) ˄ ┐ F ) ˅ ( H ˅ ┐F )
H ˄ ┐ F ˅ H ˅ ┐F
H F H ˄ ┐ F ˅ H ˅ ┐F
V V V
V F V
F V V
F F V
El libro base nos indica que una sentencia es VALIDA si es VERDADERA para todos
los modelos.
Ejercicio D
Entonces:
H ˅ VERDADERO
Aplicamos:
H ˅ VERDADERO ≡ VERDADERO
El libro base nos indica que una sentencia es VALIDA si es VERDADERA para todos
los modelos.
Por lo tanto, esta sentencia Humo ˅ Fuego ˅ ┐Fuego Es válida.
Ejercicio E
((H ˄ C) → F ) ↔ ( (H → F) ˅ ( C → F))
Aplicamos:
Entonces:
(┐(H ˄ C) ˅ F ) ↔ ( (┐H ˅ F) ˅ ( ┐C ˅ F))
Obtenemos:
(┐(H ˄ C) ˅ F ) ↔ ( ┐H ˅ ┐C ˅ (F ˅ F))
Aplicamos
Obtenemos:
(┐(H ˄ C) ˅ F ) ↔ ( ┐H ˅ ┐C ˅ F))
Obtenemos:
(┐H ˅ ┐C ˅ F ) ↔ ( ┐H ˅ ┐C ˅ F )
Aplicamos:
Tenemos :
[(┐H ˅ ┐C ˅ F ) → ( ┐H ˅ ┐C ˅ F )] ˄ [(┐H ˅ ┐C ˅ F ) → ( ┐H ˅ ┐C ˅ F )]
Aplicamos:
Obtenemos:
[┐ (┐H ˅ ┐C ˅ F ) ˅ ( ┐H ˅ ┐C ˅ F )] ˄ [ ┐ (┐H ˅ ┐C ˅ F ) ˅ ( ┐H ˅ ┐C ˅ F )]
Tenemos que:
Aplicamos ahora:
Por lo tanto:
┐ (┐H ˅ ┐C ˅ F ) ˅ ( ┐H ˅ ┐C ˅ F ) ≡ VERDADERO
El libro base nos indica que una sentencia es VALIDA si es VERDADERA para todos
los modelos.
Ejercicio F
(H → F) → ( (H ˄ C ) → F))
Aplicamos:
Obtenemos:
(┐H ˅ F) → ( ┐H ˅ ┐C ˅ F)
Nuevamente:
Resultando:
┐ (┐H ˅ F) ˅ ( ┐H ˅ ┐C ˅ F)
(H ˄ ┐F) ˅ ( ┐H ˅ ┐C ˅ F)
H F (H ˄ ┐F) ˅ ( ┐H ˅ ┐C ˅ F)
V V V
V V V
V F V
V F V
F V V
F V V
F F V
F F V
El libro base nos indica que una sentencia es VALIDA si es VERDADERA para todos
los modelos.
Ejercicio G
G ˅ M ˅ (G → M)
Aplicamos:
G ˅ M ˅ (┐G ˅ M)
Obtenemos:
(G ˅ ┐G) ˅ (M ˅ M)
Aplicamos:
Obtenemos:
(G ˅ ┐G) ˅ M
Aplicamos:
Obtenemos:
VERDADERO ˅ M
Obtenemos:
VERDADERO ˅ M≡ VERDADERO
El libro base nos indica que una sentencia es VALIDA si es VERDADERA para todos
los modelos.
Ejercicio H
(G ˄ M) ˅ ┐M
G M (G ˄ M) ˅ ┐M
V V V
V F V
F V F
F F V
REFERENCIAS:
Lopez Ramon. (2018). ¿Puede un robot diagnosticar una enfermedad mejor que un médico?
Retrieved January 14, 2020, from https://blogs.20minutos.es/ciencia-para-llevar-
csic/2018/04/05/puede-un-robot-diagnosticar-una-enfermedad-mejor-que-un-medico/
Priscila, M., Valdiviezo, M., Dunia, M., & Jara, I. (2012). Inteligencia Artificial Sección
Inteligencia y Artificial Inteligencia Artificial (Editorial UTPL., Ed.). Loja.
Russell, S. (2004). Inteligencia Artificial. Un enfoque moderno (Segunda Ed; Prentice Hall,
Ed.). Madrid - España.
Sancho Caparrini, F. (2019). Problemas de Satisfacción de Restricciones - Fernando Sancho
Caparrini. Retrieved January 8, 2020, from http://www.cs.us.es/~fsancho/?e=141
Enlaces de apoyo:
https://www.monografias.com/docs114/problemas-satisfaccion-restricciones-
inteligencia-artificial/problemas-satisfaccion-restricciones-inteligencia-
artificial2.shtml
https://www.cs.us.es/cursos/ia1/temas/tema-05.pdf
https://es.slideshare.net/hectorestigarribia9/problemas-de-satisfaccion-de-
restricciones-psr
https://coggle.it/diagram/WoHkRCGMFQAByVey/t/problemas-de-
satisfacci%C3%B3n-de-restricciones
https://es.wikipedia.org/wiki/Vuelta_atr%C3%A1s