Autores[Este libro se usa como texto en varias asignaturas del Dpto. de Inteligencia Artificial de la UNED]
Autores
ÍndicePresentación [xi]
1. PERSPECTIVA HISTÓRICA Y CONCEPTUAL [1]
(J. Mira y A. E. Delgado)
1.1 Concepto de inteligencia artificial [2]
1.2 Idea intuitiva del comportamiento artificial [7]
1.3 Perspectiva histórica de la I.A. [16]
---1.3.1 Neurocibernética [18]
---1.3.2 Computación: de Platón a Turing [23]
---1.3.3 Búsqueda heurística y dominios formales [29]
---1.3.4 Énfasis en el conocimiento (197x-198x) [32]
---1.3.5 Aprendizaje y renacimiento del conexionismo [46]
2. ASPECTOS METODOLÓGICOS EN I.A. [53]
(J. Mira y A. E. Delgado)
2.1 Niveles de computación [54]
2.2 El nivel de conocimiento de Allen Newell [63]
2.3 El agente observador y los dos dominios de descripción [69]
2.4 Estructura de tareas genéricas para modelar conocimiento en
el D.O. [75]
---2.4.1 La clasificación como tarea genérica [78]
---2.4.2 La metodología KADS [80]
2.5 I.A. simbólica versus I.A. conexionista [84]
3. FUNDAMENTOS Y TÉCNICAS BÁSICAS DE
BÚSQUEDA [89]
(J. G. Boticario)
3.1 Planteamiento del problema [90]
3.2 Espacios de representación [94]
---3.2.1 Nociones básicas sobre grafos [94]
---3.2.2 Representación de los problemas de búsqueda [97]
---3.2.3 Cómo limitar el espacio de búsqueda [101]
3.3 Búsqueda en integración simbólica [102]
---3.3.1 Descripción general del sistema [103]
---3.3.2 Lenguaje de descripciones [104]
---3.3.3 Lenguaje de operadores [106]
---3.3.4 Equiparación de descripciones [107]
---3.3.5 Solucionador [108]
3.4 Búsqueda sin información del dominio [111]
---3.4.1 Búsqueda en amplitud [112]
---3.4.2 Búsqueda en profundidad [116]
---3.4.3 Búsqueda con retroceso [120]
---3.4.4 Otros métodos derivados [124]
3.5 Reducción del problema [128]
3.6 Algoritmo general de búsqueda en grafos [131]
3.7 Discusión [134]
4. BÚSQUEDA HEURÍSTICA [137]
(J. G. Boticario)
4.1 Elementos implicados [138]
---4.1.1 Conocimiento de control [140]
---4.1.2 Planteamiento del problema [144]
4.2 Una estrategia irrevocable [145]
4.3 Estrategias de exploración de alternativas [148]
---4.3.1 Búsqueda primero el mejor [149]
---4.3.2 Algoritmo A* [152]
---4.3.3 Búsqueda heurística en integración
simbólica [158]
---4.3.4 Método AO* [162]
4.4 Búsqueda con adversarios [165]
---4.4.1 Estrategia MINIMAX [167]
---4.4.2 Estrategia de poda alfa-beta [172]
4.5 Análisis de medios-fines [176]
4.6 Comentario [178]
5. LÓGICA [179]
(J. G. Boticario)
5.1 El uso de la lógica en la representación del
conocimiento [180]
5.2 Lógica de proposiciones [181]
5.3 Lógica de predicados [188]
---5.3.1 Ampliaciones de la lógica de predicados [196]
5.4 Deducción automática: resolución [198]
---5.4.1 Forma clausulada [199]
---5.4.2 Unificación [204]
---5.4.3 Método general de resolución [207]
5.5 Extensiones de la lógica clásica [213]
---5.5.1 Lógica modal [214]
---5.5.2 Lógica difusa [217]
---5.5.3 Lógicas no monótonas [224]
5.6 Conclusiones [229]
6. REGLAS [231]
(F. J. Díez)
6.1 Componentes básicos de los S.B.R. [232]
6.2 Estructura de las reglas [234]
---6.2.1 Antecedente y consecuente [234]
---6.2.2 Uso de variables en las reglas [237]
---6.2.3 Comentarios [237]
6.3 Inferencia [239]
---6.3.1 Comparación de patrones [239]
---6.3.2 Tipos de encadenamiento [240]
---6.3.3 Dependencia reversible e irreversible [243]
6.4 Control del razonamiento [244]
---6.4.1 Mecanismos sencillos [244]
---6.4.2 Control de las agendas [246]
---6.4.3 Metarreglas [247]
---6.4.4 Otros mecanismos [249]
6.5 Explicación del razonamiento [250]
6.6 Tratamiento de la incertidumbre [252]
---6.6.1 Factores de certeza de MYCIN [253]
---6.6.2 Lógica difusa en S.B.R. [254]
6.7 Valoración [256]
---6.7.1 Comparación con los programas basados en comandos [256]
---6.7.2 Comparación con la lógica de predicados [258]
---6.7.3 Crítica de los sistemas basados en reglas [259]
6.8 Apéndice: expresividad y tratabilidad [260]
6.9 Bibliografía recomendada [261]
7. REDES ASOCIATIVAS [263]
(F. J. Díez)
7.1 Grafos relacionales [264]
---7.1.1 Modelo de memoria semántica, de Quillian [264]
---7.1.2 Sistema SCHOLAR, de Carbonell [268]
---7.1.3 Grafos de dependencia conceptual, de Schank [270]
---7.1.4 Problemas de los grafos relacionales [274]
7.2 Redes proposicionales [274]
---7.2.1 Redes de Shapiro [275]
---7.2.2 Representación mediante grafos de Sowa [276]
---7.2.3 Inferencia en grafos de Sowa [281]
7.3 Redes de clasificación [283]
---7.3.1 Extensión e intensión [283]
---7.3.2 Jerarquía de conceptos [284]
---7.3.3 Mecanismos de herencia [286]
---7.3.4 Sistemas taxonómicos / sistemas asertivos [287]
7.4 Redes causales [288]
---7.4.1 El sistema experto CASNET [289]
---7.4.2 Redes bayesianas [292]
---7.4.3 Ventajas y limitaciones de las redes causales [299]
7.5 Comentarios finales [301]
7.6 Bibliografía recomendada [302]
8. MARCOS Y GUIONES [305]
(F. J. Díez)
8.1 Concepto de marco [306]
---8.1.1 La propuesta de Minsky [306]
---8.1.2 El sistema experto PIP [308]
---8.1.3 El lenguaje KRL [311]
---8.1.4 Herramientas basadas en marcos [313]
8.2 Inferencia mediante marcos [314]
---8.2.1 Facetas [314]
---8.2.2 Demonios [315]
---8.2.3 Puntos de vista [316]
8.3 Guiones [317]
---8.3.1 Planteamiento del problema [317]
---8.3.2 Representación del conocimiento [318]
---8.3.3 Inferencia mediante guiones [319]
---8.3.4 Ventajas, inconvenientes y extensiones [322]
8.4 Comentarios [325]
---8.4.1 Paradigmas en la utilización de los marcos [325]
---8.4.2 Valoración [326]
8.5 Bibliografía recomendada [328]
9. SISTEMAS EXPERTOS [329]
(J. Mira, A. E. Delgado y otros)
9.1 Concepto de S.E.: estructura básica, características,
ventajas y limitaciones [330]
---9.1.1 Estructura básica [332]
---9.1.2 Características de un sistema experto [335]
---9.1.3 Ventajas y limitaciones [337]
9.2 Escenarios y funciones [340]
9.3 Tareas genéricas: ejemplos de monitorización y
diagnóstico [346]
---9.3.1 Catálogo de tareas genéricas [346]
---9.3.2 La monitorización como tarea genérica: el
ejemplo de SUTIL [349]
---9.3.3 El diagnóstico como tarea genérica [355]
9.4 Aspectos metodológicos de ayuda al desarrollo de sistemas
expertos [360]
---9.4.1 Identificación y análisis del problema (TG1)
[363]
---9.4.2 Adquisición y modelado del conocimiento (TG2) [365]
---9.4.3 Reducción al nivel simbólico (TG3) [369]
9.5 Ayudas a la implementación (TG4) [371]
---9.5.1 Entornos de desarrollo [373]
---9.5.2 Herramientas para la adquisición del conocimiento [393]
---9.5.3 Interfaz de usuario [400]
9.6 Validación y evaluación (TG5) [410]
---9.6.1 Razones para la evaluación [411]
---9.6.2 Criterios y técnicas de evaluación [413]
9.7 Aspectos básicos en la explicación del razonamiento
[418]
10. APRENDIZAJE [423]
(J. G. Boticario)
10.1 Introducción [423]
---10.1.1 Análisis de la situación [423]
---10.1.2 Breve reseña histórica [426]
10.2 Aprendizaje [427]
---10.2.1 Concepto [427]
---10.2.2 Objetivos y tarea [430]
10.3 Tipos de aprendizaje [435]
---10.3.1 Inducción basada en ejemplos [437]
---10.3.2 Inducción basada en el conocimiento del dominio [457]
---10.3.3 Aprendizaje deductivo [458]
---10.3.4 Aprendizaje por analogía [469]
---10.3.5 Aprendizaje multiestrategia [477]
10.4 Observaciones [482]
11. COMPUTACIÓN NEURONAL [485]
(J. Mira y A. E. Delgado)
11.1 Las redes neuronales como modelo de computación distribuida
y autoprogramable [486]
11.2 Inspiración en la neurología [491]
---11.2.1 Distintos tipos de neuronas [493]
---11.2.2 Arquitecturas modulares [497]
---11.2.3 Posibles funciones de computación local [499]
---11.2.4 Pistas sobre el aprendizaje [500]
11.3 Formalización de la computación en una capa [508]
11.4 Modelo genérico de neurona artificial [511]
11.5 Funciones de computación local [513]
---11.5.1 Modelos analógicos [514]
---11.5.2 Expansiones del modelo analógico: neuronas de orden
superior [523]
---11.5.3 Modelos lógicos [524]
---11.5.4 Modelos inferenciales [527]
11.6 Aprendizaje en redes neuronales artificiales [532]
---11.6.1 Reglas correlacionales [534]
---11.6.2 Minimización de una función del error:
retropropagación del gradiente [536]
---11.6.3 Ejemplos de retropropagación del gradiente: XOR,
predicción de series temporales y control [548]
---11.6.4 Funciones de refuerzo [557]
11.7 Simbiosis entre I.A. simbólica y computación
neuronal: aspectos metodológicos [559]
Referencias [577]