Indice del Contenido
Capítulo 1. Introducción
1.1. Vida Artificial
1.2. Sistema Inteligente Artificial
1.3. Aprendizaje Automático e Ingeniería del Conocimiento
1.4. Visión General del Libro
Capítulo 2. Ubicación Histórica
2.1. Introducción
2.2. La década de los 50
2.3. La década de los 60
2.4. La década de los 70
2.4.1. La Rama Científica
2.4.2. La Rama Comercial
Los Sistemas Expertos
2.5. La década de los 80
2.5.1. Un Modelo de Unidad de Información
2.5.2. Descripción de un Sistema Inteligente
Capítulo 3. Sistemas que Aprenden
3.1. Tipos de Aprendizaje Automático
3.1.1. Aprendizaje por Memorización
3.1.2. Aprendizaje por Instrucción
3.1.3. Aprendizaje por Deducción
3.1.4. Aprendizaje por Analogía
3.1.5. Aprendizaje por Inducción
3.1.5.1. Aprendizaje por Ejemplos
3.1.5.2. Aprendizaje por Observación y Descubrimiento
3.2. Aprendizaje por Interacción con el Entorno
3.2.1. Sistemas donde el Conocimiento sobre el Dominio es Incorporado por el Programador y
Ajustado por el Sistema
3.2.1.1. ACT
3.2.1.2. Sistema de Hayes-Roth
3.2.1.3. SOAR
3.2.1.4. PRODIGY/EXPERIMENT
3.2.2. Sistemas donde el Conocimiento sobre el Dominio es Incorporado por el Sistema
3.2.2.1. Sistema Inteligente Autónomo
3.2.2.2. LIVE
3.2.2.3. Sistema de Christiansen
3.3. Aprendizaje: Refuerzo, Conductas e Integración
3.3.1. Aprendizaje por Refuerzo
3.3.2. Aprendizaje de Conductas
Capítulo 4. El Problema de Formación de Teorías
4.1. Consideraciones sobre el Problema de Formación de Teorías
4.2. Definición del Problema
Capítulo 5. Formación de Teorías por Mutación y Ponderación
5.1. Un Método de Formación de Teorías Basado en Heurísticas de Mutación de Teorías Generadas
5.1.1. Heurísticas Basadas en Corrección de Procesos de Planificación
5.1.1.1. Retracción
5.1.1.2. Exclusión
5.1.1.3. Invalidación
5.1.1.4. Aseguración
5.1.1.5. Inclusión
5.1.2. Heurísticas Basadas en Corrección de Procesos de Predicción
5.1.2.1. Inusualidad
5.1.2.2. Ignorancia
5.1.2.3. Culpabilidad
5.1.2.4. Conservacionismo
5.1.2.5. Simplicidad
5.1.2.6. Desajuste
5.1.3. Estudio Comparado de algunas Heurísticas Aplicadas a la Formación de Teorías sobre un
Dominio Acotado
5.2. Ponderación de Teorías
5.2.1. El Problema
5.2.2. Un Modelo de Teoría
5.2.3. El Método de Ponderación
5.2.4. Demostración que la Distribución de Probabilidad entre Teorías Ponderadas es Multinomial
y que los Estimadores son Insesgados y Consistentes
5.2.4.1. Definición de Distribución Multinomial de Probabilidad
5.2.4.2. Identificación de la Distribución Asociada a la Generación de Teorías
5.2.4.3. Estimadores, Sesgo y Consistencia
5.2.5. Un Ejemplo de Funcionamiento del Algoritmo en el Mundo de los Bloques
5.2.6. Consideraciones sobre el Método
Capítulo 6. Un Sistema con Aprendizaje en Formación de Teorías
6.1. Entorno del Sistema
6.2. Descripción General del Sistema
6.2.1. Introducción
6.2.2. Extensión del Modelo de Teoría
6.2.3. Arquitectura del Sistema
6.3. Sistema Sensor y Armado de Teorías Locales
6.3.1. Sistema Sensor
6.3.2. Teorías Locales y Formación de Teorías
6.4. Planificador
6.4.1. Consideraciones
6.4.2. Algoritmo de Planificación
6.4.3. Ejemplo
6.5. Ponderador
6.6. Controlador de Plan en Ejecución
6.7. Un Ejemplo Integrador
Capítulo 7. Experimentos
7.1. Visión General
7.2. Diseño Experimental
7.2.1. Variables Independientes
7.2.2. Variables Dependientes
7.3. Gráficas y su Interpretación
Capítulo 8. Una Teoría sobre Sistemas Inteligentes
8.1. Introducción
8.2. Una Teoría sobre los Sistemas que Aprenden por Interacción
8.2.1. Emisión
8.2.2. Elemento
8.2.3. Estímulo
8.2.4. Umbral
8.2.5. Imagen
8.2.6. Situación
8.2.7. Acción
8.2.8. Utilidad
8.2.9. Teoría
8.2.10. Plan
8.2.11. Longitud de Plan
8.2.12. Subplan
8.2.13. Credibilidad
8.2.14. Aceptabilidad de una Teoría
8.2.15. Aceptabilidad de un Plan
8.2.16. Teoremas sobre Planes
8.2.16.1. Teorema 1
8.2.16.2. Teorema 2
8.2.16.3. Interpretación
8.2.17. Modelo del Entorno
8.2.18. Objetivo
8.2.19. Aprendizaje
8.3. Convergencia de Teorías
8.3.1. Marco Teórico
8.3.2. Cota Teórica
8.3.3. Orden Parcial
8.3.4. Convergencia
Anexo. Sistema Inteligente Autónomo Simulado
A.1. Introducción
A.2. Definición de las Estructuras Utilizadas
A.3. Instalación
A.4. Uso del Software
Bibliografía
El Aprendizaje Automático es una disciplina de la Inteligencia Artificial que ha tomado impulso en los últimos años. De las variadas formas en las que ha cristalizado, la que mejor modeliza el aprendizaje humano es la que toma en los sistemas con aprendizaje por observación y descubrimiento.
En particular interesa estudiar de qué manera un sistemaa puede formar, de manera automática, teorías que modelicen el comportamiento de su entorno. Estas teorías son utilizadas por el sistema para exhibir un mejor comportamiento frente a lo que ocurre en su derredor.
En este libro se propone la formación de teorías a partir de mutaciones heurísticas de observaciones como un nuevo tipo de aprendizaje por observación y experimentación activa, se define una arquitectura de sistema inteligente que la soporta y se muestra que la arquitectura propuesta exhibe aprendizaje en terminos de una mejora de las respuestas del sistema a au entorno.