Problemas de búsquedas con anchura de inteligencia artificial

En el diseño de problemas de búsqueda en inteligencia artificial, existen diversos problemas que deben ser analizados desde diferentes dimensiones clave. Estos problemas son conocidos como características del problema, y a continuación se discutirán algunos de ellos.

Índice
  1. ¿El problema se puede descomponer en subproblemas más pequeños o más fáciles?
  2. ¿Se pueden ignorar o deshacer los pasos de la solución si resultan poco acertados?
  3. ¿El universo del problema es predecible?
  4. ¿La solución deseada es evidente sin comparar con todas las demás posibles soluciones?
  5. ¿La solución deseada es un estado del entorno o un camino hacia un estado?
  6. ¿Cuál es el papel del conocimiento?
  7. ¿La tarea requiere interacción con una persona?
  8. Clasificación de problemas
  9. Problemas en el diseño de programas de búsqueda

¿El problema se puede descomponer en subproblemas más pequeños o más fáciles?

Un problema grande y compuesto puede ser resuelto fácilmente si se puede dividir en problemas más pequeños y aplicar la recursión. Por ejemplo, si queremos resolver una integral como ∫ 𝑥2 + 3𝑥 + 𝑠𝑖𝑛2𝑥 𝑐𝑜𝑠2𝑥 𝑑𝑥, podemos descomponerla en tres problemas más pequeños y resolver cada uno de ellos aplicando reglas específicas. Luego, sumando los resultados, podemos obtener la solución completa.

Sin embargo, existen problemas que no pueden descomponerse en subproblemas. Un ejemplo de esto es el problema del entorno de los bloques, en el cual se establece un estado inicial y un estado objetivo. En este caso, la solución se logra moviendo los bloques en una secuencia determinada hasta alcanzar el estado objetivo. Los pasos de la solución son interdependientes y no se pueden descomponer en subproblemas.

¿Se pueden ignorar o deshacer los pasos de la solución si resultan poco acertados?

Los problemas se clasifican en tres categorías: (i) ignorables, (ii) recuperables y (iii) irreversibles, en referencia a los pasos de la solución.

Por ejemplo, en el caso de la demostración de teoremas, es posible que posteriormente descubramos que no es útil. Sin embargo, podemos continuar con el proceso, ya que no perdemos nada al realizar este paso redundante. Esto es un ejemplo de pasos de solución ignorables.

En cambio, consideremos el problema del rompecabezas de 8 piezas, en el cual se mueven las piezas desde un estado inicial hacia un estado objetivo. Durante este proceso, es posible que realicemos un movimiento incorrecto, pero podemos retroceder y deshacer el movimiento indeseado. Esto implica pasos adicionales, pero los pasos de la solución son recuperables.

Por último, consideremos el juego de ajedrez. Si se realiza un movimiento incorrecto, no se puede ignorar ni deshacer. En este caso, debemos hacer el mejor uso de la situación actual y continuar. Esto es un ejemplo de pasos de solución irreversibles.

El conocimiento de estas categorías ayuda a determinar la estructura de control necesaria para resolver el problema. Los problemas ignorables pueden resolverse utilizando una estructura de control simple que no retrocede. Los problemas recuperables requieren una estrategia de control ligeramente más compleja que permite el retroceso. Los problemas irreversibles deben ser resueltos por un sistema que invierta una gran cantidad de esfuerzo en cada decisión, ya que estas decisiones deben ser finales.

¿El universo del problema es predecible?

Los problemas se pueden clasificar en aquellos con un resultado cierto (como el problema del rompecabezas de 8 piezas o el problema de la jarra de agua) y aquellos con un resultado incierto (como el juego de cartas).

En los problemas con resultado cierto, es posible planificar una secuencia de operadores que garantice llegar a la solución deseada. La planificación ayuda a evitar pasos de solución no deseados.

En los problemas con resultado incierto, la planificación puede generar una secuencia de operadores que tenga una buena probabilidad de llevar a una solución, pero no garantiza una solución y puede resultar costoso, ya que el número de posibles caminos a explorar aumenta exponencialmente con el número de puntos en los que no se puede predecir el resultado.

Por lo tanto, uno de los tipos de problemas más difíciles de resolver son aquellos irreversibles con resultado incierto, como el juego de cartas.

¿La solución deseada es evidente sin comparar con todas las demás posibles soluciones?

Existen dos categorías de problemas: problemas de cualquier camino y problemas de mejor camino.

En los problemas de cualquier camino, como el problema de la jarra de agua o el rompecabezas de 8 piezas, nos conformamos con cualquier solución, independientemente del camino seguido para llegar a ella.

Por otro lado, en la otra categoría no cualquier solución es aceptable, sino que buscamos la mejor solución posible. Esto ocurre, por ejemplo, en el problema del viajante de comercio, que consiste en encontrar el camino más corto. En los problemas de cualquier camino, mediante métodos heurísticos obtenemos una solución y no exploramos alternativas. Estos problemas suelen resolverse en un tiempo razonable utilizando heurísticas que sugieren buenos caminos a explorar.

Por el contrario, en los problemas de mejor camino se exploran todas las posibles rutas utilizando una búsqueda exhaustiva hasta encontrar el mejor camino. Estos problemas son computacionalmente más difíciles.

¿La solución deseada es un estado del entorno o un camino hacia un estado?

Consideremos el problema del procesamiento del lenguaje natural. Encontrar una interpretación consistente para la frase el presidente del banco comió un plato de ensalada de pasta con el tenedor implica encontrar la interpretación, pero no el registro del proceso de razonamiento utilizado para llegar a ella.

En contraste, en el problema de la jarra de agua, no basta con informar que hemos encontrado una solución, sino que debemos proporcionar el camino que nos llevó al estado final (2, 0). Por lo tanto, la solución a este problema debe ser una secuencia de operaciones que produzca el estado final.

¿Cuál es el papel del conocimiento?

Aunque se pueda tener una capacidad de cómputo ilimitada, el tamaño de la base de conocimientos disponible para resolver un problema sí importa a la hora de llegar a una buena solución.

Tomemos como ejemplo el juego de ajedrez. Solo con las reglas para determinar los movimientos legales y un mecanismo de control simple es suficiente para llegar a una solución. Sin embargo, el conocimiento adicional sobre buenas estrategias y tácticas puede ayudar a limitar la búsqueda y acelerar la ejecución del programa. La solución sería más realista.

Por otro lado, consideremos el caso de predecir la tendencia política. Esto requeriría una cantidad enorme de conocimiento solo para poder reconocer una solución, sin mencionar encontrar la mejor solución.

¿La tarea requiere interacción con una persona?

Los problemas también se pueden categorizar en dos tipos en función de si requieren o no interacción con una persona.

Los problemas solitarios son aquellos en los que se le proporciona una descripción del problema al ordenador y este produce una respuesta, sin comunicación intermedia y con la exigencia de una explicación del proceso de razonamiento. Un ejemplo de esto es la demostración de teoremas básicos y leyes, la cual puede ser demostrada si existe una solución.

Por otro lado, los problemas conversacionales implican una comunicación intermedia entre una persona y el ordenador, ya sea para brindar asistencia adicional al ordenador o para proporcionar información adicional al usuario, o ambas cosas. Un ejemplo de esto es el diagnóstico médico, donde las personas no aceptarán el veredicto del programa si no pueden entender su razonamiento.

Clasificación de problemas

Al examinar los problemas desde el punto de vista de estas preguntas, se puede observar que existen varias clases amplias en las que se pueden clasificar los problemas.

Problemas en el diseño de programas de búsqueda

El diseño de problemas de búsqueda en inteligencia artificial enfrenta diversos problemas que deben abordarse desde diferentes perspectivas. Estas características del problema son fundamentales para elegir el método de resolución más adecuado y desarrollar programas de búsqueda eficientes.

Si quieres conocer otras notas parecidas a Problemas de búsquedas con anchura de inteligencia artificial puedes visitar la categoría Inteligencia.

Subir