La heurística es un método de resolución de problemas que tiene como objetivo encontrar una solución viable en un tiempo razonable. Las técnicas heurísticas buscan una solución rápida que se mantenga dentro de un rango de precisión adecuado en lugar de una solución perfecta.
En el campo de la inteligencia artificial (IA) y el aprendizaje automático (ML), se utilizan heurísticas cuando parece imposible abordar un problema específico con un enfoque paso a paso. Las funciones heurísticas en IA priorizan la velocidad por encima de la precisión, por lo que a menudo se combinan con técnicas de optimización para obtener mejores resultados.
¿Qué es la función heurística?
Si no hay respuestas específicas a un problema o el tiempo necesario para encontrar una es demasiado largo, se utiliza una función heurística para resolver el problema. El objetivo es encontrar una respuesta más rápida o aproximada, aunque no sea ideal. En otras palabras, utilizar una heurística significa intercambiar precisión por velocidad. Una heurística es una función que determina qué tan cerca está un estado del estado deseado. Las funciones heurísticas varían según el problema y deben adaptarse a ese desafío específico. La mayoría de los problemas de IA giran en torno a una gran cantidad de información, datos y restricciones, y la tarea consiste en encontrar una forma de alcanzar el estado objetivo. La función heurística en esta situación nos informa sobre la proximidad al estado deseado. La fórmula de la distancia es una excelente opción si se necesita una función heurística para evaluar qué tan cerca está una ubicación en un espacio bidimensional del punto objetivo.
Propiedades de un algoritmo de búsqueda heurística
Los algoritmos de búsqueda heurística tienen las siguientes propiedades:
- Condición admisible: si un algoritmo produce un resultado óptimo, se considera admisible.
- Completitud: si un algoritmo termina con una solución, se considera completo.
- Propiedad de dominancia: si A1 y A2 son dos algoritmos heurísticos y tienen funciones heurísticas h1 y h2, respectivamente, entonces A1 dominará a A2 si h1 es superior a h2 para todos los valores posibles del nodo n.
- Propiedad de optimalidad: si un algoritmo es exhaustivo, admisible y domina a los demás algoritmos, será el óptimo y sin duda producirá un resultado óptimo.
Diferentes categorías de técnicas de búsqueda heurística en IA
Podemos categorizar las técnicas de búsqueda heurística en dos tipos: técnicas de búsqueda heurística directa y técnicas de búsqueda heurística débil.
Las técnicas de búsqueda heurística directa también se pueden denominar estrategia de control ciego, búsqueda ciega y búsqueda no informada. Utilizan una secuencia arbitraria de operaciones y buscan una solución en todo el espacio de estados. Estas incluyen la búsqueda en profundidad (DFS) y la búsqueda en anchura (BFS). BFS es un método de búsqueda heurística para diagramar datos o explorar rápidamente intersecciones o estructuras de árboles. DFS se basa en la probabilidad de último en entrar, primero en salir. De manera similar, la estructura de datos de la pila LIFO se utiliza para completar el proceso de recursión.
Las técnicas de búsqueda heurística débil se conocen como estrategia de control heurístico, búsqueda informada y búsqueda heurística. Estas son exitosas cuando se usan de manera efectiva en las tareas adecuadas y generalmente requieren conocimiento específico del dominio. Para explorar y expandir, los usuarios requieren información adicional para calcular preferencias en los nodos secundarios. A cada nodo se le asigna una función heurística. Veamos primero algunos de los enfoques que vemos con frecuencia antes de detallar los específicos. Aquí hay algunos ejemplos:
- Búsqueda A*
- Búsqueda de mejor primero
- Búsqueda Tabú
- Búsqueda bidireccional
- Problemas de satisfacción constante
- Escalada de colina
Ejemplos de funciones heurísticas en IA
Se pueden resolver una variedad de problemas utilizando una función heurística en IA. Veamos algunos de los más populares.
Problema del viajante de comercio
¿Cuál es el camino más rápido entre cada ciudad y su punto de partida, dado una lista de ciudades y las distancias entre cada par de ellas? Este problema se puede resolver por fuerza bruta para un pequeño número de ciudades. Pero a medida que el número de ciudades aumenta, encontrar una solución se vuelve más difícil. Este problema se resuelve bien mediante la heurística del vecino más cercano, que indica a la computadora que siempre elija la ciudad no explorada más cercana como siguiente parada en el camino. Si bien el vecino más cercano solo ofrece a veces la solución óptima, a menudo está lo suficientemente cerca como para que la variación sea insignificante para responder al problema del viajante de comercio. Este enfoque reduce la complejidad del problema del viajante de comercio de O (n!) a O (n^2).
Motor de búsqueda
Las personas han estado interesadas en el SEO desde que existen los motores de búsqueda. Los usuarios quieren encontrar rápidamente la información que necesitan al utilizar un motor de búsqueda. Los motores de búsqueda utilizan heurísticas para acelerar el proceso de búsqueda debido a la gran cantidad de datos disponibles. Una heurística podría intentar inicialmente cada alternativa en cada etapa. Sin embargo, a medida que avanza la búsqueda, puede detenerse en cualquier momento si la posibilidad actual es inferior a la mejor solución ya encontrada. De esta manera, se puede mejorar la precisión y la velocidad del motor de búsqueda.
Las funciones heurísticas en IA son fundamentales para acelerar el descubrimiento de soluciones. Una ventaja de utilizar algoritmos heurísticos es la capacidad de generar una solución viable para la situación en cuestión de manera rápida. Dado que la solución es lo suficientemente rápida, puede ser imperfecta; una aproximación cercana será suficiente. Con el Programa de Maestría en Ingeniería de IA, puedes convertirte en un experto en el campo. El programa cubre las técnicas y herramientas de IA más recientes.
Si quieres conocer otras notas parecidas a Heurística en inteligencia artificial: concepto y aplicaciones puedes visitar la categoría Inteligencia.