UNIVERSIDAD DE LA RIOJA
Postgrado al que pertenece: Máster Universitario en Inteligencia Artificial
Denominación de la asignatura: Razonamiento y Planificación Automática
Guía de Estudio: TEMA 1. Introducción a la toma de decisiones
UNIVERSIDAD DE LA RIOJA
Postgrado al que pertenece: Máster Universitario en Inteligencia Artificial
Denominación de la asignatura: Razonamiento y Planificación Automática
Guía de Estudio: TEMA 1. Introducción a la toma de decisiones
Esta guía espera proporcionar una base sólida para aquellos interesados en profundizar en la
toma de decisiones dentro del ámbito de la inteligencia artificial.
Introducción a la Toma de Decisiones en Inteligencia Artificial
La toma de decisiones en inteligencia artificial (IA) es un campo fundamental que involucra la
selección de una acción entre varias alternativas con el objetivo de alcanzar un conjunto
específico de objetivos. Este proceso se basa en la capacidad de un agente inteligente para
evaluar el estado del entorno, predecir los resultados de posibles acciones y elegir la más
adecuada. A continuación, se presenta una guía de estudio detallada, técnica y avanzada sobre
este tema.
a. ¿Cómo estudiar este tema?
Para estudiar la toma de decisiones en IA de manera efectiva, se recomienda seguir estos pasos:
1. Comprender los Fundamentos Teóricos: Familiarizarse con conceptos básicos como la
teoría de la decisión, el análisis de decisiones y los modelos probabilísticos.
2. Explorar Algoritmos Clásicos y Modernos: Investigar algoritmos esenciales como el
Árbol de Decisión, Redes Bayesianas, Máquinas de Vector de Soporte y técnicas de
aprendizaje profundo.
3. Implementación Práctica: Aplicar estos conceptos a través de la programación en
lenguajes como Python, utilizando bibliotecas como TensorFlow, Keras o Scikit-learn.
4. Estudio de Casos: Analizar estudios de caso donde la toma de decisiones sea crucial,
como en vehículos autónomos, sistemas de recomendación y diagnósticos médicos.
5. Mantenerse Actualizado: Leer artículos científicos y asistir a conferencias para conocer
las últimas tendencias y avances en el campo.
b. Problemas de toma de decisiones
Los problemas de toma de decisiones en IA pueden clasificarse en varias categorías:
1. Determinísticos vs. Estocásticos: Los problemas determinísticos tienen resultados
predecibles, mientras que los estocásticos incluyen incertidumbre y variabilidad en los
resultados.
2. Estáticos vs. Dinámicos: En problemas estáticos, el entorno no cambia con el tiempo,
mientras que en problemas dinámicos, el entorno puede evolucionar.
3. De un solo agente vs. Multiagente: Involucra decisiones de un único agente frente a
decisiones que deben coordinarse entre múltiples agentes.
, Ventajas:
Permite la optimización de recursos y mejora la eficiencia.
Facilita la toma de decisiones en situaciones complejas y múltiples variables.
Desventajas:
Requiere gran cantidad de datos y potencia computacional.
En entornos estocásticos, la incertidumbre puede llevar a decisiones subóptimas.
c. Arquitectura de un agente inteligente
La arquitectura de un agente inteligente está compuesta por varios componentes claves:
1. Percepción: Recopila datos del entorno mediante sensores o entradas de datos.
2. Razonamiento: Procesa la información recibida para interpretar el entorno y elaborar
predicciones.
3. Planificación: Determina las acciones necesarias para alcanzar los objetivos, utilizando
técnicas como la búsqueda en grafos o la programación dinámica.
4. Ejecución: Implementa las acciones planificadas mediante actuadores o salidas de datos.
Ventajas:
Modularidad, lo que facilita la actualización y mejora de componentes específicos.
Capacidad para adaptarse y aprender de nuevas experiencias.
Desventajas:
Complejidad en la integración de todos los componentes.
Alta demanda de procesamiento y almacenamiento de datos.
d. Tipos de agentes inteligentes
Existen varios tipos de agentes inteligentes clasificados según su nivel de complejidad y
capacidad de aprendizaje:
1. Agentes Reactivos: Responden directamente a estímulos del entorno sin utilizar memoria
del pasado.
o Ventajas: Simplicidad y rapidez de respuesta.
o Desventajas: Falta de capacidad para manejar tareas complejas que requieren
planificación y aprendizaje.
2. Agentes Basados en Modelo: Utilizan un modelo del entorno para tomar decisiones más
informadas.
o Ventajas: Mejora en la precisión y capacidad de anticipación.
o Desventajas: Requiere una mayor capacidad computacional y un modelo preciso
del entorno.
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller ma_medina. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $7.16. You're not tied to anything after your purchase.
