INSTITUO TECNOLOGICO DE CHILPANCINGO

INGENIERIA EN SISTEMAS COMPUTACIONALES

INTELIGENCIA ARTIFICIAL

RESUMEN DE LAS UNIDADES I Y II

DEYANIRA ACALCO CASTAEDA

10520231

Contenido:

1. Fundamentos de la Inteligencia Artificial

1.1. Historia de la Inteligencia Artificial

1.2. Conceptos y tcnicas (Estado del Arte)

1.3. Desarrollos actuales

1.3.1. Procesamiento del lenguaje natural

1.3.2. Reconocimiento de patrones

1.3.3. Robtica

1.3.4. Sistemas Expertos

1.3.5. Lgica difusa

1.4. Modelos de agente inteligente

1.5. Heurstica

2. Tcnicas de bsqueda

2.1. Solucin de problemas con bsqueda

2.2. Espacios de estados.

2.2.1. Determinsticos.

2.2.2. No determinsticos.

2.3. Mtodos de bsqueda.

2.3.1. Primero en anchura (breadthfirst).

2.3.2. Primero en profundidad (depthfirst).

2.3.3. Grafos O.

2.3.4. Grafos A.

2.4. Satisfaccin de restricciones.

2.5. Teora de juegos.

1. Historia de la Inteligencia Artificial

Es de fundamental importancia destacar los acontecimientos y conocer

la historia de la Inteligencia Artificial, ya que esta ciencia data desde las

principales aportaciones que conllevaron al desarrollo de diversas

tcnicas de manipulacin del conocimiento, se realizaron avances en

diversas tareas que se describirn en la siguiente relacin de

acontecimientos, tambin es importante destacar que gracias a los

avances que llevaron al progreso a la Inteligencia Artificial, se resaltaron

nuevas reas de investigacin. Estas reas incluyen las reas de

percepcin (visin y habla) y el lenguaje natural (comprensin,

generacin, traduccin).

Segn (Huerta, 2009, p. 18) una vertiente ms de las incursiones de la

Inteligencia Artificial se ha dado en el desarrollo de sistemas que ayudan

a tareas de expertos, en la resolucin de problemas en campos

especializados (como en la realizacin de anlisis qumicos) en el campo

de la ingeniera (diseo, deteccin de fallos, planificacin de

manufacturacin, etc.), en el anlisis cientfico, en la medicina, en el

anlisis financiero, etc.

1.1. Conceptos y tcnicas (Estado del Arte)

El rea de investigacin de la inteligencia artificial que trata sobre el arte

es la inteligencia artificial expresiva. Esta rama estudia la posibilidad de

que un sistema inteligente pueda crear obras de arte. Su esencia es

sustancialmente diferente a la de otros campos de investigacin, ya que

la capacidad artstica no es algo sobre lo que se pueda definir un

objetivo o una serie de reglas que digan si lo producido est bien o mal.

La concepcin del arte es algo puramente subjetivo, y resulta muy dificil

pensar que algo que no puede ver ni comprender la existencia de lo

representado pueda crear una obra de arte. Es este desafo el que ha

llamado la atencin de muchos artistas, que se han visto interesados en

esta interaccin entre la inteligencia artificial y el arte y ven una

posibilidad de desarrollo del mundo artstico en la utilizacin de esta rama

de la ciencia informtica.

Tambin muchos investigadores de la inteligencia artificial se han

mostrado interesados en esta va de investigacin, pues, para ellos,

supone todo un reto consistente en el derrumbamiento de una de las

ltimas barreras que diferencian una inteligencia artificial de una

humana. Ya que la habilidad de estudiar el entorno y aprovechar lo que

este nos ofrece para conseguir un objetivo, es algo que los animales

tambin hacen, como el mono que usa un palo para atrapar las termitas

que estn dentro de un rbol, este comportamiento es inteligente y la

inteligencia artificial ha demostrado que es capaz de usarlo. No obstante

la creacin artstica es algo puramente humano, no hay ningn otro ser

vivo que muestre esta habilidad, por lo que si se consigue que un

ordenador escriba una obra de teatro o pinte un cuadro, se tendra que

comparar directamente con la obra de un humano, por lo que resultara

muy difcil justificar que ese acto de creacin no muestra inteligencia. Es

por ello que esta rama resulta tan interesante para algunos

investigadores de la inteligencia artificial.

Esta rama est a caballo entre el mundo del arte y el de la inteligencia

artificial, es por esto que si un investigador de inteligencia artificial o un

artista quieren adentrarse en esta va de investigacin debe cambiar su

manera de pensar y de trabajar o, de lo contrario, fracasar. El

investigador debe ser a la vez artista y viceversa, pues si descuida alguna

de estas dos partes, una de las piezas del puzzle fallar, o bien no

conseguir algo inteligente o bien no conseguir algo artstico.

En la inteligencia artificial expresiva, el foco de investigacin no es el

mismo que el de otras ramas de investigacin, dnde la investigacin se

ha basado en el estudio de las posibilidades de la realizacin fsica de la

inteligencia. En estas ramas el foco se basa en el entendimiento de

sistemas de inteligencia artificial como entidades independientes, que

pueden manipular sistemas de smbolos o que pueden interactuar con el

mundo en el que se encuentran. Mientras que en la inteligencia artificial

expresiva el foco de la investigacin se centra en la autora. El sistema

inteligente se convierte un artefacto creado por el autor para comunicar

ideas y experiencias. Es decir, el autor crea un artefacto cultural. No

consiste en construir un sistema que sea inteligente independientemente

del observador que lo analice, sino en construir un sistema que participe

en un contexto cultural concreto de manera que sea percibido como

inteligente.

Es por lo tanto que el sistema se ve como una manera de interpretar las

ideas del autor. Actualmente hay gran cantidad de proyectos de

investigacin, e incluso ya algunos productos comerciales de lo que

podramos considerar arte artificial, es decir, arte creado por una

inteligencia artificial. Las reas en las que ms se ha trabajado y que se

comentarn a continuacin, son la creacin de historias ms conocida

por su nombre ingls, storytelling, la pintura manual (freehand painting),

la msica, ya sea creacin o interpretacin de melodas y algunas obras

de arte realizadas por artistas que usan la inteligencia artificial para

aumentar la expresividad de sus obras.

1.2. Desarrollos actuales

1.2.1. Procesamiento del lenguaje natural

El lenguaje natural se entiende como el lenguaje hablado y escrito con

el objetivo de que exista comunicacin entre una o varias personas. La

interpretacin del lenguaje natural lo hace el cerebro, empieza a

interpretar determinadas entradas sensoriales, tal como ver u or alguna

seal de alarma; el cerebro convierte la informacin codificada en un

conjunto simblico o lenguaje. La razn principal del procesamiento del

lenguaje natural es construir sistemas y mecanismos que permitan la

comunicacin entre personas y mquinas por medio de lenguajes

naturales.

Para poder hablar de procesamiento del lenguaje natural, se debe

hablar en primer lugar de lenguaje natural y su dimensin en un entorno

social. El lenguaje natural se entiende como el lenguaje hablado y escrito

con el propsito que exista comunicacin entre una o varias personas, es

ms directo para expresar lo que se quiere comunicar, el lenguaje natural

es menos susceptible a malas interpretaciones por el empleo de trminos

con un solo significado. La comunicacin es importante en el lenguaje

natural debido a que este proceso involucra la transmisin y recepcin

de informacin.

La interpretacin del lenguaje natural lo hace el cerebro, empieza a

interpretar determinadas entradas sensoriales, tal como ver u or alguna

seal de alarma; el cerebro convierte la informacin codificada en un

conjunto simblico o lenguaje. El aprendizaje del lenguaje comienza con

la repeticin de palabras entendidas por su asociacin con experiencias.

El lenguaje natural es un fenmeno muy complejo, pero ha sido

sobradamente demostrado que las expresiones del lenguaje humano

estn organizadas a travs de un conjunto de reglas. Todas nuestras

expresiones tienen una clara organizacin: las palabras en una oracin

se asocian para describir objetos y acciones, posiblemente complejas. El

objetivo de un analizador sintctico es precisamente descubrir estas

asociaciones entre palabras, lo que se conoce como estructura

sintctica. Un analizador sintctico es un programa que toma como

entrada una oracin y trata de descubrir la estructura sintctica que

explica las relaciones entre las palabras de esa oracin. Los analizadores

buscan la estructura correcta dentro de un conjunto de anlisis posibles,

este conjunto esta usualmente definido por una gramtica. El modelo de

lenguaje en el cual se basa el analizador sintctico decide cules son los

componentes sintcticos de las oraciones y como stos estn

relacionados.

Procesamiento del Lenguaje Natural (PLN) es una subdisciplina de la

inteligencia artificial y rama de la ingeniera lingstica computacional;

ahora bien, la razn principal del PLN es construir sistemas y mecanismos

que permitan la comunicacin entre personas y mquinas por medio de

lenguajes naturales.

El logro que una computadora aprenda a interpretar el lenguaje natural

se debe a dos caminos, uno epistemolgico y otro heurstico:

El epistemolgico: define el espacio de conceptos que el programa puede aprender.

El heurstico: define los algoritmos para el aprendizaje.

El primer avance obtenido en el PLN se dio en el rea del acceso a las

bases de datos con el sistema lunar (1973) construidos en la NASA por

William Woods. El PLN busca poder crear programas que puedan

analizar, entender y generar lenguajes que los humanos utilizan

habitualmente, de manera que el usuario pueda llegar a comunicarse

con la mquina o computador de la misma forma que lo hara con un

ser humano.

La relacin entre el PLN y la recuperacin de informacin es evidente; su

objetivo es la conversin del lenguaje natural al lenguaje mquina. El

resulta en muchas ocasiones de esta relacin es crear un buscador web

en el que el usuario pueda preguntar cualquier cosa, y el sistema sea

capaz de responder de manera adecuada y correctamente, como lo

hara un ser humano comn y corriente, este proceso se denomina con

el nombre sistemas de informacin question-answering.

El PLN es de manera general, un conjunto de instrucciones que un sistema

recibe en un lenguaje de programacin dado, que permita comunicarse

con un humano en su propio lenguaje, este procesamiento presenta

diversas aplicaciones:

Correccin de textos.

Traduccin automtica.

Recuperacin de la Informacin.

Extraccin de informacin y resmenes.

Bsqueda de documentos.

Sistemas inteligentes para la educacin y el entrenamiento.

Adems de su utilidad en el campo del procesamiento y la

recuperacin de informacin, el PLN se aplica a otros aspectos como

el reconocimiento del habla o la correccin ortogrfica de textos.

1.2.2. Reconocimiento de patrones

Un sistema de reconocimiento de patrones completo consiste en:

Un sensor que recoge las observaciones a clasificar. Un sistema de extraccin de caractersticas transforma la informacin observada en valores numricos o simblicos.

Un sistema de clasificacin o descripcin que, basado en las caractersticas extradas, clasifica la medicin.

Por ejemplo se pueden clasificar imgenes digitales de letras en las clases

A a Z dependiente de sus pxeles o se pueden clasificar huellas

dactilares.

PATRN: CONJUNTO DE CARACTERSTICAS DE UNA IMAGEN

Las caractersticas de la imagen pueden ser:

-topolgicas: nmero de componentes conexas, agujeros, -geomtricas: rea, permetro, curvatura, -estadsticas: momentos, Un patrn es un conjunto de caractersticas.

Una clase de patrones es un conjunto de patrones similares. El objetivo del reconocimiento de patrones es asignar un patrn a la clase

a la que pertenece (lo ms automticamente posible).

Podemos almacenar los patrones en diversos formatos:

El ms usual es el de vector (para caractersticas cuantitativas) x=[x1 , x2 , , xn]T

donde x es el patrn y xi son las caractersticas.

Tambin se usa el formato de rbol (para caractersticas estructurales).

1.2.3. Robtica

El nombre de robot procede del trmino checo robota (trabajador,

siervo) con el que el escritor Karel Capek design, primero en su novela y

tres aos ms tarde en su obra teatral RUR (Los robots universales de

Rossum, 1920) a los androides, producidos en grandes cantidades y

vendidos como mano de obra de bajo costo, que el sabio Rossum crea

para liberar a la humanidad del trabajo. En la actualidad, el trmino se

aplica a todos los ingenios mecnicos, accionados y controlados

electrnicamente, capaces de llevar a cabo secuencias simples que

permiten realizar operaciones tales como carga y descarga,

accionamiento de mquinas herramienta, operaciones de ensamblaje y

soldadura, etc. Hoy en da el desarrollo en este campo se dirige hacia la

consecucin de mquinas que sepan interactuar con el medio en el cual

desarrollan su actividad (reconocimientos de formas, toma de

decisiones, etc.). La disciplina que se encarga del estudio y desarrollo de

los robots es la robtica, una sntesis de la automtica y la informtica. La

robtica se centr, en primer lugar, en el estudio y desarrollo de los robots

de la llamada primera generacin; es decir, incapaces de detectar los

estmulos procedentes de entorno y limitados a las funciones con una

secuencia predeterminada y fija.

Estos robots han dado paso a los que constituyen la segunda generacin,

capaces de desarrollar algn tipo de actividad sensorial. Los prototipos

multisensoriales que interactan en un grado muy elevado con el entorno

se agrupan en la tercera generacin. Para ello, la robtica se sirve de

disciplinas como la mecnica, la microelectrnica y la informtica,

adems de incorporar a los ingenios tcnicas como el reconocimiento y

anlisis digital de las imgenes, el desarrollo de sistemas sensoriales, etc.

El creciente desarrollo de los robots y su contante perfeccionamiento ha

hecho que cada da se apliquen en mayor medida a los procesos

industriales en sustitucin de la mano de obra humana. Dicho proceso,

que se inici hacia 1970, recibe el nombre de robotizacin y ha dado

lugar a la construccin de plantas de montaje parcial o completamente

robotizadas.

1.2.4. Sistemas Expertos

Se puede decir que los sistemas expertos son el primer resultado

operacional de la IA pues logran resolver problemas a travs del

conocimiento y raciocinio de igual forma que lo hace el experto

humano.

Un sistema experto es bsicamente un programa de computadora

basado en conocimientos y raciocinio que lleva a cabo tareas que

generalmente solo realiza un experto humano; es decir, es un programa

que imita el comportamiento humano en el sentido de que utiliza la

informacin que le es proporcionada para poder dar opinin sobre un

tema especial.

Otros autores lo definen como sigue: un sistema experto es un programa

de computadora interactivo que contienen la experiencia,

conocimiento y habilidad propios de una persona o grupos de personas

especialistas en un rea particular del conocimiento humano, de

manera que permitan resolver problemas especficos de ese rea de

manera inteligente y satisfactoria.

1.2.5. Lgica difusa

La lgica difusa, como su nombre indica, es una lgica alternativa a la

lgica clsica que pretende introducir un grado de vaguedad en las cosas

que califica. En el mundo real existe mucho conocimiento poco realista, es

decir, conocimiento vago, impreciso, incierto, ambiguo, inexacto, o

probabilstico por naturaleza. El razonamiento y pensamiento humano

frecuentemente conlleva informacin de este tipo, probablemente

originada de la inexactitud inherente de los conceptos humanos y del

razonamiento basado en experiencias similares.

El problema principal surge de la poca capacidad de expresin de la lgica

clsica, supongamos por ejemplo que tenemos un conjunto de personas

que intentamos agrupar segn su altura, clasificndolas en altas o bajas. La

solucin que presenta la lgica clsica es definir un umbral de pertenencia

(por ejemplo, un valor que todo el mundo considera que de ser alcanzado

o superado, la persona en cuestin puede llamarse alta). Si dicho umbral es

1.80 m, todas las personas que midan 1.80 m o ms sern altas, mientras que

las otras sern bajas. Segn esta manera de pensar, alguien que mida 1.79

m ser tratado igual que otro que mida 1.50 m, ya que ambos han merecido

el calificativo de bajas. Sin embargo, si dispusiramos de una herramienta

para caracterizar las alturas de forma que las transiciones fueran suaves,

estaramos reproduciendo la realidad mucho ms fielmente.

Asimismo, no hay un valor cuantitativo que defina el trmino joven. Para

alguna gente, 25 aos es joven, mientras que para otros, 35 es joven. Incluso

el concepto puede ser relativo al contexto. Un presidente de gobierno o de

35 aos es joven, mientras que un futbolista no lo es. Hay sin embargo cosas

que estn claras: una persona de 1 ao es joven, mientras que una de 100

aos no lo es. Pero una persona de 35 aos tiene algunas posibilidades de

ser joven (que normalmente dependen del contexto).

El origen del inters actual por la teora de conjuntos difusos se debe a un

artculo publicado por Lofti Zadeh en 1.965. En la actualidad es un campo

de investigacin muy importante, tanto por sus implicaciones matemticas

o tericas como por sus aplicaciones prcticas. Prueba de esta importancia

es el gran nmero de revista internacionales (Fuzzy Sets and Systems, IEEE

Transactions on Fuzzy Systems.) congresos (Fuzz-Ieee, Ipmu, Eusflat, Estylf) y

libros (Kruse, 1994), (McNeill, 1994), (Pedrycz, 1993) dedicados al tema .

1.3. Modelos de agente inteligente

Desde su surgimiento hasta nuestros das, la Inteligencia Artificial ha

transitado por grandes etapas, desde la implementacin de juegos en

computadora, demostraciones de teoremas, pasando por el surgimiento de

nuevas tcnicas como Robtica; Procesamiento de Lenguaje Natural;

Reconocimiento de Patrones; Sistemas Expertos; Tutores Inteligentes; Redes

Neuronales; Manipulacin Inteligente de Base de Datos; Web Inteligentes;

Minera de Datos; Programacin Automtica; Visin Computarizada hasta

llegar a los Agentes Inteligentes (Blanco, 2002).

Qu son los agentes? Un Agente, de manera general, es todo aquello que

puede considerarse que percibe su ambiente mediante sensores y que

responde o acta en tal ambiente mediante efectores (Russell,1996).

De esta manera es posible encontrar diversos tipos de agentes, entre ellos

los agentes humanos, en los que los cinco sentidos sirven de sensores y las

extremidades sirven de efectores; los agentes robticos, en el que los

sensores son suplantados por cmaras de video y los efectores son ciertos

mecanismos; y los agentes de software, que son un programa de

computacin que se ejecuta en un ambiente y realiza acciones dentro de

ste para alcanzar las metas para las cuales fue diseado y sus

percepciones y acciones estn dadas por instrucciones de programas en

algn lenguaje en particular. (Franklin 1996).

La cuestin de qu es un agente (Foner, 1993), est an siendo debatida

al correr el riesgo de que cualquier programa sea denominado agente

(Franklin, 1996). Se pueden distinguir dos nociones extremas de agentes

(Wooldrige, 1995):

Una nocin dbil de agente consiste en definir un agente como a una entidad que es capaz de intercambiar mensajes utilizando un lenguaje

de comunicacin de agentes. Esta definicin es la ms utilizada dentro

de la ingeniera software basada en agentes, cuyo fin es conseguir la

interoperabilidad entre aplicaciones a nivel semntico utilizando la

emergente tecnologa de agentes.

Una nocin ms fuerte o restrictiva de agente es la enunciada por Shoham, en su propuesta de programacin orientada a agentes

(AOP), donde un agente se define como una entidad cuyo estado es

visto como un conjunto de componentes mentales, tales como

creencias, capacidades, elecciones y acuerdos. (Shoham, 1993).

Un tipo de agente de software muy particular son los Agentes Inteligentes,

de los que hablaremos ms tarde. Antes de abordar a los agentes

inteligentes, es importante considerar el papel de la inteligencia, la razn

de esto es que al partir de una base conceptual que soporte los

mecanismos del comportamiento inteligente, tales como son el uso

adecuado del conocimiento y la capacidad de razonamiento, permitir

proporcionar inteligencia a los agentes de software.

Se considera a los Agentes Inteligentes como una pieza de software que ejecuta una tarea dada utilizando informacin recolectada del

ambiente, para actuar de manera apropiada hasta completar la

tarea de manera exitosa. El software debe ser capaz de auto ajustarse

basndose en los cambios que ocurren en su ambiente de forma tal

que un cambio en las circunstancias producir un resultado esperado.

(Gilbert, 1995)

Los Agentes Inteligentes son racionales, es decir, hacen lo

correcto. Lo correcto es lo que le permite al agente obtener el mejor

desempeo. Para evaluar el desempeo es necesario decidir cmo,

que es el criterio que sirve para definir qu tan exitoso ha sido un

agente en la consecucin de los objetivos para el cual fue

programado, sta medida se establece como una norma por parte

del diseador y la comparacin contra la misma, permite determinar

la satisfaccin de desempeo del agente; y cundo medir dicho

desempeo que se refiere al tiempo empleado en la realizacin de la

tarea que se considere aceptable, dependiendo del ambiente de

accin.

Los Agentes Inteligentes proporcionan una tcnica para resolver

problemas actuando en representacin del usuario, para realizar

diversas tareas tales como, bsqueda y filtraje de informacin,

automatizacin de tareas, etc. Y en la actualidad son objeto de

estudio por disciplinas como la psicologa, sociologa y en algunas

otras ramas de las ciencias sociales.

1.4. Heurstica

El concepto de heurstica es difcil de aprehender. Newell, Shaw y Simon

en 1963 dieron la siguiente definicin: "Un proceso que puede resolver un

problema dado, pero que no ofrece ninguna garanta de que lo har, se

llama una heurstica para ese problema".

Si nos planteamos seguir concretando como aprovechar la informacin

sobre el problema en sistemas de produccin, la siguiente idea consiste

en concentrar toda la informacin heurstica en una nica funcin que

se denomina funcin de evaluacin heurstica. Se trata de una funcin

que asocia a cada estado del espacio de estados una cierta cantidad

numrica que evala de algn modo lo prometedor que es ese estado

para acceder a un estado objetivo. Habitualmente, se denota esa

funcin por h(e).

La funcin heurstica puede tener dos interpretaciones. Por una parte, la

funcin puede ser una estimacin de lo prximo que se encuentra el

estado de un estado objetivo. Bajo esta perspectiva, los estados de

menor valor heurstico son los preferidos. Pero en otros casos puede

suceder que lo que convenga sea maximizar esa funcin.

2. Tcnicas de bsqueda

2.1. Solucin de problemas con bsqueda

La resolucin de problemas es fundamental para la mayora de las

aplicaciones de Inteligencia Artificial (IA). De hecho, la capacidad de

resolver problemas suele usarse como una medida de la inteligencia

tanto para el ser humano como para la computadora. Hay

principalmente dos clases de problemas. Una primera clase puede ser

resuelta usando algn tipo de procedimiento determinista cuyo xito est

garantizado.

A este procedimiento se le llama de computacin. La resolucin por

computacin normalmente slo se aplica a aquellos tipos de problemas

para los que existan tales procedimientos, como en matemticas. Se

puede con frecuencia traducir los mtodos usados para resolver estos

problemas de manera fcil, a un algoritmo que pueda ser ejecutado por

una computadora. No obstante, a pesar de que pocos problemas reales

se prestan a soluciones computables, deben ser situados en la segunda

categora, que consiste en problemas que se resuelven con la bsqueda

de una solucin. Este es el mtodo de resolucin de problemas del que

se preocupa la IA.

Un estado es la representacin de un problema en un instante dado. Para

definir el espacio de estados o espacio de bsqueda(El conjunto de

todos los nodos) no es necesario hacer una exhaustiva enumeracin de

todos los estado vlidos, sino que es posible definirlo de manera ms

general. El estado inicial consiste en uno o varios estados en los que

puede comenzar el problema. El estado objetivo o estado meta consiste

en uno o varios estados finales que se consideran solucin aceptable. Las

reglas describen las acciones u operadores que posibilitan un pasaje de

estados. Podramos decir que una regla tiene una parte izquierda y una

derecha. La parte izquierda determina la aplicabilidad de la regla, es

decir, describe los estados a los que puede aplicarse la regla. La parte

derecha describe la operacin que se lleva a cabo si se aplica la

regla(accin).

La heurstica es la informacin acerca de la posibilidad de que un nodo

especfico sea mejor para intentar la prxima eleccin que cualquier otro

nodo. El camino solucin es el grafo dirigido de los nodos visitados que nos

llevan a la solucin. Por ejemplo, en el problema de jugar al ajedrez:

Espacio de estados: La totalidad de tableros que se pueden generar

en un juego de ajedrez;

Estado Inicial: Puede ser el tablero de 8 x 8 donde cada cuadro

contiene un smbolo(p.ej. ` corresponde a Torre) de acuerdo a las

piezas situadas.

Objetivo o estado final: Cualquier posicin de tablero en la que el

contrario no puede realizar ningn movimiento legal y su rey est

amenazado;

Reglas: Son los movimientos legales, que pueden describirse mediante

una parte patrn para ser contrastado con la posicin actual del

tablero y otra parte que describe el cambio que debe producirse en

el tablero. Dado que escribir todas las posiciones del tablero, las reglas

deben escribirse de manera ms general posible.

Heurstica: Podemos elegir tableros en donde el contrincante tenga el

menor nmero de piezas desplegadas.

Camino solucin: El conjunto de movimientos para llegar al estado

final. La bsqueda de una solucin no es tan simple como empezar

en el principio y seguir su camino hasta su conclusin. En un caso

extremadamente simple de las llaves perdidas, este mtodo de

bsqueda es una buena manera de llevarlo a cabo.

No obstante, en la mayora de los problemas en los que quiera usar una

computadora para hallar la solucin, la situacin es diferente.

Generalmente, usar una computadora para resolver problemas en los

que le nmero de nodos en el espacio de bsqueda sea muy grande y,

como el espacio de bsqueda va creciendo, de igual modo se

incrementarn el nmero de diferentes caminos posibles hasta la meta.

El problema estriba en que cada nodo aadido al espacio de bsqueda

aade ms de un camino; por lo que el nmero de caminos hasta la

meta se incrementar rpidamente con cada nuevo nodo(para mejor

explicacin vase Explosin combinatoria en el anexo ). Debido a que el

nmero de posibilidades crece tan rpidamente, tan slo los problemas

ms simples se prestan a bsquedas exhaustivas( Una bsqueda

exhaustiva examina todos los nodos). Mientras que la tcnica exhaustiva,

o de fuerza bruta, tericamente siempre funciona, normalmente no es

prctica porque consume o demasiado tiempo o demasiado recursos

de computacin, e incluso ambos. Por esa razn, otras tcnicas de

bsqueda han sido desarrolladas.

2.2. Espacios de estados.

2.2.1. Determinsticos.

2.2.2. No determinsticos.

2.3. Mtodos de bsqueda.

2.3.1. Primero en anchura (breadthfirst).

2.3.2. Primero en profundidad (depthfirst).

2.3.3. Grafos O.

2.3.4. Grafos A.

2.4. Satisfaccin de restricciones.

Teora de juegos.