Introducción a la Inteligencia Artificial

Universidad Nacional de
Misiones
Inteligencia Artificial

Facultad de Ciencias Exactas Químicas y Naturales
Carrera de Licenciatura en Sistemas de Información
Ing. Alice Raquel Rambo

Presentación de la materia
cont teórico cont. Práctico
Introducción a la Intelig Artif. Agentes
semana 1 21 de agosto Intelig. práctico 1 definiciones y debate
práctico 2 definciones, problemas de
semana 2 25 de agosto Búsquedas búsqueda

semana 3 4 de sept

semana 4 11 de sept planificacion sistemas probabilisticos
práctico 5 problemas de repesentación
semana 5 18 de sept aprendizaje lógica

semana 6 25 de sept entrega y defensa primer práctico primer práctico integrador

semana 7 2 de oct sistemas basados en reglas exámen teórico/pract

semana 8 9 de oct sistemas expertos práctico 6

semana 9 16 de oct sistemas expertos recuperatorio primer exámen

semana 10 23 de oct redes neuronales práctico 8

semana 11 30 de oct redes neuronales práctico 9

semana 12 6 de nov entrega y defensa segundo práctico segundo práctico integrador

semana 13 13 de nov algoritmos genéticos exámen teórico/pract

semana 14 20 de nov robotica recuperatorio segundo exámen

¿Qué es la Inteligencia Artificial?

• La habilidad para resolver problemas
• La capacidad de memoria
• La utilización de conocimientos en
busca de una meta

Robert Sternberg (Psicólogo de la Universidad de
Yale EEUU)
Inteligencia Cognitiva: es medida por los tests
Inteligencia Social: hace referencia a la capacidad de
adaptación al entorno
Inteligencia Experiencial: o aptitud para sacar partida
de las experiencia cuando el individuo se enfrenta a
problemas novedosos

¿Qué se entiende por Inteligencia Artificial ?
Biología Evolucionista: una Inteligencia cada vez
mayor no es un objetivo en la evolución sino una
casualidad en la evolución

Ciencia Cognitiva: equipara un Acto Inteligente con
aquel que permite procesar la información necesaria
en cada momento

Teóricos de I.A.: el procesamiento de información que
se ajuste a los requerimientos de una tarea dada es ya
un signo de Inteligencia

¿Qué se entiende por Inteligencia Artificial ?
Inteligencia: es un núcleo común de atributos que
supuestamente tienen que ver con una actividad inteligente,
como:
• la habilidad para resolver problemas nuevos
• la planificación
• la facilidad de adquirir nuevos conocimientos
• la abstracción
• la capacidad de adaptación

El comportamiento Humano
¿Cuándo puede decirse que una
Máquina es Inteligente?

• Alam Turing (1950): propuso
como test el diálogo con una
máquina:

“si no es posible distinguir
sus respuestas de las de
una persona, entonces es
inteligente”

• El enfoque de Turing
• Que debería hacer el computador para superar la
prueba?
– Procesamiento del lenguaje natural
– Representación del conocimiento
– Razonamiento Automático
– Aprendizaje automático

• La prueba global de Turing
– Visión computacional
– Robótica
• Estas seis disciplinas abarcan la mayor parte de la
IA, y Turing merece ser reconocido por diseñar
una prueba que se conserva vigente despues de
50 años.
• Pero es bueno recordar que es más importante el
estudio de los principios en los que se basa la
inteligencia que en duplicar un ejemplar

Pensar como un humano: Modelo Cognitivo

• En el campo interdisciplinario de las ciencias
cognitivas convergen modelos computacionales
de IA y técnicas experimentales de psicología
intentando elaborar teorías precisas y verificables
sobre el funcionamiento de la mente humana

Tipos de Inteligencia
No son Inteligencias distintas, sino manifestaciones de
una Inteligencia Cognitiva mas general:
Verbal
Espacial
Lógica -matemática
Musical
Intrapersonal
Interpersonal
Corporal -cinética

Grandes Aptitudes
Verbales
Numéricas
Espaciales
Nemotécnicas
Perspectivas
Lógicas
Psicomotoras

Pensamiento Racional
• Aristóteles fue uno de los primeros en intentar
“codificar” la manera de pensar. Por medio de
silogismos que son estructuras de argumentación
que nos permiten arribar a conclusiones correctas.
Este estudio da inicio al campo de la lógica.
“Sócrates es un hombre; todos los hombres son
mortales; por lo tanto Sócrates es mortal”

Actuar de forma racional
• El enfoque del agente racional:
• Un agente (del latín agere, hacer) racional es
aquel que actúa con la intención de alcanzar el
mejor resultado o, cuando hay incertidumbre, el
mejor resultado esperado.

Fundamentos de la Inteligencia Artificial
Filosofía desde 428 A.C. hasta el presente
• Dualismo Descartes: una parte de la mente (alma
o espíritu) que esta al margen de la naturaleza,
exenta de la influencia de las leyes físicas.
• Materialismo Bacon las operaciones del cerebro
realizadas de acuerdo a las leyes de la física
constituyen la mente. El libre albedrío es
simplemente la forma en la que la percepción de
las opciones disponibles aparecen en el proceso
de selección.

Filosofía desde 428 A.C. hasta el presente
• Empirismo Locke: “Nada existe en la mente que
no haya pasado primero por los sentidos”.
• Positivismo Lógico – Carnap: todo el
conocimiento se puede caracterizar mediante
teorías lógicas relacionadas con sentencias de
observación que corresponden a estímulos
sensoriales. El conocimiento se obtiene a partir
de la experiencia.

Matemática desde el año 800 al presente
• El primer algoritmo no trivial es el algortimo
Euclideo para determinar el máximo comñun
divisor.
• Al- Khowarazmi, matemático persa del siglo IX.
• Boole, deducciones lógicas.
• Hilbert Entscheidungsproblem límites
fundamentales en la capacidad de procedimientos
efectivos de demostración.

Matemática desde el año 800 al presente
• Probabilidad – Gardano introducción de la
probabilidad basado en resultados de juegos de
apuestas. Bayes la regla de Bayes y el análisis
Bayesiano

Economía desde 1766 hasta el presente
• Teoría de las decisiones, combina teoría de la
probabilidad con la teoría de la utilidad para la toma de
decisiones realizado bajo incertidumbre.
• Teoría de Juegos – Morgenstern y Von Neumann en
algunos juegos un agente racional debía actuar de forma
aleatoria al menos en apariencia con respecto a sus
contrincantes.
• Investigación operativa – Bellman proceso de decisiones
de Markov, el resultado de las acciones no son inmediatas
se obtienen de forma secuencial.

Neurociencia desde 1861 hasta el presente.
• La neurociencia es el estudio del sistema neurológico, y
en especial, del cerebro.

• Uno de los grandes misterios de la ciencia es la forma en
la que se genera el pensamiento en un cerebro.

• La conclusión verdaderamente increíble de los estudios
del cerebro es que una colección de simples células puede
llegar a generar razonamiento, acción y conciencia o,
dicho en otras palabras, los cerebros generan las
inteligencias (Searle, 1992)

Psicología desde 1879 hasta el presente.
• ¿Cómo piensan y actúan los animales?
• Síntesis: Adaptación, fenómeno de percepción,
técnicas experimentales
• Ingeniería Computacional desde 1940 al presente.
• Teoría de Control y Cibernética desde 1948 al
presente.
• Lingüística desde 1957 hasta el presente.


Ingeniería Computacional desde 1940 al presente.
• necesitan dos cosas: inteligencia (ciencia) y un artefacto
(ingeniería).
• El computador ha sido el artefacto elegido.

Teoría de Control y Cibernética desde 1948 al presente.
• ¿Cómo pueden los artefactos operar bajo su propio control?
• La teoría de control moderna tiene como objetivo el diseño de
sistemas que maximizan una función objetivo en el tiempo. Esto se
asemeja ligeramente a nuestra visión de lo que es la IA.
• ¿Por qué son entonces la IA y la Teoría de Control dos campos
distintos?
– La IA se fundó, en parte, para escapar de las limitaciones
matemáticas de la teoría de control en los años 50. Las
herramientas de inferencia lógica y computación permitieron
a los investigadores de la IA afrontar problemas relacionados
con el lenguaje, visión y planificación, que estaban
completamente fuera del punto de mira de la teoría de
control.

Lingüística desde 1957 hasta el presente.
• ¿Cómo está relacionado el lenguaje con el pensamiento?
Síntesis: Representación del conocimiento, gramática.
• La lingüística moderna y la IA nacieron al mismo tiempo y
maduraron juntas, solapándose en un campo híbrido llamado
lingüística computacional o procesamiento del lenguaje natural.

• Gran parte de los primeros trabajos de la investigación en el área de
la representación del conocimiento estaban vinculados al lenguaje y a
la búsqueda de información en el campo del lenguaje, y su base eran
las investigaciones realizadas durante décadas en el análisis filosófico
del lenguaje.

Historia de la inteligencia Artificial
Resumen de la historia de la IA
• 1943 McCulloch & Pitts: modelo de cerebro
• 1950 Turing's "Computing Machinery and Intelligence"
• 1956 Se adopta el término "Artificial Intelligence"
• 1952—69 Look, Ma, no hands!
• 1950s Primeros programs de IA, programa de ajedrez de
Samuel, Newell & Simon's Logic Theorist,
Gelernter's Geometry Engine
• 1965 algoritmo completo de razonamiento lógico de Robinson
• 1966—73La IA descubre la complejidad computacional
Casi desaparece la investigación en Redes Neuronales
• 1969—79Primeros desarrollos de los Sistemas Basados en
Conocimiento
• 1980-- La IA se convierte en una industria
• 1986-- Las Redes Neuronales vuelven a la popularidad
• 1987-- La IA se convierte en una ciencia
• 1995-- Emergencia de los agentes inteligentes

Entusiasmo Inicial, grandes esperanzas (1952-1969)
• Herbert construyo el demostrador de teoremas de
geometría.
• Juego de damas, podía hacer otra cosa que cálculos
aritméticos y podía mejorar.
• McCarthy definió el lenguaje Lisp, el problema era el
recurso computacional.
• Minsky los micromundos y el mundo de los bloques
• Evolución del aprendizaje hebbiano, aparición de adalines
y perceptrones.

1956 - John McCarthy del Darthmounth College EEUU:

Propone Inteligencia Artificial para designar una
nueva disciplina que buscaba reproducir
comportamiento inteligente con la ayuda de una
máquina

Organiza un Congreso sobre Informática Teórica,
en el que se definió el concepto de Inteligencia
Artificial, como una nueva rama de la informática
con entidad propia

Una dosis de realidad 1966- 1973
• Predicciones apresuradas, errores sonados.
• Ej.: programa de traducción
• “el espíritu es fuerte pero al carne es débil” “el vodka
es bueno pero la carne esta podrida”.
• Se creía que la única limitante era el poder de cómputo.
• El hecho de que un programa sea capaz de encontrar una
solución no implica que tal programa encierre todos los
mecanismos necesarios para encontrar la solución en la
práctica.

Sistemas basados en el conocimiento 1969-1979
• Parte del conocimiento es preconcebido. Separar el
conocimiento (reglas) del razonamiento.
• Surgimiento de sistemas expertos.
• Sistemas para la comprensión del lenguaje natural, más
centrados en la representación y razonamiento del
conocimiento necesario que en el lenguaje en sí mismo.
• Esquemas de representación del conocimiento
• Prolog, Planner y Marcos de Minsky (jerarquías
taxonómicas)

La IA se convierte en una industria 1980 hasta el
presente
• Primeros sistemas expertos comerciales,
aplicados en casi todas las grandes empresas.
• Lanzamiento de la Quinta Generación en Japón.
• Hasta 1988 el invierno de la IA

Regreso de las Redes Neuronales 1986 hasta le
presente.
• Evolución en campos físicos, Hopfield 1982.
• Reinvención del algoritmo de aprendizaje pro
retro alimentación.
• Surgimiento de modelos conexionistas.
• Las aproximaciones conexionistas y simbólicas
son complementarias y no competidoras.


IA se convierte en una ciencia desde 1987 hasta el
presente
Emergencia de los sistemas inteligentes desde 1995
hasta el presente

Historia de la Inteligencia Artificial.
Los últimos avances

• El gran maestro internacional Arnold Denker estudia las piezas que tiene
ante sí en el tablero. Reconoce que no hay esperanza alguna, perderá el
juego. Su oponente, HITECH, se convierte así en el primer programa de
computadora que logra derrotar a un gran maestro de la talla de Denker en
un juego de ajedrez (Berliner, 1989).

• 'Quiero ir de Boston a San Francisco', dice el viajero a través de un
micrófono. '¿Qué datos tiene para el viaje?', es la respuesta. El viajero
explica que desea salir el 20 de octubre, en vuelo directo, con la tarifa más
barata y regresar el domingo siguiente. PEGASUS, un programa para
comprensión del lenguaje se hace cargo de todo y el resultado es una
reserva confirmada que le permite al viajero ahorrarse $894 del precio
normal del boleto. Dado que de diez palabras, este intérprete entiende mal
una, es capaz de recuperarse de estos errores gracias a su conocimiento
sobre la forma en la que se estructura un diálogo (Zue et al, 1994).


• Uno de los más reconocidos expertos en patología de nodos linfáticos
plantea un caso extremadamente difícil al sistema experto y evalúa la
respuesta dada por éste. La respuesta del sistema le causa risa. Ligeramente
preocupados, los creadores del sistema le sugieren que pida a la
computadora una explicación del diagnóstico dado. La máquina señala los
principales factores que llevaron a esa decisión y explica la sutil interacción
de varios de los síntomas en este caso. El experto, después de un tiempo,
admite su error (Heckerman, 1991).


• Desde una cámara suspendida en un semáforo de un cruce, el monitor de
tráfico observa el panorama. Si alguien observara el monitor principal
leería: ''Citroen AX está dando la vuelta a la Plaza de la Concordia en los
Campos Alíseos''; ''Camión carguero grande se ha detenido en la Plaza de
la Concordia'', y así durante toda la noche. Ocasionalmente, leerían: ''Grave
incidente en la Plaza de la Concordia, una camioneta que avanzaba
rápidamente se ha estrellado contra una motocicleta'', y se haría una
llamada automática a los servicios de emergencia (King et al, 1993; Koller
et al, 1994).

Se han citado sólo algunos ejemplos del tipo de sistemas de inteligencia
artificial que existen en la actualidad. No se trata de magia ni de ciencia
ficción: es ciencia, ingeniería y matemáticas.

El Estado del Arte. ¿Qué es capaz de hacer
la IA hoy en día?

Planificación Autónoma

El programa de la NASA Agente Remoto se convirtió en el primer
programa de planificación autónoma a bordo que controlaba la
planificación de las operaciones de una nave espacial desde abordo
(Jonsson et al, 2000).

Este agente generaba planes a partir de objetivos especiales especificados
desde tierra.

El Estado del Arte. ¿Qué es capaz de
hacer la IA hoy en día?

Juegos

Deep Blue de IBM fue el primer sistema que derrotó a un campeón del
mundo en una partida de ajedrez, cuando superó a Gary Kasparov en una
partida de exhibición en 1997.

El valor de las acciones de IBM se incrementó en 18 millones de dólares.

El Estado del Arte. ¿Qué es capaz de hacer la
IA hoy en día?

Control Automático

El sistema de visión por computador ALVINN fue entrenado para dirigir
un coche de forma que siguiese una línea. Se instaló en una furgoneta
controlada por computador y se utilizó para dirigir al vehículo por EEUU.

Durante 2850 millas controló la dirección del vehículo en el 98% del
trayecto. Una persona lo sustituyó en el 2% restante, principalmente en vías
de salida.

El Estado del Arte. ¿Qué es capaz de hacer la IA hoy en día?

Planificación Logística

Durante la crisis del Golfo Pérsico de 1991, las fuerzas de los Estados
Unidos desarrollaron la herramienta Dynamic Analysis and Replanning
Tool (DART) para automatizar la planificación y organización logística del
transporte, lo que incluía hasta 50000 vehículos, carga y personal a la vez.


Robótica

Muchos cirujanos utilizan hoy en día asistentes robot en operaciones de
microcirugía. HipNav (1996) es un sistema que utiliza técnicas de visión
por computador para crear un modelo tridimensional de la anatomía interna
del paciente y después utiliza un control robotizado para guiar el implante
de prótesis de cadera.


Procesamiento de Lenguaje y resolución de problemas

PROVER B (1999) es un programa que resuelve crucigramas mejor que la
mayoría de los humanos, utilizando restricciones en programas de relleno
de palabras, una gran base de datos de crucigramas, varias fuentes de
información como diccionarios y bases de datos online, que incluyen la
lista de películas y actores que intervienen en ellas entre otras cosas.

Problemas de IA
Al principio se hizo hincapié en las tareas formales como juegos y demostración de
teoremas, juegos como las damas y el ajedrez demostraron interés.
La geometría fue otro punto de interés y se hizo un demostrador llamado: El
demostrador de Galenter. Sin embargo la IA pronto se centró en problemas que
aparecen a diario denominados de sentido común (commonsense reasoning).
Se enfocaron los estudios hacia un problema muy importante denominado
Comprensión del lenguaje natural. No obstante el éxito que ha tenido la IA se basa en
la creación de los sistemas expertos, y de hecho áreas en donde se debe tener alto
conocimiento de alguna disciplina se han dominado no así las de sentido común.
Ahora bien en la introducción se habló cuestiones importantes de la IA que son:
• ¿Cuáles son nuestras suposiciones fundamentales sobre la Inteligencia?
• ¿Qué tipo de técnicas son las mas adecuadas para resolver los problemas de la IA?
• ¿A qué nivel de detalle, si es que no por completo, se puede intentar modelar la
Inteligencia humana?
• ¿Cómo se puede saber cuando se ha tenido éxito en la construcción de programa
inteligente?

Problemas de IA
• Tareas de la vida diaria
– Percepción: visión, habla
– Lenguaje natural: comprensión, generación, traducción
– Sentido común:
– Control de un robot.
• Tareas formales
– Juegos: ajedrez, damas, etc.
– Matemáticas: geometría, lógica, cálculo integral, demostración de
las propiedades de un programa.
• Tareas de los expertos
– Ingeniería: diseño, detección de fallas, planificación de
manufacturación.
– Análisis Científico
– Diagnosis Médica
– Análisis Financiero

Problemas de IA
Características
• La resolución de un problema debe estar
restringido a un dominio finito.
• Deben existir expertos que conozcan el dominio
de un problema para aportar el conocimiento para
poder resolverlo.
• El problema debe ser complejo y con muchas
variables porque si son problemas sencillos no
necesita que lo haga una máquina.

Técnicas de IA
La inteligencia necesita conocimiento y el
conocimiento posee algunas propiedades poco
deseables, tales como:
– Es voluminoso
– Es difícil caracterizarlo con exactitud
– Cambia constantemente
– Se distingue de los datos en que se organiza de tal
forma que se corresponde con la forma en que va a
ser usado.

Técnicas de IA
Una técnica de IA es un método que utiliza conocimiento representado de tal
forma que:
• El conocimiento representa las generalizaciones, no es necesario representar
cada situación en particular. Se agrupan las situaciones que comparten
propiedades importantes. Si el conocimiento no posee esta propiedad puede
necesitarse demasiada memoria. En tal caso hablaremos de “datos” y no de
conocimiento.
• Deben ser comprendidos por las personas que lo proporcionan, por más que
se adquieran automáticamente. En IA la mayor parte del conocimiento que se
suministra a los programas es por personas y se expresan en términos que
ellas comprenden.
• Puede modificarse fácilmente para corregir errores y reflejar los cambios en
el mundo (y en nuestra visión del mundo)
• Puede usarse en gran cantidad de situaciones aunque no sea preciso ni
completo.
• Puede usarse para ayudar a superar su propio volumen, ayudando a acotar el
rango de posibilidades que normalmente deben ser consideradas.

Técnicas de IA
Para solucionar problemas complicados, los programas que utilizan las técnicas
de IA presentan numerosas ventajas con respecto a los que no lo hacen:
• son menos frágiles, es decir, que no se despistan frente a una perturbación
pequeña de la entrada
• el conocimiento del programa es comprendido fácilmente por la gente
• usa generalizaciones
• tiene facilidad de extensión
Como desventaja, generalmente tienen más complejidad que otras soluciones.
Estos ejemplos ponen de manifiesto tres importantes técnicas de IA:
• Búsqueda: proporciona una forma de resolver problemas en los que no se
dispone de un método directo
• Uso del conocimiento: proporciona una forma de resolver problemas
complejos explotando las estructuras existentes entre los objetos
involucrados
• Abstracción: proporciona una forma de separar aspectos y variaciones
importantes de aquellos otros sin importancia, y que en caso contrario
podrían colapsar el proceso.

Técnicas de IA
• Programa 1:
• Estructura de Datos: el tablero se representa por un vector de nueve
componentes, donde las componentes del vector se corresponden con
las posiciones del tablero de la siguiente forma.
• Jugadas: Un componente contiene el valor 0 si la correspondiente
casilla está vacía, 1 si contiene una X o 2 si contiene un O. Se
representan por un gran vector de 19693 componentes (39), siendo
cada componente a su vez un vector de nueve componentes. El
contenido de este vector está diseñado específicamente para el
algoritmo empleado.
• El algoritmo: Para realizar una jugada hacer lo siguiente,
– Ver el vector Tablero como un número ternario (base 3).
Convertirlo a un número decimal.
– Usar el número hallado en el primer paso como índice del
vector Jugadas y acceder al vector almacenado en este
componente.
– El vector seleccionado en el paso 2 representa la forma en la
que debe quedar el tablero una vez realizado el movimiento
adecuado. Actualizar el Tablero con este vector.

Técnicas de IA
• Programa 1:
• Comentarios: El programa es muy eficiente en términos de tiempo.
Además en teoría sería capaz de jugar óptimamente a tres en raya.
Pero presenta las sgtes desventajas.
• Necesita gran cantidad de memoria para almacenar los tableros que
definen los movimientos correctos despues de cada estado posible del
mismo.
• Alguien debe realizar el pesado trabajo de grabar todas las posibles
entradas del vector Jugadas.
• Es poco probable que todas las entradas del vector Jugadas requeridas
pudieran ser determinadas e introducidas sin errores.
• Si se desea ampliar el juego, por ejemplo a tres dimensiones, sería
necesario empezar de cero, y además esta técnica necesitaría
almacenar 327 posiciones de tablero, cantidad que desbordaría la
capacidad de memoria de algunas computadoras.
Esta técnica no parece reunir los requisitos necesarios para ser una buena
técnica de IA.

Técnicas de IA
• Programa2
Solución 2:
El programa posee una estrategia para cada turno de jugador. Analiza
el posible triunfo a partir de un estado del tablero dado. Aunque es
menos eficiente que la solución anterior en términos de tiempo, tiene
la ventaja que es más eficiente en términos de espacio. Su estrategia
es más fácil de comprender y realizar cambios, aunque el
programador debe comprender la totalidad de la estrategia de
antemano. Además, no es posible generalizar parte del conocimiento
del programa hacia un dominio distinto, como tres en raya 3D.

Actividades
Cuestionario N 1: Introducción a la Inteligencia Artificial
1. Analice la siguiente definición e indique cuales son los aspectos que sobresalen en ella: “La
inteligencia Artificial Estudia como lograr que la maquinas realicen tareas que, por el
momento, son realizadas mejor por los seres humanos”
2. Conocimiento es sinónimo de información? Analice el siguiente ejemplo: Si
A es verdadero entonces B es verdadero sino C es falso.
3. Enuncie el Test de Turing. Según su criterio, podrá ser superado? Que aspectos considera
relevantes del test?
4. Que características debe tener un problema para aplicar técnicas de IA?
5. Analice el programa 2 del juego tres en línea del material adjunto. Si el objetivo es ganar la
partida, es posible alcanzarlo si se enfrentan dos jugadores racionales? Justifique su repuesta.
6. Defina con sus palabras que es la Inteligencia Artificial
7. ¿Estas aseveraciones son ciertas, e implican a la primera?
1. “En realidad las computadoras no son inteligentes, hacen solamente lo que le dicen los
programadores”
2. “En realidad los animales no son inteligentes, hacen solamente lo que le dicen sus
genes
3. “En realidad los animales, los humanos y los computadores no pueden ser inteligentes,
ellos solo hacen los que los átomos que los forman les dictan siguiendo las leyes de la
física”

Bibliografía
•HILERA, J. R. MARTINEZ, V. J. Redes Neuronales Artificiales.
Fundamentos, modelos y aplicaciones. Alfaomega. 2000.
•RICH, E. KNIGHT K. Inteligencia Artificial. Mc Graw Hill. 1996.
•RUSSELL, S. NORVIG, P. Inteligencia Artificial, Un Enfoque Moderno.
Prentice Hall. 1996.
•Sistemas Expertos y Representación del Conocimiento. Carnota y Teszkiwicz
(EBAI III 1988)
•Documentación del Curso Sistemas Expertos del Magister en Ciencias de la
Computación - Universidad de Cantabria, Santander España - Curso
Académico 1996/1997
•Documentación del Curso Sistemas Expertos de la Maestría en Infromática y
Computación - UNNE, Corrientes Argentina - Curso Académico 1999

Introducción a la Inteligencia Artificial

Más contenido relacionado

La actualidad más candente

Similar a Introducción a la Inteligencia Artificial

Introducción a la Inteligencia Artificial