Conceptos Esenciales de Inteligencia Artificial: Fundamentos y Aplicaciones Clave

Conceptos Fundamentales y Técnicas de Inteligencia Artificial

Explora las definiciones esenciales, los paradigmas clave y las técnicas avanzadas que impulsan el campo de la IA.

1. ¿Qué es la Inteligencia Artificial (IA)?

   Es la rama de la informática que desarrolla sistemas capaces de razonar, aprender y resolver problemas como lo haría un humano.

2. ¿Qué hace un Sistema Experto (SE)?

   Simula el razonamiento de un especialista usando reglas y conocimiento formalizado.

3. ¿En qué consiste el Razonamiento Basado en Casos (RBC)?

   Resuelve problemas nuevos reutilizando soluciones a problemas pasados similares.

4. ¿Qué son las Redes Neuronales Artificiales (RNA)?

   Modelos que aprenden patrones a partir de ejemplos, inspirados en el cerebro humano.

5. ¿Qué es la Computación Evolutiva?

   Métodos como los algoritmos genéticos que simulan la evolución para resolver problemas complejos.

Paradigmas de la Inteligencia Artificial

Descubre los diferentes enfoques y modelos que definen cómo la IA procesa y genera conocimiento.

6. ¿Qué es el paradigma simbólico?

   Utiliza símbolos y reglas lógicas para representar y manipular conocimiento.

7. ¿Qué es el paradigma conexionista?

   Usa redes de unidades simples conectadas (como neuronas) que aprenden de datos.

8. ¿Qué es el paradigma situado o reactivo?

   La inteligencia surge de la interacción directa con el entorno a través de sensores y efectores (conjunto de mecanismos de realimentación).

9. ¿Qué es el paradigma híbrido?

   Mezcla distintos enfoques (simbólico, neuronal, evolutivo) según el problema.

10. ¿Qué es el paradigma distribuido?

    Soluciona problemas mediante múltiples agentes que actúan colectivamente.

11. ¿Qué caracteriza al paradigma evolutivo?

    Usa principios de selección natural para generar soluciones mediante evolución.

12. ¿Qué es el paradigma de Sistemas Expertos?

    Sistema que simula el razonamiento de un experto para apoyar la toma de decisiones en un área específica.

13. ¿Qué es el paradigma de Algoritmos Genéticos?

    Método de búsqueda evolutiva que imita la selección natural para encontrar soluciones óptimas.

Representación del Conocimiento y Lógica en IA

Comprende cómo la IA organiza y procesa la información para tomar decisiones y resolver problemas.

14. ¿Qué elementos componen un mapa conceptual?

    • Conceptos (nodos)
    • Palabras de enlace
    • Proposiciones
    • Líneas conectoras

15. ¿Qué es una red semántica?

    Gráfico que representa conceptos como nodos y relaciones como enlaces.

16. ¿Qué relación expresa "esun"?

    Que un concepto pertenece a una clase más general. Ej: perro es un animal.

17. ¿Qué es una relación funcional en lógica de predicados?

    Es una relación expresada formalmente como: padre(Pedro, Juan), madre(Paola, Mariela).

Tipos de Razonamiento en Inteligencia Artificial

Explora las distintas formas en que los sistemas de IA infieren y llegan a conclusiones.

18. ¿Qué es el razonamiento monótono?

    Sus conclusiones no cambian, aunque se agregue nueva información.

19. ¿Qué es el razonamiento no monótono?

    Las conclusiones pueden cambiar si se añade nueva información.

20. ¿Qué es el razonamiento deductivo?

    Parte de generalizaciones para obtener conclusiones específicas (conclusiones válidas si las premisas lo son).

21. ¿Qué es el razonamiento inductivo?

    Generaliza a partir de ejemplos; sus conclusiones no son 100% seguras.

22. ¿Qué es el razonamiento abductivo?

    Busca la causa más probable de una observación.

23. ¿Qué es el razonamiento de sentido común?

    Razonamiento informal basado en la experiencia diaria.

Incertidumbre y Razonamiento Probabilístico en IA

Aprende cómo la IA maneja la información incompleta o incierta para tomar decisiones robustas.

24. ¿Qué es la incertidumbre en IA?

    Es la falta de certeza sobre eventos o hechos del entorno.

25. ¿Qué es el razonamiento probabilístico?

    Usa la probabilidad para razonar con información incierta.

26. ¿Qué es la probabilidad?

    Una posibilidad de que ocurra un evento incierto.

27. ¿Qué es la probabilidad condicional?

    Probabilidad de que ocurra un evento A dado que ya ocurrió B.

28. ¿Qué dice el teorema de Bayes?

    Permite actualizar la probabilidad de una hipótesis basada en nueva evidencia.

29. ¿Qué es una red bayesiana?

    Modelo gráfico que representa variables y sus dependencias probabilísticas mediante nodos y enlaces dirigidos.

30. ¿Qué representa cada nodo y enlace en una red bayesiana?

    • Nodo: variable aleatoria.
    • Enlace: influencia directa entre variables.

31. ¿Qué es una tabla de probabilidad condicional (CPT)?

    Especifica la probabilidad de un nodo dado el estado de sus nodos padres.

32. ¿Para qué se usa una red bayesiana?

    Para predecir, diagnosticar y tomar decisiones bajo incertidumbre.