Inteligencia Artificial y Búsqueda en la resolución de problemas

Turing: Propuesta para demostrar la existencia de inteligencia en una máquina

Si una máquina se comporta como inteligente entonces debe serlo. Un juez se entrevista con dos jugadores: humano y máquina. Si ambos son hábiles, el juez no podrá distinguir a la máquina.

Habitación China: ¿Simulación o verdadera inteligencia?

Si una máquina puede simular inteligencia, es verdaderamente inteligente. La pregunta planteada es si la máquina realmente entiende chino o si solo lo simula (IA débil). Según Searle, la IA fuerte (entender chino verdaderamente) está equivocada, ya que en ningún momento la máquina entiende el chino, sino que usa un programa que simula un comportamiento inteligente.

Búsqueda por fuerza bruta

Enumera sistemáticamente todos los posibles estados durante la resolución. Se emplea en problemas de tamaño limitado o manejable.

Búsqueda por FB (anchura)

Explora nivel a nivel. El tiempo de cálculo y la necesidad de memoria crecen de forma exponencial a la profundidad. Es completo si el factor de ramificación es finito y óptimo si es completo y todas las acciones tienen igual coste.

Búsqueda por FB (profundidad)

Explora rama a rama. Almacena b*d estados e invertirá el mismo tiempo de cálculo en explorar n estados. Con una profundidad infinita, podría quedar atrapado, por lo que no es completo. Como no es completo, no puede ser óptimo.

Búsqueda por FB (Prof.I)

Soluciona los problemas de la búsqueda en profundidad, fijando un límite de profundidad en la búsqueda, que se va aumentando hasta un máximo. De este modo, no se queda atrapado. Almacena b*d estados y el tiempo depende del número de estados n a explorar. Es completo si la solución está dentro del límite máximo y el factor de ramificación es finito. Es óptimo si todas las acciones tienen igual coste.