Heuristica e Inteligencia Artificial

Heurística e Inteligencia Artificial
De Epistemowikia
Saltar a navegación, búsqueda
Los procesos que se llevan a cabo en el cerebro pueden ser analizados, a un nivel de abstacción dado, como procesos computacionales de algún tipo.
En cierto sentido, el enfoque heurístico es el característico de la IA. Newell y Simon asociaban el "método de búsqueda heurística" con el tipo de representación desoluciones parciales. Nosotros nos vamos a limitar a explicar qué significa el término "heurística" en el ambito de la inteligencia artificial.
Desde el inicio de la IA, el término "heurística" osciló entre dos sentidos fundamentales vinculados a la utilización de información del dominio de problemas (con el fin de hacer una búsqueda más eficiente) y a la imposibilidad de garantizar encontrar lasolución de un problema.
Estas definiciones se refieren, a dos conjuntos diferentes de métodos: dispositivos que mejoran la eficiencia y dispositivos que no garantizan obtener un resultado. El paradigma metaheurístico consiste en una familia de métodos de búsqueda que comenzó a desarrollarse con ese nombre a partir de la década del 80. Estrictamente no se lo considera un paradigma sino simplementeun conjunto de métodos o herramientas de búsqueda, pero es posible que tarde o temprano entre en esta categoría. Osman y Kelly (1996) describen la metaheurística del siguiente modo: "Estas familias de enfoques incluyen pero no se limitan a procedimientos adaptativos aleatorios golosos, algoritmos genéticos, búsqueda de umbral y sus híbridos. Incorporan conceptos basados en la evolución biológica,la resolución inteligente de problemas, las ciencias matemáticas y físicas, el estudio del sistema nervioso y la mecánica estadística". Un poco más adelante los autores describen a la disciplina de la siguiente forma: "Las metaheurísticas son una clase de métodos aproximados, que están diseñados para atacar problemas de optimización combinatoria difíciles para los que las heurísticas clásicasfracasaron en ser efectivas y eficientes. Las metaheurísticas proporcionan marcos generales que permiten crear nuevos híbridos combinando diferentes conceptos de: heurísticas clásicas; inteligencia artificial; evolución biológica; sistemas neuronales y mecánica estadística".
Finalmente, Osman y Kelly comentan: "Debe notarse que existen convergencias teóricas para algunas de las metaheurísticas bajoalgunos supuestos. Sin embargo, estos supuestos no pueden satisfacerse o aproximarse en la mayoría de las aplicaciones prácticas. Por lo tanto, se pierde la capacidad para demostrar optimalidad y se obtienen soluciones aproximadas. A pesar de este inconveniente, las metaheurísticas han sido altamente exitosas en encontrar soluciones óptimas o cuasi óptimas en muchas aplicaciones prácticas deoptimizaciones en diversas áreas, más que sus heurísticas subordinadas".
Yagiura e Ibaraki (1996) mencionan la combinación de herramientas heurísticas en marcos más sofisticados como característica distintiva de las metaheurísticas y consideran que dos de sus propiedades atractivas son la simplicidad y la robustez.
Finalmente y para que conste la estrecha relación entre heurística e inteligenciaartificial presentamos algunas definiones clásicas de Inteligencia Artificial:
Systems that can demonstrate human-like reasoning capability to enhance the quality of life and improve business competitiveness. (Japan-S’pore AI Centre)
La Inteligencia Artificial es el estudio de técnicas de resolución de problemas con complejidad exponencial a partir del conocimiento del campo de aplicación delproblema. (Rich)

Tipos de Algoritmos Heurísticos
En una primera clasificación podemos decir que los algoritmos heurísticos pueden ser simples o complejos. Los algoritmos simples tienden a tener reglas de terminación bien definidas, y se detienen en un óptimo local, mientras que los algoritmos más complejos pueden no tener reglas de terminación estándar, y buscan soluciones mejores hasta alcanzar un...