INTELIGENCIA ARTIFICIAL UN ENFOQUE MODERNO Segunda edicionINTELIGENCIA ARTIFICIAL UN ENFOQUE MODERNO Segunda edicion Stuart J. Russell y Peter Norvig Traduccién: Juan Manuel Corchado Rodriguez Facultad de Ciencias Universidad de Salamanca Fernando Martin Rubio, José Manuel Cadenas Figueredo, Luis Daniel Hernandez Molinero y Enrique Paniagua Aris Facultad de Informatica Universidad de Murcia Raquel Fuentetaja Pinzin y Monica Robledo de los Santos Universidad Pontificia de Salamanca, campus Madrid Ramén Rizo Aldeguer Escuela Politécnica Superior Universidad de Alicante Reyvisién técnica: Juan Manuel Corchado Rodriguez Facultad de Ciencias Universidad de Salamanca Fernando Martin Rubio Facultad de Informética Universidad de Murcia Andrés Castille Sanz y Maria Luisa Diez Plata Facultad de Informatica Universidad Pomtificia de Salamanca, campus Madrid Coordinaci6n general de la traducci6n y revision técnica: Luis Joyanes Aguilar Facultad de Informatica Universidad Pontificia de Salamanca, campus Madrid Madhid « México + Santafé de Bogotd + Buenos Aires * Caracas * Lima ‘Montevideo « San Juan * San José * Santiago + S80 Paulo « Whita Plains‘Dos de calogacin tigen {NTELIGENCIA ARTIFICIAL. UN ENFOQUE MODERNO Segunda eicién PEARSON EDUCACION, S.A, Mate, 2004 Matrix tfcesice 81.3 ormit 195 % 250 Paginas 1240 “Todas tos derechos reservados. (Queda probibida, salvo excepcidn previstaen la le, cualquier forma de reproduccién, distribucién, comunicaciGn publica y transformacisn de esta ob sin contar con autorizacin de los tituares de propiedad intelectual La infraccign de los derechos mencionados puede ser consttutiva de delito contra la propiedad intelectual (arts. 270 sets. Cédigo Penal) DERECHOS RESERVADOS (© 2004 por PEARSON EDUCACION; S.A. Ribera del Loira, 28 ‘28042 Madrid (Espaa) INTELIGENCIA ARTIFICIAL. UN ENFOQUE MODERNO. Segunda edicién RUSSELL, S.J; NORVIG, P. ISBN: 84.208-4003-X Depésito Legal: M-26913-2004 PEARSON PRENTICI HALL es un sello editorial autorizado de PEARSON EDUCACION, S.A. Authorized wanstation from the English language edition, entitled ARTIFICIAL INTELLIGENCE: ‘A MODERN APPROACH, 2" edition by RUSSELL, STUART; NORVIG, PETER. Published by Pearson Education, Inc, publishing as Prentice Hall (© 2008. All rights reserved No part or this book may be reproduced or transmitted in any form or by any means, electronic or mechanical, including photocopying, recording or by any information storage retrieval system, without permission from Pearson Falucation, Inc. ISBN: 0-13-790395.2 Equipo editori Eaitor: David Fayerman Aragén ‘Técnico editorial: Ana Isabel Equipo de produccién: Director: José Antonio Clares ‘Técnico: José Antonio Heman Disefio de cubierta: Equipo de dsefio de PEARSON EDUCACION, S.A. ‘Composicién: COPIBOOK, SL. Impreso por: Top Printer Plus IMPRESO EN ESPANA - PRINTED IN SPAINContenido ———=__———— ee Pr élogo XIX Sobre los autores XXV 1 Introduccién, 1 LI (Quées Ia IA? 2 Comportamiento humano: el enfoque de la Prueba de Turing 3 Pensar como un humano: el enfoque del modelo cognitive 3 4 5 6 Pensamiento racional: el enfoque de las «leyes del pensamientor Actuar de forma racional: el enfoque del agente racional 1.2. Los fundamentos de la inteligencia artificial Filosofia (desde el afio 428 a.C. hasta el presente) 6 eméticas (aproximadamente desde el afio 800 al presente) 9 Economia (desde el ao 1776 hasta el presente) un Neurociencia (desde el ao 1861 hasta el presente) 2 Pricotogia (desde el allo 1879 hasta el presente) Is Ingenieria computacional (desde el alo 1940 hasta el presente) 6 Teoria de control y cibernética (desde el afio 1948 hasta el presente) 7 Lingiifstica (desde el afio 1957 hasta el presente) 18 1.3. Historia de la inteligencia artificial 9 Génesis de la inteligencia artificial (1943-1955) 0 Nacimiento de la inteligencia artificial (1956) 20 Entusiasmo inicial, grandes esperanzas (1952-1969) 2 Una dosis de realidad (1966-1973) 24 Sistemas basados en el conocimiento: ;clave del poder? (1969-1979) 26 La IA se convierte en una industria (desde 1980 hasta el presente) 28 Regreso de las redes neuronales (desde 1986 hasta el presente) 29 1A se convierte en una ciencia (dese 1987 hasta el presente) 29 mergencia de los sistemas inteligentes (desde 1995 hasta el presente) 31 14 Blestado del arte 32 LS Resumen 3 Notas bibliogrificas e historicas 34 Ejercicios 35 2 Agentes inteligentes 7 2.1 Agentes y su entorno 7 2.2 Buen comportamiento: el conceplo de racionalidad 40 Medidas de rendimiento 40 Racionalidad 41vr CONTENIDO: Onnisciencia, aprendizaje y autonomia 2.3 La naturaleza del entorno Especificacisn del entorno de trabajo Propiedades de los entornos de trabajo Estructura de los Programas de los agentes Agentes reactivos simples Agen Agentes basatlos en objetivos Agentes hasalos en utilidad Agentes que aprenden 2.5 Resumen Notas bibliograticas ¢ historicas Ejervicios mes s reactivos basaadas en modelos Resolver problemas mediante bisqueda 3.1 Agentes resolventes-problemas, Problemas y soluciones bien definidos Formular los problemas 3.2. Ejemplos de problemas Problemas de jug Problemas del mundo real 3.3. Buisqueda de soluciones Medir el renslimiento de la resolucién del problema 344 Bstrategias de buisqueds no informada Buisqueda primero en anchura Bhisqueda de costo uniforme Buisqueda primero en profundidad Baisqueda de profundidac limitada Buisqueda primero en profundic: Buisqueda bidireccional Comparacién de las estrategias de buisqueda no informad, 3.5. Bvitar estados repetidos 3.6 Bisqueda con informacidn parcial con profundidad iterativa Problemas sin sensores Problemas de contings 3.7 Resumen Notas hibliografi Ejervicios as e historieas, Busqueda informada y exploracién 4.1 Estrategias de busqueda informada (heuristicas) Baisqueda voraz, primero el mejor Buisqueda A*: minimizar el costo estimado (otal dela solucivin Buisqueda heurfstica con memoria acotada Aprender a buscar mejor 4.2 Funciones heuristicas, El efecto de la precisisn heuristica en el rendimiento Inventar funciones heurfsticas sdmisibles Aprendizaje de heuristicas desde la experiencia 4.3. Algoritmos de biisqueda local y problemas de optimizacivin 2 4 “4 7 SI Sl 53 55 37 58 59 2 63 65 7CONTENIDO Buisqueda de ascensi6n de colinas Buisqueda de temple simulado Buisqueda por haz local Algoritmos genstivos 4.4 Buisqueda local en espacios continuos 45. Agentes de buisqueda online y ambientes desconocidos Problemas de busqueda en linea (online) Agentes de biisquedsa en linea (online) Buisqueda local en linea (online) Aprendizaje en la busqueda en linea (online) 4.6 Resumen Notas bibliogesticas hist6rieas Bje Problemas de satisfaceidn de restriceiones 5.1 Problemas de satisfaccidn de restriecioney 5.2. Buisqueda con vuelta atris para PSR lable y ordenantiento de valor Propagacidn de la informaciéin a través de lus restrieciones Comprobitcién hacia delante Propay Manejo de restricciones especiales Vuelta atrais inteligente: mirando hacia atras 5.3. Brisqueda local para problemas de satisfaccidn de restricciones 54 La estructura de los problemas 5.5. Resumen icin de testricciones Notas bibliogrificas e histiricas Bjercicios isqueda entre adversarios 6.1 Juegos 6.2 Decisiones 6ptimas en juezos ‘sirategias Optimas EL algoritmo minimax Decisiones Sptimas en juegos multijugador 6.3 Pods alfa-beta 6.4 Decisiones en tiempo real imperfectas Funciones de evaluaci6n Corte de ka bvisquedl 6.5. Juegos que ineluyen un clemento de posibilidud Evaluacién de la posieidn en juegos con nodos de posibilidad Complejidad del minimaxesperado Juegos de cartas 6.6 Programas de juegos 6.7 Discusivn 68 Resumen Notss bibliogrificas c historias Rjereivios Agentes ligicos. 71 Agentes basados en conocimiento 7.2 EL mundo de wampusvu CONTENIDO 73 14 16 a4 78 Logica Logica propovicional: una logica muy sencilla Sintaxis Semintica Una base de conocimiento sencilla Inferencia Equivalencia, validez y satisfacibilidad Patrones de razonamiento en légica proposicional Resolucién Forma normal conjuntiva Un algoritmo de resolucién Completitud de la resolucién Encadenamiento hacia delante y hacia atras Inferencia proposicional efectiva Un algoritmo completo con backtracking («vuelta atti») Algoritmos de busqueda local Problemas duros de satisfucibilidad Agentes basados en lgica proposicional Encontrar hoyos y wurmpas utilizando la inferencia t6gica Guardar la pista acerca de la localizaci6n y ls orientacién del agente Agentes hasados en circuitos Una comparacion Resumg Notas bibliogrificas ¢ hist6rieas Logica de primer orden a 82 83 Ba Revisidn de la representacitn Sintaxis y semantica de la lbgica de primer orden Modelos en bogies de primer orden Simbolos e intespretaciones Términos Sentencias atémicas Senteacias compuestas Cuantificadores (Cuantificador universal (9) ‘Cuantificacion existencial () Cuantificadores anidados Conexiones entre ¥ y 3 ewaldad Unlizar la logiea de primer orden Aserciones y petiviones en Ioxica de primer orden EI dominio del parentesco Naimeros, conjuntos y Bistas EL mundo de wempus Ingenieria del conocimiento con I6gica de primer orden Fl proceso de ingenierfa del conocimiento El dominio de los eitcuitos eleetrinicos Meotificar ka tarea Recopilar cl conocimiento relevante socabulario Decidir el 29 230 233 233 235 236 239) 2a 22 23 24d 248 2s 240 251 253 253 255 256 260 i 262 26685 Notas bibliogri CONTENIDO Codificar el conocimiento general del dominio Codificar fa instancia del problema Planteat peticiones al procedimiento de inferencia Depurar la base de conocimiento Resumen case histori Ejercicios 9 Inferencia en légica de primer orden 9 93 94 9.6 Logica proposicional vs. Légica de primer orden Reglas de inferencia para cuantificadores Reduecidn a la inferencia proposicional Uniticaci6n y sustitueivn Una regia de inferencia de primer orden Unificacién Almacenamiento y recuperacisn Encadenamiento hacia delante Cléusulas positivas de primer orden Un algoritmo sencillo de encadenamiento hacia delante Encadenamiento hacia delante eficiente Emparejar reglas con los hechos conocidos Encadenamiento hacia delante incremental Hechos irrelevantes Encadenamiento hacia atris Un algoritmo de encadenamiento hacia atris Programacién légica Implementacién eficiente de programas li Inferencia redundante y bucles infinitos Programacin logica con restricciones Resolucion Formas normales conjumtivas en logiea de primer orden La regla de inferencia de resolucisn Demostraciones de ejemplo Completitud de Ia resolucisn Manejar la iguatdad Estratewias de resolucion Resolucion unitaria Resolucién mediante conjunto soporte Reyolucién lineal Subsuneién Demostradores de teoremas Diseio de un demostrador de teoremas Ampliarel Prolog Demostradores de teorensis como asistentes Usos pricticos de los demostradores de teoremas Resumen, Notas bibliogrificas e histirieas Ejereicios 1 Representacién det conacimiento ier ontoliigiea fa y objets Ix 300 300 301 301 302 308 308 309 310 310 BI 312 313 314 15 318 318.CONTENIDO, u Objetos compuestos Medidas Sustancias y objetos 10.3 Acciones, situaciones y eventos La ontologia del ealeulo de Staaciones Deseripcidn de accioves en el caleulo de situaciones Resolver el problema de ka representaci6n del marco ofver el problema de la inferencia del marco El tiempo y el caleulo de eventos Eventos generalizaclos Procesos Intervallos Flujos y abjetos 10.4 Eventos mentales y objetos mentales Una teoria formal de ereencias, Conocimiento y ereenciz Conocimiento, tiempo y accidn 10,5. El mundo de ta compra por Internet Comparacion de ofertas 10.6 Sistemas de razonamiento para cateyorias Redes semanticas Liigica descriptiva 10.7 Razonamiento con informacicn por defecto Mundos abiertos y eertados Negacisin como fallo y sementieas de modlelado estates Cireunseripcidn y logiea por defecto 10.8 Sistemas de maneaiimiento de verdad 10.9 Resumen Notas bibli Ejercicios ficas e historicas Planificaciin TLL El problema de planificacion EL lenguaje de fos problemas de planificacion Expresividad y extensiones, Ejemplo: transporte de carga aéreo Ejemplo: el problema de la rueds de recambio Ejemplo: J ntundo de fos bloques 11.2. Planificacion con buisquedas en espacios de estado Busquedas hacia-delante en el espacin de estados Buisqued hacia-atris en el espacio de estados Heuristicas para ta busqueda en el espacio de estado 11.3. Planificacion ordenada parcialmente Ejemplo de planiicacién de orden parcial “Planifieacién de orden parcial con variables independientes, Heurfsticas para planificacion de orien parcial HA Grafos de planiti Gralos de planifigacidn para estimacton de heuristicas PLagoritmes Guaruetan Interrupeidin de Grarsin.as, 11.5 Phinificacidn con ligica proposicional 308, 309) 37 373 373 315 a7 379 389 381 383 set 386 387 387 389 390 301 395, 397 397 401 402 403, 405 406 409 aul 412 ay a 48 a 431 133 434 434 46 436 438 439 441 445 44s, 449 450 453 454 497 i582 116 7 CONTENIDO Descripeisin de problemas de planificaci6n en I6giea proposicionsl Complejidad de codificaciones proposicionales Analisis de los enfoques de plant Resumen Notas bibliognificas e histories Ejercicios Planificaci6n v aceién en el mundo real 12.1 Tiempo. planiticacidn y recursos Programacién con resttieeidn de recursos 12.2. Redes de planificavién jerérquica de tareas Representucidn de descomposicion de aeciones, Moaliicaci6n de planificadores para su descomposicidn Discusion 12.3 Planificaciin y acciin en dominios no deterministas 12.4 Planificacion condicional Planifieacin condicional en entomnos completamente observables Planificacién condicional en entornos parcialmente observables 12.5. Vigilancia de ejecucicn y replanificacién 12.6 Planificacior continua 12.7 Pkaifieacién multiagente ‘Cooperacién: planes y objetivos conjuntos Planificacidn condicional en entornos parcialmente observables Mecanismos de coordinacidn Mecanismos dle eoordinacion 128 Resumen Notas hibliognifieas ¢ histricas Bjercicios Incertidumb 1B. Comportamiento bajo incertidumbre Manipulacisn de} conocimiento incierto Incertidumbre y devisiones racionales Disco de un agente de decision te6rieo 13.2. Notacion buisica con probabilidades Proposiciones Sucesns atmicos Probabilidad prion Probabilidad condicional 13.3 Los axiomas de la probabilidad Utilizacion de los sxiomas de probabilidad Por qué los axiomas dela probabildee! son razonables 13.4 Inferencia usando las ditriaciones conjuntas tales 13.5. Indypendencia 136. La Regls de Bayes y su uso Apficacidn de la egha de Bayes: el ease sencillo © Utlizacn de ha repla de Bayes: comibinavion de evideneia 147 ELmundo wiempus revista 13K Resumen, Notas hilbliogritieas ¢ historieas Ejercieios XI 458, 462 463 465 460) 469 475 475 478 481 482 48a 487 490 498 493 498 502 507 512 512 sla sis 517 si sis 527 527 528 530) sal 532 su 5a 536 537 539 540) Sal sad 546, 547 54s 550) 584 555 ss?xi CONT ENDO 14 Razonamiento probabilista 14.1 Larepresentacisn del conocimiento en un dominio incierto 14.2 La seiaintiew de las redes hayesianas La representacién de la distribucién conjunta completa ‘Un método para la construccidn de redes bayesianas Compactacién y ordenacién de nodos Relaciones de independencia condicional en redes bayesianas 14.3 Representacidn eficiente de las distribuciones condicionales Redes bayesianas con variables continua, 14.4 Inferencia exacta en redes bayesianas Inferencia por enumeracion EL algoritmo de climinacién de variables La complejidad de [a inferencia exacta Algoritmos basados en grupos 14.5 _Inferencia aproximada en rei Métodos de muestreo directo ‘Muestreo por rechazo en redes bayesianas Ponderacién de la verosimilitud Inferencia por simulacion en eadenas de Markov 14.6 Extension de la probabilidad a representaciones de primer orden 14.7 Otros enfogues al razonamiento con incertidumbre Metodos asados en reglas para rizonamiento con incertidumbre Representacién de ln ignorancia: eorfa de Dempster-Shafer Representacién de Ja vaguedad: conjuntos difusos y légica difusa 148, Resumen Notas bibliogrificas ¢ historicas Ejercicios es bayesianas 15. Razonamiento probabilista en el tiempo 15.1. El tiempo y la incertidumbre Estados y observaciones, Proceso estacionarios e hipstesis de Markov 15.2 Infereneia en modelos temporales Filtrado y prediecicin Suavizacde Encontrar la secuencia mis probable 15.3 Modelos ocultas de Markow Algoritmos matriciales simplificados 1540 Fluus de Kalman Actualizacidn de distribuciones gaussianas Un ejemplo unidimensional sencillo Fl caso genera Aplicabilidad del fltrada de Kalman ISS Rey Construceidn de RBDS Infereneia exacta en RBDs Infereneia aproxinada en RBDs 15.0 Reconocimiento de! hab Sonilos del halt Palabras es hayesianas dindmicas Oraciones S61 S61 564 S64 565 566 508 50) ST ST 575 377 S80) S80) 583 585 587 590) sus 596, 598 599 onl oo! 06 ou oul on ol ols. 6l7 ow on 624 or 028 on 632 O38 635, 636. a0) 641 as 647 4 6s16 7 18 CONTENIDO Construccion de un reconocedor del hublt 15.7 Resun Notas bibliog Bjeteicios Toma de decisiones sencillas 16.1 Combinacidn de ereencias y deseos hajo condiciones de incertidumbre 16.2 Los fundamentos de la teoria de ts utiidad Restricciones sobre preferencias racionales y entonces aparecié ta utitidad 16.3 Funciones de utilidad La utilidad del dinero, scala de utilidad y evaluacidn de fa utilidad 164 Funciones de utitidad multiatribato Predominio . Pstructura de preferencia y utilidad multiatribuco referencias sin incertidumbre Preferencias con incertidumbre 16.5 Redes de decision Representacién de un problema de decision mediante una ted de decisidn Evuluacidin en redes de decision 16.6 El valor de la informacion Un ejemplo sencillo Una formuta general Propiedades del valor de Ia informacién Implementacién de un agente recopilador de informacién 16.7. Sistemas expertos basados en la teorfa de la decisién. 16.8 Resumen Notas bibliogitfieas e historieas Ejercicios Toma de decisiones complejas 17.1 Problemas de deciston secuenciales Un ejemplo Optimalidad en problemay de decision secuenciales 17.2. Iteraci6n de valores Utildades de Los estados Fl algoritmo de iteracién de valores Convergencia de la iteracidn de valores 17.8 Heracion de politicas 174 Procesos de decision de Matkov parcialmente observables 17.5. Agentes basados en Ia teoria de la decisicin 17.6 Decisiones con varios agentes: teorfa de juegos 17.7. Disefio de mecanismos, V7.8 Resumen . Notas bibliogiicas e histéricas Aprendizaje de observaciones IX.1 Formas de aprendizaje 18.2 Aprendizaje inductive XI 654 656 656 659 663 664 665 666 608 669 669) on om o7t 77 677 678 679 om os 682 682 683 685 685 680. 690 690 92 697 698, 698, 01 0d 704 05 07 710 m2 116 19 79 732 733 736 739 79 72XIV CONTENIDO » 20 18.3 Aprender drbotes de decisidin Arboles de decisin como herramienta de desarrollo, Expresividad de los dirboles de decision Inducir irboles de decision a partir de ejemplos Eleceidn de los atrbutos de test Valoracisn de la calidad del algoritmo de aprendizaje Ruido y sobreajuste Extensidn de la aplicabilidad de los érboles de decision I84_ Aprendizaje de conjuntos de hipstesis 18.5 Por qué funciona cl aprendizaje”: teoréa computacional del aprendizaje ic ian? ‘Aprendizaje de listas de decision Discusion 18.6 Resumen Notas bibliogrificas e histérieas Bjetvicios intos ejemplos se ne Conocimiento en el aprendizaje 19.1 Uns formulacién légica del aprendizaje Ejemplos e hipstesis asqueda mejor-hipstesis-aetual Bisqueda de minimo compromise 19.2. Conocimiento en el aprendizaje Algunos ejemplos seneillos Algunos esquemas generales 19.3 Aprendizaje basado en explicaciones, Extracr reglas generals & partir de ejemplos: Mejorar la ef 19.4 Aprendizaje basado en informacién relevante Determinar el espacio de hipatesis Aprender y utilizar informacidn relevante 19,5 Programacion logics inductivar Un ciemplo M do «le aprendizaje inductive de arriba a abajo (Top-down Aprendizaje induetivo con deduccidn inverst Hacer descubrimientos con la programe! 186 Resumen Notas bibliogrificas ¢ historicas Eereicios Metodos estadisticns de aprendizaje 20.1 Aprendizaie estadistico 20.2. Aprendizate con datos completos [Aprendizaje del parsimetro de maxima verosimilitud: modelos diseretos Modelos de Bayes simpley (Naive B: Aprendizaje de parimetos de niixima verosimilitud: modelos continuos Aprendizaje de pardmetos Bayesiano Aprendizaje de la estructura de kis redes bayesianas 20.3 Aprendizaje con variables ocultay: el algoritmne EM. Ay Aprendizaje de redes bayesianas con variables veultas res) ipamivnty no supervisalor aprenulizatie de mezclas de m4 a4 74s 146 750 752 753 755 756 700 761 103 105, 766 167 709) T™ mm mm 116 Ts 782 784 784 786 187 780 1 2 792 795 795 78, sol 803 805 806 809 su si Bis SIs Bis 819 821 823 825 826, #29)CONTENIDO, Aprendizaje de modelos de Markov ocultos Forma general del algoritmo EM Aprendizaje de la estructura de las redes de Bayes con variables ocultas 204 Aprendizaje basado en instancias Maadelos de vecinos mis cereanos Modelos nticleo 20.5 Redes nevronales Unidades en redes neuronales Estructura de las re Redes neuronales de una sola capa con alimentaci6n-hacia-delante (perceptrones) Redes neuronales multicapa con alimentacisn hacia delante Aprendizaje de la estructura de las redes neuronales 20.6 Maiguinas miicleo 20.7 Caso de estudio: reconocedor de digitos escritos a mano 20.8 Resumen Notas bibliogeaticas e bistéricas Bjercicios Aprendizaje por refuerzo 21.1 Introduccisn 21,2 Aprendizaje por refuerzo pasivo Estimacion directa de la utilidad Programacion dinamica adaptativa Aprendizaje de diferencia temporal 21.3 Aprendizaje por refuerzo active Exploracion Aprendizaje de una Funcién Accién: Valor 214) Generalizacién en aprendizaje por vefuerzo Aplicaciones a juey Aplicacién a control de robots 21.5 Biisqueda de la politica 21.6 Resumen Notas bibliootiicas e histuricas Ejereicios 2.1 La comunicacién como accion Fundamentos del lenguaje Etapas de la comunicacisn Una gramstiea formal para un fragmento del espaiiol EI Iéxico de e0 La Gramitica de eb 22.3. Anilisis sintgetien Anilisis sintictico eficiente 24 Gramatieas aumentadas Subeateyorizacion del verbo Capacidad generativa de lay gramtiticas uments 22.5. Interpretacidn semantics Fa semtdntiea de un fragmento en espaol Tiempo y forma verbal Cuantiticacivin xv 831 832 833, 834 835 837 838 839 840 saz 846 ssl 851 855) 897 859. 863 867 867 869) 870. aT sr 816 876 880 882 885) 886 887 800) 801 894 897 898, 809) 900 903 904 904 905 908: old 916 ons ow 90 921XVI CONTENIDO 2B 4 Interpretacin pragmatica Generacién de lenguajes con DCGs 22.6 Ambigitedad y desambigiiedad Desambiguacién 22.7 Comprensi6n del diseurso Resolucién por referencia La estructura de un discurso coherente in gramatical Notas bibliogr Bjercicios Procesamiento proba 23.1. Modelos prohabilisticos de! lenguaje Gramticas probahilisticas independientes del contexto Aprendizaje de probabilidades para PCFGs. Aprendizaje de la estructura de las reglas para PCF Recuperacion de datos Evaluacidn de los Sistemas de RD Refinamientos RD Presentacién de Jos conjuntos de resultados Implementar sistemas RD 23.3 Extraccién de la informacién 234 Traduccién avtomitica Sistemas de traduccién automa ‘Tradueci6n automtica estaistica Probabilidades de aprendizaje para la traduccion automtica 23.5 Resumen Notas bibliogrificas e histérieas Ejercicios Percepeidn 24.1 Introduccion 24.2 Formacién de la imagen Imigenes sin lentes: a edimara de orificio 6 pinhole Sistemas de lentes Luz: la fotometrfa de la formacion de imégenes Color: Is espectrofotometria de la formaciéin de imiigenes 24.3. Operaciones de procesamiento de imagen :t bajo nivel Deteccidn de aristas Segmentacidn de la imagen 244 Extraceidn de informacion tridimensional Movimiento. Extereoscopia binocular Gradientes de textura Sombreado Contormo 24.5 Reconocimiente de abjetos Reconocimiento basado en la intensidd Reconocimient basado en las earacteristivas Estimacidin de postura 925 926 927 929 930. 9B 932, 934 936 937 oat 945: 945: 949 950 951 952 955 956 957 959 961 964 966, 967 970. 972 972 o75. 97 979 ost 982 983 983 985; ONG os7 990 991 993) 996 vor co) hoon nod 1007 aos iw% CONTENIDO, 24.6 Empleo de la visidn para a manip 24.7 Resumen Notas hibliograiicas e historicas Bjercicios Robstica 25.1. Introduecién 25.2 Hardware robotico Sensores, Efectores 25.3 Percepeisn robsitica Localiz ‘én Generacién de mapas Otros tipos de percepeidn Planear el movimiento Eypacio de configuracién Métodos de descomposicidn en celdas Métodos de esqueletizacién 25.5. Planificar movimientos inciertos Métodos robustos 25.6 Movimiento Dinémica y control Control del campo de potencial Control reactive 25.7 Arquitecturas software robéticas Arquitectura de subsumpeiéin Arquitectura de tres capas Lenguajes de programacidn roboticos 258 Dominios de aplicacién 259 Resumen Notas bibliografieas e historieas. Ejercicios Fundamentos wéficos, 26.1 TA débil: {pueden kas maquinas uetuar con inteligencia? EL argumento de incapacidad La objecion matemstica £1 arguanento de la informalidad 26.2. 1A fuerte: pueden las miguinas pensar de verdad? BE problema de mente-cuerpo El experimento del «cerebro en una cubetar El experiment de ta prétesis cerebral La habitacién ehina 26.3 La ética y los rieygos de desarrollar la Inteligeneia Artificial 26.4 Resumen Notas bibliogr icas ¢ histories Hjeteivins TA: presente y future 27.1 Componentes de tos agentes 27.2 Arquitecturay de agentes XVI 1012 rol 11s 11s 1023 1023 1025 102s 1027 1029 1031 1036 1039 1039 tao lows 1046 1047 1048 1031 10st 1054 1055 10ST 1058 oso 1000 1061 1064 1005 1069 1075 1075 77 1078 lo79 Lost losa loss 10K6 oss: 1090 109s 1095 1098 1099 loo hozXVI CONTENIDO 27,3. ¢kstamos Hevando la diteccidn salecuada? 274 {Qué ocurriia si la LA tuviera éxito? A. Fundamentos matem: cos A.1Anilisis de ka complejidad y la notacion OF ) Ana Los proble isis asintstico inherentemente dificiles y NP A.2 Vectores, matrices y ilgebra lineal |A.3._ Distribuciones de probabilidades Notas bibliogrificas e historicas B Notas sobre lenguajes y algo B.1Definicisn de lenguajes con Backus: Naur Form (BNF) B.2__ Algoritmos de descripcisn en pseudocédigo B3 Ayuda en lines Bibliografia Indice alfabético Hos 1106 1109 1109 1109 io m2 tg ins 17 17 1s 19 124 1179ee Prologo ———————— La Intcligencia Artificial (IA) es un campo grande (enorme), y este libro también, He intentado explorarlo con plena profundidad acompafiéndolo constantemente de Wigica, probabilidad y matemiticas; de percepcién, razonamiento, aprendizaje y accién, es decir, de todo To que procede de los dispositivos microelectrOnicos hasta los explorado- res del planetario de la robstica, Otra razén para que este libro se pueda considerar espléndido es ka profundidad en la presentacidn de los resultados, aunque nos hayamos, esforzado por abarcar s6lo las ideas mas centrales en fa parte principal de cada eapste. lo, En las notas bibliogriticas al final de cada capitulo se proporcionan consejos para promover resultados, EI subtitulo de este libro es «Un Enfoque Moderno». Lat intencin de esta frase bas- {ante vaefa es el hecho de que hemos intentado sintetizar lo que se conoce ahora dentio de un marco de trabajo comin, en vez de intentar explicar cada uno de los subeampos de la IA dentro de su propio contexto histérico. Nos disculpamos ante aquellos cuyos. subcampos son, como resultado, menos reconocibles de lo que podrfan haber sido de cual- quier otra forma. El principal tema unificador es Ia idea del agente inteligente, Definimos la 1A como el estudio de los agentes que reciben percepciones del entorno y Hevan a cabo las ac ciones, Cada a gente implementa una funcidn la cual estructur Jas secuencias de las per cepciones en acciones; también tratamos las diferentes formas de representar estas fun- ciones, tales como sistemas de produccién, agentes reactivos, plani icadores condicionales en tiempo real, redes neurales y sistemas tedricos para las decisiones. Explicaremos el papel del aprendizaje cuando aleanza al diseiador y eémo se introduce en entornos des conocidos, mostrando también cémo ese papel limita el disefio del agente, favorecien- do asi la representaci6n y el razonamiento explicitos del conocimiento, Trataremos la robdtica y su visién no como problemas con una definicisn independiente, sino como algo que ocurre para lograr los objetivos. Daremos importancia al entorno de las tareas al determinar el diseao apropiado de Tos agentesXX PROLOGO Nuestro objetivo principal es el de transmitir las ideas que han surgido durante los diltimos 50 aiios de investigacién en IA y trabajos afines durante los dos titimos mile nios. Hemos intentado evitar una excesiva formalidad en la presentacidn de estas ideas a la vez que hemos intentado cuidar la precisiGn, Siempre que es necesario y adecuado, incluimos algoritmos en pseudo cédigo para concretar las ideas, lo que se describe en el Apéndice B. Las implementaciones en varios lenguajes de programacién estén dis- ponibles en el sitio Web de este libro, en la direccién de Internet aima.es.berkeley.edu, Este libro se ha pensado principalmente para utilizarse en un curso de diplomatui en. una serie de varios cursos, También se puede utilizar en un curso de licenciatura (quizés acompaiado de algunas de las fuentes primarias, como las que se sugieren en las notas bibliograficas), Debida a la extensa cobertura y a la gran cantidad de algorit- ‘mos detallados, también es una herramienta Gti! como manual de referencist primario para alumnos de licenciatura superior y profesionales que deseen abarcar mas alld de su pro- pio subcampo, El Gnico prerrequisito es familiarizarse con los conceptos basicos de la Ciencia de la informédtica (algoritmos, estructuras de datos, complejidad) a un nivel de aprendizaje de segundo afo. El célculo de Freshman es titi para entender las redes new- rales y el aprendizaje estadistico en detalle, En el Apéndice A se ofrecen los fundamentos matemiiticos necesarios. Vision general del libro El libro se divide en ocho partes. La Parte 1, Inteligencia Artificial, ofrece una visién de la empresa de TA basado en la idea de los agentes inteligentes, sistemas que pueden decidir qué hacer y entonces actutar. La Parte I, Resolucién de Problemas, se concentra en los métodos para decidir qué hacer cuando se planean varios pasos con antelacién, por ejemplo, navegar para eruzar un pais 0 jugar al ajedrez. La Parte 11, Conocimien- to y Razonamiento, abarca las formas de representar el conocimiento sobre el mundo, es decir, cémo funciona, qué aspecto tiene actualmente y cémo podria actuar, y estudia tambign edmo ravonar de forma légica con ese conocimiento, La Parte IV, Planifica ci6n, abarca cémo utilizar esos métodos de razonamiento para decidir qué hacer, parti- cularmente construyendo planes. La Parte V, Conocimiento y Razonamiento Inci tos, se asemeja a las Partes HIT y EV, pero se concentra en el razonamiento y en la toma de decisiones en presencia de la incertidumbre del mundo, la forma en que se podria en- frentar, por ejemplo, a un sistema de tratamiento y diagnosis médicos, Las Partes II y V describen esa parte del agente inteligente responsable de aleanzar Jas decisiones. La Parte [V, Aprendizaje, describe los métodos para generar el conoci: miento requerido por los componentes de la toma de decisiones. La Parte VI, Comu- nicacién, Percepeién y Actuacién, describe las formas en que un agente inteligente pue- de percibir su entorno para saber lo que estii ocurriendo, tanto si es mediante la vision, el tacto, el ofdo 0 el entendimiento del idioma; también describe cémo se pueden tra formar Jos pkines en aeciones reales, o bien en movimientos de un robot, o bien en dr- denes del lenguaje natural, Finalmente, la Parte VII, Conelusiones, analiza el pasado y el futuro de la TA y sus repercusiones filossticas y éticas.PROLOGO—-XXT Cambios de la primera edicién Desde que en 1995 se publics la primera edicisn, la LA ha suftido muchos cambios, por lo tanto esta edicidn también ha sufrido muchos cambios. Se han vuelto a escribir todos Jos capitulos elocuentemente para reflejar los titimos trabajos de este campo, reinter- pretar los trabajos anteriores para que haya mayor coherencia con los actuales y mejo- rar la direccidn pedagdgica de las ideas. Los seguidores de la [A deberfan estar alenta dos, ya que las técnicas actuales son mucho mais pricticas que las del aio 1995; por ejemplo, los algoritmos de planificacién de la primera edicisin podrian slo de unos cuantos pasos, mientras que los algoritmos de esta edicién superan los mi- les de pasos. En la deduccidn probalistica se han visto mejoras similares de érdenes de magnitud, procesamiento de lenguajes y otros subcampoy. A continuaci Jos cambios mas destacables de esta edicién eenerar pla n se muestran + En la Parte T hacemos un reconocimiento de las contribuciones histérieas a la teorfa de controles, teorfa de juegos, economia y neurociencia, Esto ayudard a sintonizar con una cobertura més integrada de estas ideas en los siguientes ea pitulos, + En la Parte II se estudian los algoritmos de busqueda en linea, y se ha afiadido un capitulo nuevo sobre la satisfaccidn de las limitaciones. Este tiltimo proporeiona una conexién natural con el material sobre la légica. + En la Parte III la l6gica proposicional, que en la primera edicién, se present como un peldaio a la légica de primer orden, ahora se presenta como un lenguaje de re- presentaciGn ttil por propio derecho, con ripidos algoritmos de deduccién y di- seftos de agentes basados en circ den se han reorganizado para presentar el material de forma mas clara, anadiendo el ejemplo del dominio de compras en Internet la Parte IV incluimos los métodos de planificacién mas actuales, tales como GaapupLan y la planificacién asada en la satisfabilidad, ¢ inerementamos ka co- bertura de la planificaciGn temporal, planificacién condicional, planificacién j rérquica y planificacién multiagente tos. Los capitulos sobre la Iégiva de primer or + En la Parte V hemos aumentado el material de redes Bayesianas con algoritmos nuevos, tales como la eliminacidn de variables y el algoritmo Monte Carlo de ea- dena Markov; también hemos creado un capitulo nuevo sobre el razonamiento tem- poral incierto, abarcando los modelos ocultos de Markov, los filtros Kalman y las redes dindmicas Bayesianas. Los procesos de decisién de Markov se estudian en profundidad, anadiendo tam canismos. én secciones de teoria de juegos y disefios de me- + En la Parte VI combinamos trabajos de aprendizaje estadistico, simbélico y new ral, y afadimos secciones para impulsar los algoritmos, el algoritmo EM, apren- dizaje basado en instancias, y métodos kernel «de micleo» (Soporte a méquinas vectoriales). + En la Parte VIL el estudio del procesamiento de lenguajes aiade secciones sobre el pro esamiento del discurso y la induceién gramatical, asi como un capitulo so-XXIT pROLOGO. bre los modelos de lenguaje probalistico, con aplicaciones en la recuperacién de informacién y en la traduccién automitica. El estudio de la robética enfatiza la in- tegracién de datos inciertos de sensores, y el capitulo sobre la visidn actualiza el material sobre el reconocimiento de objetos + Ena Parte VIII introducimos una seccién sobre las repercusiones éticas de la LA Utilizacion del libro (oe) ‘esto wuevo 27 capitulos componen a totalidad del libro, que a su vez estén compuestos por sesio nes para clases que pueden durar una semana, por tanto para completar el libro se pue den necesitar hasta dos semestres, Alternativamente, se puede adaptar un curso de for- ma que se adecue a los intereses del instructor @ del alumno. Si se utiliza el libro completo, servird como soporte para cursos tanto si son reducidos, de introduceién, para diplomaturas o para licenciados ¢ ingenieros, de especializacién, en temas avanzados. En la pagina Web aima.cs.berkeley.cdu, se oftecen programas de muestra recopilados de miis de 600 escuelas y facultades, ademds de sugerencias que ayudaran a encontrar la secuencia més adecuada para sas necesidades. Se han incluido 385 ejercicios que requieren una buena programacién, y se han mar. cao con el icono de un teclado. Estos ejercicios se pueden resolver utilizando el repo: sitorio de eddigos que se encuentra en ka pigina Web, aima.cs.berkeley.edu. Algunos de ellos son tan grandes que se pueden considerar proyectos de fin de trimestre. Alzunos ejercicios requieren consultar otros libros de (exto para investigar y se han marcado con el icono de un fibro. Los puntos importantes también se han mareado con un icono que indica puntos im portantes. Hemos incluido un indice extenso de 10.000 elementos que facilitan la utili- zacidn del libro, Ademis, siempre que aparece un término nuevo, tambicn se destaca enel mangen Utilizacién de la pagina Web En la pagina Web se puede encontrar + implementaciones de los algoritmos de! libro en diferentes lenguajes de progra- macién, + una relacién de aproximadamente 600 universidades y centros, que han utilizade este libro, muchos de ellos con enlaces a los materiales de cursos en la red + una relacidn de unos 800 enlaces a sitios Web con contenido itil sobre la 1A, + una lista de tados los capitulo, uno a uno, material y enlaces complementarios. + instrucciones sobre & Gmo unirse a un grupo de debate Sobre el libro, + instrucciones sobre cémo contactar con los autores mediante preguntas y comen: tarios.pRoLoco XXII + instrucciones sobre como informar de los errores del libro, en el caso probable de que existieran. y + copias de las figuras del libro, junto con diapositivas y otro tipo de material para profesores Agradecimientos Jitendra Malik ha eserito la mayor parte del Capitulo 24 (sobre la visién). Gran parte det Capitulo 25 (sobre robsitica) de esta edicidin ha sido eserite por Sebastian Thrun, mien- tras que la primers edicién fue escrita por John Canny. Doug Edwards investigé las no- tas historicas de la primera edici6n. Tim Huang, Mark Paskin y Cinthia Bruyns ayudo a realizar el formato de los diagramas y algoritmos. Alan Apt, Sondra Chavez, Toni Holm, Jake Warde, Irwin Zucker y Camille Trentacoste de Prentice Hall hicieron todo lo que pudieron para cumplir con el tiempo de desarrollo y aportaron muchas sugerencias so: bre el diseito y el contenido del libro. Stuart quiere agradecer & sus padres el continuo apoyo y aliento demostrado, y a su esposa, Loy Sheflott su gran paciencia e infinita sabiduria, También desea que Gordon y Lucy puedan leer esta obra muy pronto. Y a RUGS (Russells Unusual Group of Stu- dents) por haber sido de verdad de gran ayuda Peter quiere agradecer a sus padres (Torsten y Gerda) el nimo que le aportaron para impulsarle a empezar el proyecto, y a su mujer Kr amigos por animarle y to- Jerar todas las horas que ha dedicado en escribir y en volver a escribir su trabajo. Estamos en deuda con los bibliotecarios de las universidades de Berkeley, Stanford. y con el MIT y la NASA; y con los desarrolladores de CiteSeer y Google por haber re volucionado la forma en que hemos realizado gran parte de la investigacién Obviamente, nos es imposible agradecer a todas las personas que han utilizado el li- bro y que han realizado sugerencias, sin embargo nos gustaria mostrar especial ageade- cimiento alos comentarios que han realizado personas como Eyal Amir, Krzysztof Apt, Ellery Aziel, Jeff Van Baalen, Brian Baker, Don Barker, Tony Barrett, James Newton Bass, Don Beal, Howard Beck, Wolfgang Bibel, John Binder, Larry Bookman, David R. Boxall, Gerhard Brewka, Selmer Bringsjord, Carla Brodley, Chris Brown, Wilhelm Burger, Lauren Burka, Joao Cachopo, Murray Campbell, Norman Carver, Emmanuel Castro, Anil Chakravarthy, Dan Chisatick, Roberto Cipolla, David Cohen, James Cole- man, Julie Ann Comparini, Gary Cottrell, Ernest Davis, Rina Dechter, Tom Dieterich, Chuck Dyer, Barbara Engelhardt, Doug Edwards, Kutluhan Erol, Oren Etzioni, Hana Fi- lip, Douglas Fisher, Jeffrey Forbes, Ken Ford, John Foster, Alex Franz, Bob Futrelle, Ma- rek Galecki, Stefan Gerberding, Stuart Gill, Sabine Gi th Golub, Gosta Grah- ne, Russ Greiner. Eric Grimson, Barbara Grosz, Larry Hall, Steve Hanks, Othar Hansson, Emst Heinz, Jim Hendler, Christoph Herrmann, Vasant Honavar, Tim Huang, Seth Hutchinson, Joost Jacob, Magnus Johansson, Dan Jurafsky, Leslie Kaelbling, Keiji Kanavawa, Surekha Kasibhatla, Simon Kasif, Henry Kautz, Gernot Kersehbaumer, Ri- chard Kirby, Kevin Knight, Sven Koenig, Daphne Koller, Rich Korf, James Kurien, Jobn Lafferty, Gus Larsson, John Lazzaro, Jon LeBlane, Jason Leatherman, Prank Lee, . hijos sner,XXIV PROLOGO Edward Lim, Pierre Louveaux, Don Loveland, Sridhar Mahadevan, Jim Martin, Andy Mayer, David McGrane, Jay Mendelsohn, Brian Milch, Steve Minton, Vibhu Mittal, Le- ‘ora Morgenstern, Stephen Muggleton, Kevin Murphy, Ron Musick, Sung Myaeng, Lee Naish, Pandu Nayak, Bernhard Nebel, Stuart Nelson, XuanLong Nguyen, Ilah Nour bakhsh, Steve Omohundro, David Page, David Palmer, David Parkes, Ron Parr, Mark Paskin, Tony Passera, Michael Pazzani, Wim Pijls, Ira Pohl, Martha Pollack, David Po- ole, Bruce Porter, Malcolm Pradhan, Bill Pringle, Lorraine Prior, Greg Provan, William Rapaport, Philip Resnik, Francesca Rossi, Jonathan Schaeffer, Richard Scherl, Lars Schuster, Soheil Shams, Stuart Shapiro, Jude Shavlik, Satinder Singh, Daniel Sleator. David Smith, Bryan So, Robert Sproull, Lynn Stein, Larry Stephens, Andreas Stolcke. Paul Stradling, Devika Subramanian, Rich Sutton, Jonathan Tash, Austin Tate, Michael Thiel: William Thompson, Sebastian Thrun, Eric Tiedemann, Mark Torrance, Ran- dall Upham, Paul Utgoff, Peter van Beek, Hal Varian, Sunil Vemuri, Jim Waldo, Bon- nie Webber, Dan Weld, Michael Wellman, Michael Dean White, Kamin Whitehouse, Brian Williams, David Wolfe, Bill Woods, Alden Wright, Richard Yen, Weixiong Zhang, Shlomo Zilberstein, y los revisores anénimos proporcionados por Prentice Hall Acerca de la portada La ilustracién de la portada ha sido disefiada por los autores y ejecutada por Lisa Marie Sardegna y Maryann Simmons utilizando SGI Inventor™ y Photshop™ de Adobe, representa los siguientes elementos de la historia de Ta TA: 1. Elalgoritmo de planificacién del De Motu Animatium, Arist6teles (400 aC.) 2. El generador de conceptos del Ars Magna de Ramén Lull (1300 d.C.) 3, El motor de diferencias de Charles Babbage, un prototipo de! primer computa- dor universal (1848) La notacisn de légica de primer orden de Gottlob Frege (1789). 5. Los diagramas del razonamiento logico de Lewis Carroll (1886) 6. La notacién de redes probalisticas de Sewall Wright (1921). 7. Alan Turing (1912-1954). 8. £1 Robot Shakey (1969-1973) 9. Un sistema experto de diagndstico actual (1993)Sobre los autores ————————————— re Stuart Russell nacié en 1962 en Portsmouth, Inglaterra. En 1982, obtuvo su B.A. en Fisica formando parte de los primeros en el cuadro de honor de la Universidad de Ox- ford. En 1986 obtuvo el Ph. D. en Informatica por la Universidad de Stanford. Ms tar- de empez6 a trabajar en la Universidad de California, Berkeley, en donde es profesor de Informatica, director del centro de Sistemas Inteligentes y colaborador del Smith-Zadeh ‘en Ingenieria. En 1990, recibis el premio Presidential Young Investigator Award de la National Sciencie Foundation (Fundacién Nacional de las Ciencias), y en 1995 obtuvo el premio compartido en el Computers y Thought Award, En 1996 se convirtié en Mi- llar Profesor de la University of California, y en el afto 2000 fue nombrado rector de la universidad. En 1998, dio la lectura inaugural de la Stanford University, Forsythe Me- morial Lectures. Forma parte como «Fellow», y es uno de los primeros miembros de! Executive Council de la American Association for Artificical Intelligence, Ha publica- do un gran ndimero de trabajos, més de 100 sobre una gran variedad de temas en inteli- gencia artificial. ¥ es autor de otros dos libros: The Use of Knowledge in Analogy and Induction, y (con Erik Wefald) Do the Right Thing: Studies in Limited Rationality. Peter Norvig es director de Search Quality de Google, Ine. y forma parte, como «Fe- How» y miembro del Executive Council en la American Association for Artificial Inte- igence. Anteriormente, fue director de la Divisién de Ciencias Computacionales del Ames Research Center de la NASA, en donde supervisaba la investigacién y el desarrollo en inteligencia artificial. Antes de eso, trabaj6 como director de ciencia en Junglee, donde ayudé a desarrollar uno de los primeros servicios de extraccién de informacién cen Internet, y trabajé también como cientifico senior en Sun Microsystems Laboratories, cuyo trabajo consistia en recuperar informacién inteligente. Recibi6 un B.S. en Mate- méticas Aplicadas por la Brown University, y un Ph. D, en informatica por la Universi- dad de California en Berkeley. Es profesor de la University of Southern California, y miembro de ta facultad de investigacién en Berkeley. Tiene en su haber més de 50 pu- blicaciones en Informética entre las que se incluyen los libros: Paradigms of Al Pro- gramming: Case Studies in Common Lisp, Verbmobil: A Translation System for Face- to-Face Dialog, e Intelligent Help Systems for UNIX.samc Introduccion Donde se intentaré explicar por qué se considera a la inteligencia artificial un tema digno de estudio y donde se intentard definirla con exactitud; es esta tarea muy recomendable antes de emprender de leno su estudio. Los hombres se han denominado a sf mismos como Home sapiens (hombre sabio) por- que nuestras capacidades mentales son muy importantes para nosotros. Durante miles de afios, hemos tratado de entender cémo pensamos; es decir, entender c6mo un sim- ple pufiado de materia puede percibir, entender, predecir y manipular un mundo mu- cho més grande y complicado que ella misma. El campo de la inteligencia artificial, © 1A, va mas alld: no sélo intenta comprender, sino que también se esfuerza en cons ir entidades inteligentes. La TA es una de las ciencias mas recientes. El trabajo comen7s poco después de la Segunda Guerra Mundial, y el nombre se acuiié en 1956. La TA se cita, junto a la bio logia molecular, como un campo en el que a la mayoria de cientificos de otras discipli- nas «les gustaria trabajar». Un estudiante de ciencias fisicas puede pensar razonablemente que todas las buenas ideas han sido ya propuestas por Galileo, Newton, Einstein y otros, Porel contrario, la IA atin tiene flecos sin cerrar en los que podrian trabajar varios Eins teins a tiempo completo, La TA abarca en la aetualidad una gran variedad de subcampos, que van desde ére- ias de propdsito general, como el aprendizaje y la percepcisn, a otras mis especificas como cl ajedrez, Ia demostracién de teoremas matematicos, la escritura de poesia y el diag~ néstico de enfermedades, La IA sintetiza y automatiza tareas intelectuales y es, por lo Lanto, potencialmente relevante para cualquier ambito de li actividad intelectual huma. nna, En este sentido, es un campo genuinamente universal.