Instituto Tecnológico Superior de Centla

Alumno:

Manuel Zavaleta Hernández

Carrera:

Ing. Sistemas Computacionales

Materia:

Inteligencia Artificial

Grado y Grupo:

8vo A

Trabajo:

Glosario de términos Unidad 1 y 2

Docente:

Dr. Alfredo De Jesús Gutiérrez Gómez

 Instituto Tecnológico Superior de Centla
Introducción

En las últimas décadas han sido desarrolladas muchas técnicas y aplicaciones en el campo
de la computación suave y la inteligencia artificial (IA). La mayoría de los desarrollos
pretenden aprovechar las ventajas de cada técnica para la solución de los problemas
reales, generalmente complejos. Algunas de las más ampliamente difundidas son:
agentes inteligentes, redes neuronales, lógica difusa, razonamiento basado en casos y
sistemas expertos. La mayoría de las investigaciones han demostrado que con la unión
de algunas de las técnicas individuales mencionadas se obtiene una mejor respuesta a la
necesidad planteada por algún problema específico. En la literatura especializada, todo
sistema que integra dos o más técnicas diferentes se conoce como híbrido (Mora, 2003).

El crecimiento de los sistemas eléctricos de potencia ha generado el incremento del número

de líneas en operación y su longitud total. Las líneas experimentan fallas, en especial
causadas por tormentas, descargas atmosféricas, ruptura del aislamiento y corto-circuitos
debidos a crecimiento de la vegetación u otros objetos externos. En la mayoría de los casos
las fallas se manifiestan como daño mecánico, el cual debe ser reparado para restaurar el
servicio a los clientes afectados. El proceso de restauración puede acelerarse si la localización
de la falla es conocida o puede ser estimada con una exactitud razonable (Mora, 2003;
Muñoz, 2005).

Unidad 1

[1] Heurística: Capacidad de un sistema para realizar de forma inmediata innovaciones positivas
para sus fines. La capacidad heurística es un rasgo característico de los humanos, desde cuyo
punto de vista puede describirse como el arte y la ciencia del descubrimiento y de la invención o
de resolver problemas mediante la creatividad y el pensamiento lateral o pensamiento divergente.
[2] Algoritmo: El núcleo de donde parte la inteligencia artificial. Son las fórmulas matemáticas y/o
comandos de programación que indican a una computadora cómo resolver problemas. Son las
reglas para enseñar a las computadoras cómo resolver situaciones o problemas.
[3] Autonomía: Los dispositivos con IA aplican el término "autónomo" cuando no necesitan ayuda
de las personas; esa autonomía se clasifica en diferentes niveles. Los coches autónomos, por
ejemplo, alcanzan un nivel 4 de autonomía cuando no necesitan una persona para funcionar a
plena capacidad y por tanto no tienen volante ni pedales.
 Instituto Tecnológico Superior de Centla
[4] Alternativa múltiple: evalúa una expresión que puede tomar n valores distintos.
[5] Algoritmos incrementales: Utilizan información de búsquedas previas para encontrar
soluciones a problemas similares posiblemente más rápido que realizando cada búsqueda
partiendo de cero.
[6] Algoritmos de búsqueda: en tiempo real alternan planificación y ejecución del plan y restringen
la planificación a la parte del dominio inmediata al estado actual del agente.
[7] Operador: Se usa para denotar la descripción de una acción en términos de cual estado será
alcanzado ejecutando la acción en un estado particular.
[8] Formulación alternativa: Es usar una función sucesor S; dado un estado particular x, S(x)
retorna al conjunto de estados alcanzables desde x mediante una acción simple.
[9] Espacio de estado del problema: es el conjunto de todos los estados alcanzables a partir del
estado inicial mediante una secuencia de acciones cualquiera.
[10] Camino en el espacio de estado: es una secuencia de acciones que conduce de un estado a otro.
[11] El algoritmo A*: es un algoritmo de búsqueda que puede ser empleado para el cálculo de
caminos mínimos en una red. Se va a tratar de un algoritmo heurístico, ya que una de sus
principales características es que hará uso de una función de evaluación heurística, mediante la
cual etiquetará los diferentes nodos de la red y que servirá para determinar la probabilidad de
dichos nodos de pertenecer al camino óptimo.
[12] Los nodos de red: son sistemas (máquinas virtuales con entrada/salida de conexión directa o
hosts físicos) en los que se ejecutan direccionadores virtuales. Direccionan tráfico a y de la red
externa (WAN).
[13] Un chatbot: también conocido como agente de conversación o asistente virtual, es un sistema
capaz de mantener un diálogo con los usuarios basado en conversaciones que han sido creadas
en secuencia de comandos.
[14] Administrador de Chatbot: es la persona encargada de administrar el asistente virtual.
[15] entrenadora del asistente virtual: es la encargada de implementar el chatbot y supervisar sus
operaciones cotidianas.
[16] Crujido de datos: es el análisis automatizado de grandes cantidades de datos procedentes de Big
Data.
[17] Aprendizaje automático: es el subconjunto de inteligencia artificial (IA) que se centra en
desarrollar sistemas que aprenden, o mejoran el rendimiento, en función de los datos que
consumen.
 Instituto Tecnológico Superior de Centla
[18] Aprendizaje profundo: permite el aprendizaje jerárquico de una gran cantidad de información.
En otras palabras, la máquina procesa los datos en orden de complejidad para comprender una
realidad y captarla por sus propios medios con la ayuda de una red neuronal.
[19] Inteligencia artificial: se puede definir de múltiples maneras, en particular, como un sistema
automatizado capaz de analizar datos y tomar decisiones de forma autónoma.
[20] IA “Débil”: en el caso de una máquina que simula un comportamiento humano específico.
[21] IA “fuerte”: en el caso de una máquina que reproduce un comportamiento humano a la vez que
capta su propio razonamiento (una habilidad que aún se encuentra dentro del ámbito de la ciencia
ficción).
[22] Procesamiento del lenguaje natural: es la piedra angular de la inteligencia artificial, el
aprendizaje automático y la lingüística.
[23] FYI: Natural Language Processing actualmente se usa en asistentes de voz como Google Home
y Amazon Alexa, en traducción automática, y como un medio para optimizar el nivel de
comprensión de chatbots.
[24] motor NLP: emplea una secuencia de procesos matemáticos y comparaciones para “limpiar” la
entrada del usuario, posiblemente corrigiendo ciertos errores o aplicando sinónimos, con el fin
de identificar toda la información que es útil para fines de comprensión.
[25] Natural Language Understanding: es la cadena de procesamiento que dará sentido a la frase.
Aquí es donde se identificará la intención a través de un análisis gramatical de la frase,
identificando un sujeto y un verbo, vinculando las palabras entre sí y correlacionando la solicitud
con la base de conocimiento del chatbot.
[26] Análisis predictivo: es el proceso de utilizar el análisis de datos para realizar predicciones
basadas en los datos. En este proceso se hace uso de los datos junto con técnicas analíticas,
estadísticas y de aprendizaje automático a fin de crear un modelo predictivo para predecir eventos
futuros.
[27] Procesamiento del habla: tiene como objetivo manejar computacionalmente el lenguaje oral:
extraer información de la señal acústica (p. ej.: palabras, emociones, características del hablante)
y también producir y modificar señales de habla.
[28] Aprendizaje supervisado: la máquina depende de la intervención humana. La persona
proporciona las bases del conocimiento de la máquina para que pueda entender cómo usarlas y
proponer mejoras, que serán validadas sistemáticamente por un ser humano antes de su
implementación.
 Instituto Tecnológico Superior de Centla
[29] Aprendizaje no supervisado: la máquina no requiere este componente de validación humana.
Realiza la investigación, identifica nuevos conocimientos y los memoriza por sí solo, siempre
que se respeten los umbrales matemáticos que se le proporcionan.
[30] Algoritmos genéticos: Máquinas algorítmicas de optimización de aprendizaje que trabajan
imitando el proceso evolutivo utilizando la selección natural, la recombinación y la mutación.
Son particularmente eficaces para optimizar problemas con un gran número de soluciones
posibles.
[31] Algoritmos de inducción: Algoritmos que aprenden de un ejemplo y tratan de encontrar patrones
en los datos para crear reglas que explican lo que está sucediendo. A diferencia del proceso de
deducción, que implica una colección preestablecida de reglas, estos algoritmos crean reglas para
explicar las cosas que están sucediendo sobre la marcha.
[32] Sistemas expertos: También conocidos como sistemas de representación del conocimiento o
sistemas de apoyo a la decisión. Los sistemas expertos son una forma antigua de tecnología de
IA que originalmente fue diseñada para resolver problemas complejos tomando decisiones
basadas en una base de conocimiento y reglas para aplicar ese conocimiento.
[33] Computación cognitiva: Este es un término general que IBM populariza para describir el
proceso mediante el cual las máquinas pueden extraer datos, reconocer patrones y procesar el
lenguaje natural para interactuar y emular la inteligencia humana.
[34] Inteligencia aumentada: También conocida como aumento cognitivo o amplificación de
inteligencia. Se refiere a la tecnología diseñada para utilizar las fuerzas combinadas de la
inteligencia humana y de la máquina.
[35] Aprendizaje hombre-máquina: Conceptualmente similar a la inteligencia aumentada, este
término se utiliza a menudo para describir la IA que combina la orientación humana con el
análisis de la máquina de grandes volúmenes de datos.
[36] Visión de máquina: La rama de la IA que trata de cómo las computadoras emulan el sistema
visual humano y su capacidad de ver e interpretar imágenes digitales del mundo real.
[37] Robot de conversación: Un programa de computadora que usa un conjunto de reglas para
conducir una conversación basada en el habla o el texto con un humano a través de una interfaz
de chat en línea.
[38] Asistente digital virtual: Una versión más sofisticada de un robot de conversación, también
conocido como un agente inteligente, asistente personal virtual, asistente virtual inteligente,
asistente automatizado o agente virtual.
[39] Agentes móviles: son programas inteligentes y autónomos que pueden moverse a través de la
red, buscando servicios que el usuario necesita e interactuando con ellos.
 Instituto Tecnológico Superior de Centla
[40] PAMA: (Percepcion, Acciones, Metas y Ambiente).
[41] Softbots: (Agentes de software o robots de software).
[42] La Capacidad de Percepción: viene definida por los elementos capaces de reconocer de los que
dispone el agente. Pueden ser sistemas sencillos en los que la percepción puede ser la detección
o no de intrusos en su área de acción (definida fácilmente con un booleano) o bien mecanismos
más complejos como una matriz de NxM que refleje la visión del agente en una orientación y
momento concreto del tiempo y que requerirá un proceso más intenso e incluso una abstracción
para agilizar cálculos.
[43] La Capacidad de Acción: vendría definida por el conjunto de los movimientos, cálculos o
respuestas en general que puede llevar a cabo el agente. Pueden ser tan sencillos como (giro
izquierdo/giro derecho/avanzar/retroceder) o más complejos como (evadir, emboscar, atacar,
confundir).
[44] Los Objetivos: son la esencia del agente. El comportamiento del mismo irá orientado a la
consecución de los mismos.
[45] El Entorno: es una característica externa al agente pero que condiciona su comportamiento.
Puede ser un mundo tridimensional o una abstracción del mismo reducida a eventos. En otros
casos puede ser una matriz la que modele el entorno o incluso un grafo que represente una
topología concreta.
[46] Inteligencia: es una capacidad mental muy general que implica habilidad para razonar, planificar,
resolver problemas, pensar de forma abstracta, comprender ideas complejas, aprender con rapidez
y aprender de la experiencia.
[47] Artificial: Hecho por mano o arte del hombre.
[48] Habilidades cognitivas o capacidades cognitivas: aptitudes del ser humano relacionados con el
procesamiento de la información, es decir, los que implican el uso de la memoria, la atención, la
percepción, la creatividad y el pensamiento abstracto o analógico.
[49] Autonomía: capacidad de controlar, afrontar y tomar, por propia iniciativa, decisiones personales
acerca de cómo vivir de acuerdo con las normas y preferencias propias, así como de desarrollar
las actividades básicas de la vida diaria
[50] Axioma: es una verdad universal que debido a su evidencia no necesita demostración.

Unidad 2

[1] lógica de primer: orden consiste en determinar por qué los argumentos como este resultan
válidos.
 Instituto Tecnológico Superior de Centla
[2] Atributo: Característica de una instancia o categoría que puede tener un determinado valor. Se
puede ver también como una relación entre una instancia (o categoría) y un tipo de datos.
[3] Categoría: Abstracción de las características que tienen en común un conjunto de instancias.
[4] esquema de representación: Instrumento para transformar el conocimiento de un dominio a un
lenguaje simbólico que puede ser procesado de manera computacional.
[5] Grafo conceptual: Esquema conceptual en forma de grafo bipartito con dos tipos de nodos:
concepto y relación conceptual. Las aristas indican qué conceptos participan en cada relación, lo
que permite representar fácilmente relaciones con múltiples participantes.
[6] Red semántica: Esquema de representación en forma de grafo etiquetado en el que los conceptos
se representan como vértices del grafo.
[7] Semántica: Descripción del significado de los elementos de un lenguaje y la relación entre estos
y su referente en un cierto dominio.
[8] Sintaxis: Conjunto de reglas que indican cómo se pueden construir y combinar los elementos de
un lenguaje para formar sentencias.
[9] Razonamiento analógico: El término analógico generalmente se refiere a datos no digitales, pero
cuando se trata del campo de la IA, el razonamiento analógico es el proceso por el cual las
personas (científicos) sacan conclusiones basadas en resultados anteriores. Es más como predecir
los mercados de valores. Los mapas y diagramas se dibujan en base a datos pasados y se aplica
razonamiento analógico para pronosticar los resultados de cualquier proceso o experimento.
[10] ANN: Redes neuronales artificiales: Las redes neuronales artificiales constituyen la columna
vertebral de muchos experimentos en el extremo del campo del razonamiento. Los sistemas que
no pueden resolver problemas complejos se modifican para contener redes neuronales artificiales
de manera que puedan pensar en sí mismos y resolver problemas complejos. La red de neuronas
artificiales se basa en la red de neuronas biológicas y probablemente es la más aterradora de todos
los términos utilizados en la inteligencia artificial.
[11] Backpropagation: Algo en las líneas de codificación inversa. El resultado ya está ahí, pero el
proceso para alcanzar el resultado se calcula alimentando los procesos relacionados en un sistema
listo para propósitos de IA.
[12] Encadenamiento hacia atrás: Suena a retro propagación, pero el objetivo aquí es averiguar si
hay datos disponibles que puedan ser usados como evidencia para la meta actual. En este sistema
también, los expertos trabajan desde una solución ya existente hasta procesos que ayudaron a
alcanzar la solución, y en el proceso, descubriendo evidencia de la que los procesos pueden
depender.
 Instituto Tecnológico Superior de Centla
[13] CBR: Razonamiento basado en casos: Un método por el cual los problemas se resuelven en base
a casos similares resueltos en el pasado.
[14] Deep Learning: Proceso que emplea algoritmos especializados para modelar y estudiar
conjuntos de datos complejos; el método también se utiliza para establecer relaciones entre datos
y conjuntos de datos.
[15] Encadenamiento hacia adelante: Proceso en el que las máquinas estudian hacia adelante desde
un punto dado, utilizando una secuencia de subprocesos if-then para alcanzar el objetivo
requerido. El objetivo es encontrar un sistema que funcione para un determinado conjunto de
problemas.
[16] Razonamiento inductivo: Proceso en el que se utilizan pruebas y conjuntos de datos para
alcanzar objetivos específicos. Esto no debería ser muy diferente de la programación normal, ya
que funciona con conjuntos de datos ya existentes en lugar de construirlos. El proceso de recopilar
datos y agregarlos según su naturaleza se denomina minería de datos y el razonamiento inductivo
utiliza los conjuntos de datos creados como resultado de la minería de datos.
[17] Hilos: proceso ligero o subproceso es una secuencia de tareas encadenadas muy pequeña que
puede ser ejecutada por un sistema operativo.
[18] Frecuencia relativa: es el número de veces en que dicho evento se repite durante un experimento
o muestra estadística.
[19] Razonamiento Monótono: es el que utiliza contradicciones para procesar. Elimina un hecho
(factor de conocimiento) obteniendo la contradicción hasta que llega a una conclusión final.
[20] Lógica proposicional: La lógica proposicional es un sistema formal diseñado para analizar
ciertos tipos de argumentos. En la lógica proposicional, las fórmulas representan proposiciones y
las constantes lógicas son operaciones sobre las fórmulas que producen otras fórmulas de mayor
complejidad.
[21] Deducción lógica: La deducción lógica consiste en que, a partir de unas premisas, representadas
con símbolos, y a través de unas reglas, obtenemos una conclusión.
[22] Lógica de primer orden: La lógica de primer orden, también llamada lógica de predicados o
cálculo de predicados, es un sistema formal diseñado para estudiar la inferencia en los lenguajes
de primer orden.
[23] Sintaxis: Es el conjunto de reglas que definen la manera de escribir instrucciones de código.
[24] Semántica: Especifica las restricciones sistemáticas sobre cómo se relacionan las oraciones con
aquello que está sucediendo.
[25] Teoría de la demostración: un conjunto de reglas para deducir las implicaciones de un conjunto
de oraciones.
 Instituto Tecnológico Superior de Centla
[26] Lógica Propositiva: La lógica propositiva permite ilustrar muchos de los conceptos de la lógica,
así como también la lógica de primer orden.
[27] Constantes: Una constante es un elemento de datos con nombre con un valor predefinido. No se
puede cambiar el valor asignado a una constante predefinida.
[28] Variables: Una variable es un elemento de datos con nombre cuyo valor puede cambiar durante
el curso de la ejecución de un programa.
[29] Probabilidad: valor que va desde cero hasta uno, inclusive que describe la posibilidad relativa
de que ocurra un evento.
[30] Evento: conjunto de uno o más resultados de un experimento.
[31] Mutuamente Excluyente: la ocurrencia de que un evento implica que ninguno de los otros
eventos puede ocurrir al mismo tiempo.
[32] Probabilidades a priori: las probabilidades que manejamos antes de conocer que ha ocurrido un
evento.
[33] Probabilidades a posteriori: una vez que incorporamos la información de que ha ocurrido un
evento, las probabilidades del suceso (A) cambian: son probabilidades condicionadas P (A/B).
[34] Variable global: A no ser que esté declarada dentro de una definición de función. Las variables
globales resultan visibles y disponibles para todas las sentencias de un script.
[35] variables locales: sólo resultan visibles y disponibles dentro de la función en la que están
definidas. Aunque los nombres de variables y los identificadores deben ser exclusivos, resulta
válido declarar una variable local con el mismo nombre que una variable global o con el mismo
nombre que una variable local definida en otra función.
[36] Parámetros: Es cualquier característica que pueda ayudar a definir o clasificar un sistema
particular, Es decir, es un elemento de un sistema que es útil o crítico al identificar el sistema o
al evaluar su rendimiento, estado, condición, etc.
[37] término: es una expresión lógica que se refiere a un objeto. Por lo tanto, los signos de constante
son términos.
[38] Oraciones atómicas: Una oración atómica está formada por un signo de predicado y por una lista
de términos entre paréntesis.
[39] Cuantificadores: Los cuantificadores nos permiten hacer esto. La lógica de primer orden
contiene dos cuantificadores estándar, denominados universales y existenciales.
[40] Cuantificación universal: El cuantificador universal indica que algo es cierto para todos los
individuos (∀x)P(x) ó AxP(x) y se lee “para todo x, P”.
 Instituto Tecnológico Superior de Centla
[41] Cuantificador existencial: se hacen afirmaciones sobre cualquier objeto. Asimismo, también se
pueden hacer afirmaciones acerca de algún objeto en el universo sin tener que nombrarlo,
mediante un cuantificador existencial.
[42] Demostración: es un razonamiento o serie de razonamiento que prueba la validez de un nuevo
conocimiento estableciendo sus conexiones necesarias con otros conocimientos. Cuando un
conocimiento queda demostrado, entonces se le reconoce como válido y es admitido dentro de la
disciplina correspondiente.
[43] Método Deductivo: el método deductivo es un proceso que parte de un conocimiento general, y
arriba a uno particular. La aplicación del método deductivo nos lleva a un conocimiento con grado
de certeza absoluta, y este cimentado en proposiciones llamadas SILOGISMOS.
[44] Tautología: es una fórmula bien formada que resulta verdadera para cualquier interpretación, es
decir, para cualquier asignación de valores de verdad que se haga a sus fórmulas atómicas.
[45] Demostración por el método de recursión: La demostración por recursión se utiliza
principalmente en la teoría de números y consiste en probar la validez de un teorema.
[46] Método de Resolución de Robinson: El procedimiento de resolución es un proceso iterativo
simple, en el cual, en cada paso, se comparan (resuelven) dos cláusulas llamadas cláusulas padres,
produciendo una nueva cláusula que es inferido de ellas.
[47] Unificador: Es un modelo de datos basado en la Lógica de predicados y en la teoría de conjuntos.
[48] Adquisición del conocimiento: Se llama adquisición de conocimiento al proceso de, por un lado,
agregar nuevos saberes a una base de conocimiento y, por otro lado, refinar o mejorar el
conocimiento adquirido previamente.
[49] Razonamiento: el razonamiento es una actividad mental, que se ejecuta en determinadas
situaciones en las que una persona debe asociar conocimientos previos a los que se le presentan
como nuevos para luego sacar conclusiones al respecto; es decir, construir nuevo conocimiento.
[50] Metodológicos: Se entiende por metodológico como relativo, perteneciente y concerniente a la
metodología como el estudio, especialización, arte o la ciencia del método o también de un
procedimiento o manera organizada o sistemática de una investigación científica o su exposición
doctrinal, así mismo como la parte de la misma lógica.
 Instituto Tecnológico Superior de Centla
Conclusión

En el ámbito de las personas y las maquinas, entendemos que la diferencia que existe entre
ambas es la capacidad de razonar. Somos similares respecto al conocimiento porque las
maquinas obtienen conocimiento de los datos almacenados, recopilados y cargados con
anterioridad, al igual que las persona adquirimos conocimiento mediante las acciones que
realizamos en nuestra vida diaria, cuando nos relacionamos con otras personas y
compartimos nuestras experiencias recopilamos información que a lo largo del tiempo de va
convirtiendo en conocimiento.

Pero en el razonamiento, de acuerdo a los datos investigados llego a la conclusión que razonar
es lo que nos convierte en personas, podemos tomar decisiones en situaciones de emergencia
de acuerdo a nuestra experiencia, emociones o sentimientos.

Una maquina hasta el momento no ha podido razonar de la forma en que lo hacen las
personas, sino que se guían de su conocimiento almacenado para tomar una decisión.
 Instituto Tecnológico Superior de Centla
Referencias

[1] ABRAHAM. (2021, July 5). 1.7 El papel de la heurística. Blogspot.com. http://ahm-
it7.blogspot.com/2010/08/11-el-papel-de-la-heuristica.html
[2] Inteligencia artificial: glosario de términos. (2018, March 5). Interxion.com; Drupal 8.
https://www.interxion.com/es/blogs/2018/03/inteligencia-artificial-glosario-de-terminos
[3] 1.8 El papel de la Euristica. (2021). Prezi.com. https://prezi.com/dr84_e9tvqkk/18-el-
papel-de-la-euristica/
[4] Área. (n.d.).
https://users.exa.unicen.edu.ar/catedras/aydalgo2/docs/TFca06aCompleto.pdf
[5] Galindo, C. (2021). ¿Qué es la Inteligencia Artificial? (página 2) - Monografias.com.
Monografias.com. https://www.monografias.com/trabajos74/inteligencia-
artificial/inteligencia-artificial2.shtml
[6] SEREM. (2018, August 21). Glosario de Inteligencia Artificial: Términos que debe conocer -
Blog serem. Smart Business Solutions for the Information Technology World | Serem.
https://www.serem.com/blog/2018/08/21/glosario-inteligencia-artificial-terminos-
conocer/
[7] Ruy Alonso Rebolledo. (2017, May 8). 19 términos, usos y tipos de Inteligencia Artificial
más comunes. El Economista; El Economista.
https://www.eleconomista.com.mx/tecnologia/19-terminos-usos-y-tipos-de-Inteligencia-
Artificial-mas-comunes-20170508-0046.html
[8] Agente. (2021). 2.2. Estructura de un Agente Inteligente - inteligenciaartificialanmel.
Google.com. https://sites.google.com/site/inteligenciaartificialanmel/tema-2-agentes-
inteligentes/estructura-de-un-agente-inteligente
[9] Duran, J., Conesa, C., Caralt, R., Clarisó, V., & Pid_00199502. (n.d.). Introducción a la
representación del conocimiento.
http://openaccess.uoc.edu/webapps/o2/bitstream/10609/69005/2/Representaci%C3%B3
n%20del%20conocimiento_M%C3%B3dulo%201_Introducci%C3%B3n%20a%20la%20repr
esentaci%C3%B3n%20del%20conocimiento.pdf
[10] Glosario de términos en Inteligencia Artificial. (2019). PcHardwarePro.
https://www.pchardwarepro.com/glosario-de-terminos-en-inteligencia-artificial/