Revolución IA
La Inteligencia Artificial está llamada a protagonizar la próxima Revolución tecnológica
Inicio | Sobre Revolucionia | Temas | Para saber más | Contacto |
Abstracción en los problemas de búsqueda
Fernando P. 25/10/2017
Temas: Fundamentos
En anteriores artículos hemos introducido la
búsqueda de soluciones como técnica para
resolver ciertos problemas y hemos visto la
estructura general de los problemas que se
pueden resolver mediante búsqueda de soluciones.
Existen varias técnicas de búsqueda de soluciones, pero todas ellas requieren de una descripción matemática del
problema, es preciso realizar una abstracción del problema.
Matemáticas y problemas del mundo físico
Las Matemáticas son un conocimiento que a menudo se inspira en ideas tomadas del mundo físico, pero que no depende
de ninguna manera de este. Hay cuestiones matemáticas que están completamente desconectadas de cualquier cosa que
podría sonar a mundo físico y hay otras que se han desarrollado para representar y tratar de explicar
cómo funcionan las cosas en el mundo físico.
Cuando tenemos un problema en el mundo físico que queremos resolver con ayuda de las Matemáticas, lo que hacemos
es usar objetos matemáticos (conjuntos, aplicaciones, relaciones) para construir una estructura que, conceptualmente, se parezca
lo más posible a lo que tenemos en el mundo físico.
Usando las Matemáticas, estudiaremos a fondo la estructura que hemos construido y proyectaremos las conclusiones en nuestro
problema del mundo físico.
Búsqueda de soluciones
Las técnicas de búsqueda de soluciones no son más que algoritmos que operan sobre estructuras matemáticas
más o menos complejas. No funcionan directamente sobre conceptos u objetos del mundo físico.
Cuando queremos resolver un problema usando búsqueda de soluciones, identificamos elementos del problema que
sabemos que se representan bien como el tipo de estructuras matemáticas que necesitan las técnicas
de búsqueda de soluciones.
De ahí la imposición de determinadas condiciones a la estructura de estos problemas, como ya
hemos visto, es una forma de asegurarnos
de que vamos a poder aplicar las técnicas conocidas.
Abstracción y modelización
El proceso mediante el cual identificamos elementos relevantes del problema y los representamos mediante estructuras
matemáticas se denomina modelización.
El resultado de la modelización es una construcción matemática que tiene sentido por sí misma y está desconectada del
problema real a resolver. Probáblemente, esa misma construcción sirva para resolver otros problemas que no tienen nada
que ver con el problema original.
De alguna forma, hemos realizado una abstracción del problema, para quedarnos con las cosas que verdaderamente
importan, los rasgos fundamentales que nos van a permitir encontrar una solución.
Algunos ejemplos
En la
introducción a la búsqueda de soluciones
teníamos un ejemplo que consistía en ir lo más rápido posible de una estación de Metro a otra. Esto lo representábamos
matemáticamente mediante un grafo. Un puñado de números bastaban para resolver el problema.
Lo cierto es que en el mundo físico las cosas a veces se enredan peligrosamente. En un trayecto de Metro pueden
pasar muchas cosas, como por ejemplo:
En estas condiciones, es fácil que una modelización simple del problema, como hicimos, nos proporcione como solución
un itinerario que potencialmente pueda desarrollar muchos problemas. Igual nos interesaría un itinerario un poco más
largo a priori pero más seguro.
Otro ejemplo podemos tomarlo de la idea del desarrollo de automóviles autónomos. Conducir un automóvi puede parecer tan sencillo
como tener en cuenta la señalización para acelerar, girar el volante y frenar,
para cambiar la velocidad y dirección de movimiento del vehículo. Pero la realidad nos
dice que esta abstracción del problema es demasiado simplista y la cantidad de cosas que pueden ir mal es enorme.
Complejidad de la abstracción
Cuando realizamos la abstracción de un problema normalmente nos fijamos en las cosas que pensamos que son relevantes
para el problema. No es posible modelizar un problema del mundo físico al 100% de precisión porque eso equivaldría a una simulación
del mismo a nivel de Mecánica Cuántica. Seguramente algunos problemas sólo se pueden resolver así. En la práctica,
no debe haber muchos problemas que se puedan resolver así.
Jústamente, las técnicas de Inteligencia Artificial buscan atacar problemas complejos por la vía de la generalización y
de considerar sólo los aspectos relevantes.
Naturalmente, siempre hay margen para complicar o simplificar una abstracción. Cláramente, los ejemplos puestos
resultan en una modelización insuficiente del problema. Pero cuanto más compleja es una modelización más costosa será
para trabajar con ella.
A la hora de resolver un problema usando técnicas de búsqueda, la cuestión más importante no es la elección de un algoritmo
en particular. Lo fundamental es, por un lado, realizar una modelización lo suficientemente detallada
como para que podamos localizar
soluciones que son robustas en el sentido de seguir siendo buenas incluso si cambian las condiciones previstas del
entorno.
Y por otro lado debemos realizar una modelización lo suficientemente simple como para que resulte en una construcción
matemática que pueda ser resuelta bien por los algoritmos que conozcamos.
La modelización de un problema es el paso clave para poder resolverlo.
Se trata de buscar un equilibrio entre complejidad y representación fiel del problema. A menudo podremos guiarnos
mirando cómo se han modelizado problemas reales que están resueltos.
Para saber más:
Este libro tiene varios capítulos dedicados a agentes inteligentes así como resolución de problemas mediante búsqueda, con numerosos ejemplos, y seguramente sea el mejor recurso que se puede encontrar para profundizar en este tema.
Inicio |
![]() ![]() |
En general, todo el contenido de este sitio web es original, salvo referencias o enlaces a otros sitios web y citas o reproducciones expresamente presentadas como tales. No está permitida la reproducción ni la copia del contenido de este sitio web sin el permiso expreso de la propiedad del mismo. Este sitio web no utiliza cookies ni ningún otro mecanismo para almacenar información en los navegadores de los visitantes ni para realizar seguimiento de los mismos. 2017,2018 Revolucionia.net |
Sobre Revolucionia | ||
Temas | ||
Para saber más | ||
Contacto |