Inteligencia Artificial (1)

Para poder decir que un programa piensa como human o, es necesario: Contar con un mecanismo para determinar la for ma cómo piensan los humanos. Que los datos de entrada y sali da del computador, sean diferentes a los del humano. Que los resultados del programa se limite n a una sola regla de inferencia.

2. Identifique en que años la Inteligencia Artificial (IA) se caracteriza por un gran entusiasmo, ideas interesantes y éxitos limitados. 1950 y 1970. 1970 y 1990. 1990 y 2010.

3. Al momento de diseñar medidas de utilidad para un agente racional, se las debe proceder: De acuerdo a lo que se cree que el agente debe comportarse. De acuerdo a lo que se quiere para el entorno. De acuerdo a los requerimientos del usuario.

Desde el punto de vista del algoritmo de búsqueda, cada estado es una: A partir de la venida de Cristo. Luego de la caída de la Perestroika. Después de la segunda guerra mundial.

Desde el punto de vista racional, se entiende por Inteligencia Artificial: El nuevo y exitante esfuerzo de hacer que las computadoras piensen; es decir, construir máquinas con mentes, en el más amplio sentido literal. La automatización de actividades que se vinculan con procesos de pensamiento humano, actividades como la toma de decisiones, resolución de problemas, aprendizaje, etc. El estudio de las facultades mentales, mediante el uso de modelos computacionales.

Los silogismos son esquemas de estructuras de argumentación mediante las que se llega a conclusiones correctas, si se parte de : Premisas incorrectas. Premisas correctas. Premisas negativas.

Si se dice que la inteligencia artificial es “el nuevo y excitante esfuerzo de hacer que los ordenadores piensen… máquinas con mentes, en el más amplio sentido literal” (Haugeland, 1985). Esta es una definición basada en. La conducta. En el comportamiento. En procesos mentales y razonamiento.

En el siguiente silogismo mencione cuál es la premisa universal: Todas las mujeres quieren tener hijos. Algunos seres humanos son mujeres. Por lo tanto, algunos seres humanos quieren tener hijos. Por lo tanto, algunos seres humanos quieren tener hijos. Algunos seres humanos son mujeres. Todas las mujeres quieren tener hijos.

La característica principal de agente omnisciente, es que: En base a la informaci ón recopilada aprende lo máximo posible de lo que está percibiendo. Actúa de acuerdo a las percepciones. Conoce el resultado de su acción y actúa de acuerdo con él.

Para identificar que un agente es racional, este debe: Determinar cuál es la medida de rendimiento, qué se conoce del entorno, y qué sensores y actuadores tiene el agente. Diseñar medidas de utilidad de acuerdo con lo que se quiere para el entorno. Emprender acciones que minimicen su medida de rendimiento.

Por racionalidad se entiende: Lo mismo que percepción. La maximización del rendimiento esperado. La maximización del resultado real.

Uno de los componentes de un agente con capacidad de aprendizaje es el generador de problemas, responsable de: Lograr la meta. Sugerir acciones que lo guiaran hacia experiencias nuevas e informativas. Responder a las críticas sobre la actuación del agente.

Se consideran agentes racionales de software. Los robots o autómatas. El vehículo Mars Pathfinder (recorrió marte en 1997 por varios meses). Los entornos virtuales como: la Web inteligente, intranets segmentadoras, etc.

Los agentes pueden mejor su eficacia con la ayuda de: Controladores. Medidas de rendimiento. Mecanismos de aprendizaje.

Se dice que un agente es autonómo, cuando: Su comportamiento está determinado por su propia experiencia y no sólo por el conocimiento que le ha sido incorporado. Es incapaz de adaptarse a situaciones variadas. Su comportamiento está determinado por el conocimiento que le ha sido incorporado.

Un agente que aprende puede dividirse en cuatro componentes conceptuales tales como: Elemento de aprendizaje, elemento de actuación, las críticas y el generador de problemas. Entradas, base de conocimiento, toma de decisiones, actuadores. Entradas, medio ambiente, base de conocimiento, actuadores.

El primer paso para el diseño de un agente debe ser siempre la especificación tan completa como sea posible de: Las limitaciones. El entorno de trabajo. Los métodos de aprendizaje.

Los siguientes componentes conceptuales: elemento de aprendizaje, elemento de actuación, la crítica, el generador de problemas, son parte de: Agentes que aprenden. Agentes reactivos basados en modelos. Agentes basados en objetivos.

Para diseñar un programa de agente, se debe conocer los elementos que caracterizan al agente, esto es: Software y hardware a utilizar. Posibles percepciones, posibles acciones, medida de desempeño u objetivos que debe lograr y el entorno en el que va a operar. Requerimientos y acciones a ejecutar.

Si se considera el explorador autónomo de marte, los sensores serían: Ruedas, dispositivos para la recogida de muestras, radio transmisor. Cámaras, sensores táctiles, acelerómetros, radio receptores. Terreno explorado y reportado, muestras recogidas y analizadas.

Las propiedades del entorno de trabajo del agente diagnostico medico serian: Parcialmente observable, estocástico, secuencial, dinámico, continuo, individual. Observable, estocástico, secuencial, dinámico, continuo, individual. Parcialmente observable, determinista, secuencial, dinámico, continuo, individual.

La medida de desempeño para el agente aspiradora es: El tiempo en el que se encuentra encendida la aspiradora, considerando el consumo de la electricidad y el ruido que ocasiona. La cantidad de suciedad retirada en un período determinado de tiempo, considerando, el consumo de la electricidad y el ruido que ocasiona. La cantidad de suciedad existente, considerando el tiempo en el que se encuentra encendida la aspiradora, el consumo de la electricidad y el ruido que ocasiona.

Si lo vemos al ser humano como agente, los sensores serían: Los brazos. Las piernas. Los sentidos.

Si observamos a un cajero automático como agente inteligente, su arquitectura será: El programa que se implementa para realizar las diferentes transacciones. La ejecución de la transacción. El cajero que se ocupa de que los requerimientos de los(as) usuarios(as) lleguen al programa y que se realicen las acciones.

Cuando el agente no conoce con exactitud en que estado se encuentra, ni el resultado exacto de cada una de sus acciones, estamos frente a un problema de: Estados múltiples. De contingencia. De exploración.

Los agentes que deciden qué hacer para encontrar la secuencia de acciones que conduzcan a los estados deseables, se los conoce como: Agentes reactivos. Agentes resolventes de problemas. Agentes basados en objetivos.

Las estrategias de búsqueda que conocen si un estado no objetivo es mas conveniente que otro, se denominan: Búsqueda heurística. Búsqueda secuencial. Búsqueda no informada.

El número de pasos a lo largo del camino, desde el nodo inicial se denomina: Coste del camino. Estado. Profundidad en el árbol de búsqueda.

Para resolver un problema debemos buscar en nuestra memoria a largo plazo los principios, conocimientos, estrategias que podrían aplicarse en la resolución del problema; lo indicado ¿a cuál de las acciones mencionadas para resolver un problema corresponde?: Definir el problema con precisión. Analizar el problema. Aislar y representar el conocimiento.

La búsqueda que garantiza la solución, si no se tiene limitaciones de tiempo y espacio, se denomina: Primero en anchura. Informada. No informada.

Cuando no se tiene información adicional acerca de los estados más allá de la que proporciona la definición del problema, se deben utilizar estrategias de búsqueda: Heurística. Informada. No informada.

Cuando se examina todo el árbol de forma ordenada, utilizando los operadores y generando sucesivamente tantos nodos como sea necesario hasta encontrar la solución, esto lo hace la búsqueda: Primero en anchura. De profundidad limitada. No informada.

El algort ímo: iniciar árbol con el estado inicial del problema. Si no hay candidato para expandir entonces "error", de lo contrario escoger nodo hoja para expandir según estrategia. Si nodo contiene estado objetivo, entonces es solución, de lo contrario expandir nodo y añadir el árbol de búsqueda. Este algorítmo general, corresponde a la búsqueda: Primero en anchura. Informada. No informada.

Si nos tomamos como ejemplo y decimos: estoy en noveno ciclo, actualmente tomo tres componentes académicos, me debo graduar con honores hasta diciembre del 2014. Estamos frente a un entorno: Deterministico. Parcialmente observable. De múltiples estados.

La función heurística es un componente clave de la función búsqueda de: Árboles. Grafos. Primero-Mejor.

La forma más común de trasmitir el conocimiento adicional del problema, al algoritmo de búsqueda, se lo hace por medio de: La función de evaluación. La función heurística. La función de agente.

Búsqueda de ascención de colinas estocástica en la que se mantiene una población grande de estados; los estados nuevos se generan por mutación y por cruce, combinando pares de estados de la población, esto hacen los algoritmos de búsqueda: Heurísticos. Genéticos. Combinados.

Algoritmo sencillo recursivo que intenta imitar la operación de búsqueda primero el mejor estándar, pero utilizando sólo un espacio lineal , es lo que hace: A*M. BRPM. A*PI.

Los algorítmos que usan toda la memoria disponible, se denominan: A*M y A*MS. A*PI. BPRM.

Las búsquedas A* BRPM y A*MS, son estragegias para la búsqueda: No informadas. Heurística. Iterativa.

En el caso del enfoque de inteligencia artificial, según la ley de pensamiento, todo el énfasis se pone en hacer inferencias: Correctas. Incorrectas. Difusas.

Se consideran agentes racionales de software. Un conjunto de programas convencionales. Un conjunto de sentencias que al ser compiladas cumplen una función. Aquel que actúa con la intención de alcanzar el mejor resultado; o cuando hay incertidumbre, el mejor resultado esperado.

De las siguientes inferencias identifique cuál contiene premisas falsas, que pueden llevar a una conclusión falsa: Todas las frutas son dulces, una banana es una fruta; por lo tanto, una banana es dulce. Todas las personas altas son griegas, Juan Pérez es alto; por lo tanto, Juan Pérez es griego. El perro es un mamífero; los mamíferos son animales vertebrados; por tanto, el perro es un animal vertebrado.

Desde el punto de vista racional, se entiende por Inteligencia Artificial: El nuevo y exitante esfuerzo de hacer que las computadoras piensen; es decir, construir máquinas con mentes, en el más amplio sentido literal. La automatización de actividades que se vinculan con procesos de pensamiento humano, actividades como la toma de decisiones, resolución de problemas, aprendizaje, etc. El estudio de las facultades mentales, mediante el uso de modelos computacionales.

El enfoque centrado en el comportamiento humano de la inteligencia artificial: No es una ciencia empírica que incluya hipótesis y confirmaciones mediante experimentos. Es la combinación de matemáticas e ingeniería. Es la combinación de la lógica con la semántica.

Una técnica de IA es un método que utiliza el conocimiento representado, de tal forma que: El conocimiento represente las generalizaciones. Se represente por separado cada situación individual. No es posible corregir errores ya que no es posible reflejar los cambios que se dan en el mundo.

En el siguiente silogismo mencione cuál es la premisa particular: Todas las mujeres quieren tener hijos. Algunos seres humanos son mujeres. Por lo tanto, algunos seres humanos quieren tener hijos. Todas las mujeres quieren tener hijos. Algunos seres humanos son mujeres. Por lo tanto, algunos seres humanos quieren tener hijos.

Se le pregunta la hora a un señor y este contesta: "Dentro de 20 minutos mi reloj marcará las 10 y 32". Si el reloj está adelantado de la hora real con 5 minutos, ¿qué hora fue hace 10 minutos exactamente?. 10:10 minutos. 10:07 minutos. 09:57 minutos.

Para identificar que un agente es racional, este debe: Determinar cuál es la medida de rendimiento, qué se conoce del entorno, y qué sensores y actuadores tiene el agente. Diseñar medidas de utilidad de acuerdo con lo que se quiere para el entorno. Emprender acciones que minimicen su medida de rendimiento.

Uno de los componentes de un agente con capacidad de aprendizaje es el generador de problemas, responsable de : Lograr la meta. Sugerir acciones que lo guiaran hacia experiencias nuevas e informativas. Responder a las críticas sobre la actuación del agente.

Por racionalidad se entiende: Lo mismo que percepción. La maximización del rendimiento esperado. La maximización del resultado real.

Se dice que un agente es omnisciente si éste: Maximiza el rendimiento esperado. Lleva a cabo acciones con la intensión de modificar acciones futuras. Conoce el resultado de su acción y actúa de acuerdo con él.

Cuando el agente utiliza una descripción de las metas a alcanzar que le sirve para escoger entre las distintas acciones posibles, se trata de: Agentes basados en objetivos. Agentes reactivos basados en modelos. Agentes reactivos simples.

Se dice que un agente es autonómo, cuando: Su comportamiento está determinado por su propia experiencia y no sólo por el conocimiento que le ha sido incorporado. Es incapaz de adaptarse a situaciones variadas. Su comportamiento está determinado por el conocimiento que le ha sido incorporado.

Identifique los inconvenientes de un agente basado en una tabla: Almacena la trasformación de secuencias de percepciones en acciones. La tabla puede ser enorme y de difícil comprensión. El agente tiene total autonomía.

Se entiende por acción correcta , la: Acción que realiza el agente en la realización de su tarea. Acción que realiza el agente para cumplir sus objetivos. Acción que realiza el agente para tener éxito en la realización de la tarea.

El primer paso para el diseño de un agente debe ser siempre la especificación tan completa como sea posible de: Las limitaciones. El entorno de trabajo. Los métodos de aprendizaje.

Los agentes pueden mejor su eficacia con la ayuda de: Controladores. Medidas de rendimiento. Mecanismos de aprendizaje.

Si se considera el agente robot que juega al fútbol, las medidas de rendimiento serían: Campo de juego, bola. Partidos ganados, metas en favor y en contra. Cámara, sensores táctiles, acelerómetros.

Las propiedades del entorno de trabajo del agente explorador autónomo de marte, son: Parcialmente observable, estocástico, secuencial, dinámico, continuo e individual. Parcialmente observable, estocástico, secuencial, dinámico, discreto e individual. Parcialmente observable, estocástico, secuencial, dinámico, discreto y multiagente.

Si observamos a los robots como agentes físicos que realizan tareas mediante la manipulación física del mundo, los actuadores serán: Cámaras, giroscopios. Piernas, ruedas, pizas. El espacio físico que recorre el robot.

Para un agente tutor de inglés interactivo, los sensores serían: Las personas que hacen uso del tutor. Los ejercicios, indicaciones, correcciones. El teclado de entrada.

Si se considera un agente para comprar libros en Internet, señale cuál sería su entorno: Páginas web. Links. Internet.

Si se considera el explorador autónomo de marte, los sensores serian: Ruedas, dispositivos para la recogida de muestras, radio transmisor. Cámaras, sensores táctiles, acelerómetros, radio receptores. Terreno explorado y reportado, muestras recogidas y analizadas.

Las estrategias de búsqueda que conocen si un estado no objetivo es mas conveniente que otro, se denominan: Búsqueda heurística. Busqueda secuencial. Búsqueda no informada.

La búsqueda que se implementa llamando a la BÚSQUEDA - ÁRBOLES con una frontera vacía que sea una cola primero en entrar, primero en salir (FIFO), asegurando que los nodos primeros visitados serán los primeros expandidos, estamos haciendo una búsqueda: De costo uniforme. Primero en profundidad. Primero en anchura.

Para valorar la eficiencia de un algoritmo de búsqueda, se considera: El costo de la búsqueda y el costo total. Las líneas de seudo código y el costo máquina. El número de funciones suceso para llegar al estado objetivo.

Cuando el agente no conoce con exactitud en que estado se encuentra, ni el resultado exacto de cada una de sus acciones, estamas frente a un problema de: Estados múltiples. De contingencia. De exploración.

La búsqueda que prueba diferentes profundidades es completa y óptima, se denomina búsqueda: Primero en anchura. Primero en profundidad con profundidad iterativa. De costo uniforme.

Cuando se examina todo el árbol de forma ordenada, utilizando los operadores y generando sucesivamente tantos nodos como sea necesario hasta encontrar la solución, esto lo hace la búsqueda: Primero en anchura. De profundidad limitada. No informada.

A la búsqueda que consiste en la selección de un camino que se lo sigue por completo, aumentando los niveles de profundidad hasta que se descubre la solución, se denomina. Primero en anchura. Primero en profundidad. De profundidad limitada.

La búsqueda que garantiza la solución, si no se tiene limitaciones de tiempo y espacio, se denomina: Primero en anchura. Informada. No informada.

Si consideramos el mundo de la aspiradora y decimos, hay dos posibles ubicaciones, en ellas puede o no puede existir basura, el agente se encuentra en una de las tres, las acciones posibles son: a la izquierda, a la derecha, y aspirar; la meta es eliminar la basura. Este es un problema de: Exploración. Contingencias. Un solo estado.

Si nos tomamos como ejemplo y decimos: estoy en noveno ciclo, actualmente tomo tres componentes académicos, me debo graduar con honores hasta diciembre del 2014. Estamos frente a un entorno: Deterministico. Parcialmente observable. De múltiples estados.

Los algorítmos con memoria acotada, se denominan: BRPM y A*M. A*PI. A*.

La forma más común de trasmitir el conocimiento adicional del problema, al algoritmo de búsqueda, se lo hace por medio de: La función de evaluación. La función heurística. La función de agente.

El rendimiento de los algoritmos de búsqueda heurística dependen de: El costo de la búsqueda y el costo total. La calidad de la función heurística. La función de evaluación.

Algoritmo sencillo recursivo que intenta imitar la operación de búsqueda primero el mejor estándar, pero utilizando sólo un espacio lineal , es lo que hace: A*M. BRPM. A*PI.

Las búsquedas que usan la información de la definición del problema y del coste del estado actual del objetivo, se denominan: Heur ísticas. No informadas. Iterativas.

Algoritmos de búsqueda robustos y óptimos, que utilizan cantidades limitadas de memoria, son: A* PI. A*M. BRPM y A*MS.

En el caso del enfoque de inteligencia artificial, según la ley de pensamiento, todo el énfasis se pone en hacer inferencias: Correctas. Incorrectas. Difusas.

Para poder decir que un programa piensa como humano, es necesario: Contar con un mecanismo para determinar la forma cómo piensan los humanos. Que los datos de entrada y salida del computador, sean diferentes a los del humano. Que los resultados del programa se limiten a una sola regla de inferencia.

El enfoque centrado en el comportamiento humano de la inteligencia artificial: No es una ciencia empírica que incluya hipótesis y confirmaciones mediante experimentos. Es la combinación de matemáticas e ingeniería. Es la combinación de la lógica con la semántica.

De las siguientes proposiciones indique ¿cuáles son proposiciones no válidas?: t: hola ¿cómo estás?. p: México se encuentra en Europa. r: 2x - 7.

Al momento de diseñar medidas de utilidad para un agente racional, se las debe proceder: De acuerdo a lo que se cree que el agente debe comportarse. De acuerdo a lo que se quiere para el entorno. De acuerdo a los requerimientos del usuario.

Los silogismos son esquemas de estructuras de argumentación mediante las que se llega a conclusiones correctas, si se parte de : Premisas incorrectas. Premisas correctas. Premisas negativas.

Si se dice que la inteligencia artificial es “el nuevo y excitante esfuerzo de hacer que los ordenadores piensen… máquinas con mentes, en el más amplio sentido literal” (Haugeland, 1985). Esta es una definición basada en: La conducta. En el comportamiento. En procesos mentales y razonamiento.

De entre los bienes y /o utencilios que utilizamos a diario, señale cuáles son agentes: El calefón. La pasta dental. El juego de dormitorio.

Los agentes basados en los objetivos actúan: Con la intensión de alcanzar sus metas. Seguiendo los rastros del mundo que no son evidentes según las percepciones actuales. Intentando maximizar la felicidad deseada.

Por racionalidad se entiende: Lo mismo que percepción. La maximización del rendimiento esperado. La maximización del resultado real.

Un agente toma una decisión en un momento dado, dependiendo de: La secuencia completa de percepciones hasta ese instante. La última percepción. El éxito de la decisión anterior.

Para identificar que un agente es racional, este debe: Determinar cuál es la medida de rendimiento, qué se conoce del entorno, y qué sensores y actuadores tiene el agente. Diseñar medidas de utilidad de acuerdo con lo que se quiere para el entorno. Emprender acciones que minimicen su medida de rendimiento.

Cuando el agente utiliza una descripción de las metas a alcanzar que le sirve para escoger entre las distintas acciones posibles, se trata de: Agentes basados en objetivos. Agentes reactivos basados en modelos. Agentes reactivos simples.

Identifique los inconvenientes de un agente basado en una tabla: Almacena la trasformación de secuencias de percepciones en acciones. La tabla puede ser enorme y de difícil comprensión. El agente tiene total autonomía.

Si consideramos que diferentes secuencias de acciones pueden llevar al destino que el pasajero desea, pero algunas son más seguras, baratas y rápidas que otras, debemos utilizar un criterio para asegurar un comportamiento ideal; por consiguiente, estamos hablando de: Agentes basados en objetivos. Agentes que aprenden. Agentes basados en utilidad.

Todos los agentes pueden mejorar su eficacia con la ayuda de: El usuario. Mecanismos de aprendizaj. Recompensas o penalizaciones.

Se dice que un agente es autonómo, cuando: Su comportamiento está determinado por su propia experiencia y no sólo por el conocimiento que le ha sido incorporado. Es incapaz de adaptarse a situaciones variadas. Su comportamiento está determinado por el conocimiento que le ha sido incorporado.

Se entiende por acción correcta , la: Acción que realiza el agente en la realización de su tarea. Acción que realiza el agente para cumplir sus objetivos. Acción que realiza el agente para tener éxito en la realización de la tarea.

Para un agente tutor de inglés interactivo, los sensores serían: Las personas que hacen uso del tutor. Los ejercicios, indicaciones, correcciones. El teclado de entrada.

Si se considera un agente para comprar libros en Internet, señale cuáles serían los sensores: Lista de requerimientos, libros interesantes, minimización de gastos. Páginas web; solicitudes de usuario. Introducir y suministrar datos en los campo, pantalla para el usuario.

Supóngase que se tiene una aplicación que permite monitorizar a los(as) pacientes de cuidados intensivos, entre otras cosas permite controlar constantemente el estado de los(as) pacientes, definir los tratamientos, y cuidados necesarios a corto y largo plazo, así como diagnosticar posibles enfermedades y complicaciones, debido a lo delicado de su tarea, ésta aplicación reacciona rápidamente a cualquier modificación del estado del (de la) paciente. Desde el punto de vista de la funcionalidad, se puede decir que ésta aplicación es: Un conjunto de objetos con funciones añadidas. Un agente inteligente. Un sistema experto.

Si se considera un agente para comprar libros en Internet, señale cual sería su medida de rendimiento. Lista de requerimientos, libros interesantes, minimización de gastos. Internet. Ingreso de datos en campos solicitados.

Si se considera el agente robot que juega futbol, las medidas de rendimiento serian: Campo de juego, bola. Partidos ganados, metas en favor y en contra. Cámara, sensores táctiles, acelerómetros.

Si observamos a los robots como agentes físicos que realizan tareas mediante la manipulación física del mundo, los sensores son: Las cámaras, giroscopios. Las piernas, ruedas, pizas. El espacio físico que recorre el robot.

Las estrategias de búsqueda que conocen si un estado no objetivo es mas conveniente que otro, se denominan: Búsqueda heurística. Búsqueda secuencial. Búsqueda no informada.

Cuando el agente no conoce con exactitud en que estado se encuentra, ni el resultado exacto de cada una de sus acciones, estamos frente a un problema de: Estados múltiples. De contingencia. De exploración.

Para valorar la eficiencia de un algoritmo de búsqueda, se considera: El costo de la búsqueda y el costo total. Las líneas de seudo código y el costo máquina. El número de funciones suceso para llegar al estado objetivo.

La búsqueda que se implementa llamando a la BÚSQUEDA - ÁRBOLES con una frontera vacía que sea una cola primero en entrar, primero en salir (FIFO), asegurando que los nodos primeros visitados serán los primeros expandidos, estamos haciendo una búsqueda: De costo uniforme. Primero en profundidad. Primero en anchura.

Cuando no se tiene información adicional acerca de los estados más allá de la que proporciona la definición del problema, se deben utilizar estrategias de búsqueda. Heurística. Informada. No informada.

El estado inicial, los operadores, la prueba de meta y la función de costo de ruta, son: Las salidas producidas por el algoritmo de búsqueda. Entradas al algoritmo de búsqueda. Resultados de la búsqueda.

A la búsqueda que se la puede implementar llamando a la BUSQUEDA - ARBOLES con una cola que utiliza el método LIFO, se denomina: Primero en profundidad. Primero en anchura. No informada.

A la búsqueda que consiste en la selección de un camino que se lo sigue por completo, aumentando los niveles de profundidad hasta que se descubre la solución, se denomina. Primero en anchura. Primero en profundidad. De profundidad limitada.

Si nos tomamos como ejemplo y decimos: estoy en noveno ciclo, actualmente tomo tres componentes académicos, me debo graduar con honores hasta diciembre del 2014. Estamos frente a un entorno: Deterministico. Parcialmente observable. De múltiples estados.

Si nos tomamos como ejemplo y decimos: estoy en noveno ciclo, actualmente tomo tres componentes académicos, me debo graduar con honores hasta diciembre del 2014. Si se identifica que los estados son los diferentes componentes académicos que me quedan por aprobar y las acciones son estudiar y ser perseverante. Se esta: Formulando la meta. Formulando el problema. Encontrando la solución.

La forma más común de trasmitir el conocimiento adicional del problema, al algoritmo de búsqueda, se lo hace por medio de: La función de evaluación. La función heurística. La función de agente.

Los algorítmos con memoria acotada, se denominan: BRPM y A*M. A*P. A*.

Las estrategias de búsqueda que reducen el espacio de búsqueda y son capaces de determinar su proximidad a una solución y la calidad de la misma utilizando conocimiento a priori, son: No informadas. Heurísticas. Iterativas.

Una manera de caracterizar la calidad de una heurística es. La función de evaluación. El b* factor de ramificación eficaz. El costo de la búsqueda.

Algoritmo sencillo recursivo que intenta imitar la operación de búsqueda primero el mejor estándar, pero utilizando sólo un espacio lineal, es lo que hace: A*M. BRPM. A*PI.

El rendimiento de los algoritmos de búsqueda heurística dependen de : El costo de la búsqueda y el costo total. La calidad de la función heurística. La función de evaluación.

Se consideran agentes racionales de software. Un conjunto de programas convencionales. Un conjunto de sentencias que al ser compiladas cumplen una función. Aquel que actúa con la intención de alcanzar el mejor resultado; o cuando hay incertidumbre, el mejor resultado esperado.

Una de las principales propiedades del conocimiento, es que. Es escueto. Se lo puede caracterizar facilmente. Cambia constantemente.

La prueba de Turing, propuesta por Alan Tunng, se diseñó para: Conocer las cualidades necesarias para obtener inteligencia artificialmente. Proporcionar una definición operacional y satisfactoria de inteligencia. Sacar el máximo provecho a un computador.

Los silogismos son esquemas de estructuras de argumentación mediante las que se llega a conclusiones correctas, si se parte de : Premisas incorrectas. Premisas correctas. Premisas negativas.

Una técnica de IA es un método que utiliza el conocimiento representado, de tal forma que: El conocimiento represente las generalizaciones. Se represente por separado cada situación individual. No es posible corregir errores ya que no es posible reflejar los cambios que se dan en el mundo.

De las siguientes inferencias identifique cuál contiene premisas falsas, que pueden llevar a una conclusión falsa: Todas las frutas son dulces, una banana es una fruta; por lo tanto, una banana es dulce. Todas las personas altas son griegas, Juan Pérez es alto; por lo tanto, Juan Pérez es griego. El perro es un mamífero; los mamíferos son animales vertebrados; por tanto, el perro es un animal vertebrado.

De las siguientes acciones que realizamos, como seres humanos, indique ¿cuál es racional?. Abrigarse en un día frío. Ir a tomar un colectivo para regresar a casa. Quitar la mano de la estufa caliente.

De entre los bienes y /o utencilios que utilizamos a diario, señale cuáles son agentes: El calefón. La pasta dental. El juego de dormitorio.

En el diseño de un agente, el primer paso constituye: La definición del entorno del trabajo (medidas de rendimiento, el entorno, los actuadores y los sensores REAS). La definición lógica del agente. La definición física del agente.

Uno de los componentes de un agente con capacidad de aprendizaje es el generador de problemas, responsable de: Lograr la meta. Sugerir acciones que lo guiaran hacia experiencias nuevas e informativas. Responder a las críticas sobre la actuación del agente.

Aplicando el término percepción en el contexto de agentes, señale cuál de las siguientes alternativas no es una percepción: Si vamos conduciendo un vehículo y nos encontramos con un semáforo con luz roja, ejecutamos las acciones para detener el vehículo. Luz roja de un semáforo. Si el cielo esta nublado, tomamos un abrigo para mantener el calor.

Un agente toma una decisión en un momento dado, dependiendo de. La secuencia completa de percepciones hasta ese instante. La última percepción. El éxito de la decisión anterior.

Cuando la percepción actual se interpreta a partir del estado anterior utilizando información sobre: cómo evoluciona el mundo independiente del agente y cómo influyen en el mundo las acciones del agente, estamos frente a: Agentes basados en utilidad. Agentes reactivos basados en modelos. Agentes reactivos simples.

Todos los agentes pueden mejorar su eficacia con la ayuda de: El usuario. Mecanismos de aprendizaje. Recompensas o penalizaciones.

Identifique cuál de las siguientes caracter ísticas no corresponen a un agente: Los agentes no tienen ningún control sobre sus acciones. Los agentes siempre estan activos vigilan su entorno, actualizan su estado y detrminan qué acciones son apropiadas. Los agentes toman acciones equivocadas e incluso aprenden de errores pasados.

Identifique los inconvenientes de un agente basado en una tabla : Almacena la trasformación de secuencias de percepciones en acciones. La tabla puede ser enorme y de difícil comprensión. El agente tiene total autonomía.

El primer paso para el diseño de un agente debe ser siempre la especificación tan completa como sea posible de: Las limitaciones. El entorno de trabajo. Los métodos de aprendizaje.

Se consideran agentes racionales de software. Los robots o autómatas. El vehículo Mars Pathfinder (recorrió marte en 1997 por varios meses). Los entornos virtuales como: la Web inteligente, intranets segmentadoras, etc.

Si se considera al trabajo de un taxista automático como agente, los actuadores constituyen: Carreteras, peatones, clientes, otro tipo de vehículos. Sensores del motor, velocímetro, tacómetro. Dirección, acelerador, freno, bocina.

Si lo vemos al ser humano como agente, los sensores serían: Los brazos. Las piernas. Los sentidos.

Supóngase que se tiene una aplicación que permite monitorizar a los(as) pacientes de cuidados intensivos, entre otras cosas permite controlar constantemente el estado de los(as) pacientes, definir los tratamientos, y cuidados necesarios a corto y largo plazo, así como diagnosticar posibles enfermedades y complicaciones, debido a lo delicado de su tarea, ésta aplicación reacciona rápidamente a cualquier modificación del estado del (de la) paciente. Desde el punto de vista de la funcionalidad, se puede decir que ésta aplicación es: Un conjunto de objetos con funciones añadidas. Un agente inteligente. Un sistema experto.

Las propiedades del entorno de trabajo del agente explorador autónomo de marte, son: Parcialmente observable, estocástico, secuencial, dinámico, continuo e individual. Parcialmente observable, estocástico, secuencial, dinámico, discreto e individual. Parcialmente observable, estocástico, secuencial, dinámico, discreto y multiagente.

Si observamos a los robots como agentes físicos que realizan tareas mediante la manipulación física del mundo, los actuadores serán: Las cámaras, giroscopios. Las piernas, ruedas, pizas. El espacio físico que recorre el robot.

Si se considera el explorador autónomo de marte, los actuadores serían: Terreno explorado y reportado, muestras recogidas y analizadas. Vehículo de lanzamiento, marte. Ruedas, dispositivos para la recogida de muestras, radio transmisor.

Los agentes que deciden qué hacer para encontrar la secuencia de acciones que conduzcan a los estados deseables, se los conoce como: Agentes reactivos. Agentes resolventes de problemas. Agentes basados en objetivos.

Cuando el agente no conoce con exactitud en que estado se encuentra, ni el resultado exacto de cada una de sus acciones, estamas frente a un problema de: Estados múltiples. De contingencia. De exploración.

La búsqueda que se implementa llamando a la BÚSQUEDA - ÁRBOLES con una frontera vacía que sea una cola primero en entrar, primero en salir (FIFO), asegurando que los nodos primeros visitados serán los primeros expandidos, estamos haciendo una búsqueda: De costo uniforme. Primero en profundidad. Primero en anchura.

Para valorar la eficiencia de un algoritmo de búsqueda, se considera: El costo de la búsqueda y el costo total. Las líneas de seudo código y el costo máquina. El número de funciones suceso para llegar al estado objetivo.

En esta búsqueda el tiempo necesario crece exponencialmente con respecto a la profundidad, mientras que el espacio requerido en memoria lo hace en forma lineal. Primero en anchura. Primero en profundidad. De profundidad limitada.

Cuando no se tiene información adicional acerca de los estados más allá de la que proporciona la definición del problema, se deben utilizar estrategias de búsqueda: Heurística. Informada. No informada.

El estado inicial, los operadores, la prueba de meta y la función de costo de ruta, son: Las salidas producidas por el algoritmo de búsqueda. Entradas al algorítmo de búsqueda. Resultados de la búsqueda.

A la búsqueda que se la puede implementar llamando a la BUSQUEDA - ARBOLES con una frontera vacía, llamando a una cola que utiliza el método FIFO, se denomina: Primero en profundidad. Primero en anchura. No informada.

El algoritmo: iniciar árbol con el estado inicial del problema. Si no hay candidato para expandir entonces "error", de lo contrario escoger nodo hoja para expandir según estrategia. Si nodo contiene estado objetivo, entonces es solución, de lo contrario expandir nodo y añadir el árbol de búsqueda. Este algoritmo general, corresponde a la búsqueda: Primero en anchura. Informada. No informada.

Si nos tomamos como ejemplo y decimos: estoy en noveno ciclo, actualmente tomo tres componentes académicos, me debo graduar con honores hasta diciembre del 2014. Estamos frente a un entorno: Deterministico. Parcialmente observable. De múltiples estados.

Los algorítmos con memoria acotada, se denominan : BRPM y A*M. A*PI. A*.

La forma más común de trasmitir el conocimiento adicional del problema, al algoritmo de búsqueda, se lo hace por medio de: La función de evaluación. La función heurística. La función de agente.

Una manera de caracterizar la calidad de una heurística es: La función de evaluación. El b* factor de ramificación eficaz. El costo de la búsqueda.

Las búsquedas que usan la información de la definición del problema y del coste del estado actual del objetivo, se denominan: Heurísticas. No informadas. Iterativas.

Algoritmo sencillo recursivo que intenta imitar la operación de búsqueda primero el mejor estándar, pero utilizando sólo un espacio lineal, es lo que hace: A*M. BRPM. A*PI.

Los algoritmos que usan toda la memoria disponible, se denominan : A*M y A*MS. A*PI. BPRM.