INTELIGENCIA ARTIFICIAL

En los problemas de satisfacción de restricciones, los estados y test objetivo forman una representación: Simple y estructurada. Simple y dinámica. Simple y desordenada.

Los problemas de satisfacción de restricciones, están basados en un conjunto de variables cuyos valores están definidos en un dominio: Variable e indeterminista de posibles valores. Finito o infinito de posibles valores. Vacío e indefinido de posibles valores.

En los problemas de satisfacción de restricciones, a una asignación que no viola ninguna restricción, se denomina: Completa. Inestable. Consistente.

Para la visualización de un problema de satisfacción de restricciones utilizando un grafo de restricciones: Los nodos del grafo corresponden a las variables del problema y los arcos corresponden a las restricciones del problema. Los nodos del grafo corresponden a las restricciones del problema y los arcos corresponden a las variables del problema. Los nodos del grafo corresponden a los estados del problema y los arcos corresponden a las variables del problema.

En los problemas de satisfacción de restricciones, se pueden desarrollar: Heurísticas eficaces y genéricas, que requieren información adicional del dominio específico del problema. Heurísticas frágiles, que requieren información adicional del dominio específico del problema. Heurísticas eficaces y genéricas, que no requieran ninguna información adicional ni experta del dominio específico del problema.

La clase más simple de problemas de satisfacción de restricciones implica variables: Continuas y dominios finitos. Discretas y dominios finitos. Continuas y dominios infinitos.

Las restricciones que están compuestas por pares de variables, se denominan: Monarias. Binarias. Duras.

Cuando las restricciones relacionan dos variables, se denominan problemas de satisfacción de restricciones: Binarios. Monarios. De orden alto.

Si decimos: [R = rojo] => [V = verde] = [V = verde] => [R = rojo]; estamos haciendo una asignación de variables: Disyuntiva. Asociativa. Conmutativa.

La restricción X > Y, es una restricción: Monaria. Binaria. Dura.

La alternativa para usar mejor las restricciones durante la búsqueda, se llama: Ordenamiento de valor. Restricciones. Comprobación hacia adelante.

Un árbol de juegos, está definido por: Estados terminales. El estado inicial y los movimientos legales para cada lado. El valor MiniMax de cada nodo.

Es conveniente podar un árbol para: Aproximar la utilidad verdadera de un estado sin hacer una búsqueda completa. Realizar una exploración completa del árbol de juegos. Eliminar grandes partes del árbol.

El uso de extensiones excepcionales es bastante eficaz para: Evitar el efecto horizonte sin añadir demasiado coste a la búsqueda. Restringir ciertos tipos de movimiento. Resolver rápidamente la incertidumbre.

A las permutaciones diferentes de la secuencia de movimientos que terminan en la misma posición, se les. Movimiento nulo. Información imperfecta. Transposiciones.

A los problemas de búsqueda entre adversarios, se los conoce como: Juegos. Entornos multiagentes cooperativos. Entornos multiagentes competitivos.

En los juegos existen oponentes imprevistos, por lo que se debe especificar: Un movimiento por cada posible réplica del oponente, en un límite de tiempo. Un movimiento por todas las posibles réplicas del oponente, en un límite de tiempo. Un único movimiento para adelantarse al oponente, en un limite de tiempo.

El algoritmo de Minimax está basado en el algoritmo de búsqueda, denominado: Primero en anchura. Primero en profundidad. Profundidad limitada.

El algoritmo: generar árbol de búsqueda desde la raíz hasta los estados terminales, obtener valor función de utilidad en cada estado terminal, aplicar la función de utilidad en los nodos inmediatamente superiores a los terminales, continuar con la propagación hacia el nodo raíz, una capa cada vez, al llegar a la raíz escoger la jugada que permita obtener el más alto valor; es de: Juegos. MiniMax. Búsqueda local.

Entre otras, las propiedades del algoritmo MiniMax son: Completo, pero no siempre óptimo. Completo y óptimo. Completo e ineficaz.

El juego de ajedrez, es un juego de mesa para dos contrincantes, que se lo puede programar, puesto que tiene: Bien definida la meta y las acciones. Bien definida la meta, pero no así las acciones. La meta es algo confusa, al igual que las acciones.

Para el juego de ajedrez, la técnica de búsqueda que se debe utilizar es: La búsqueda MiniMax, ya que es más eficiente en la búsqueda de una solución en un 30% comparada con la búsqueda de Poda Alfa Beta. La búsqueda Poda Alfa Beta, ya que es más eficiente en la búsqueda de una solución en un 30% comparada con la búsqueda de MiniMax. La búsqueda primero en anchura, ya que es más eficiente en la búsqueda de una solución en un 30% comparada con la búsqueda de MiniMax.

Lógica es una notación (o un lenguaje) matemático para gestionar: El conocimiento. El razonamiento. Las decisiones.

En una base de conocimiento, cada representación de hechos del mundo, se llama: Regla. Sentencia. Oración.

Un agente basado en conocimiento es un sistema que: Posee conocimientos de su mundo y que puede cambiar el estado de su mundo. Está representado mediante un lenguaje de representación de conocimiento. Posee conocimientos de su mundo y que es capaz de razonar sobre las posibles acciones que puede tomar para cambiar el estado de su mundo.

El lenguaje de representación de conocimiento, es un lenguaje formal de representación, que usa: La lógica proposicional y la lógica de predicados. La lógica difusa. La lógica probabilística.

Si se representa el conocimiento de la siguiente manera: (1) Si cheque esta completo, portador conocido y saldo suficiente, entonces pagar cheque; (2) Si fecha correcta, cheque firmado, saldo suficiente y portador identificado, entonces cheque completo; (3) Si fecha cheque es hoy, o fecha cheque entre 1 y 90 días antes de fecha hoy, entonces fecha correcta. La representación mencionada es: Procedural. Declarativa. Narrativa.

Para representar el conocimiento, la conexión entre oraciones y hechos es algo que se establece mediante: La sintaxis del lenguaje. La semántica del lenguaje. Operadores lógicos.

La inferencia lógica genera nuevas oraciones, que son consecuencia de oraciones: Nuevas. Ya existentes. Desconocidas.

Un buen lenguaje de representación del conocimiento de combinar las ventajas de los lenguajes naturales y de los lenguajes formales; por tanto debe ser: Expresivo y conciso, inequívoco e independiente del contexto y eficiente. Concreto, no ambiguo, dependiente del contexto y eficiente. No suficientemente expresivo, no ambiguo, dependiente del contexto y eficiente.

La lógica que se preocupa por la representación de los mundos en términos de objetos y predicados sobre objetos (propiedades de y relaciones entre objetos), así como del uso de conectivos y cuantificadores, se denomina lógica: Proposicional. Temporal. De primer orden.

La lógica en la que los símbolos representan proposiciones completas (hechos), los cuales se pueden combinar con conectivos booleanos, se denomina: Proposicional. Temporal. De primer orden.

Por regla de inferencia, se entiende a: El conjunto de posibles alternativas para encontrar soluciones. El conjunto de entradas que sirven de base para establecer soluciones. Los patrones de inferencia sólidos que se pueden utilizar para encontrar demostraciones.

Se dice que un algoritmo de inferencia es sólido si: Deriva sólo sentencias implicadas. Deriva cualquier sentencia. Enumera totas las sentencias implicadas.

Un modelo de datos se asocia con: Un esquema de representación. Una base de datos. Varios dominios.

Base de conocimiento, es: El denominado esquema de representación. Una base de datos cualquiera. Un almacén de grandes cantidades de datos organizados siguiendo un determinado esquema o modelo de datos que facilite su almacenamiento, recuperación y modificación.

En las bases de conocimiento, se almacenan: Cantidades ingentes de datos. Hechos. Elementos de conocimiento (normalmente en forma de hechos y reglas) así como, la manera en que estos elementos han de ser utilizados.

A una base de conocimiento se le trata de dotar de conocimiento sobre sí misma; es decir, una Base de Conocimiento ha de “saber lo que sabe”. Por ejemplo, ante una consulta determinada, la Base de Conocimiento respondería: Afirmativamente, independientemente de que tenga o no la información relevante. “Sí”, “no” o “no lo sé”, en el caso de carecer de todos los datos pertinentes a la consulta. Negativamente, independientemente de que tenga o no la información relevante.

Una base de conocimiento, es un modelo de: Datos, compuesto por una colección de conceptos bien definidos matemáticamente que ayudan a expresar las propiedades estáticas (entidades, propiedades y relaciones) y dinámicas (operaciones con las entidades, propiedades o relaciones) de una aplicación con un uso de datos intensivo. Datos que aportan la base conceptual para diseñar aplicaciones que hacen un uso intensivo de datos; así como, la base formal para las herramientas y técnicas empleadas en el desarrollo y uso de sistemas de información. Un mundo/empresa/sección de la realidad, considerándose mundo/ universo como una colección de individuos o entidades y una colección de relaciones que existen entre esos individuos. La colección de individuos que conforman el universo a representar y las relaciones que éstos mantienen constituye un estado, y puede haber transformaciones de estado que causan la creación o modificación de individuos o de las relaciones entre ellos.

Por ingeniería ontológica, se entiende: La representación de objetos físicos y sus relaciones. La representación de conceptos generales (acciones, tiempo, objetos físicos, y creencias). La representación de grandes volúmenes de información.