Nace en la Universidad de Sevilla el IAI-Lab: Laboratorio de Inteligencia Artificial Inmersiva con el objetivo de proporcionar a los miembros de la Universidad un lugar donde investigar cómo integrar los últimos avances de la IA/ML con las técnicas más novedosas para experiencias inmersivas (AR+VR). Pulsa aquí para saber más.
Nuevo Lab: IAI-Lab
Sistemas Deductivos Proposicionales
En temas anteriores hemos visto algunos algoritmos para resolver el problema de la deducción, por ejemplo, por medio de Tableros Semánticos o DPLL, todos ellos basados en el hecho de que: $\Sigma\models A \Leftrightarrow \Sigma \cup \{\neg A\}\mbox{ es insatisfactible}$. Sin embargo, esta forma (que sería algo parecido a hacer una reducción al absurdo) no es la más habitual (ni más clásica) de abordar el problema de la deducción. En muchas áreas (por ejemplo, matemáticas, sitio por excelencia de la deducción formal) es más normal acudir al concepto de demostración, que parte de un conjunto de enunciados básico que actúa como conjunto de axiomas (o hipótesis), y que asumimos como ciertos inicialmente, y de un proceso constructivo por el que vamos obteniendo una sucesión de enunciados intermedios, deducibles unos a partir de otros, hasta llegar al resultado que queremos demostrar.
Formas Prenex, de Skolem y Teorema de Herbrand
Al igual que vimos cómo extender los Tableros Semánticos de LP a LPO, en este capítulo vamos a ver los fundamentos necesarios para extender las Formas Normales y Formas Clausales vistas en LP a un formato igualmente útil en LPO. El objetivo no solo es disponer de fórmulas equivalentes, sino ver hasta qué punto podemos trasladar los algoritmos que se desarrollan para LP al contexto de Primer Orden.
Formas Normales, Cláusulas y Algoritmo DPLL
En este tema vamos a abordar los métodos más comunes de preprocesamiento de fórmulas LP, que también serán aplicables a fórmulas LPO, y mostraremos uno de los algoritmos centrales para $SAT$ que hace uso de este preprocesamiento, $DPLL$, en el que se basan la gran mayoría de métodos actuales que abordan ese problema.
Construir un buscador desde cero
En esta entrada vemos cómo se pueden implementar de forma muy sencilla buscadores en Espacios de Estados en un lenguaje con características funcionales. La idea no es presentar implementaciones muy eficientes, sino únicamente encontrar patrones comunes y flexibles que permiten estas representaciones y posibles ampliaciones y adaptaciones futuras.
- « Página anterior
- 1
- 2
- 3
- 4
- …
- 27
- Página siguiente »
ALGUNAS ENTRADAS ANTERIORES ... AL AZAR
Artificial Neural Networks in NetLogo
As a way to continue with AI algorithms implemented in NetLogo, in this post we will see how we can make a simple model to investigate about Artificial Neural Networks (ANN). We will restrict ourselves to the more common and classical ones, the Multilayer Perceptron Network... my excuses for those of you that are waiting to see here something about Deep Neural Networks (DNN, as those used in AlphaGo from Google, or CaptionBot from Microsoft), maybe in a later post I will try to think about how to extract the main features of some convolutional neural network and test it on a very simple NetLogo model, but I am afraid that we will need too many computational resources to obtain anything of interest with this tool... Who knows? I will keep thinking.
Sobre la Inteligencia Artificial...
La Inteligencia Artificial (IA) es un campo de investigación transdisciplinar que generalmente se relaciona con el desarrollo e investigación de sistemas que operan o actúan inteligentemente. Está considerada una disciplina de las Ciencias de la Computación ya que tiene un enfoque principalmente computacional, aunque cada día hay más aportaciones desde otras áreas (como neurociencia, estadística, psicología, etc.).
