Domingo Romero Asturiano
La Inteligencia Artificial (IA) lleva intentando desde hace muchos años conseguir un sistema capaz de enfrentarse a un problema concreto y solucionarlo tal y como lo haría un ser humano, Esto se ha conseguido en múltiples casos, sobre todo allí donde el conocimiento que maneja el sistema está libre de ambigüedades y es relativamente completo.
Sin embargo, en determinados entornos, estos sistemas no se comportan bien debido a la incertidumbre en los datos que manejan, y esta situación se manifiesta sobre todo cuando tratamos con procedimientos generales no adscritos a un problema concreto.
A principios de la década de los ochenta, las técnicas de IA quedaron un tanto desacreditadas al no poder producir los ordenadores pensantes que se propusieron crear, aunque en la última década hay un resurgir de estas técnicas, en particular en lo que ser refiere a las relacionadas con la computación evolutiva. El problema principal surge al intentar imitar el modo en que el hombre se enfrenta a los problemas, la facilidad para emitir una respuesta ante un determinado patrón. Los procedimientos estocásticos de la IA parecen adaptarse mucho mejor que el resto a estos problemas. Sin embargo, muchos de estos procedimientos carecen de una base sólida, de una teoría que fundamente una generalidad de aplicación, limitando ésta, como siempre, a un problema muy concreto.
La Computación Evolutiva es una de las técnicas heurísticas que más se ha desarrollado en las últimas décadas y que más éxito ha tenido en los problemas que ha intentado solucionar. Los algoritmos evolutivos se inspiran en la evolución de las especies, expuesta por primera vez por Darwin en 1859 y que implica una selección de los mejores individuos y también la existencia de cambios aleatorios.
De todas estas técnicas, que incluyen al os Algoritmos Genéticos, la Programación Evolutiva, la Programación Genética y las Estrategias Evolutivas, los Algoritmos de Estimac
© 2008-2024 Fundación Dialnet · Todos los derechos reservados