Introducción: Agents & Environments
El examen cubre las primeras tres clases del curso:
- Clase 1: Introducción e Historia de la IA
- Clase 2: Agents y Environments
- Clase 3: Lógica
El examen incluirá todo lo que hemos visto sobre cómo evalúo, los temas de historia de la IA, agentes y ambientes, y lógica proposicional.
¿Por qué estudiar Agentes?
Todo el curso gira alrededor de una pregunta central:
¿Cómo construimos sistemas que actúan inteligentemente?
La respuesta: modelamos estos sistemas como agentes que interactúan con environments.
graph LR
E[Environment] -->|Percepts| A[Agent]
A -->|Actions| E
El Ciclo Fundamental
Cualquier sistema inteligente, desde un termostato hasta GPT-4, sigue este ciclo:
graph TD
P[Percibir] --> D[Decidir]
D --> A[Actuar]
A --> P
Marco Conceptual del Curso
Cada tema del curso responde a preguntas sobre este ciclo:
| Fase | Pregunta | Temas del curso |
|---|---|---|
| Percibir | ¿Qué sé del mundo? | Probabilidad, Bayesian Inference, HMMs |
| Decidir | ¿Qué debo hacer? | Decision Theory, Search, Planning, Game Theory |
| Actuar | ¿Cómo ejecuto? | MDPs, RL, Neural Networks |
| Aprender | ¿Cómo mejoro? | Learning Theory, RL |
Visualización: Landscape del Curso
Preguntas para Reflexionar
Antes de continuar, piensa en estos sistemas:
- Un carro autónomo
- Un filtro de spam
- Un chatbot
- Un jugador de ajedrez
- Tú mismo
¿Qué tienen en común? ¿Qué los diferencia?