Inteligencia artificial

Abstract

Cuando comenzamos el estudio sobre aprendizaje computacional contábamos con investigaciones de diferentes autores, desconociendo si entre ellos existía algún tipo de relación. Luego de leer y analizar cada uno de los papers, descubrimos que existían aspectos que podían ser comparados. Esto nos permitió ver la posibilidad de organizar esta información teniendo en cuenta dichos aspectos. La clasificación elegida para organizar los papers es la clasificación es clasificación basada sobre la estrategia de aprendizaje subyacente, porque esta considera más aspectos de la información provista por una fuente, que es con lo único que cuenta inicialmente quien quiere aplicar aprendizaje. Para cada estrategia de aprendizaje se describen métodos que la implementan, tratando de desarrollar la mayor cantidad posibles de ellos a fines de permitirnos realizar una buena comparación, perdiendo en cada descripción exaustividad. A partir del análisis mencionado, no solo creimos útil organizar la información dispersa, sino también desarrollar una serie de comparaciones que describan diferencias y similitudes entre las distintas formas de desarrollar aprendizaje computacional, considerando esto un aporte necesario. El resultado del análisis descripto anteriormente dio origen al survey de aprendizaje computacional, cuya utilidad es asistir a quien necesita aplicar este tipo de aprendizaje en un dominio particular. Frente a un problema real, el survey intente ayudar a descubrir cual es el método más apropiado para solucionarlo: a través de la comparación entre estrategias que profundizan determinadas características de los problemas que solucionan cada una, se intenta encontrar la más adecuada para resolver dicho problema. Una vez seleccionada una estrategia, se procederá de la misma manera a través de la comparación de métodos que implementan dicha estrategia para seleccionar uno en particular. Este procedimiento no siempre dará como resultado una única alternativa. Para testear la utilidad de survey para solucionar un problema de aprendizaje computacional consideramos necesario aplicarlo sobre un dominio real, concluyendo con un prototipo que demostrará la factibilidad práctica.