Para iniciar este subtema, es importante destacar que desde mi punto de vista el contenido del tema 1.8 no debería estar incluido en este capítulo, ya que se trata de un subtema relacionado con los algoritmos de búsqueda. Este tema se abordará con mayor profundidad en el capítulo 3 de este temario. Por lo tanto, propongo reorganizar el orden del temario y trasladar este subtema al capítulo 3, específicamente después del subtema 3.3.2 Búsqueda en anchura. En mi experiencia, el capítulo 3 aporta todas las bases de los algoritmos de exploración alternativas, así como las bases de los algoritmos A* y de búsqueda local.
Dado que este documento está sujeto a revisión y aprobación por parte de un comité que sigue estrictamente el temario, procederé a presentar los temas como si ya hubiéramos cubierto el contenido del capítulo 3. En este contexto, se asume que hemos adquirido conocimientos previos sobre los temas relacionados con los algoritmos de búsqueda, tal como se abordan en el capítulo 3. Por lo tanto, puedo profundizar en los aspectos específicos de los algoritmos mencionados en el tema 1.8 con la comprensión previa de los conceptos y técnicas discutidos en el capítulo 3.
Para iniciar, planteamos una pregunta fundamental: ¿Cómo pueden las máquinas tomar decisiones inteligentes cuando no disponen de toda la información? En la sesión de lluvia de ideas con los estudiantes, el docente debe orientarlos hacia la comprensión de la necesidad de un método que aborde problemas de manera similar a como lo haría un ser humano. Por ejemplo, podría preguntarles: “¿Cómo llegaste a la conclusión de estudiar esta carrera?” o “¿Qué factores influyeron en tu elección de esta universidad?” resaltando la posibilidad de existir falta de información a la hora de tomar la decisión, por ejemplo ¿sabías el campo laboral de esta carrera? ¿sabías el contenido de las materias de la carrera? ¿conocías la metodología de los docentes?
Es esencial guiar a los estudiantes a reflexionar sobre el proceso de toma de decisiones humano y cómo se ven influenciados por una variedad de factores, como intereses personales, metas profesionales, valores, circunstancias familiares, entre otros. Esto les ayudará a comprender la complejidad de la toma de decisiones y la importancia de desarrollar métodos inteligentes que consideren múltiples variables y restricciones, similar a cómo lo hacen las personas en la vida cotidiana.
Iniciamos con el Concepto Heurística:
Heurística:
Definición:
Cognoscitivo:
Definición:
Es un método o estrategia que utiliza reglas prácticas,conocimientos y experiencia previa para tomar decisiones rápidas y eficientes basándose en juicios subjetivos. La heurística no siempre es precisa, pero puede ser útil cuando no hay tiempo o información suficiente para una solución óptima. Se puede decir que las heurísticas son atajos mentales que permiten tomar decisiones rápidas cuando la información es limitada o el tiempo es escaso.
Para poder desarrollar y aterrizar este conocimiento podemos usar los siguientes ejemplos y analogías:
Es necesario hacer notar que a pesar de las ventajas de las heurísticas como la rapidez y eficacia también puede conllevar a errores de juicio o sesgos si se aplica de manera indiscriminada, tal y como lo hacemos los humanos cuando tomamos decisiones rápidas y sin las información completa.
Cerramos las sesión con otros ejemplos en los que se usa la heurística en la inteligencia artificial y así dar una idea de los próximos subtemas.
Recursos: 0 Descargables
Duración: 0.5 Horas
Departamento de Sistemas e Informatica
sistemas@itistmo.edu.mx
“Por una tecnología propia como principio de libertad®️”