IA Clásica y Razonamiento

La IA antecede al statistical learning, y muchos problemas siguen resolviéndose mejor con estado explícito, restricciones, búsqueda y planificación. Un modelo generativo puede proponer; un algoritmo clásico suele verificar, optimizar o garantizar.

Modelo mental

Representá el problema como estados, acciones, restricciones, creencias o proposiciones. Después aplicá un algoritmo cuyos supuestos y garantías coincidan con esa representación. La parte difícil suele ser el espacio de estados y la heurística.

Roadmap

BFS/DFS/UCS · A* · constraint satisfaction · planificación · lógica y conocimiento · expert systems · Bayesian networks · decision theory · IA neuro-simbólica · cuándo la IA clásica supera a un modelo generativo.

Conecta con: Planificación y descomposición · Reinforcement Learning · Fallbacks y degradación gradual

Fuentes principales

• Artificial Intelligence: A Modern Approach — cobertura canónica del campo.
• Berkeley CS188 — algoritmos y proyectos ejecutables.
• Stanford CS228 — razonamiento probabilístico.