¿qué es heurística en inteligencia artificial?

ejemplo de función heurística

El enfoque heurístico, que dominó durante las primeras décadas de la investigación en IA, depende totalmente de las recetas para resolver problemas de procesamiento de datos y de decisión que han sido pensados y codificados por programadores humanos. Sus investigadores también se han sentido históricamente atraídos por trabajar en problemas que se prestaban a representaciones simbólicas, nociones binarias de verdad y decisiones discretas.    Por estas últimas razones, este tipo de IA también se ha denominado “simbólica”.    El diagrama de flujo puede servir de icono.

El enfoque estadístico, que ha ganado una enorme cuota de mercado en la práctica de la IA en las últimas décadas, utiliza técnicas de optimización para mejorar automáticamente el rendimiento de un programa informático, basándose en las pruebas presentes en los datos de medición.    Sus investigadores han logrado desarrollar sistemas de análisis y control de datos que funcionan bien con señales de valor continuo o analógicas, así como con datos discretos o simbólicos.    Este tipo de IA también se denomina “aprendizaje automático”.    El gráfico de regresión podría servir de icono.

wikipedia

En optimización matemática e informática, la heurística (del griego εὑρίσκω “encuentro, descubro”) es una técnica diseñada para resolver un problema más rápidamente cuando los métodos clásicos son demasiado lentos, o para encontrar una solución aproximada cuando los métodos clásicos no logran encontrar ninguna solución exacta. Esto se consigue cambiando la optimización, la exhaustividad, la exactitud o la precisión por la rapidez. En cierto modo, puede considerarse un atajo.

Una función heurística, también llamada simplemente heurística, es una función que clasifica las alternativas en los algoritmos de búsqueda en cada paso de bifurcación basándose en la información disponible para decidir qué rama seguir. Por ejemplo, puede aproximarse a la solución exacta[1].

El objetivo de una heurística es producir una solución en un tiempo razonable que sea lo suficientemente buena para resolver el problema en cuestión. Esta solución puede no ser la mejor de todas las soluciones de este problema, o puede simplemente aproximarse a la solución exacta. Pero sigue siendo valiosa porque encontrarla no requiere un tiempo prohibitivo.

valor heurístico

Una heurística es, en pocas palabras, un atajo. Las heurísticas son estrategias que se utilizan a menudo para encontrar una solución que no sea perfecta, pero que esté dentro de un grado de precisión aceptable para las necesidades del proceso. En informática, las heurísticas son especialmente útiles cuando encontrar una solución óptima a un problema es poco práctico debido a la lentitud o a las limitaciones de la potencia de procesamiento.

Veamos un ejemplo familiar de una heurística que la gente utiliza para reducir la carga cognitiva: calcular la propina de una comida en un restaurante. Imaginemos una cena para dos personas que asciende a un total de 17,38 dólares. En el recibo, el impuesto está desglosado en 1,75 dólares. Un tipo de impuesto sobre las ventas habitual es de entre el 8% y el 10%, dependiendo de dónde se viva. Para calcular rápidamente una propina del 20%, puedes simplemente duplicar el impuesto y dejar una propina de 3,50 dólares.

En el ejemplo anterior, la heurística que utilizamos se basó en un contexto coherente (el hecho de que el impuesto sobre las ventas se sitúa en torno al 10%). Debe tener cuidado cuando lleve esta heurística a un nuevo territorio donde sus suposiciones pueden no ser exactas. Por ejemplo, si sale a cenar a Saskatechewan, Canadá, donde el impuesto provincial sobre las ventas es del 6%, y aplica esta heurística, puede encontrarse con un camarero muy insatisfecho. La cuestión es que la heurística es estupenda cuando los supuestos en los que se basa son suficientemente consistentes.

qué es la búsqueda heurística en inteligencia artificial

Se podría definir simplemente una heurística inicial según la cual, si la similitud de los títulos de los productos está por debajo de un nivel arbitrario, los productos se consideran diferentes; en caso contrario, se consideran iguales. Esto sería lo que yo llamo una heurística.

Sin embargo, si leo la definición de heurística de la Wikipedia, dice que es un método práctico que no garantiza ser óptimo o perfecto. Esto parece muy general y parece que podría extenderse al aprendizaje automático.

¿Cómo sabes que la solución es óptima o perfecta? Cuando se trata de fenómenos aleatorios, no se pueden obtener resultados “perfectos” (es decir, siempre correctos). Lo que ofrecen los algoritmos de aprendizaje automático es el “mejor resultado posible”, si se cumplen ciertas condiciones. Además, cada uno de los algoritmos que se utilizan habitualmente ofrece algunas garantías de optimización en determinados escenarios (si no fuera así, no los utilizaríamos).

Las heurísticas tienen un significado muy similar, aunque más preciso, en informática, tl;dr: son algoritmos que buscan una solución aproximada, opinable, en lugar de la exacta. En el aprendizaje automático, no suele haber soluciones exactas, por lo que no es posible alcanzarlas con ningún algoritmo.