Parte V

Conclusiones

Conclusiones del libro

• La incertidumbre implica la invalidación de muchas de las simplificaciones que es posible realizar a través de la inferencia.
• Entre las aseveraciones de la probabilidad básica están las probabilidades a priori y las probabilidades condicionales, presentes tanto en proposiciones simples como complejas.
• La distribución de probabilidad conjunta especifica la probabilidad de cada asignación completa de valores a variables aleatorias.
• Las reglas de Bayes permite calcular probabilidades desconocidas a partir de probabilidades conocidas y estables.
• Las redes de creencia constituyen una manera natural de representar la información sobre la independencia condicional. Los vínculos entre los nodos representan los aspectos cualitativos del dominio; las tablas de probabilidad condicional representan los aspectos cuantitativos.
• Existen varias técnicas de inferencia que son utilizadas en las redes de creencia general, y en todas ellas la complejidad es exponencial en el peor de los casos. En los dominios reales, la estructura local tiende a que las cosas sean más factibles, aunque hay que poner atención para construir una red manejable en donde haya más de un centenar de nodos. También es posible utilizar ténicas de aproximación, incluida la simulación estocástica, para obtener una estimación de las verdaderas probabilidades haciendo menos cálculos.
• La teoría de las probabilidades caracteriza aquello en lo que deberá creer un agente en base en lo que le dicen las evidencias, la teoría de la utilidad carateriza lo que el agente desea y la teoría de decisiones conjunta ambas para caracterizar lo que el agente debe hacer.
• La teoría de la utilidad del atributo múltiple se ocupa de aquellas utilidades que dependen de diversos atributos de estado.
• Las redes de decisión constituyen un sencillo formalismo para expresar y resolver problemas de decisión. Son la ampliación de las redes de creencia, y cuentan con nodos de decisión y de utilidad, además de los nodos aleatorios.
• El valor de la información se define como la mejoría esperada en la utilidad comparada con lo que se obtendría al tomar la decisión sin el respaldo de dicha información.
• Los problemas de decisión secuencial en ambientes inciertos se resuelven mediante el cálculo de una política que vincule una decisión óptima con cada uno de los estados que el agente puede alcanzar.
• La iteración de valores y la iteración de políticas son dos métodos que sirven para calcular las política óptimas.
• Las redes de decisión dinámicas resuelven problemas de decisión secuenciales, a través del manejo de muchas de las cuestiones que se presentan a los agentes en dominios complejos e inciertos.
• Las redes de creencias dinámicas manejan la percepción sensorial y la actualización a través del tiempo, y permiten realizar la implantación del ciclo de actualización.

Conclusiones de la cátedra

• La probabilidad es un formalismo riguroso cuando existe incertidumbre sobre el conocimiento.
• La distribución de probabilidad especifica la probabilidad para cada evento atómico.
• Las consultas pueden ser resueltas para concluir en otro evento atómico.
• El razonamiento incierto, así como la planificación incierta, están aún alejados de poderse resolver en el caso general. Mucho de lo explicado es más experimental que comercial y si es comercial, los proyectos son de reducida magnitud.
• En general, las decisiones del mundo real que hay que tomar son bajo riesgo o bajo incertidumbre. En el mundo real no tiene demasiado sentido preguntarnos si todo es verdad. Las decisiones se basan en probabilidades, a veces objetivas, a veces subjetivas. Hay que elegir la alternativa con utilidad esperada máxima, combinando teoría de decisión con teoría de utilidad. Es un área importante de la teoría de la cognición.
• La incertidumbre y un acercamiento decisión-teórico a la planificación y al diseño de agentes.
• Este capítulo presenta las bases para tratar problemas en la representación, la inferencia, la explicación y la ingeniería de conocimiento dentro del marco de un agente decisión intensivo. Históricamente, el desarrollo del razonamiento heurístico surgió con motivo de la falta de expresividad de los primeros sistemas expertos probabilistas. Hay una gran relación entre heurística y teoría. de probabilidades.
• La realidad está llena de incertidumbre y la búsqueda de la “felicidad” durante la conducta exteriorizada en acciones es caracterísrtica de un desempeño eficiente. Entonces la novedad incorporada garante 
  Más flexibilidad y Más eficiencia.
• Aunque la reciente investigación sobre las ideas de aplicar ciencia de la decisión a los planificadores y a los sistemas expertos parece sobradamente interesante, solamente unos pocos prototipos han aparecido hasta la fecha.
• Más allá de los sistemas expertos, vemos importantes oportunidades para la aplicación de ideas de la ciencia de la decisión a solucionar temas de planificación más eficientes, buen razonamiento temporal y aprendizaje. Sin embargo, sigue habiendo barreras prácticas en la aplicación de estas ideas.
  

Conclusiones personales

• El agente no tiene acceso a toda la verdad acerca de su ambiente, pero que de todas maneras, el agente deberá tomar desiciones actuando bajo condiciones de incertidumbre. Estas desiciones se basarán en la teoría de las probabilidades y en la teoría de utilidad.

• Los sistemas de razonamiento basados en modelos de redes y con base en las leyes de la teoría de la probabilidad son empleados para razonar en situaciones de incertidumbre.

• El agente es capaz de tomar decisiones basandose en aquello que cree y desea; estas decisiones tomadas por el agente se encuentran en contextos de incertidumbre y existen metas conflictivas que no ofrecen ninguna opción para facilitar que decisión poder tomar.

• En el agente de toma de decisiones complejas se trata de resolver el problema de decisión secuencial a través de la utilidad del agente que dependerá de una secuencia de decisiones, este tipo de problemas que implican utilidades, incertidumbre y percepción, constituye una generalización de los problemas de búsqueda y planificación. Este tipo de técnicas producen una política que es un conjunto de reglas situación-acción por cada estado, política que obtienen mediante el cálculo de utilidades correspondientes a cada estado.