Fundamentos de Inteligencia Artificial

1
Fundamentos de Inteligencia Artificial

• M.C. Juan Carlos Olivares Rojas

2
Agenda

• 2.1 Introducción
• 2.2 Representación del Conocimiento
• 2.3 Sistemas Expertos

3
Introducción

• La Inteligencia Artificial pretende emular la
  Inteligencia Humana a través del uso de
  computadoras
• La Inteligencia es la capacidad para resolver
  problemas de cualquier tipo. La inteligencia
  distingue al hombre del animal

4
Introdcción

• A los sistemas inteligentes existentes les falta
  el sentido común y la generalidad de los seres
  humanos.
• Alan M. Turing definió en 1950 una forma de
  comprobar si una máquina piensa, esto lo hizo a
  través del Test de Turing.

5
Introducción

• Consiste en colocar dos hombres y una computadora
  en un lugar en el cual no estén visibles los tres
  elementos, se ocultan las identidades.
• Uno de los participantes funciona como
  interrogador. La prueba se pasa cuando el
  interrogador no sabe distinguir entre las
  respuestas de la computadora y del otro hombre.

6
Introducción
7
Introducción

• Extracto del diálogo del Ensayo de Turing
• P Por favor, redacte un soneto sobre el tema del
  Fuerte Bridge
• R No me incluya. Nunca pude escribir poesía.
• P Sume 34957 y 70764
• R (Pausa de 30s seguida de la respuesta) 105621
• .

8
Introducción

• La IA se ha desarrollado desde mucho tiempo
  atrás. Aristóteles comenzó a explicar y codificar
  ciertos estilos de razonamientos como el
  deductivo.
• Los filósofos griegos ayudaron a plantear la
  lógica clásica. El Silogismo se convierte en la
  primera gran herramienta de la IA.
• P-gtQ y Q-gtS P-gtS

9
Introducción

• En 1956 John McCarthy definió el concepto de IA y
  es considerado el padre de la misma.
• Muchos investigadores han hecho aportaciones
  valiosísimas a este campo, como Chomsky
  (Lenguajes), Rosenblat (Perceptrón), Alan Turing
  (Autómatas), etc.

10
Aplicaciones

• Sistemas expertos
• Procesamiento de lenguaje natural
• Visión Artificial
• Robótica
• Aprendizaje
• Lógica Clásica y Difusa
• Juegos
• Redes neuronales
• Algoritmos genéticos
• Realidad virtual

11
Representación del Conocimiento

• La características más importante que deben de
  tener todo Sistemas Inteligente (SI) son
• La forma de representar el conocimiento
• La forma en cómo se recupera la información
• La forma en como se puede adquirir nuevo
  conocimiento (aprendizaje).

12
Representación del Conocimiento

• Las formas de representación (explicitación) de
  conocimiento son muy variadas y de ellas
  dependerá la forma en que se recupere la
  información y el cómo se aprende.
• Siempre que se desarrolla un modelo se tiene dos
  representaciones lógica y física.
• Dichas representaciones se necesitan mapearse
  para poder trabajar en conjunto.

13
Representación del Conocimiento

• Cuando se tiene un problema de la vida real, éste
  debe mapearse al esquema de una computadora para
  poderse realizar un sistema computacional.
• Imaginemos que deseamos desarrollar un juego de
  laberintos (modelo físico), Cómo quedaría
  representado su conocimiento (modelo )?

14
Representación del Conocimiento

• Se puede representar como una matriz, como un
  grafo, máquinas de estado finito, etc. Además, se
  deben tener reglas de cómo es el juego.
• Sino tenemos las dos representaciones no podemos
  comprender ni aprender el juego.

15
Representación del Conocimiento

• Las redes semánticas son una forma sencilla de
  explicitar conocimiento, están conformadas por
  grafos que codifican el conocimiento en forma
  taxonómica.
• Los nodos nos representan categorías y las
  aristas relaciones entre esas categorías.
• Existen dos tipos de relaciones muy especiales
  Is-A y la Have-A.

16
Representación del Conocimiento

• Se puede acceder a través de cada uno de los
  conceptos para inferir conocimiento.
• Los guiones (script) son otra forma de
  representar conocimiento. Están conformados por
  componentes llamados ranuras (slots) que es un
  conjunto de pares atributo-valor. Los guiones son
  más fáciles de introducir en muchos casos que un
  mapa conceptual.

17
Representación del Conocimiento

• El mismo conocimiento puede estar estructurado en
  diferentes representaciones como por ejemplo una
  base de datos, una red semántica, un frame, un
  mapa conceptual, etc. Pero al final de cuentas
  deben tener el mismo significado (semántica).

18
Red Semántica
19
Redes Semánticas

• Ejemplo de un guión
• Impresoras
• Subconjunto_de Máquina_Oficina
• Superconjunto_de Impresora_Laser,
  Impresora_Inyección
• Fuente_alimentacion Toma_Pared
• Autor Juan_Perez
• Fecha 15_Febrero_2008

20
Representación del Conocimiento

• La representación del conocimiento tiene una gran
  importancia a tal punto de actualmente se habla
  de la Ingeniería del Conocimiento.
• Los frames son una estructura en la cual se
  pueden representar valores, restricciones,
  procesos, tienen relaciones de pertinencia y
  herencia (por lo que se parecen a la programación
  orientada a objetos).

21
Representación del Conocimiento

• El método descripción y pareamiento se utiliza
  para solucionar problemas de IA y es de los más
  básicos.
• El primer paso consiste en identificar todas las
  características de un objeto.
• Después se realiza una búsqueda con un conjunto
  de objetos ya definidos.

22
Representación del Conocimiento

• En realidad se utilizan dos métodos muy
  importantes el extractor y el evaluador de
  conocimientos.
• Al realizar el pareamiento de los objetos puede
  ser que no caigan exactamente en el patrón de
  conocimiento por lo que se tiene que tener una
  medida de similitud.

23
Representación del Conocimiento

• Una forma de explicitar conocimiento con gran
  difusión en la actualidad es a través del uso de
  ontologías, las cuales consiste de relaciones
  entre distintos conceptos como definiciones.
• Las ontologías pueden ser representadas a través
  de lenguajes como XML.

24
Representación del Conocimiento

• AMOR
• Querer a una persona o cosa sobre todas las cosas
• Palabra de 4 caracteres A, M, O y R
  yuxtapuestos
• AMOR AMOR AMOR ROMA
• Amor AMOR Amor Cariño
• Amor Amar Distancia Léxica 1

25
Representación del Conocimiento

• Círculo
• Descripción
• Figura formada por todos los puntos comprendidos
  a una distancia equidistante del centro
  correspondidos en un ángulo de 0 a 360 grados.
• Propiedades
• Centro (punto)
• Diámetro (dos veces radio)
• Áreas

26
Representación del Conocimiento



Similitud de 75

27
Representación del Conocimiento

• Se utiliza en otras múltiples ramas como
• Reconocimiento de huellas digitales
• Reconocimiento de Voz
• Reconocimiento de Lenguaje Natural
• Validación de Requerimientos de Software
• Etc.
• Se debe de representar de manera adecuada el
  conocimiento para poder compararlo.

28
Representación del Conocimiento

• Un granjero quiere cruzar un rió llevando consigo
  una zorra, una ganso y un saco de trigo. Por
  desgracia, su bote es tan pequeño que sólo puede
  transportar una de sus pertenencias en cada
  viaje. Peor aún, la zorra, si no se le vigila, se
  come al ganso, y el ganso, si no se le cuida, se
  come el trigo de modo que el granjero no debe
  dejar a la zorra sola con el ganso o al ganso
  solo con el trigo.

29
Representación del Conocimiento
Granjero Zorra Ganso Trigo
Granjero Zorra Ganso Trigo
Se puede utilizar el método de descripción y
pareamiento?
30
Representación del Conocimiento
31
Representación del Conocimiento

• Otra forma de resolución de problemas utilizado
  en la IA consiste en las Analogías.
• Las analogías son un tipo especial de relación
  que define como están representados los objetos
  de una categoría y como obtener sus predecesores
  y antecesores inmediatos.

32
Representación del Conocimiento

• Alguna vez nos hemos preguntado por qué en la
  mayoría de los exámenes de admisión generalmente
  son más importantes las analogías que los de
  conocimientos?
• Por que en la mayoría de los casos el
  conocimiento de cierta forma se puede adquirir
  pero la forma de aprender y razonar es sumamente
  complicado. En muchos casos son más importantes
  las reglas que el conocimiento.

33
Representación del Conocimiento
Cómo quedarían D y 5?
34
Representación del Conocimiento

• Qué problemas se presentan con la Abstracción de
  la Figura D o bien de la Figura 3?
• La resolución de problemas por analogía tiene
  como base cierto conocimiento previo en ocasiones
  difícil de obtener.

35
Sistemas Expertos

• Son el primer producto viable comercialmente de
  la Inteligencia Artificial.
• Permiten introducir información acerca de una
  materia específica a la computadora (base de
  conocimientos), y actúan como si fueran expertos
  en la materia.

36
Sistemas Expertos

• Un Sistema experto simula el proceso de
  razonamiento humano mediante la aplicación
  específica de conocimientos e inferencias.
• A continuación se mencionan algunas herramientas
  como Prolog y Lisp para la construcción de SE.

37
Quiz 2-1

• Quién es considerado el padre de la IA?
• En qué consiste el test de Turing?
• Quién invento el silogismo?
• Menciona tres áreas donde se puede utilizar la IA

38
Quiz 2-1

• Cuáles son las tres componentes que debe tener
  todo Sistema Inteligente?
• Cuáles son los dos tipos de relaciones básicas
  en redes semánticas?
• Qué es un script en IA?

39
Actividad

• Describe una heurística de cómo una persona puede
  escapar de un laberinto
• Describe un método de cómo se puede utilizar en
  un tablero de ajedrez de 4x4, 4 reinas sin que se
  eliminen. Generaliza dicho método para que se
  ejecuten n reinas en un tablero de nxn.

40
Actividad
41
Prolog

• Es un lenguaje de programación con paradigma de
  programación lógica. Viene del acrónimo de
  PROgamming LOGic.
• Basa su funcionamiento en lógica de primer orden.
  Utiliza el concepto de predicados lógicos para
  representar hechos y representar reglas de
  inferencia.

42
Prolog

• Prolog es un lenguaje interpretado.
• En este curso se utiliza la herramienta swiprolog
  dado que se puede ejecutar en Windows y es
  software libre.
• Los programas se pueden hacer directamente sobre
  la shell o bien, a través de un editor de Texto
  plano.

43
Prologo

• Todo sistema experto se compone de dos elementos
  principales
• La base de conocimientos (hechos)
• El motor de inferencia (reglas)
• Generalmente las reglas son la interfaz que tiene
  la aplicación hacia el usuario para realizar
  preguntas.

44
PROLOG

• Hechos
• las aves vuelan
• los pingüinos no vuelan
• "pichurri" es un ave
• "sandokan" es un perro
• "alegría" es un ave
• Los hechos pueden ser simples o complejos

45
PROLOG

• Comentarios en Prolog
• Base de Hechos
• volar(ave). Sería regla?
• novolar(pingüinos). omitir dicho predicado
• ave("pichurri).
• perro(wendo).
• ave("alegría).

46
PROLOG

• Reglas o Restricciones
• una mascota vuela si es un ave y no es un
  pingüino
• Preguntas
• "pichurri" vuela ?
• qué mascotas vuelan ?

47
Prolog

• Reglas
• vuela(X)- ave(X).
• Mascotavuela(X)- ave(X).
• Preguntas desde el shell
• vuela(pichurri)
• Mascotavuelan(X)

48
PROLOG

• Términos constantes (a), variables (X),
  funciones (f(X, Y ))
• pepe, juan, Cliente, cliente-de(X, Y )
• Fórmulas atómicas predicados definidos sobre
  términos
• tipo-cliente(X,bueno)

49
PROLOG

• Fórmulas bien formadas (WFF fórmulas atómicas
  unidas por conectivas (, v, ) y cuantificadas
  (1A universal, 1B existencial)
• 1AX, 1BZ cliente(X) compra(X, Z) caro(Z) ?
  tipo-cliente(X, bueno)
• abuelo(X,Y) - padre(X,Z), padre(Z,Y).
• 1AX, Y 1BZ padre(X, Z) padre(Z, Y) ? abuelo(X,
  Y )

50
PROLOG

• abuelo(X,Y) - padre(X,Z), madre(Z,Y).
• abuelo(X,Y) - padre(X,Z), padre(Z,Y).
• abuelo(X, Y) (pepe, juan), (pepe, ana), ,
  (luis, javier)
• progenitor(X, Y ) - padre(X, Y ).
• progenitor(X, Y ) - madre(X, Y ).

51
PROLOG

• abuelo(X,Y) - padre(X,Z), madre(Z,Y).
• abuelo(X,Y) - padre(X,Z), padre(Z,Y).
• abuelo(X,Y) - padre(X,Z), progenitor(Z,Y).
• hechos A. (A átomo)
• reglas A - A1, ..., An. (ngt0, y A, A1, ..., An
  átomos)

52
PROLOG

• Hechos
• padece(jon, gripe).
• padece(jon, hepatitis).
• padece(ana, gripe).
• padece(carlos, alergia).
• es-síntoma(fiebre, gripe).
• es-síntoma(cansancio, gripe).
• es-síntoma(estornudos, alergia).
• suprime(paracetamol, fiebre).
• suprime(antihistamínico, estornudos).

53
PROLOG

• Reglas
• debe-tomar(Per, Far) - padece(Per, Enf),
  alivia(Far, Enf).
• alivia(Far, Enf) - es-síntoma(Sin, Enf),
  suprime(Far, Sin).
• Preguntas
• ? padece(carlos, gripe).
• ? padece(jon, Z).
• ? alivia(paracetamol, gripe).

54
PROLOG

• ? alivia(X, gripe).
• ? debe-tomar(Y, antihistamínico).
• ? alivia(X, Y).
• ? suprime(X, fiebre), suprime(X, estornudos).
• Qué devuelve cada pregunta como resultado?

55
PROLOG

• hija (A, B) lt- mujer (A), padre (B, A).
• hija (A, B) lt- mujer (A), madre (B, A).
• A continuación se muestra un programa completo en
  PROLOG
• declaraciones
• padrede('juan', 'maria').
• padrede('pablo', 'juan').

56
PROLOG

• padrede('pablo', 'marcela').
• padrede('carlos', 'debora').
• Reglas
• A es hijo de B si B es padre de A hijode(A,B)
  - padrede(B,A).
• abuelode(A,B) - padrede(A,C), padrede(C,B).
• hermanode(A,B) - padrede(C,A) , padrede(C,B), A
  \ B.
• familiarde(A,B) - padrede(A,B).

57
PROLOG

• familiarde(A,B) - hijode(A,B).
• familiarde(A,B) - hermanode(A,B).
• consultas
• juan es hermano de marcela?
• ?- hermanode('juan', 'marcela').
• Yes
• ?- hermanode('carlos', 'juan'). No
• ?- abuelode('pablo', 'maria'). Yes
• ?- abuelode('maria', 'pablo'). no

58
PROLOG

• unificación con evaluación.
• ?- X is 35.
• X 8
• unificación simbólica
• ?- X 35.
• X 35

59
PROLOG

• comparación con evaluación
• ?- 35 26.
• yes
• comparación simbólica.
• ?- 35 26.
• no
• ?- 35 35.
• yes

60
PROLOG

• Los programas en PROLOG se definen a través de
  Algoritmos, Lógica y Control.
• En caso de que una consulta de más de un
  resultado, el prompt no aparece en la shell. Se
  puede utilizar el operador . Para terminar el
  resultado, o bien, el operador para continuar
  con los emparejamientos de resultados.
• Se pueden combinar preguntas para obtener
  respuestas más exactas.

61
PROLOG

• Combinación de preguntas
• legusta(pepe, pesca).
• legusta(maria, bailar).
• legusta(ana, pesca).
• legusta(pepe, musica).
• legusta(maria, musica).
• legusta(ana, bailar).
• preguntas

62
PROLOG

• Le gusta la música a Pepé y a María?
• ?_ legusta(pepe,musica), legusta(maria, musica).
• Le gusta bailar a Pepé o le gusta la música a
  maria?
• ?_ legusta(pepe,bailar) legusta(maria, musica).

63
Prolog

• Le gusta bailar a Pepé y a maria no le gusta la
  música?
• legusta(pepe,bailar), not(legusta(maria,musica)).

64
PROLOG

• El portal de redes sociales del ITM desea diseñar
  un Sistema Experto para encontrar la pareja ideal
  de cada estudiante si es que existiese.
• Para lograr esto, se tienen en la base de
  conocimientos registrados los gustos de cada
  usuario (color de ojos, altura, complexión,
  carro, etc.). Se da un punto por cada
  coincidencia.

65
PROLOG

• Diseñar la regla o reglas que determinen la mejor
  pareja de cada usuario. (Se deben tener al menos
  2 hombres y 2 mujeres con 5 gustos c/u).
• Probar su desarrollo a través de las reglas
  predefinidas.

66
PROLOG

• Se puede aplicar recursividad en PROLOG además de
  que algunos programas en programación
  estructurada pueden ser implementados.
• Sucesiones
• sucesor(1,2).
• sucesor(2,3).
• sucesor(3,4).
• sucesor(4,5).
• sucesor(5,6).

67
PROLOG

• sucesor(6,7).
• suma(1,X,R)-sucesor(X,R).
• suma(N,X,R)-sucesor(M,N), suma(M,X, R1),
  sucesor(R1, R).
• Como se crearía una consulta?
• Qué es lo que el programa haría?

68
PROLOG

• Ejemplo
• entrada(paella).
• entrada(gazpacho).
• entrada(consome).
• carne(filete_de_cerdo).
• carne(pollo_asado).
• pescado(trucha).
• pescado(bacalao).
• postre(flan).

69
PROLOG

• postre(nueces_con_miel).
• postre(naranja).
• calorias(paella, 200).
• calorias(gazpacho, 150).
• calorias(consome, 300).
• calorias(filete_de_cerdo, 400).
• calorias(pollo_asado, 280).
• calorias(trucha, 160).
• calorias(bacalao, 300).

70
PROLOG

• calorias(flan, 200).
• calorias(nueces_con_miel, 500).
• calorias(naranja, 50).
• plato_principal(P)- carne(P) pescado(P).
• comida(Entrada, Principal, Postre)-
  entrada(Entrada), plato_principal(Principal),
  postre(Postre).
• valor(Entrada, Principal, Postre, Valor)-
  calorias(Entrada, X), calorias(Principal, Y),
  calorias(Postre, Z), sumar(X, Y, Z, Valor).

71
PROLOG

• comida_equilibrada(Entrada, Principal, Postre)-
  comida(Entrada, Principal, Postre),
  valor(Entrada, Principal, Postre, Valor),
  menor(Valor, 800).
• sumar(X, Y, Z, Res)- Res is X Y Z.
• menor(X, Y)- X lt Y.
• dif(X, Y)- X \Y.

72
Prolog

• Encontrar Cuántas calorías tiene la combinación
  paella, trucha, naranja? Qué comida que tiene
  cónsome de entrada es la más balanceada?

73
PROLOG

• Se pueden definir funciones recursivas como el
  factorial
• fac(0,1).
• fac(N,F) - N gt 0, M is N - 1, fac(M,Fm), F is N
  Fm.
• Cómo se expresa la serie de fibonnaci?

74
Tarea

• Práctica Robots Lego
• Traer en conjunto 6 pilas tamaño AA
• Instalar el kit de desarrollo (pasar el jueves o
  viernes por el disco).

75
Qué es la Robótica?

• Es el área de la Inteligencia Artificial (IA) que
  se encarga de los estudios de los robots.
• La robótica no sólo incluye elementos de IA sino
  también de mecatrónica, computación y otras áreas
  de la Ingeniería.

76
Qué es un Robot?

• Deriva de la palabra checa robota.
• Literalmente significa esclavitud, servidumbre
  forzada
• Máquina mecánica o autómata capaz de interactuar
  con el entorno y tomar decisiones propias

77
Características de un Robot

• Diseñados para sustituir al humano en algunas
  tareas.

78
Características de un Robot

• Capaces de actuar en función de la información
  recibida del mundo real.

79
Características de un Robot

• Los robots se clasifican según su forma en
• Androides Imitan la forma humana
• Móviles Se desplazan mediante ruedas
• Zoomórficos Con forma de animales
• Poliarticulados Con partes móviles y poco grado
  de libertad.

80
Características de un robot

• Un robot se debe componer de
• Mecanismo para desplazarse
• Mecanismo para percibir el mundo exterior
• Mecanismo para interactuar con el entorno

81
Funcionamiento de un Robot

• Mecanismo habitual de 3 ruedas
• 2 ruedas motorizadas, con motores independientes.
• 1 rueda muerta para soportar el equilibrio.

82
Funcionamiento de un Robot

• Para hacer girar el robot, se modificará la
  velocidad y el sentido del giro de cada uno de
  los motores por separado.
• Se puede captar el entorno a través de los
  sensores del robot
• Choque Detecta colisiones físicas del robot.

83
Funcionamiento de un robot

• Sonar Calcula la distancia del robot a otros
  objetos del entorno.
• Infrarrojos Detección de colores, etc.
• Cámaras Obtiene los datos mediante visión.

84
Funcionamiento de un Robot

• Inicializar el robot Situarlo en el mundo.
• Recibir información por los sensores.
• Procesar la información recibida.
• Desplazar/Activar partes del robot.

85
Problemas Principales de un Robot

• Localización Dónde estoy?
• Respuesta de los sensores Hay cuchara?
• Respuesta del sistema Todo ok?

86
Ejemplos de Robots
Robot Lego RCX
87
Ejemplos de Robots

• Sony AIBO

88
Robot Lego Mindstorms NXT

• Es un Robot construido por la marca de juegos
  Lego.
• Se caracteriza por que este robot se puede armar
  en diversos modelos, además de que es económico
  (250 USD), potente y muy versátil. No es un
  simple juguete.

89
Robot Lego Mindstorms NXY

• Ejemplos de Robots

90
NXT

• La unidad central de proceso contiene
• 4 entradas (digital y analógica)
• 3 salidas (soporte para los motores)
• Pantalla LCD Monocromática de 100x64 píxeles

91
NXT

• 4 Botones de control
• Sonido
• Interfaces USB y Bluetooth

92
Sensores
Tacto
Luz
Servomotor
Ultrasónico
Sonido
93
Procesador

• Atmel 32-bit ARM, AT91SAM7S256
• 256 KB FLASH
• 64 KB RAM
• 48 MHz

94
Coprocesador

• Atmel 8-bit AVR processor, ATmega48
• 4 KB FLASH
• 512 Byte RAM
• 8 MHz

95
Comunicación Bluetooth y USB

• BlueCoreTM 4 v2.0 EDR System
• Soporta el Serial Port Profile (SPP) para
  emulación de puertos de comunicación.
• USB 2.0 Full speed com port (12 Mbit/s).

96
Motores

• Contador de rotaciones.
• Rotación de 360 grados.
• Las posiciones son relativas.
• La velocidad máxima es de 200 RPM.

97
Otras características

• Utiliza 6 pilas AA.
• Utiliza cables RJ-12 parecidos a los telefónicos
  (aplanados).
• Algunos fabricantes realizan otros tipos de
  piezas y sensores.

98
Herramientas de Programación

• LabVIEW NEXT-G
• Microsoft Robotics Studio
• Otras
• NXC (and NBC)
• Robot C
• pbLua
• Java

99
Programación

• Basado en un ambiente gráfico de desarrollado
  (programación en bloques) desarrollado por
  National Instruments los desarrolladores de
  LabView.
• Permite el desarrollo rápido de aplicaciones.
  Útil para niños.

100
Programación

• Está muy limitado para realizar programas más
  complejos, por lo que se utilizan otros entornos.
• A continuación se listan los pasos para programar
  una aplicación en este Robot

101
Programación

• Se arma el modelo de robot (se pueden seguir los
  pasos indicados en la guía o se desarrolla por
  cuenta propia).
• Se realiza la programación en bloques.
• Se baja el programa al Robot

102
Programación

• Se corre el programa en el Robot y se ven los
  resultados obtenidos.
• No se cuenta con un emulador para probar los
  desarrollos lo que dificulta un poco el proceso
  de desarrollo.

103
Entorno de Desarrollo
Construcción
Programación
Ejecución
104
Entorno de Desarrollo
Guía
Zona de Programación
Bloques
Propiedades
105
Otros entornos

• NXC (Not eXactly C) es un lenguaje similar NQC,
  el cual es la forma más popular de programar el
  RCX. Está basado en el ensamblador NBC (Next
  Byte Code).
• RobotC es un entorno no gratuito desarrollado por
  CMU.

106
Programación con NXC

• Se tienen algunas limitaciones como
• No existe pila
• Memoria Limitada
• Limitado a 256 procesos (task)

107
Programación con NXC

• include "NXCDefs.h
• task main()
• SetSensor( IN_1, SENSOR_TOUCH )
• while( true )
• if( Sensor( IN_1 ) )
• PlayToneEx(440, 100, 3, false)
• TextOut( 0, LCD_LINE1, "TOUCHING!")
• while( Sensor( IN_1 ) )

108
Programación con NXC

• TextOut( 0, LCD_LINE1, "---------")
• while( !Sensor( IN_1 ) )

109
Construcción de Pistas de Robots
110
Detalles de la Pista
111
Competencia de autos
112
Evaluación de Obstáculos
113
Actividad

• Construir un robot que permita correr en un
  circuito. Ganará el robot que haga el recorrido
  en el menor tiempo posible.
• Construir un robot que pueda salir de un
  laberinto o de un cuarto con obstáculos.
• Construir un robot que permita cargar un objeto
  como una pelota de un contenedor y dejar la misma
  pelota en otra ubicación.

114
LISP

• Creado por John McCartney en 1958. Viene del
  acrónimo LISt Processing.
• Su paradigma de programación es la programación
  funcional por que todo se basa en el concepto de
  función.
• Su utilización en Inteligencia Artificial fue su
  gran éxito.

115
Introducción

• Los Componentes Básicos de LISP son átomos y
  listas.
• Los átomos pueden ser cualquier combinación de
  letras como CASA, ITM, PIEDRA, etc.
• Las listas son cualquier combinación de átomos
  encerrados entre paréntesis. Se pueden tener
  listas anidadas.

116
Introducción

• Ejemplos de listas
• (Esta es una lista)
• (EstaEsOtraLista)
• (Lista (anidada))
• El vocablo término se utilizará para
  identificar un elemento de una lista ya sea átomo
  o sublista.

117
Programación Funcional

• Está caracterizada por el principio funcional.
• El valor de una expresión depende sólo de los
  valores de sus subexpresiones, si las tiene.
• AB es simplemente la suma de A y B.
• Se excluye las asignaciones

118
Programación Funcional

• La mayoría de los lenguajes que lo implementan
  son impuros.
• Permiten asignaciones.
• Estilo de programación funcional.
• Los usuarios no deben preocuparse por el manejo
  de memoria.
• Ciertas operaciones asignan espacios de
  almacenamiento en el momento necesario.

119
Programación Funcional

• El almacenamiento que se vuelve inaccesible se
  libera.
• Recolección de basura.
• Las funciones son valores de primera clase.
• Tienen la misma jerarquía que cualquier otro
  valor.

120
Programación Funcional

• Puede ser el valor de una expresión.
• Puede pasarse como argumento.
• Puede colocarse en una estructura de datos.

121
Programación Funcional

• Lenguajes de Paradigma Funcional.
• LISP
• SCHEME
• COMMON LISP
• ML
• Haskell

122
Programación Funcional

• Una función matemática es un mapeo de miembros de
  un conjunto llamado dominio, hacia otro conjunto
  llamado contra-dominio.
• Toda definición de una función debe incluir de
  manera explicita o implícita
• Dominio (Puede ser el resultado de un producto
  cruz)
• Contra-dominio
• Mapeo

123
Programación Funcional

• Una función regresa solo un valor del
  contra-dominio para cada valor del dominio.
• Es función?

124
Programación Funcional

• El orden de evaluación de sus expresiones de
  mapeo, es controlada por expresiones recursivas y
  condicionales.

125
Programación Funcional

• Siempre definen los mismos valores, para un mismo
  conjunto de valores.
• Una función define un valor.
• No una serie de operaciones sobre valores de una
  memoria, para producir dicho valor.
• Esto implica que no hay variables en el sentido
  estricto de los lenguajes imperativos.

126
Programación Funcional

• Variables que representan una localidad de
  memoria.
• Definición de funciones
• Nombre.
• Lista de parámetros entre paréntesis.
• Expresión de mapeo.
• cubo(x)xxx
• Donde x es un número real.

127
Programación Funcional

• Los lenguajes funcionales, no tienen una
  construcción explícita para ciclos tal como FOR,
  WHILE, etc.,
• Utilizan una técnica de programación conocida
  como recursividad.
• Aplicar una función como parte de la definición
  de esa misma función.

128
Programación Funcional

• Debe existir una condición terminal, con el
  objeto de que la función se bifurque hacia una
  resolución no recursiva en algún punto.
• De lo contrario, la función entra en un bucle
  infinito y nunca finaliza.
• Los lenguajes suelen ser tradicionalmente
  interpretados. Existen solo algunas opciones para
  compilar programas.

129
Programación Funcional

• Por qué no todo mundo usa LISP?
• Sintaxis única.
• LISP ? Lots of Silly Parenthesis (Montón de
  paréntesis tontos)
• Los paréntesis permiten uniformar la sintaxis.

130
Programación Funcional

• Facilita la manipulación de los programas como
  datos.
• No existen los tipos de datos.
• Parte de los errores semánticos permanecen
  ocultos hasta la ejecución.
• Implantaciones iniciales ineficientes.

131
Estructuras

• Átomos.
• Símbolos de Lisp
• Hacen la función de un identificador.
• Las constantes numéricas también son átomos.
• Listas.
• Estructura de datos.
• Su procesamiento rara vez requiere inserciones o
  eliminaciones.

132
Programación Funcional

• Listas.
• Se especifican delimitando sus elementos entre
  paréntesis.
• Listas simples.
• Todos sus elementos son átomos.
• (A B C D)
• Listas anidadas.
• Sus elementos pueden ser átomos o sublistas.
• (A (B C) D (E (F G)))

133
Programación Funcional

• Listas.
• Internamente se implementan como listas simples
  enlazadas.
• Cada nodo contiene dos punteros y representa un
  elemento.
• Un nodo para un átomo contiene su primer puntero
  apuntando hacia alguna representación del átomo.

134
Programación Funcional

• Un nodo para una sublista contiene su primer
  puntero apuntando hacia el primer nodo de la
  sublista.
• En cualquier caso, el segundo puntero de un nodo,
  apunta hacia el nodo siguiente.
• A continuación se describen las listas y sus
  elementos de forma gráfica.

135
Programación Funcional

• (A B C D)
• (A (B C) D (E (F G)))

136
Programación Funcional

• Cómo se usa LISP en IA?
• Se pueden codificar listas que pueden
  representarnos hechos, se pueden codificar reglas
  de inferencias en base a lista por lo que se
  puede hacer Programación Lógica.
• El motor de inferencia es implementado por el
  usuario pudiendo considerar más tipos de lógicas.

137
Programación Funcional

• El compilador/intérprete de LISP que se utilizará
  en este curso es el newLisp.
• newLISP es un proyecto de software libre que cuya
  característica principal es que puede correr en
  ambientes gráficos y a su vez generar
  representaciones visuales.

138
Operaciones Básicas

• A continuación se describen las operaciones
  básicas sobre LISP.
• La Evaluación de expresiones se realiza a través
  del Top Level que es muy semejante al shell visto
  en Prolog.
• Se escriben expresiones Lisp en el Top-Level, y
  el sistema despliega sus valores.

139
Operaciones Básicas

• El prompt gt indica que Lisp está esperando a que
  una expresión sea escrita.
• La expresión es evaluada al pulsar enter.

gt 1 1 gt
140
Operaciones Matemáticas

• Las operaciones matemáticas son básicas para
  poder implementar el paradigma funcional, a
  continuación se describen la forma de realizar
  operaciones matemáticas.
• Se desea evaluar la siguiente expresión
  aritmética ( 2 3)

gt ( 2 3) 5 gt
141
Operaciones Matemáticas

• es el operador / función.
• Los números 2 y 3 son sus argumentos.
• Notación prefija.
• Sumar tres parámetros en notación infija implica
  Utilizar dos veces el operador suma 235

142
Operaciones Matemáticas

• Sumar tres parámetros en notación prefija
• Una sola llamada a la función, con tres
  parámetros ( 2 3 5)
• es una función
• ( 2 3) es una llamada a la función.

gt ( 2 3 5) 10 gt
143
Operaciones Matemáticas

• Cuando LISP evalúa una llamada a alguna función,
  lo hace en dos pasos
• Los argumentos de la llamada son evaluados de
  izquierda a derecha. En este caso los valores de
  los parámetros serán, 2 y 3 respectivamente.
• Los valores de los argumentos son pasados a la
  función nombrada por el operador. En este caso la
  función que regresa 5.

144
Operaciones Matemáticas

• Uso del operador suma

gt () 0 gt ( 2) 2 gt ( 2 3) 5 gt ( 2 3 5) 10 gt
145
Operaciones Matemáticas

• Como los operadores pueden tomar un número
  variable de argumentos, es necesario utilizar los
  paréntesis para indicar donde inicia y donde
  termina una expresión.
• Las expresiones pueden anidarse. Por ejemplo
  (7-1)/(4-2)

gt (/ (- 7 1)(- 4 2)) 3
146
Operaciones Matemáticas

• Si alguno de los argumentos es una llamada de
  función, ésta será evaluada acorde a las reglas.
• Los argumentos de la llamada son evaluados de
  izquierda a derecha.
• Los valores de los argumentos son pasados a la
  función nombrada por el operador.
• Evaluar (/ (- 7 1) (- 4 2))

147
Operaciones Matemáticas

• Lisp evalúa el primer argumento de izquierda a
  derecha (-7 1).
• 7 es evaluado como 7 y 1 como 1.
• Estos valores son pasados a la función - que
  regresa 6.
• El siguiente argumento (- 4 2) es evaluado.

148
Operaciones Matemáticas

• 4 es evaluado como 4 y 2 como 2.
• Estos valores son pasados a la función - que
  regresa 2.
• Los valores 6 y 2 son pasados a la función / que
  regresa 3.

149
Operaciones Matemáticas

• Un operador que no sigue la regla de evaluación
  es quote ( )
• La regla de evaluación de quote es
• No hacer nada, solo desplegar lo que el usuario
  tecleó.
• El operador quote es una forma de evitar que una
  expresión sea evaluada.

150
Operaciones Matemáticas
gt (quote ( 2 3)) ( 2 3) gt ( 2 3) ( 2 3)

• Tipos de átomos
• Entero Se escribe como una secuencia de dígitos.
  Ejemplo 256.
• Cadena Secuencia de caracteres que se delimita
  por comillas. Ejemplo Carpe Diem.

151
Operaciones Matemáticas

• Enteros y cadenas se evalúan a ellos mismos.
• Los símbolos son palabras. Normalmente se evalúan
  como si estuvieran escritos en mayúsculas,
  independientemente de como fueron tecleados.
• Los símbolos por lo general no evalúan a si
  mismos. Es necesario referirse a ellos.

gt Amarone AMARONE
152
Operaciones Matemáticas

• Las listas se representan como cero o más
  elementos entre paréntesis.
• Los elementos pueden ser de cualquier tipo,
  incluidas las listas.
• Se debe usar quote con las listas, pues de otra
  forma Lisp las tomaría como una llamada a
  función.

153
Operaciones Matemáticas

• Un sólo quote protege a toda la expresión,
  incluidas las expresiones en ella.
• Se puede construir listas usando el operador list
  que es una función, y por lo tanto, sus
  argumentos son evaluados.

gt (Mis 2 "ciudades") (MIS 2 "CIUDADES") gt (La
lista (a b c) tiene 3 elementos) (LA LISTA (A B
C) TIENE 3 ELEMENTOS)
154
Operaciones Matemáticas

• Estética minimalista y pragmática
• Los programas Lisp se representan como listas.
• Un programa Lisp puede generar código Lisp. Por
  eso es necesario quote.

gt (list mis ( 4 2) "colegas") (MIS 6 COLEGAS)
155
Operaciones Matemáticas

• Si una lista es precedida por el operador quote,
  la evaluación regresa la misma lista.
• En otro caso, la lista es evaluada como si fuese
  código.

gt (list ( 2 3) ( 2 3)) (( 2 3) 5)
156
Operaciones Matemáticas

• En Lisp hay dos formas de representar la lista
  vacía
• Con un par de paréntesis
• Con el símbolo NIL.

gt () NIL gt NIL NIL
157
Operaciones Matemáticas

• La función cons construye listas.
• Si su segundo argumento es una lista, regresa una
  nueva lista con el primer argumento agregado en
  el frente.

gt (cons a (b c d)) (A B C D) gt (cons a (cons
b nil)) (A B)
158
Operaciones Matemáticas

• El segundo ejemplo es equivalente a
• Las funciones primitivas para accesar los
  elementos de una lista son car y cdr.
• El car de una lista es su primer elemento (el más
  a la izquierda) .

gt (list a b) (A B)
159
Operaciones Matemáticas

• El cdr es el resto de la lista (menos el primer
  elemento).
• En realidad en newLisp car se hace a través de
  first y cdr a través de rest.

gt (first '(a b c)) a gt (rest '(a b c)) (b c)
160
Estructuras de Control

• Ya se mencionó que no existen en LISP estructuras
  de control semejantes a los lenguajes
  procedimentales u orientado a objetos.
• Un Predicado es una función cuyo valor de regreso
  se interpreta como un valor de verdad (verdadero
  o falso).
• Es común que el símbolo de un predicado termine
  en p.

161
Estructuras de Control

• Como nil juega dos roles en Lisp, las funciones
  null (lista vacía) y not (negación) hacen
  exactamente lo mismo
• La condicional (if) Normalmente toma tres
  argumentos
• una expresión a probar (test)

gt (null nil) T gt (not nil) T
162
Estructuras de Control

• una expresión entonces (then) que se evalua si
  test es T.
• una expresión si no (else) que se evalua si test
  es NIL.

gt (if (list? (a b c d)) ( 1 2) ( 3 4)) 3 gt (if
(list? 34) ( 1 2) ( 3 4)) 7
163
Estructuras de Control

• La condicional (if) es una macro no una función.
• Los argumentos de una función siempre se evalúan.
  If solo evalúa dos test y (then o else)
• Si bien el default para representar verdadero es
  T, todo excepto nil cuenta como verdadero en un
  contexto lógico

gt (if 27 1 2) 1 gt (if nil 1 2) 2
164
Estructuras de Control

• Los operadores lógicos (and, or) toman cualquier
  número de argumentos, pero solo evalúan los
  necesarios para decidir que valor regresar.
• Si todos los argumentos son verdaderos
  (diferentes de nil), entonces and regresa el
  valor del último argumento.

gt (and t ( 1 2)) 3
165
Estructuras de Control

• Si uno de los argumentos de and es falso, ninguno
  de los operadores siguientes es evaluado, y
  regresa nil.
• De manera similar, or se detiene en cuanto
  encuentra un elemento verdadero.
• Los operadores lógicos tampoco se consideran
  funciones, sino macros.

gt (or nil nil ( 1 2) nil) 3
166
Funciones de Predicados

• Es posible definir nuevas funciones con defun que
  toma normalmente tres argumentos
• Un nombre.
• Una lista de parámetros
• Una o más expresiones que conforman el cuerpo de
  la función.

167
Funciones

• El primer argumento de define indica que el
  nombre de la función definida será area.
• Los demás argumentos allí se muestran.

gt (define (area base altura) ( base
altura)) (lambda (base altura) ( base altura)) gt
(area 2 3) 6
168
Funciones

• Cuando la variable representa el argumento de una
  función, se conoce como parámetro.
• Un símbolo usado de esta forma se conoce como
  variable.
• El resto de la definición indica lo que se debe
  hacer para calcular el valor de la función.

169
Funciones

• Símbolos y listas deben protegerse con quote para
  ser accedidos.
• Una lista debe protegerse porque de otra forma es
  procesada como si fuese código.
• Un símbolo debe protegerse porque de otra forma
  es procesado como si fuese una variable.

170
Funciones

• La definición de una función corresponde a la
  versión generalizada de una expresión Lisp.
• La siguiente expresión verifica si la suma de 1 y
  4 es mayor que 3

gt (gt ( 1 4) 3) T
171
Funciones

• Substituyendo los números partículares por
  variables, podemos definir una función que
  verifica si la suma de sus dos primeros
  argumentos es mayor que el tercero

gt (define (suma-mayor-que x y z) (gt ( x y)
z)) (lambda (x y z) (gt ( x y) z)) gt
(suma-mayor-que 1 4 3) true
172
Funciones

• Lisp no distingue entre programa, procedimiento y
  función.
• Si se desea considerar una función en particular
  como main, es posible hacerlo, pero cualquier
  función puede ser llamada desde el top-level.
• Entre otras cosas, esto significa que posible
  probar un programa, pieza por pieza, conforme se
  va escribiendo.

173
Funciones

• Programación incremental (bottom-up).
• Las funciones que hemos definido hasta ahora,
  llaman a otras funciones para hacer una parte de
  sus cálculos. Por ejemplo suma-mayor-que llama a
  las funciones y gt.
• Una función puede llamar a cualquier otra
  función, incluida ella misma.

174
Funciones

• Una función que se llama a si misma se conoce
  como recursiva.
• Recordar que las funciones recursivas tienen
  definidas un paso base para poder salir de la
  recursión y un paso recursivo.
• A continuación se muestra un ejemplo de la
  función de Fibonnaci, definir la función
  multiplicación de manera recursiva (utilizando
  sumas).

175
Funciones

• Función Fibonacci
• (define (fibonacci n)
• (if (lt n 2)
• 1
• ( (fibonacci (- n 1))
• (fibonacci (- n 2)))))
• gt_ (fibonacci 10)
• 89

176
Funciones

• Metáfora de la recursividad procesos que se van
  resolviendo.
• Un estudiante está interesado en Lisp.
• Va a la biblioteca y el proceso que utilizaría
  para examinar un documento es el siguiente
• Obtener una copia del documento que le interesa.

177
Funciones

• Buscar en él la información relativa a Lisp.
• Si el documento menciona otros documentos que
  puede ser útiles, examinarlos.
• También se deben tomar en cuenta algunos factores
  no funcionales.

178
Funciones

• Uno de los operadores más comunes en Lisp es let,
  que permite la creación de nuevas variables
  locales.
• Una expresión let tiene dos partes
• Primero viene una lista de expresiones definiendo
  las nuevas variables locales, cada una de ellas
  con la forma (variable expresión).

gt (let ((x 1)(y 2)) ( x y)) 3
179
Funciones

• Cada variable es inicializada con el valor que
  regrese la expresión asociada a ella. En el
  ejemplo anterior se han creado dos variables, x e
  y, con los valores 1 y 2 respectivamente.
• Esas variables son válidas dentro del cuerpo de
  let.

180
Funciones

• Una expresión let tiene dos partes
• Después de la lista de variables y valores, viene
  el cuerpo de let constituido por una serie de
  expresiones que son evaluadas en orden.
• En el ejemplo, sólo hay una llamada a ..

181
Funciones

• En newLisp el operador de asignación más común es
  define.
• Se puede usar para asignar valores a cualquier
  tipo de variable.

gt (define glob 2000) 2000 gt (let ((n 10))
(define n 2) n) 2
182
Funciones

• Cuando el primer argumento de setf es un símbolo
  que no es el nombre de una variable local, se
  asume que se trata de una variable global.

gt (define x (a b c)) (A B C)
183
GUI en LISP

• (load (append (env "NEWLISPDIR")
  "/guiserver.lsp"))
• (gsinit)
• (gsframe 'Mixer 200 200 400 300 "Mixer")
• (gsset-resizable 'Mixer nil)
• (gsset-border-layout 'Mixer)
• (gspanel 'SliderPanel)
• (gsset-grid-layout 'SliderPanel 3 1)
• (gspanel 'RedPanel)
• (gspanel 'GreenPanel)

184
GUI en LISP

• (gspanel 'BluePanel)
• (gslabel 'Red "Red" "left" 50 10 )
• (gslabel 'Green "Green" "left" 50 10 )
• (gslabel 'Blue "Blue" "left" 50 10 )
• (gsslider 'RedSlider 'slider-handler
  "horizontal" 0 100 0)
• (gsslider 'GreenSlider 'slider-handler
  "horizontal" 0 100 0)
• (gsslider 'BlueSlider 'slider-handler
  "horizontal" 0 100 0)

185
GUI en LISP

• (gslabel 'RedSliderStatus "0" "right" 50 10)
• (gslabel 'GreenSliderStatus "0" "right" 50 10)
• (gslabel 'BlueSliderStatus "0" "right" 50 10)
• (gsadd-to 'RedPanel 'Red 'RedSlider
  'RedSliderStatus)
• (gsadd-to 'GreenPanel 'Green 'GreenSlider
  'GreenSliderStatus)
• (gsadd-to 'BluePanel 'Blue 'BlueSlider
  'BlueSliderStatus)
• (gsadd-to 'SliderPanel 'RedPanel 'GreenPanel
  'BluePanel)

186
GUI en LISP

• (gscanvas 'Swatch)
• (gslabel 'Value "")
• (gsset-font 'Value "Sans Serif" 16)
• (gsadd-to 'Mixer 'SliderPanel "north" 'Swatch
  "center" 'Value "south")
• (gsset-visible 'Mixer true)
• (set 'red 0 'green 0 'blue 0)
• (gsset-color 'Swatch (list red green blue))
• (gsset-text 'Value (string (list red green
  blue)))

187
GUI en LISP

• (define (slider-handler id value)
• (cond
• (( id "MAINRedSlider")
• (set 'red (div value 100))
• (gsset-text 'RedSliderStatus (string red)))
• (( id "MAINGreenSlider")
• (set 'green (div value 100))
• (gsset-text 'GreenSliderStatus (string green)))

188
GUI en LISP

• (( id "MAINBlueSlider")
• (set 'blue (div value 100))
• (gsset-text 'BlueSliderStatus (string blue)))
• )
• (gsset-color 'Swatch (list red green blue))
• (gsset-text 'Value (string (list red green
  blue))))
• (gslisten)

189
GUI en LISP

• Uso de Bibliotecas de Windows
• (import "user32.dll" "MessageBoxA")
• (MessageBoxA 0 "Hola Mundo!"
• "Ejemplo de GUI" 0)
• Se pueden crear DLLs em lenguajes como C y
  poder utilizarlo em funciones más complejas.

190
Entradas y Salidas

• Para la definición de salidas se puede utilizar
  la función print.
• La función time devuelve el tiempo en que tarda
  una función en evaluarse.

gt (print ( 2 3 4 1)) 1010 gt ( ( 2 3) (/ 3 2)
9) 16 gt ( (print ( 2 3)) (print (/ 3 2))
(print 9)) 6 1 9 16 gt time (promedio 1 2) 0
191
Entradas y Salidas

• Se puede guardar programas con la extensión .lsp
  para después poderlos ejecutar.
• A continuación se muestra una tabla con las
  principales funciones definidas en la mayoría de
  los dialectos de LISP.

gt (load f/myfile.lisp") Ejecuta todo el
script gt (read-file msgbox.lsp) Visualiza todo
el script
192
Funciones
193
Más de LISP

• imprimir los primeros 10 números de fibonacci
• (for (n 1 10)
• (println n " " (fibonacci n)))
• (max 1.1 43 23 12 -1 53 4 32) Cuanto da?
• Qué hacen?
• (directory "/")
• (exit)

194
Funciones

• Para poder operar aritméticamente con dobles se
  ocupan las funciones add, sub, mul y div.
• La función list? Permite saber si un argumento es
  un lista o no.
• Null? Permite saber si una lista está vacía o no.
• La función symbol? Permite determinar si un
  argumento es un símbolo o no.

195
Funciones

• La función number? Permite saber si un argumento
  es numérico o no.
• Prototipo de función recursiva
• (define (suma lista)
• (if (null? lista) 0
• ( (first lista) (suma (rest lista)))
• ))

196
Funciones

• Cómo se mandaría llamar la función para sumar
  números del 1 al 5?
• Realizar una función llamada longitud para
  definir el número de argumentos que tiene una
  lista. (longitud (1 2 4)). Devuelve 3
• Realizar una función llamada miembro para
  encontrar la sublista a partir de la cual se
  encuentra dicho elemento. (miembro 3 (1 2 3 4
  5)) imprime como salida (3 4 5).

197
Más de LISP

• (set 'alphabet "abcdefghijklmnopqrstuvwxyz")
• (upper-case alphabet) ?
• (set 'x ( 2 2 )) ?
• (set 'y '( 2 2)) ?
• (dotimes (c 10)
• (println c " por 3 es " ( c 3)))

198
Más de LISP

• Ejemplo de un switch
• (if
• (lt x 0) (set 'a "imposible")
• (lt x 10) (set 'a "pequeño")
• (lt x 20) (set 'a "medio")
• (gt x 20) (set 'a "largo")
• )

199
Más de LISP

• (set 'counter 1)
• (dolist (i (sequence -5 5))
• (println "Elemento " counter " " i)
• (inc 'counter))
• (dolist (i (sequence -5 5))
• (println "Element " idx " " i))

200
Más de LISP

• Switch
• (case n
• (1 (println "un"))
• (2 (println "deux"))
• (3 (println "trois"))
• (4 (println "quatre")))
• (randomize (sequence 1 99))
• (dup 1 6)

201
Más de LISP

• (set 'L '(a b c (d e (f g) h i) j k))
• (define (walk-tree tree)
• (cond (( tree '()) true)
• ((atom? (first tree))
• (println (first tree))
• (walk-tree (rest tree)))
• (true (walk-tree (first tree))
• (walk-tree (rest tree)))))

202
LISP

• (define (walk-tree tree)
• (dolist (elmnt tree)
• (if (list? elmnt)
• (walk-tree elmnt)
• (println elmnt))))
• gt_ (walk-tree L)

203
Bibliografía

• Rico, F. (2007) Programación Funcional, Material
  de la Materia Lenguajes de Programación, UVAQ
  Noviembre 2007.
• Montes, M. y Villaseñor L. (2008) Fundamentos de
  Inteligencia Artificial Métodos básicos de
  solución de problemas, Instituto Nacional de
  Astrofísica, Óptica y Electrónica, Puebla, México.

204
Bibliografía

• Decker, R. y Hirshfield, S. (2001). Máquina
  Analítica. Introducción a las Ciencias de la
  Computación con Uso de Internet, Thomson, México.
  Capítulo 9 Inteligencia Artificial pp. 295-325.
• Hernández, V. (2007). Mapas Conceptuales La
  gestión del Conocimiento en la Didáctica. Segunda
  Edición, México Alfaomega.

205
Bibliografía

• Montes, M. y Villaseñor L. (2008) Fundamentos de
  Inteligencia Artificial Métodos básicos de
  solución de problemas, Instituto Nacional de
  Astrofísica, Óptica y Electrónica, Puebla, México.

206
Preguntas, dudas y comentarios?