Comprender la inteligencia artificial programándola desde cero en BASIC. Un recorrido práctico por los algoritmos, los datos y las redes neuronales en ordenadores de 8 bits.
¿Qué ocurre cuando llevamos los fundamentos de la inteligencia artificial a una máquina de 8 bits? Este libro propone aprender construyendo: escribir los algoritmos, observar sus resultados y entender las decisiones que hay detrás de cada programa. BASIC convierte las ideas en instrucciones que se pueden seguir, modificar y ejecutar en un Spectrum, un Spectrum Next o un emulador.
El recorrido empieza con la historia de la IA y una pregunta práctica: cómo aprovechar un ordenador con memoria y velocidad limitadas. Comparar algoritmos de ordenación y medir sus tiempos prepara el terreno para construir sistemas expertos, un chatbot inspirado en ELIZA y un jugador de tres en raya con Minimax y poda alfa-beta.
Después, el conocimiento pasa de las reglas a los datos. La regresión lineal trabaja con mediciones reales de CO₂; k-NN y Naive Bayes clasifican personajes de un juego de rol; k-means descubre agrupaciones sin etiquetas. El perceptrón y las redes multicapa llevan el aprendizaje hasta el reconocimiento de dígitos, explicando pesos, errores, funciones de activación y retropropagación.
El Juego de la Vida cierra el libro con otra forma de complejidad: la que emerge de reglas sencillas, sin entrenamiento. Los listados completos y los experimentos invitan a cambiar parámetros y comprobar qué sucede. Se puede seguir la explicación de principio a fin y volver al código cuando se quiera profundizar; los programas están disponibles en el repositorio del libro.
Una mirada a cada capítulo, con imágenes del propio libro. Pulsa una imagen para ampliarla.
Un recorrido por la historia de la IA, sus principales familias y el laboratorio de trabajo: el Z80, el Spectrum y el Spectrum Next. El punto de partida para entender qué vamos a construir y por qué hacerlo en BASIC.
Medir tiempos y comparar Bubble sort, Shell sort y Quicksort permite ver qué significa la complejidad algorítmica. Las gráficas muestran por qué acelerar el procesador no sustituye a elegir un buen algoritmo.
Hechos, reglas y un motor de inferencia forman un pequeño sistema de diagnóstico. Separar el conocimiento del mecanismo que razona permite ampliar las reglas y explicar cómo se ha llegado a una conclusión.
Una versión de ELIZA transforma texto mediante patrones y respuestas. Normalización, palabras clave y sustituciones permiten construir una conversación y comprender la diferencia entre simular un diálogo y entenderlo.
El tres en raya sirve para representar estados y explorar árboles de decisiones. La búsqueda en profundidad, Minimax y la poda alfa-beta enseñan a anticipar jugadas y a reducir el trabajo necesario para decidir.
El salto de las reglas a los datos comienza ajustando una recta y midiendo el error. Un ejemplo con datos de CO₂ de Mauna Loa lleva los mínimos cuadrados a un problema real, calculado y dibujado en BASIC.
Magos, guerreros y exploradores se convierten en vectores de características. El clasificador decide a partir de sus vecinos más cercanos y muestra cómo influyen la distancia, la representación de los datos y el valor de k.
El mismo universo de personajes se estudia ahora mediante recuentos y probabilidades. Naive Bayes permite contrastar la decisión por proximidad con una decisión basada en evidencia y supuestos de independencia.
Sin etiquetas previas, el programa busca grupos en una nube de puntos. La asignación de ejemplos y el movimiento de los centroides permiten seguir visualmente el proceso iterativo hasta la convergencia.
Una neurona artificial combina entradas, pesos y un umbral, y corrige sus errores durante el entrenamiento. Los experimentos con líneas y dígitos introducen la generalización y los límites de una frontera lineal, incluido XOR.
De varios perceptrones especializados pasamos a las capas ocultas, la función sigmoide y la retropropagación. El proyecto de reconocimiento de dígitos en una cuadrícula de 6 × 6 reúne entrenamiento, pesos y predicción.
El cierre explora cómo reglas locales sencillas producen comportamientos complejos. Un universo toroidal de 20 × 20 celdas, dos matrices y un editor visual permiten experimentar con patrones, osciladores y estructuras que se desplazan.
Ver el vídeo ↓Cada celda vive o muere según sus ocho vecinas. Una celda viva sobrevive con dos o tres vecinas; una celda muerta nace con exactamente tres. Todas cambian a la vez. A partir de estas reglas aparecen estructuras estables, osciladores y patrones que se desplazan.
El ejemplo del libro utiliza un tablero toroidal de 20 × 20: sus bordes se conectan. Dos matrices separan la generación actual de la siguiente para que el orden de cálculo no altere el resultado.
Elige la edición que prefieras. Ambas forman parte de esta misma ficha.
Los ejemplos están organizados por capítulos en el repositorio AI_Z80. Puedes estudiar los listados y experimentar en hardware real o en un emulador.
