Practical Artificial Intelligence

Publicado por Apress en 2018, este extenso volumen de 690 páginas de Arnaldo Pérez Castaño ofrece una inmersión práctica en el desarrollo de soluciones de inteligencia artificial, aprendizaje automático y sistemas multiagente utilizando C# sobre la plataforma .NET. La obra busca desmitificar la IA alejándola de abstracciones puramente académicas para convertirla en código comprensible y ejecutable por cualquier programador de software corporativo. Está pensada para desarrolladores de C#, estudiantes de informática e ingenieros de software con nivel intermedio que dominen la programación orientada a objetos, el manejo de colecciones y álgebra lineal elemental, y que deseen entender las entrañas de los algoritmos de IA sin depender ciegamente de librerías externas opacas.

El autor implementa desde los cimientos una amplia variedad de técnicas de IA sin recurrir a bibliotecas de caja negra. Cubre lógica formal y demostración automática de teoremas en lógica de primer orden, agentes inteligentes autónomos y arquitecturas de sistemas multiagente (MAS), empleando Windows Communication Foundation (WCF) para la comunicación remota distribuida entre entidades. En el área del aprendizaje automático, enseña a programar máquinas de vectores de soporte (SVM), árboles de decisión, agrupamiento clásico y multi-objetivo (clustering K-Means), metaheurísticas optimizadoras (algoritmos genéticos y recocido simulado), redes neuronales artificiales con algoritmo de retropropagación (backpropagation), aprendizaje por refuerzo con Q-Learning y algoritmos de búsqueda adversarial (Minimax y poda Alpha-Beta).

A través de sus capítulos, el lector construye aplicaciones y simulaciones tangibles: un sistema de navegación autónoma para un rover marciano, un equipo de agentes de limpieza matricial coordinados mediante servicios WCF, una red neuronal para reconocimiento de dígitos manuscritos y un motor de juego de tablero para Othello/Reversi con evaluación de jugadas. El libro destaca por mostrar la matemática detrás de cada algoritmo convertida limpiamente en clases y métodos en C#, lo que otorga una base conceptual sólida. Su enfoque está deliberadamente acotado a la implementación artesanal en C#, por lo que deja fuera los ecosistemas de aprendizaje profundo acelerados por GPU habituales en Python (como TensorFlow o PyTorch). Resulta una lectura ideal para desarrolladores del entorno Microsoft que busquen asimilar los fundamentos algorítmicos de la IA mediante proyectos concretos.