����������������������������������������������������������������������������������
Matem�ticas detr�s de la inteligencia artificial en los videojuegos
Mathematics behind artificial intelligence in video games
Matem�tica por tr�s da intelig�ncia artificial em videogames
![]() |
|||
![]() |
Correspondencia: yenny.vargas@educacion.gob.ec
Ciencias de la Educaci�n
Art�culo de Investigaci�n
* Recibido: 13 de enero de 2025 *Aceptado: 01 de febrero de 2025 * Publicado: �10 de marzo de 2025
I. Investigadora Independiente, Ecuador.
II. Investigadora Independiente, Ecuador.
III. Investigadora Independiente, Ecuador.
IV. Investigador Independiente, Ecuador.
Resumen
La inteligencia artificial (IA) en los videojuegos es el resultado de una compleja combinaci�n de principios matem�ticos que permiten crear experiencias din�micas e inmersivas. Desde la toma de decisiones de los personajes no jugables (NPCs) hasta la generaci�n de comportamiento adaptativos, la matem�tica juega un papel esencial en el desarrollo de sistemas inteligentes dentro de los juegos. Este articulo analiza algunos de los conceptos matem�ticos claves utilizados en la IA durante la programaci�n de los videojuegos, incluyendo los algoritmos de b�squeda y optimizaci�n, la teor�a de grafos para la navegaci�n de personajes, el �lgebra lineal aplicada a la representaci�n de movimientos y f�sicas, la estad�stica y probabilidad en la toma de decisiones, y el aprendizaje aut�nomo para la mejora continua del comportamiento de los NPCs. Adem�s, se presentan ejemplos pr�cticos de c�mo estas herramientas han permitido el desarrollo de juegos m�s desafiantes, realistas y personalizados para los jugadores. El uso de la IA en los videojuegos sigue evolucionando, impulsado por modelos matem�ticos cada vez m�s sofisticados. Esto no solo mejora la jugabilidad, sino que tambi�n abre nuevas posibilidades para el dise�o de mundos virtuales interactivos y experiencias m�s inmersivas.
Palabras Claves: Modelos matem�ticos; inteligencia artificial; videojuegos; experiencia de juego; innovaci�n y optimizaci�n en tiempo real.
Abstract
Artificial intelligence (AI) in video games is the result of a complex combination of mathematical principles that allow for the creation of dynamic and immersive experiences. From non-player characters (NPCs) decision-making to the generation of adaptive behavior, mathematics plays an essential role in the development of intelligent systems within games. This article discusses some of the key mathematical concepts used in AI during video game programming, including search and optimization algorithms, graph theory for character navigation, linear algebra applied to the representation of motion and physics, statistics and probability in decision-making, and self-learning for the continuous improvement of NPC behavior. In addition, practical examples are presented of how these tools have allowed the development of more challenging, realistic, and personalized games for players. The use of AI in video games continues to evolve, driven by increasingly sophisticated mathematical models. This not only improves gameplay, but also opens up new possibilities for the design of interactive virtual worlds and more immersive experiences. Keywords: Mathematical models; artificial intelligence; video games; gaming experience; innovation and real-time optimization.
Resumo
A intelig�ncia artificial (IA) em videogames � o resultado de uma combina��o
complexa de princ�pios matem�ticos que permitem a cria��o de experi�ncias
din�micas e imersivas. Desde a tomada de decis�es por personagens n�o-jogadores
(NPCs) at� a gera��o de comportamento adaptativo, a matem�tica desempenha um
papel essencial no desenvolvimento de sistemas inteligentes dentro dos jogos.
Este artigo analisa alguns dos principais conceitos matem�ticos usados
em IA durante a programa��o de videogames, incluindo algoritmos
de busca e otimiza��o, teoria dos grafos para navega��o de personagens, �lgebra
linear aplicada � representa��o de movimentos e f�sica, estat�stica e
probabilidade na tomada de decis�es, e aprendizagem aut�noma para a melhoria
cont�nua do comportamento dos NPCs. Al�m disso, s�o apresentados exemplos
pr�ticos de como essas ferramentas t�m permitido o desenvolvimento de jogos
mais desafiadores, realistas e personalizados para os jogadores. O uso da IA
em videogames continua a evoluir, impulsionado por modelos
matem�ticos cada vez mais sofisticados. Isto n�o s� melhora a jogabilidade, mas
tamb�m abre novas possibilidades para projetar mundos virtuais interativos e
experi�ncias mais envolventes.
Palavras-chave: Modelos matem�ticos; intelig�ncia artificial; jogos de v�deo; experi�ncia de jogo; inova��o e otimiza��o em tempo real.
Introducci�n
En lo actual, la inteligencia artificial (IA) en los videojuegos ha evolucionado gracias a la matem�tica, que sustentan algoritmos avanzados para mejorar la toma de decisiones y la interacci�n del personaje. M�todos como la busque da de �rbol de MonteCarlo (MCTS) permiten a la IA simular m�ltiples escenarios y elegir estrategias �ptimas en tiempo real, lo que resulta en experiencias m�s desafiantes y realistas para los jugadores (Quevedo y Quevedo, 2021). Sin embargo, detr�s de estos avances tecnol�gicos, existe un soporte matem�tico fundamental que sustenta cada proceso de aprendizaje y optimizaci�n en los videojuegos modernos (Amigone et al., 2018). La combinaci�n de disciplinas como el �lgebra lineal, la estad�stica y la teor�a de grafos ha permitido que la inteligencia artificial alcance niveles de complejidad sin precedentes, mejorando significativamente la calidad de los videojuegos.
El objetivo principal en el que se centra este art�culo es analizar la relevancia de la matem�tica en la inteligencia artificial aplicada a los videojuegos, identificando los conceptos esenciales que permiten el desarrollo de los m�todos matem�ticos en el aprendizaje aut�nomo, los cuales permiten mejorar la experiencia del juego y optimizar modelos.
Una de las problem�ticas clave en este �mbito es: �De qu� manera los modelos matem�ticos pueden contribuir a mejorar la inteligencia artificial en los videojuegos sin comprometer el rendimiento del sistema?� Aunque la IA ha logrado avances notables, su implementaci�n eficiente sigue siendo un reto a la complejidad matem�tica subyacente y la necesidad de optimizaci�n en tiempo real estos proyectos (Recuenco y Reyes, 2020). Para superar esta dificultad, es esencial profundizar en el estudio y aplicaci�n de modelos matem�ticos en el dise�o (IA), lo que permite mejorar la eficiencia de los algoritmos y proporcionar experiencias de juego m�s inmersivas (Molina, 2023). Herramientas como el aprendizaje profundo y las redes neuronales, sustentadas en principios matem�ticos, ha demostrado ser clave para la evoluci�n de la inteligencia artificial en la industria del videojuego.��
Este tema es de gran importancia, ya que el conocimiento de la matem�tica detr�s de la inteligencia artificial no solo beneficia a los desarrolladores de videojuegos, sino que tambi�n impulsa la innovaci�n en otros campos como la simulaci�n, la rob�tica y la optimizaci�n de procesos (G�itta et al., 2024). Adem�s, el dominio de estos conceptos fortalece la formaci�n de profesionales en programaci�n y desarrollo de software.
En conclusi�n, las matem�ticas son la columna vertebral de la inteligencia artificial en los videojuegos. Su correcta aplicaci�n permite mejorar la jugabilidad, optimizar el rendimiento y crear experiencias m�s realistas. En este art�culo, se explorar�n los principales fundamentos matem�ticos que hacen posible el desarrollo de (IA) en los videojuegos y su impacto en la evoluci�n de la industria.
Metodolog�a / M�todo
La metodolog�a de este art�culo se centra en las fuentes, teor�as y enfoque previo que permiten abordar la relaci�n entre la matem�tica y la inteligencia artificial (IA) aplicada en los videojuegos. A trav�s de una revisi�n exhaustiva de la literatura, se identifican las referencias clave que sustentan el an�lisis de los modelos matem�ticos utilizados en el desarrollo de la IA en los videojuegos. Este enfoque busca proporcionar una base s�lida para comprender c�mo la matem�tica influye en la creaci�n de algoritmos eficientes y la mejora de la jugabilidad en este contexto.�
1. Selecci�n de fuentes
La investigaci�n se basa en una amplia variedad de fuentes como art�culos acad�micos, libros y manuales especializados, publicaciones recientes de los �ltimos a�os y tesis o trabajos de investigaci�n.
2. Revisi�n de Modelos matem�ticos Utilizados en IA de Videojuegos.
La metodolog�a es un an�lisis detallado de los modelos matem�ticos m�s relevantes aplicados en la IA de videojuegos. Se hace especial �nfasis en: �rbol de MonteCarlo (MCTS), Redes Neuronales y aprendizaje profundo, Algoritmos de Optimizaci�n y B�squeda y Teor�a de Grafos.
3. An�lisis de Casos y Aplicaciones Relevantes
Se realiz� un an�lisis de los estudios de casos que han utilizado la matem�tica para mejorar la IA en videojuegos espec�ficos.
4. Exploraci�n de Avances y Tendencias Futuras
Finalmente, se explorar�n los avances recientes y las posibles direcciones futuras en la investigaci�n de la inteligencia artificial aplicada a los videojuegos. Esto se basar� en art�culos y trabajos de vanguardia que exploran el uso de las matem�ticas avanzadas, como la computaci�n cu�ntica o el uso de algoritmos evolutivos, para mejorar la eficiencia y complejidad de la IA en los videojuegos.
La metodolog�a se enfoca en una revisi�n exhaustiva de la literatura cient�fica y te�rica, con el fin de identificar las bases matem�ticas fundamentales que sustentan el desarrollo de la inteligencia artificial en los videojuegos. A trav�s de referencias y fuentes claves, el an�lisis de modelos matem�ticos espec�ficos y la exploraci�n de casos pr�cticos, se proporciona una comprensi�n integral de c�mo la matem�tica influye en la creaci�n de sistemas de IA m�s eficientes y realistas en el �mbito de los videojuegos.
Resultado
El an�lisis de la aplicaci�n de la matem�tica en la inteligencia artificial de los videojuegos revela que disciplinas como el �lgebra lineal, la estad�stica y la teor�a de grafos desempe�an un papel fundamental en la optimizaci�n y desarrollo de sistemas inteligentes. Un hallazgo significativo es la importancia de vectores y matrices en la representaci�n de datos, lo que favorece el rendimiento gr�fico y el aprendizaje autom�tico en entornos virtuales. Se ha demostrado que los c�lculos matriciales son esenciales para la simulaci�n de movimientos precisos y la predicci�n de acciones dentro del juego (Flores et al., 2019). Adem�s, las transformaciones lineales implementadas en motores gr�ficos han mostrado un impacto sustancial en la eficiencia del procesamiento de la inteligencia artificial, optimizando la fluidez y la capacidad de respuesta de los NPCs en tiempo real (Frittelli et al., 2013).
Desde una perspectiva estad�stica, los modelos probabil�sticos han demostrado su eficacia en la adaptaci�n din�mica del comportamiento de la inteligencia artificial seg�n las decisiones del jugador. Investigaciones con redes bayesianas han evidenciado que los NPCs pueden modificar su nivel de dificultad de manera progresiva, proporcionando una experiencia de juego m�s desafiante y menos predecible (Oviedo, 2016). Asimismo, los modelos de MonteCarlo han resultado efectivos en la simulaci�n de escenarios complejos dentro de videojuegos estrat�gicos, permitiendo que la IA eval�e m�ltiples opciones y calcule riesgo antes de tomar una decisi�n �ptima (S�nchez y Lama, 2007).
Otro aspecto relevante en la aplicaci�n de la teor�a de grafos es la utilizaci�n de rutas y la toma de decisiones dentro de los videojuegos. Se ha comprobado que algoritmos como Bellman-Ford y Dijkstra mejoran la movilidad de los personajes en entornos digitales, optimizando los desplazamientos y evitando colisiones (Cruz et al., 2014). Adem�s, la implementaci�n de �rboles de decisi�n ha perfeccionado la l�gica de los NPCs en juegos de rol y estrategia, dot�ndolos de un comportamiento m�s realista y adaptable mediante la evaluaci�n de m�ltiples escenarios posibles (Mart�nez, 2008).
En s�ntesis, los resultados obtenidos confirman que la matem�tica contribuye a la base del desarrollo de la inteligencia artificial en los videojuegos. Desde la renderizaci�n grafica hasta la toma de decisiones estrat�gicas, cada modelo matem�tico aplicado contribuye a la eficacia y realismo de la IA, enriqueciendo la experiencia del juego. La constante evoluci�n de la inteligencia artificial, consolida el papel de la matem�tica como un pilar esencial en el avance de esta tecnolog�a.
Discusiones
Discusi�n 1: �lgebra lineal y su impacto en la inteligencia artificial de los videojuegos.
El �lgebra lineal es la base matem�tica sobre la cual se construyen numerosos aspectos de la inteligencia artificial en los videojuegos. Desde la representaci�n y transformaci�n de gr�ficos tridimensionales hasta la implementaci�n de redes neuronales, las matrices y los vectores desempe�an un papel crucial en la optimizaci�n del rendimiento y en la capacidad de los sistemas para tomar decisiones complejas (Dado, 2011). En la renderizaci�n gr�fica, por ejemplo, las opresiones matriciales permiten modificar la posici�n y orientaci�n de los objetos en un entorno tridimensional, garantizando una experiencia virtual coherente para el usuario (Besada et al., 2021).
Adem�s, en el aprendizaje autom�tico, los pesos y conexiones en una red neuronal profunda se modelan utilizando operaciones de algebra lineal, lo que permite a los NPCs mejorar su comportamiento y adaptarse a patrones de juego de los usuarios. Estos m�todos son esenciales en juegos modernos que buscan ofrecer experiencias m�s inmersivas y realistas mediante el uso de IA avanzada (Rouhiainen, 2018). Gracias a estos conceptos matem�ticos, la inteligencia artificial en los videojuegos puede evolucionar hacia sistemas m�s eficientes y din�micos, capaces de generar respuestas m�s sofisticadas dentro de los entornos virtuales.
Discusi�n 2: El papel de la probabilidad y la estad�stica en la toma de decisiones de la IA en los videojuegos.
La estad�stica y teor�a de la probabilidad desempe�an un papel crucial en la inteligencia artificial aplicada a los videojuegos, permitiendo al sistema de IA modelar incertidumbre y anticipar posible del jugador. Modelos como las cadenas de Markov y los modelos ocultos de Markov (HMM) se emplean para analizar patrones de comportamiento y mejorar la toma de decisiones de los NPCs, logrando que los personajes virtuales reaccionen de manera m�s realista a las situaciones del juego (Murphy, 2012). Adem�s, la probabilidad es esencial en la generaci�n procedimental de contenido, como en juegos donde los mapas y misiones se generan aleatoriamente en funci�n de distribuciones probabil�sticas (Hern�ndez, 2024).
El aprendizaje por refuerzo, basado en modelos estad�sticos, permite que los agentes de IA optimicen su rendimiento mediante prueba y error, evaluando recompensas y castigo en cada acci�n dentro del juego (Morales y Gonz�lez, 2012). Esta t�cnica ha sido clave en juegos como AlphaGo y StarCraft II, donde la IA aprende estrategias basadas sin intervenci�n humana directa. En definitiva, el uso adecuado de la probabilidad y la estad�stica en la IA de videojuegos contribuye a la creaci�n de experiencias m�s din�micas y desafiantes, mejorando la interacci�n entre el jugador y el entorno virtual.
Discusi�n 3: La teor�a de grafos y su aplicaci�n en la navegaci�n y toma de decisiones en videojuegos.
La teor�a de grafos es otra herramienta matem�tica fundamental en el desarrollo de la inteligencia artificial para videojuegos. En t�rminos generales, un grafo es una estructura matem�tica que representa relaciones entre objetos, en el contexto de los videojuegos, se utiliza ampliamente en la planificaci�n de rutas, la navegaci�n de personajes y la toma de decisiones estrat�gicas. Algoritmos como Dijkstra y A (A-Star) son esenciales para determinar caminos �ptimos en escenarios virtuales, permitiendo que los NPCs se desplacen de manera eficiente sin colisionar con obst�culos (Mata et al., 2018).
Adem�s de su uso en la navegaci�n de entornos, la teor�a de grafos tambi�n es fundamental en la estructura de �rboles de decisi�n y redes neuronales. En videojuegos de rol y estrategia, los arboles de comportamiento basados en grafos permiten a la IA evaluar m�ltiples opciones y seleccionar la acci�n m�s adecuada en funci�n de las circunstancias del juego (Moreno 2019). Por ejemplo, en juegos de estrategia en tiempo real como StarCraft II, la IA analiza miles de posibles movimientos a trav�s de estructuras de grafos antes de tomar decisiones que optimicen su desempe�o en combate.
Otro uso destacado de la teor�a de grafos en los videojuegos es en la generaci�n de mapas y estructuras de niveles. Juegos como The Legend of Zelda utilizan grafos para representar conexiones entre diferentes �reas del mundo del juego, asegurando que los jugadores puedan acceder a ciertas ubicaciones solo despu�s de cumplir determinados requisitos (Piedra y Paternostro, 2009). Esto permite dise�ar experiencias de juego m�s fluidas y bien estructuradas.
En definitiva, la teor�a de grafos es un elemento esencial en el desarrollo de inteligencia artificial para videojuegos. Su aplicaci�n en la navegaci�n de entornos, la toma de decisiones y la estructuraci�n del contenido permite la creaci�n de experiencias m�s realistas, estrat�gicas y desafiantes para los jugadores.
Conclusi�n
El desarrollo de la inteligencia artificial en los videojuegos est� profundamente ligada a diversas ramas de la matem�tica, cuya aplicaci�n permite mejorar tanto la funcionalidad como la inmersi�n en los entornos virtuales. La combinaci�n del �lgebra lineal, la estad�stica y la teor�a de grafos ha demostrado ser fundamental para la optimizaci�n de los sistemas de IA, facilitando desde el procedimiento grafico hasta la toma de decisiones estrat�gicas. En particular, el uso de vectores y matrices en motores gr�ficos ha permitido alcanzar una representaci�n m�s realista de los entornos y personajes, contribuyendo a una experiencia m�s fluida y din�mica (S�nchez, 2013).
Por otro lado, los modelos probabil�sticos han sido en la evoluci�n de la inteligencia artificial en videojuegos, permitiendo a los NPCs adaptar su comportamiento en tiempo real con base en patrones de juego. La implementaci�n de t�cnicas como las redes mejorar la capacidad de respuesta de los sistemas inteligentes, aumentando el nivel de desaf�o y la personificaci�n de la experiencia del jugador (D�az, 2021). Asimismo, los algoritmos de b�squeda basados en la teor�a de grafos han optimizado la movilidad y la planificaci�n de rutas en entornos virtuales, permitiendo a los NPCs desplazarse de manera eficiente y seleccionar decisiones optimas en escenarios complejos (Basso y �lvarez, 2013).
En conclusi�n. Los hallazgos obtenidos destacan el papel esencial de las matem�ticas en la evoluci�n de la inteligencia artificial en videojuegos. A medida que las t�cnicas matem�ticas contin�an avanzando, es previsible que los videojuegos integran sistemas de IA cada vez m�s sofisticados, con mayor capacidad de aprendizaje y adaptaci�n. El uso riguroso de principios matem�ticos no solo mejora la jugabilidad, sino que tambi�n abre nuevas posibilidades para el dise�o de videojuegos m�s din�micos, interactivos y realistas. En este contexto, el futuro de la inteligencia artificial en videojuegos depender� en gran medida del continuo desarrollo y rendimiento de su fundamento matem�tico.�
Referencias
1. Amigone, F., Kogan, P., Michelan, G., & Rodriguez, J. (2018). Edimbrujo: Definiendo un modelo did�ctico para la ense�anza de la Inteligencia Artificial en Juegos. In XIII Congreso de Tecnolog�a en Educaci�n y Educaci�n en Tecnolog�a (Posadas, 2018). https://sedici.unlp.edu.ar/handle/10915/68912
2. Basso Basso, I. R., & Alvarez Nu�ez, M. F. (2013). Teor�a de grafos. http://repobib.ubiobio.cl/jspui/handle/123456789/1953
3. Besada Portas, E., Herrera Caro, P. J., & Pajares Martinsanz, G. (2021). Aprendizaje profundo.
4. Cruz Ch�vez, M. A., Moreno Bernal, P., & Peralta Abarca, J. D. C. (2014). Aplicaci�n de la teor�a de la complejidad en optimizaci�n combinatoria. Inventio, la g�nesis de la cultura universitaria en Morelos, 10(20), 35-42. https://dialnet.unirioja.es/servlet/articulo?codigo=4733827
5. Dado, A. (2011). Introducci�n al �lgebra lineal. http://webdelprofesor.ula.ve/economia/gcolmen/programa/economia/ejercicios_capitulo_1.pdf
6. D�az Ram�rez, J. (2021). Aprendizaje autom�tico y aprendizaje profundo. Ingeniare. Revista chilena de ingenier�a, 29(2), 180-181. https://www.scielo.cl/scielo.php?pid=S0718-33052021000200180&script=sci_arttext
7. Flores M�ndez, C. E., L�pez, M. Q., Orozco Aguirre, H. R., & P�rez, I. R. (2019). Arquitectura de un juego serio inteligente basado en retos de matem�ticas b�sicas. ReCIBE. Revista electr�nica de Computaci�n, Inform�tica, Biom�dica y Electr�nica, 8(2). https://www.redalyc.org/journal/5122/512261374006/512261374006.pdf
8. }Frittelli, V., Tartabini, M., Teicher, R., Steffolani, F., Serrano, D., Fern�ndez, J., & Strub, A. (2013). Desarrollo de Juegos como Estrategia Did�ctica en la Ense�anza de la Programaci�n. CONAIISI 2013.
9. G�itta L�pez, L., L�pez L�pez, �. J., & S�nchez Molina, R. (2024). Aprendizaje por Refuerzo. https://repositorio.comillas.edu/xmlui/handle/11531/92129
10. Hern�ndez P�rez, A. (2024). Introducci�n al aprendizaje por refuerzo. https://gredos.usal.es/handle/10366/163871
11. Mart�nez Ram�n, M. (2008). Introducci�n a los m�todos Kernel. Universidad Aut�noma de Madrid, 29. http://arantxa.ii.uam.es/~jms/seminarios_doctorado/abstracts2007-2008/20080429MMartinez.pdf
12. Mata, G., Ruiz, B., Camacho, C., M�ndez, A., Mu�oz, S., & Zambrano, H. (2018). Un algoritmo de planificaci�n en una clase de sistemas de eventos discretos. Dyna, 85(206), 283-293. http://www.scielo.org.co/scielo.php?pid=S0012-73532018000300283&script=sci_arttext
13. Molina Ayuso, �. (2023). Introducci�n a la Inteligencia Artificial desde el aula de Matem�ticas. Epsilon, 114(114), 99-111. http://www.geogebraandalucia.es/epsilon_d9/sites/default/files/2023-09/epsilon114_06.pdf
14. Morales, E., & Gonz�lez, J. (2012). Aprendizaje por refuerzo. Presentaci�n En L�nea en: https://ccc. inaoep. mx/~ emorales/Cursos/Aprendizaje2/Acetatos/refuerzo. pdf. https://ccc.inaoep.mx/~emorales/Cursos/NvoAprend/Acetatos/refuerzo.pdf
15. Moreno Padilla, R. D. (2019). La llegada de la inteligencia artificial a la educaci�n. Revista de Investigaci�n en Tecnolog�as de la Informaci�n: RITI, 7(14), 260-270. https://dialnet.unirioja.es/servlet/articulo?codigo=7242777
16. Murphy, K. (2012). Aprendizaje autom�tico: una perspectiva probabil�stica. Prensa del MIT.�
17. Oviedo Bayas, B. W. (2016). Modelos gr�ficos probabilisticos aplicados a la predicci�n del rendimiento en educaci�n (Doctoral dissertation, Universidad de Granada). https://digibug.ugr.es/handle/10481/44592
18. Piedra Hern�ndez, V. S., & Paternostro Movilla, C. A. (2009). Aplicaciones de la teor�a de grafos en la inform�tica. https://repository.javeriana.edu.co/handle/10554/8378
19. Quevedo Sarmiento, J. R., & Quevedo Guti�rrez, E. G. (2021). �rbol de Juegos: Del Algoritmo Minimax con Poda α-β al Algoritmo Montecarlo Tree Search. Fuerza Bruta vs Aleatoriedad. Formaci�n del Profesorado e Investigaci�n en Educaci�n Matem�tica. https://accedacris.ulpgc.es/handle/10553/121232
20. Recuenco, A., & Reyes, W. (2020). Inteligencia artificial: Camino a un nuevo esquema del mundo. SCI�NDO, 23(4), 299-308. https://revistas.unitru.edu.pe/index.php/SCIENDO/article/view/3203
21. Rouhiainen, L. (2018). Inteligencia artificial. Madrid: Alienta Editorial, 20-21. https://planetadelibrosar0.cdnstatics.com/libros_contenido_extra/40/39307_Inteligencia_artificial.pdf
22. S�nchez Esteban, N. (2013). El juego y la matem�tica. Juegos de matem�ticas para el alumnado del primer ciclo de E. Primaria. https://uvadoc.uva.es/handle/10324/4809
23. S�nchez Vila, E. M., & Lama Pen�n, M. (2007). Monograf�a: T�cnicas de la Inteligencia Artificial aplicadas a la educaci�n. Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial, 11(33), 7-12. https://www.redalyc.org/pdf/925/92503302.pdf
� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
(https://creativecommons.org/licenses/by-nc-sa/4.0/).
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/