*****************************************************************
Cs-95-044 INTELIGENCIA ARTIFICIAL
*****************************************************************
OBJETIVO GENERAL DE LA MATERIA
Iniciar al alumno en el estudio de la solución de problemas en las áreas de aplicación más representativas de la
Inteligencia Artificial mediante técnicas propias a esta disciplina.
OBJETIVOS GENERALES POR TEMA
1 Breve Panorama de la Inteligencia Artificial: Conocer el contexto de la IA en las ciencias computacionales: ubicación y
evolución de la IA en el campo de las Ciencias Computacionales, diferentes escuelas y áreas de aplicación de la IA.
2 Técnicas de IA para la solución de problemas: Conocer las principales técnicas de solución de problemas propias a la IA.
3 Representación del conocimiento: Conocer y aplicar los principales formalismos de representación del conocimiento.
4 Conceptos Básicos de Ingeniería del Conocimiento: Conocer los principios básicos del desarrollo de sistemas basados en
el conocimiento.
5 Aplicaciones: Conocer aplicaciones en diferentes áreas de la IA.
TEMAS Y SUBTEMAS DEL CURSO
1 Breve Panorama de la Inteligencia Artificial.
1.1 Panorama histórico y evolución de la Inteligencia Artificial.
1.2 Definición y escuelas de la Inteligencia Artificial.
1.3 Areas de aplicación de la IA.
2 Técnicas de IA para la solución de problemas.
2.1 Antecedentes.
2.2 Algoritmos de Búsqueda.
2.3 Juegos Competitivos.
2.4 Propagación de restricciones.
3 Representación del conocimiento.
3.1 Modelos de conocimiento.
3.2 Cálculo de predicados de primer orden.
3.3 Reglas de Producción.
3.4 Modelos de Objetos.
4 Conceptos Básicos de Ingeniería del Conocimiento.
4.1 Ciclo de desarrollo de un sistema basado en conocimiento.
4.2 Técnicas de adquisición de conocimiento.
4.3 Implementación de sistemas basados en conocimiento.
5 Aplicaciones (autoestudio).
5.1 Redes neuronales.
5.2 Robótica.
5.3 Sistemas expertos.
5.4 Visión computacional.
OBJETIVOS ESPECIFICOS DE APRENDIZAJE
1 Breve panorama de la IA.
1.1 Describir los antecedentes históricos, la ubicación de la IA dentro del campo de las ciencias computacionales,
la evolución que ha ido viviendo en los últimos años y las diferentes escuelas que se han ido formando en la
teoría de la IA.
1.2 Definir IA así como otros conceptos básicos relacionados con esta disciplina.
1.3 Definir las principales áreas de aplicación de la IA.
1.4 Mostrar algunos ejemplos de aplicaciones reales de la Inteligencia Artificial.
2 Técnicas de IA para la solución de problemas.
2.1 Describir brevemente el "Logic Theorist" de Newell y Simon "GPS" (General Problem Solver) como
antecedentes a los sistemas actuales de Inteligencia Aritificial.
2.2 Definir sistemas de producción, espacios de estados y operadores.
2.3 Describir los algoritmos de búsqueda :
2.3.1 Búsqueda en profundidad.
2.3.2 Algoritmo "Hill-Climbing".
2.3.3 Algoritmo "Beam".
2.3.4 Búsqueda en anchura.
2.3.5 Algoritmo "Best-First".
2.3.6 Algoritmo A*.
2.4 Ejemplificar en clase algunos problemas típicos utilizando algoritmos de búsqueda para su solución . (Problema
del viajero, el "puzzle", etc.).
2.5 Definir las características de los juegos competitivos.
2.6 Describir los algoritmos Mini-Max y Alpha-Beta
2.7 Mostrar ejemplos de uso de los algoritmos de Mini-Max y Alpha-Beta en juegos competitivos.
2.8 Describir la aplicación de los algoritmos de búsqueda en problemas de reconocimiento de formas, "scheduling",
aprendizaje automático, etc.
2.9 Describir las técnicas de etiquetado de imágenes para la propagación de restricciones simbólicas.
2.10 Describir el algoritmo de propagación de Waltz para restricciones simbólicas.
2.11 Describir la propagación de restricciones numéricas a través de ecuaciones.
2.12 Describir el "back-tracking" como un mecanismo de control en la propagación de restricciones.
2.13 Exponer la definición general del problema, propagación y algoritmos de búsqueda y satisfacción de
restricciones.
2.14 Ejemplificar las técnicas vistas en aplicaciones de los diseño y diagnóstico.
3 Representación del conocimiento.
3.1 Mostrar la necesidad de disponer de modelos del conocimiento.
3.2 Conocer los paradigmas Procedural y Declarativo de representación de conocimiento .
3.3 Definir y describir las características de un modelo del conocimiento.
3.4 Exponer la clasificación de los modelos de conocimiento.
3.5 Describir el papel de la representación del conocimiento en los sistemas basados en el conocimiento.
3.6 Definir el Cálculo de predicados de primer orden (CP1).
3.7 Describir la Sintaxis del CP1.
3.8 Describir la Semántica del CP1: interpretaciones y satisfactibilidad.
3.9 Describir la inferencia en el CP1.
3.10 Describir la resolución como regla de inferencia en el CP1.
3.11 Ejemplificar la demostración automática de teoremas por refutación usando resolución.
3.12 Establecer la Forma general de una regla de producción.
3.13 Describir las variantes de las reglas de producción: reglas de orden cero, reglas de orden Cero+ y Reglas de
orden 1.
3.14 Mostrar la estructura general de un sistema de reglas de producción.
3.15 Describir las estrategias de explotación de reglas en un sistema de producción.
3.16 Describir el manejo de incertidumbre en las reglas de producción.
3.17 Establecer los conceptos de objeto, clase, instanciación, especialización, herencia valores "por default" y ligas
procedurales.
3.18 Estudio de un caso : el modelo SHIRKA.
3.18.1 Clases, atributos y facetas.
3.18.2 Facetas de restricción.
3.18.3 Facetas de cálculo de valores.
3.18.4 Facetas de reacción.
3.18.5 Mecanismos de clasificación.
3.18.6 Ejemplos.
3.19 Descripción de modelos híbridos de reglas y objetos.
3.20 Mostrar la implementación de los modelos de representación en herramientas comerciales.
4 Conceptos Básicos de Ingeniería del Conocimiento.
4.1 Exponer el ciclo de desarrollo de un sistema basado en el conocimiento (SBC).
4.2 Describir las técnicas de adquisición del conocimiento.
4.3 Definir el conocimiento de representación intermedia del conocimiento como vehículo de soporte para la
adquisición de conocimientos.
4.4 Describir los aspectos a considerar en la implementación de un SBC.
4.5 Describir las técnicas para la validación de un SBC.
4.6 Aplicar las técnicas vistas en la solución de pequeños problemas empleando herramientas comerciales de
desarrollo.
5 Aplicaciones de las disciplinas relacionadas con la IA.
5.1 Introducir al concepto y uso de redes neuronales.
5.2 Introducir los conceptos y usos relacionados con robótica
5.3 Ejemplificar diferentes sistemas expertos representativos.
5.4 Introducir los conceptos y aplicaciones relacionados con visión computacional.
ACTIVIDADES DE APRENDIZAJE
1 Exposición en clase.
2 Exposición en clase, prácticas en clase, taller y tareas.
3 Investigación por parte del alumno para el objetivo específico 2.12
4 Exposición, prácticas en clase, taller y tareas.
5 Autoestudio, asistencia a conferencias, lectura de artículos.
LIBRO (S) DE TEXTO
Rich & Knight
Artificial Intelligence
Ed. Mc Graw Hill 2a edición
LIBRO (S) DE CONSULTA
Winston, Artificial Intelligence.,
Ed.Addison-Wesley, 1989.
Avron, Barr, Cohen & Feigenbaum.,
The Handbook of Artificial Intelligence.
Ed. Addison Wesley,1982.
Firenbaugh,
Artificial Intelligence, a Knowledge-Based Approach.
Addison-Wesley ,1989.
Nilsson, Principles of Artificial Intelligence.
Springer-Verlag ,1982.
Genesereth, Nilsson.,
Logical Foundations of Artificial Intelligence.
Morgan Kaufmann ,1987.