Ministerio de Educación, Ciencia y Tecnología
Universidad Nacional de San Luis
FACULTAD DE CS. FISICO MAT. Y NAT.

ANEXO II

PROGRAMA DEL CURSO: INTELIGENCIA ARTIFICIAL

DEPARTAMENTO DE:   INFORMATICA
AREA: Area V: Automatas y LenguajesAÑO: 2003 (Id: 2035)
Estado: Aprobado

 

I - OFERTA ACADÉMICA

CARRERAS PARA LAS QUE SE OFRECE EL MISMO CURSO

PLAN DE ESTUDIOS
ORD. Nº

CRÉDITO HORARIO

   

SEM.

TOTAL

LIC. EN CIENCIAS DE LA COMPUTACION11/98690
PROFESORADO EN CIENCIAS DE LA COMPUTACION11/98

II - EQUIPO DOCENTE

Funciones

Apellido y Nombre

Total hs en
este curso

Cargo y Dedic.

Carácter

Responsable

ERRECALDE, MARCELO LUIS12  hs.PROFESOR ADJUNTO EXC.Interino
Auxiliar de 1ºMUCHUT, ALFREDO RUBEN 8  hs.AYUDANTE DE 1RA. SEMI. Interino

III - CARACTERÍSTICAS DEL CURSO

CREDITO HORARIO SEMANAL
MODALIDAD
REGIMEN

Teórico/

Práctico

Teóricas

Prácticas de

Aula

Práct. de lab/ camp/

Resid/ PIP, etc.

1c
2 Hs.
2 Hs.
2 Hs.
 Hs.
Asignatura
Otro: 
Duración: 14 semanas
Período del 24/03/02 al 27/06/02

IV.- FUNDAMENTACION

Este curso trata sobre los aspectos principales de la Inteligencia Artificial (IA). El campo de la IA intenta entender las entidades inteligentes. Así, una razón para estudiarla es aprender más sobre nosotros mismos. Sin embargo, a diferencia de la filosofía y psicología, también relacionadas con la inteligencia, la IA se esfuerza en construir entidades inteligentes además de entenderlas. Otra razón para estudiar IA es que estas entidades inteligentes son útiles e interesantes por sí mismas. La IA ha producido innumerables productos que han demostrado un desempeño significativo en dominios de gran complejidad, y donde otros enfoques habían logrado escaso suceso.
En este curso, el enfoque adoptado para tratar los distintos aspectos de la IA, se basa en el concepto de agente inteligente. Desde esta perspectiva el problema de la IA es describir y construir agentes que pueden percibir el ambiente y realizar acciones en forma racional. Este agente es implementado por una función que mapea percepciones en acciones. En el curso se cubren distintas maneras de representar estas funciones, como por ejemplo sistemas de producción, agentes reactivos, planificadores lógicos, redes neuronales y sistemas de teoría de decisión. También se analiza el rol del aprendizaje en la tarea de extender las capacidades del agente más allá de las especificaciones iniciales del diseñador.

Los contenidos generales del curso, cubren el contenido mínimo sugerido por la ACM/IEEE para el área de Sistemas Inteligentes (año 2001) y cuatro unidades sugeridas como electivas.

Si bien el curso es autocontenido se sugiere conocimiento previo en lógica proposicional y de predicados. La amplitud temática de la IA sólo permite un tratamiento general de los principales aspectos involucrados. No obstante esto, el curso sirve como base para otros cursos optativos de la licenciatura, relacionados a tópicos avanzados de la IA.


V.- OBJETIVOS

Al finalizar el curso los alumnos serán capaces de:

Reconocer cuales son las principales ventajas, limitaciones y aplicabilidad de las distintas herramientas utilizadas por la IA.

Diferenciar los principales aspectos involucrados en el comportamiento inteligente y la Inteligencia Artificial.

Determinar en que casos es apropiado utilizar un enfoque de IA para un problema dado.

Seleccionar e implementar un método de IA que sea adecuado para resolver el problema de acuerdo a sus características generales.

Realizar cursos sobre tópicos avanzados de la IA, como por ejemplo: Procesamiento de Lenguaje Natural, Scheduling, Robótica, Explotación de datos (Data Mining).

Extender sus conocimientos de los contenidos abordados en el curso con bibliografía adecuada y mínima supervisión.

 


VI. - CONTENIDOS


UNIDAD 1
Introducción: ¿ Qué es Inteligencia Artificial (IA) ?. Comportamiento humano vs racional. Pensamiento humano vs racional. Historia de la IA. Estado del arte.

UNIDAD 2
Agentes. Definición. Agente Racional. Arquitecturas de agentes. Agentes reactivos. Agentes con objetivos. Agentes basados en utilidades. Ambientes: propiedades.

UNIDAD 3
Resolución de Problemas y búsqueda. Agentes de resolución de problemas. Formulación de problemas. Ejemplos de problemas. Estrategias de búsqueda. Métodos de búsqueda ciega. Principales algoritmos. Métodos de búsqueda heurística. Principales algoritmos. Problemas de satisfacción de restricciones. Algoritmos generate-and-test, backtracking y consistencia. Hill climbing. Simulated annealing. Algoritmos genéticos. Algoritmos para juegos.

UNIDAD 4
Agentes basados en conocimiento. Representación y razonamiento (R y R). R y R en lógica proposicional. R y R en cálculo de predicados. Representando cambios en el mundo. El problema del Frame. Deduciendo propiedades ocultas del mundo. Preferencia entre acciones. Pasos hacia un agente basado en objetivo.

UNIDAD 5
Ingeniería de conocimiento. Ontología general. Sistemas de razonamiento lógico. Probadores de teoremas y lenguajes de programación lógica. Sistemas de producción. Sistemas de Frame y redes semánticas.

UNIDAD 6
Acciones y Planning. Similitudes y diferencias entre resolución de problemas y planning. Representaciones de acciones y cambio. Representación STRIPS. Situation Calculus. Event Calculus. Comparando las representaciones. Planning de orden parcial. Planning y acción. Planning condicional. Replanning.

UNIDAD 7
Incertidumbre. Teoría de probabilidad. Teoría de utilidad. Agentes de teoría de decisión. Sistemas de razonamiento probabilístico. Otros enfoques a razonamiento con incertidumbre.

UNIDAD 8
Agentes basados en utilidad. Funciones de utilidad. Problemas de decisión secuencial. Incertidumbre en las acciones. Planning de lazo cerrado. El enfoque MDP. Value Iteration. Policy Iteration. Diseño de un agente de teoría de decisión.

UNIDAD 9
Agentes que aprenden. Diseño de un sistema de aprendizaje. Aprendizaje de conceptos. Aprendizaje de árboles de decisión. Redes Neuronales artificiales. Aprendizaje bayesiano. Aprendizaje basado en instancias. Aprendizaje por refuerzos. Areas de aplicación.


VII. - PLAN DE TRABAJOS PRÁCTICOS

Práctico 1: Inteligencia Artificial y Agentes Inteligentes

Práctico 2: Resolución de problemas y búsqueda

Práctico 3: Problemas de satisfacción de restricciones

Práctico 4: Juegos

Práctico 5: Representación de conocimiento y razonamiento

Práctico 6: Planning

Práctico 7: Procesos de decisión Markov

Práctico 8: Aprendizaje de conceptos

Práctico 9: Redes Neuronales


VIII - RÉGIMEN DE APROBACIÓN

Para regularizar la materia, los alumnos deberán aprobar 1 (un) parcial que incluye todos los prácticos, con al menos el 70% correcto. Este parcial tendrá 1 (una) recuperación.

La materia se podrá rendir como libre, con un exámen libre que incluye todos los contenidos teóricos, prácticos y prácticos de máquina.



IX.a - BIBLIOGRAFÍA BÁSICA

“Artificial Intelligence: A Modern Approach”. S. Russell y P. Norvig. Prentice-Hall, 1995.

“Computational Intelligence: A Logical Approach”. D. Poole, A. Mackworth y R. Goebel. Oxford University Press, 1998.

“Artificial Intelligence”. E. Rich y K. Knight. Segunda edición. McGraw-Hill, 1991.

“Artificial Intelligence”. G. Luger y W. Stubblefield. Segunda edición. The Benjamín/Cummings Publishing Company, 1993.



IX b - BIBLIOGRAFÍA COMPLEMENTARIA

“Constructing Intelligent Agents Using Java”. J. P. Bigus y B. Jennifer. J. Wiley, 2001.

“Multi-Agent Systems – An Introduction to Distributed Artificial Intelligence”. J. Ferber. Addison-Wesley, 1999.

“Multiagent Systems: A modern Approach to Distributed Artificial Intelligence”. G. Weiss. The MIT Press, 1999.

“Machine Learning”. T. M. Mitchell. McGraw-Hill, 1997.

“Prolog-programming for artificial intelligence”. I. Bratko. Tercera Edición. Pearson Education, 2001.



COMPLEMENTO DE DIVULGACION


OBJETIVOS DEL CURSO

El curso tiene como objetivo introducir al alumno en la problemática del análisis, diseño e implementación de sistemas inteligentes. El enfoque utilizado en este caso, se basa en el concepto de agentes, estudiándose los principales paradigmas utilizados hasta el momento en la construcción de agentes inteligentes.

 

 

PROGRAMA SINTETICO

Inteligencia Artificial, conceptos básicos e historia. Agentes. Tipos de Agentes. Agentes de resolución de problemas. Búsqueda ciega y heurística. Problemas de satisfacción de restricciones. Agentes basados en conocimiento. Representación y razonamiento. Sistemas de razonamiento lógico. Planning. Incertidumbre. Razonamiento probabilístico. Agentes basados en utilidades. Aprendizaje automático.

 


IMPREVISTOS