Cursos de Grado

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 Lenguajes (FCFMyN)	AÑO: 2005 (Id: 3915)
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 COMPUTACION	11/98	6	84

**II - EQUIPO DOCENTE**
Funciones	Apellido y Nombre	Total hs en este curso	Cargo y Dedic.	Carácter
Responsable	ERRECALDE, MARCELO LUIS	20 hs.	PROFESOR ADJUNTO EXC.	Temporal
Jefe Trab. Prác.	MUCHUT, ALFREDO RUBEN	10 hs.	JEFE DE TRABAJOS PRAC. SEMI.	Temporal

**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 14/03/2005 al 17/06/2005

**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 agentes reactivos, agentes basados en objetivos, 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 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 ésto, 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 basados en objetivos. Agentes basados en utilidades. Agentes de aprendizaje. 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. Principales algoritmos. Búsqueda en presencia de adversarios. Algoritmos para juegos de dos personas. 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. Situation Calculus. El problema del Frame. Event Calculus. UNIDAD 6 Acciones y Planning. Similitudes y diferencias entre resolución de problemas y planning. Planning con búsqueda en el espacio de estados. Planning de orden parcial. Grafos de planning. Planificación y acción en el mundo real. UNIDAD 7 Incertidumbre. Teoría de probabilidad. Teoría de utilidad. Agentes de teoría de decisión. Razonamiento probabilístico. 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 por refuerzos. Áreas 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 de dos personas Práctico 5: Representación de conocimiento y razonamiento Práctico 6: Planning Práctico 7: Procesos de decisión Markov Práctico 8: Aprendizaje de máquina

**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 trabajos de máquina.

**IX.a - BIBLIOGRAFÍA BÁSICA**
“Artificial Intelligence: A Modern Approach”. S. Russell y P. Norvig. Second Edition. Prentice-Hall, 2003. “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. Cuarta edición. The Benjamín/Cummings Publishing Company, 2001.

**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. “An Introduction to Multi-Agent Systems”. Michael Wooldridge. J. Wiley, 2002. “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**