Fundamentos de Inteligencia Artificial
Área de Ingeniería Telemática Universidade de Vigo
Fundamentos de Inteligencia
Artificial
Manuel Ramos Cabrer
(Curso 2010/11)
Fundamentos de Inteligencia Artificial
Objetivos
Introducción a la disciplina de la Inteligencia Artificial desde una
perspectiva ingenieril, fundamental e integradora.
Presentación de los fundamentos para la resolución de problemas
basados en conocimiento (búsqueda, representación del conocimiento y razonamiento).
Introducción de las técnicas de tratamiento de la imprecisión y la
incertidumbre en la especificación y tratamiento del conocimiento.
Presentación de los mecanismos básicos de aprendizaje automático
Fundamentos de Inteligencia Artificial
Programa
I. Introducción a la Inteligencia Artificial (4 horas)
II. Búsqueda de Soluciones (4 horas)
III. Representación del conocimiento y razonamiento
(8 horas)
IV. Razonamiento bajo incertidumbre (6 horas)
V. Aprendizaje (6 horas)
VI. Conclusiones (2 horas)
I. Introducción a la Inteligencia Artificial
Duración: 4 horas
Objetivos
Introducir al alumno en la materia.
Introducir los principales conceptos y paradigmas de la
Inteligencia Artificial.
Proporcionar una visión global e integradora de la disciplina.
Fundamentos de Inteligencia Artificial
I. Introducción a la Inteligencia Artificial
1.1. Concepto de Inteligencia Artificial 1.2. Perspectiva histórica
1.3. Relación con otras disciplinas
1.4. Paradigmas y ámbitos de aplicación
1.5. Conceptos de sistema basado en conocimiento y sistema experto 1.6. Ingeniería del conocimiento
1.7. Perspectiva integradora: Agentes inteligentes 1.8. Estado del arte
Fundamentos de Inteligencia Artificial
II. Búsqueda de soluciones
Duración: 4 horas
Objetivos
Introducir el concepto de búsqueda y su utilización en
resolución de problemas.
Describir diversos algoritmos de búsqueda y sus
características.
Presentar el problema de la explosión combinatoria y sus
consecuencias
Introducir el concepto de heurístico como paradigma básico
en la resolución de problemas complejos.
Fundamentos de Inteligencia Artificial
II. Búsqueda de soluciones
2.1. Planteamiento de problemas mediante búsqueda 2.2. Ejemplos
2.3. Evaluación de estrategias de búsqueda 2.4. Estrategias de búsqueda a ciegas
2.5. Búsqueda en problemas de satisfacción de restricciones 2.6. Problemas de la búsqueda a ciegas
2.7. Conocimiento de Control: concepto de heurístico 2.8. Estrategias de búsqueda informada
2.9. Búsqueda con adversarios (juegos) 2.10. Análisis medios-fines
Fundamentos de Inteligencia Artificial
III. Representación del conocimiento y razonamiento
Duración: 8 horas
Objetivos
Introducir la representación del conocimiento como uno de
los conceptos esenciales en el ámbito de la Inteligencia Artificial.
Describir y comparar los principales métodos de
representación del conocimiento.
Introducir el concepto de inferencia como método de generar
nuevos hechos.
Fundamentos de Inteligencia Artificial
III. Representación del conocimiento y razonamiento
3.1. Introducción al problema de la representación del conocimiento y el razonamiento
3.2. Tipos de conocimiento
3.3. Concepto de razonamiento e inferencia
3.4. La lógica de proposiciones como sistema inferencial 3.5. Ejemplo: Sistemas de producción
3.6. Limitaciones de la lógica de proposiciones
3.7. Lógica de Predicados de primer orden: Sintaxis y semántica 3.8. Limitaciones de la lógica de predicados de primer orden
3.9. Extensiones de la lógica de predicados de primer orden
Fundamentos de Inteligencia Artificial
III. Representación del conocimiento y razonamiento (II)
3.10. Inferencia en lógica de predicados
3.11. Ejemplo: sistemas basados en reglas con variables 3.12 Representaciones estructuradas del conocimiento:
3.12.1. Triplas objeto-atributo-valor 3.12.2. Redes semánticas
3.12.3. Marcos 3.12.4. Guiones
3.12.5. Comparación entre los distintos paradigmas
Fundamentos de Inteligencia Artificial
IV. Razonamiento bajo incertidumbre
Duración: 6 horas
Objetivos
Introducir los conceptos de incertidumbre, imprecisión y
vaguedad, y justificar su aparición a la hora de resolver problemas complejos.
Describir y comparar algunos de los mecanismos más
utilizados para tratar la incertidumbre, la imprecisión y la vaguedad.
Resaltar la importancia de la teoría de la probabilidad en los
sistemas de Inteligencia Artificial
Fundamentos de Inteligencia Artificial
IV. Razonamiento bajo incertidumbre
4.1. Incertidumbre, imprecisión y subjetividad
4.2. Métodos simbólicos o cualitativos
4.2.1. Basados en lógica
4.2.2. Sistemas de mantenimiento de verdad
4.3. Métodos numéricos clásicos
4.3.1. Método probabilístico clásico 4.3.2. Modelo de factores de certeza 4.3.3. Teoría de Dempster-Shafer
4.4. Redes de creencia o bayesianas
4.5. Lógica borrosa
Fundamentos de Inteligencia Artificial
V. Aprendizaje
Duración: 6 horas
Objetivos
Comprender la importancia del aprendizaje dentro de los
sistemas de Inteligencia Artificial como mecanismo automático de mejora de su comportamiento.
Introducir las principales aproximaciones básicas al
aprendizaje automático
Comparar los diferentes mecanismos y su adecuación a
diferentes tipos de problemas
Fundamentos de Inteligencia Artificial
V. Aprendizaje
5.1. Introducción
5.2. Clasificación de métodos de aprendizaje
5.3. Comparación de métodos de aprendizaje
5.4. Aprendizaje subsimbólico
5.4.1. Redes neuronales
5.4.2. Algoritmos genéticos
5.5. Aprendizaje simbólico
5.5.1. Aprendizaje inductivo
5.5.2. Otros métodos de aprendizaje simbólico
Fundamentos de Inteligencia Artificial
Fundamentos de Inteligencia Artificial
Bibliografía básica
Stuart Rusell y Peter Norvig. ArtificialIntelligence: A Modern Approach.
Prentice Hall, 1995.
Temas 1-7, 9, 14, 15, 18, 19 y parte del 20 y 21
Válido para todos los temas menos el final del bloque III.
Ventajas Inconvenientes
- Enfoque docente e integrador
- Mala traducción - Cubre todos los aspectos
básicos de la IA
- Ejercicios muy genéricos - Notas a final de cada
capítulo
- Información disponible en Internet
Representación del conocimiento en sistemas inteligentes
Gregorio Fernández Fernández
Universidad Politécnica de Madrid
Escuela Técnica Superior de Ingenieros de Telecomunicación Departamento de Ingeniería de Sistemas Telemáticos
Grupo de Sistemas Inteligentes
Fundamentos de Inteligencia Artificial
Bibliografía básica
Gregorio Fernández. Representación del
conocimiento en sistemas inteligentes.
Ciberlibro, 2000.
Temas 5 a 12
Válido para bloque III y parte del IV
Ventajas Inconvenientes
- Formato electrónico - Sólo cubre parte de la asignatura
- Gratuito - Difícil de imprimir - En castellano
Fundamentos de Inteligencia Artificial
Bibliografía básica
Alison Cawsey. The Essence of Artifical
Intelligence. Prentice Hall Europe, 1998.
Temas 1, 2, 4 y 7
Válido para todos los temas salvo el Bloque IV
Ventajas Inconvenientes
- Concisión y claridad - Pocos ejercicios - Cubre la mayoría de los
aspectos básicos de la IA
- Trata superficialmente algunos aspectos
Fundamentos de Inteligencia Artificial
Bibliografía complementaria
Alternativas al libro de texto
:
Nils J. Nilsson.
Artificial Intelligence: A New Syntesis
.
Morgan Kaufmann, 1998
Elaine Rich y Kevin Knight.
Artificial Intelligence (2ª
Edición)
. McGraw-Hill, 1991
Matt Ginsberg.
Essentials of Artificial Intelligence
.
Fundamentos de Inteligencia Artificial
Bibliografía complementaria
Libros de texto con otros puntos de vista:
Patrick H. Winston.
Artificial Intelligence (3ª Edición)
.
Addison-Wesley, 1992
Thomas Dean, James Allen y Yiannis Aloimonos.
Artificial Intelligence: Theory and Pactice
.
Addison-Wesley, 1995
Fundamentos de Inteligencia Artificial
Bibliografía complementaria
Obras de referencia
:
David Poole, Alan Mackworth y Randy Goebel.
Computational Intelligence: A Logical Approach. Oxford
Univ. Press, 1998
Edward A. Bender. Mathematical Methods in Artificial
Intelligence. IEEE, 1998
Stuart C. Shapiro (ed.). Encyclopedia of Artificial Intelligence.
2ª Edición. John Wiley & Sons, 1992 (2 volúmenes)
Otros
:
Margaret A. Boden (ed.) The Philosophy of Artificial
