UNIVERSIDAD FASTA

REGIMEN: Anual

HORAS DE CLASE TEORICAS: 3 PRACTICAS: 3

1) OBJETIVOS

OBJETIVOS GENERALES
·
• Informar acerca de las aplicaciones de la inteligencia artificial y de los adelantos observados en esta área.·
• Brindar una base teórico-práctica sobre la obtención, procesamiento e interpretación de la información obtenida por un agente inteligente.·
• Comprender la importancia del desarrollo de sistemas artificiales basados en aquéllos de origen biológico.

OBJETIVOS ESPECIFICOS

• Satisfacer los siguientes contenidos:
  • Introducción a la Inteligencia Artificial,
    • a los Algoritmos Genéticos,
    • a las Redes Neurales (orientadas hacia la Neuroetología Computacional),
    • a la Vida Artificial Computacional y
    • a la Robótica.
  • Métodos automatizados de búsqueda. Búsqueda adversarial (juegos con la participación de agentes artificiales).
    
  • Agentes inteligentes, lógicos, planificadores-reactivos, aptos
    • para el razonamiento incierto y difuso,
      
    • para el aprendizaje a partir de la observación y
      
    • para la autonomía, la autorreflexión y la comunicación.
  • Manejo de bases de datos para Sistemas Expertos.
    
  • Manejo de Aplicaciones ("Applets") de Java para programar subrrutinas para agentes artificiales.
    
  • Manejo de los fundamentos filosóficos de la Inteligencia Artificial
• Conocer las características de los diferentes tipos de agentes inteligentes.·
• Adquirir habilidad para determinar que procedimiento usar en la resolución de problemas.
• Utilizar la lógica que mejor se adecue a la dimensión del problema presentado.·
• Conocer distintos tipos de planificación y cómo realizar su representación.

---

2) VIGENCIA AÑO: 2001

3) CONTENIDOS

UNIDAD I

Inteligencia Artificial

1 Introducción.

• 1.0 Visión preliminar de seis campos relacionados con la Inteligencia Artificial
  • 1.0.1 - Vida Artificial - Programa "Life" de Conway.
    
  • 1.0.2. - Algoritmos Genéticos -
    • Programa "Maze Solver"
    • Autómata predictor del futuro - "Glóbulos vivos finitos" de Dewdney.
  • 1.0.3 - Redes neurales - Programa de Randall Beer
    
  • 1.0.4 - Programa "Eliza" y/o "Julia" y test de Turing
  • 1.0.5 - Programa "Babelfish" de traducción automática.
  • 1.0.6 - Sistemas Expertos
• 1.1.- Conceptos generales: Distintos enfoques acerca del concepto de Inteligencia Artificial.
• 1.2.- Fundamentos de la Inteligencia Artificial: Filosofía. Matemáticas. Psicología. Ingeniería computacional. Lingüística.
• 1.3.- Historia de la Inteligencia Artificial: desde mediados del siglo XX al presente.
• 1.4.- Estado del arte. Los últimos avances.

2 Agentes Inteligentes

• 2.1.- Introducción.
• 2.2.- Cómo debe proceder un agente. Mapeo ideal de las secuencias de percepciones para acciones. Autonomía.
• 2.3.- Estructura de los agentes inteligentes. Programas de agentes. Agentes de reflejo simple. Agentes bien informados. Agentes basados en metas. Agentes basados en utilidad.
• 2.4.- Ambientes. Propiedades de los ambientes. Programas de ambientes.

UNIDAD II

Procedimientos para la solución de problemas

3 Resolución de problemas mediante búsqueda

• 3.1.- Agentes que resuelven problemas.
• 3.2.- Formulación de problemas. Conocimiento y tipos de problemas. Problemas bien definidos y soluciones. Cómo medir la eficiencia para resolver problemas. Cómo escoger estados y acciones.
• 3.3.- Problemas de ejemplo. Problemas de juego. Problemas reales.
• 3.4.- Búsqueda de soluciones. Generación de secuencias de acciones. Estructuras de datos para los árboles de búsqueda.
• 3.5.- Estrategias de búsqueda. Búsqueda preferente por amplitud. Búsqueda de costo uniforme. Búsqueda preferente por profundidad. Búsqueda limitada por profundidad. Búsqueda por profundización iterativa. Búsqueda bidireccional. Comparación de las diversas estrategias de búsqueda.
• 3.6.- Cómo evitar estados repetidos.
• 3.7.- Búsqueda mediante la satisfacción de restricciones.

4 Métodos de búsqueda respaldados con información

• 4.1.- Búsqueda preferente por lo mejor. Reducir al mínimo el costo estimado para alcanzar una meta: Búsqueda avara (greedy search). Reducir al mínimo el costo de ruta total: Búsqueda A*.
• 4.2.- Funciones heurísticas. El efecto en el desempeño, de la exactitud heurística. Cómo inventar funciones heurísticas. Heurísticas en problemas con satisfacción de restricciones.
• 4.3.- Búsqueda limitada por la capacidad de memoria.
• 4.4.- Algoritmos con mejoramiento por iteraciones. Búsqueda por ascenso de cima. Endurecimiento o forjado simulado.

5. Juegos como búsqueda -

• Ta te tí -
• Ajedrez simplificado -
• Damas -
• Chaquete o backgammon -
• Periplaneta computatrix

UNIDAD III

Conocimiento y razonamiento

6. Agentes que razonan de manera lógica

• 6.1.- Agente basado en el conocimiento.
• 6.2.- El ambiente del mundo de Wumpus. Especificación del ambiente. Cómo actuar y razonar en el mundo de Wumpus.
• 6.3.- Representación. Inferencia, razonamiento. Lógica.
• 6.4.- Lógica propositiva. Sintaxis. Semántica. Validez e inferencia. Modelos. Reglas de inferencia en la lógica propositiva. Complejidad de la inferencia propositiva.
• 6.5.- Un agente para el mundo de Wumpus: base de conocimientos, cómo encontrar al Wumpus, traducción del conocimiento en las acciones. Problemas relacionados con el agente propositivo.
• 6.6.-Principales aportes de la lógica de primer orden. Cuantificadores Motivos para su preferencia.
• 6.7.-Enumeración de los aportes de lógicas superiores y motivos asociados con su falta de empleo.

7. Conformación de una base de conocimientos

• 7.1.- Buenas y malas bases de conocimiento
• 7.2.- Ingeniería del conocimiento
• 7.3.- Circuitos, temas, vocabulario, codificación de reglas, consultas.
• 7.4.- Ontología general, categorías, medidas, objetos compuestos, eventos, momentos, intervalos, acciones.
• 7.5.- Ejemplo en el mundo del supermercadismo

8 Sistemas de razonamiento lógico

• 8.1.- Introducción
• 8.2.- Indices, recuperación, unificación
• 8.3.- Sistemas de programación lógicos
• 8.4.- Agentes demostradores de teoremas.
• 8.5.- Sistemas de producción por encadenamiento hacia adelante.
• 8.6.- Sistemas de marco y de redes semánticas
• 8.7.- Lógicas para la descripción
• 8.8.- Gestión de retractaciones, suposiciones, explicaciones.

UNIDAD IV

Cómo actuar en forma lógica

9. Planificación

• 9.1.- Un agente de planificación simple.
• 9.2.- De la solución de problemas a la planificación.
• 9.3.- La planificación en el cálculo de situaciones.
• 9.4.- Representaciones básicas en la planificación. Representaciones de estados y objetivos. Representaciones de acciones. Espacios de situaciones y espacios de planes. Representaciones de planes. Soluciones.
• 9.5.- Un ejemplo de planificación de orden parcial.
• 9.6.- Un algoritmo de planificación de orden parcial.
• 9.7.- Operadores concretizados parcialmente
• 9.8.- La ingeniería del conocimiento en la planificación.

UNIDAD V

Conocimiento Incierto y Razonamiento Difuso

10. Incertidumbre

• 10.1. Cómo actuar ante la incertidumbre. Manejo del conocimiento incierto. La incertidumbre y las decisiones racionales. Diseño de un agente de decisiones teóricas.
• 10.2. Notación básica en probabilidad. A priori, condicional.
• 10.3. Los axiomas de probabilidad. Por qué ellos son razonables. Distribución de probabilidad conjunta..
• 10.4. La regla de Bayes y cómo se emplea. El caso más sencillo. Normalización. Combinación de la evidencia.
• 10.5. Cuál es el orden de las probabilidades.

11. Sistemas de razonamiento probabilístico.

• 11.1. Representación del conocimiento en dominios inciertos. Representación de la distribución de probabilidad conjunta. Un método para construir redes de creencia. Compactación y ordenamiento de nodos.
• 11.2. Representación de las tablas de probabilidad condicional. Relaciones de independencia condicional en las redes de creencia.
• 11.3. La inferencia en las redes de creencia. La naturaleza de las inferencias probabilísticas. Algoritmos que contestan a consultas.
• 11.4. La inferencia en redes de creencia con múltiples conexiones. Métodos de agrupamiento, de condicionamiento por conjunto de corte, estocásticos de simulación.
• 11.5. La ingeniería del conocimiento en el razonamiento incierto. El sistema Pathfinder.
• 11.6. Enfoques alternativos para el razonamiento incierto. Razonamiento predefinido. Métodos basados en reglas aplicables al razonamiento incierto. Teoria de Dempster- Shafer. Cómo representar la vaguedad. Conjuntos difusos y lógica difusa.

UNIDAD VI

Agentes que aprenden y que comunican.

12. Aprendizaje.

• 12.1. Aprendizaje a partir de la observación.
• 12.2. Nociones de aprendizaje en redes neurales.

13. Agentes que comunican.

• 13.1. Agentes pensantes mínimos para la comunicación, percepción y actuación.
  • 13.1.1. La comunicación como acción.
  • 13.1.2. Generalidades sobre el lenguaje.
  • 13.1.3. Los pasos de que consta una comunicación.
  • 13.1.4 .Dos modelos de comunicación.
  • 13.1.5. Percepción.
  • 13.1.6. Actuación
• 13.2. Robótica.
  • 13.2.1 Introducción.
  • 13.2.2 Tareas. Para qué sirven los robots.
  • 13.2.3 Partes. De qué están hechos los robots. Efectores. Sensores.
  • 13.2.4. Arquitecturas.
  • 13.2.5. Un marco de trabajo para el análisis.
  • 13.2.6. Navegación y planificación de movimientos.

UNIDAD VII

Conclusiones generales.

• 14.1.- Los grandes interrogantes. Modelo de cerebro - mente. Emoción. Sentimientos. Postura intencional. Mente como máquina versus mente superando máquina. Platón.
• 14.2.- Los fundamentos del razonamiento y de la percepción. Homuncularismo. Modularidad del cerebro.
• 13.1.- Posibilidad del logro de conductas inteligentes. Turing y su juego de imitación.
• 13.1.- Intencionalidad y conciencia. El cuarto chino y su intención. Posibilidad de salir del cuarto para aprender.

  TRABAJOS PRACTICOS

Unidad I:

     
Trabajo Práctico Nro. 1
                Problema de la lista (cap 1 Russell y Norvig).
     Ejercicios con tres de los seis temas  (Life, Maze Solver,  Dewdney, Beer, Eliza,                   Babelfish)	
      Manejo del Sistema Operativo The Brain (Natrificial)
     
Trabajo Práctico Nro. 2
    	Problema de la lista (cap 2  Russell y Norvig).
     Ejercicios pendientes del trabajo prácitco previo  

Unidad II

Trabajo Práctico Nro. 3
	Problema de la lista (cap 3  Russell y Norvig).
      Solitario de los dos baldes; problema de la aspiradora.

Trabajo Práctico Nro. 4
               Problema de la lista (cap 4  Russell y Norvig).
     Métodos de búsqueda con información. Ajedrez simplificado. Podas alfa y beta
     Misioneros y caníbales

Trabajo Práctico Nro. 5 
               Problema de la lista (cap 5  Russell y Norvig).
     Periplaneta computatrix
     Ocho reinas

Unidad III

Trabajo práctico Nro. 6
	Problema de la lista (cap 6  Russell y Norvig).
     Programa del  Mundo de Wumpus: reglas de inferencia y solución de un problema 

Trabajo práctico Nro. 7
	Problema de la lista (cap 8  Russell y Norvig).
      Uso de reglas de cuantificación en lógica de primer orden
      Programa "Otter" de demostración de problemas.

Trabajo práctico Nro. 8    
               Problema de la lista (cap 10  Russell y Norvig).
      Sistemas expertos - Base de conocimientos
      Programas gráficos introductorios.

Unidad IV:
 
 
Trabajo práctico Nro. 9
                Problema de la lista (cap 11  Russell y Norvig). 
      Problema POP; The General Replanner; Soar de Newell (1)

Unidad V:
 

Trabajo Práctico Nro. 10	 
	Problema de la lista (cap 14 Russell y Norvig).
      Soar de Newell (2)

Trabajo Práctico Nro. 11
	Problema de la lista (cap 15  Russell y Norvig).
     
Unidad VI:
 

 
 Trabajo Práctico Nro. 12 
               Problema de la lista (cap 18  Russell y Norvig)l.
      Problema con red neural

Unidad VII
 
 
 Trabajo Práctico Nro. 13a
               Problema de la lista (cap 22  Russell y Norvig).
       Babelfish revisitado
 Trabajo Práctico Nro. 13b 
               Problema de la lista (cap 25  Russell y Norvig).
      Stiquito
 Trabajo Práctico Nro. 14
               Problema de la lista (cap 26  Russell y Norvig).
       Reemplazo con un bot de funciones de un gerente de planta

Lenguajes

 Trabajo Práctico Nro. 15
       Java para Inteligencia Artificial; 
       Jess o sea Java especializado en sistemas expertos. 
BIBLIOGRAFIA

Russell,S., Norvig, P.; Artificia1 Intelligence. A Modern Approach
Ed. Prentice Hall, USA; 1995. Trad al castellano 1996.
Winston, P.H.; Artificial Intelligence.
Third Edition. Addison-Wesley, USA; 1992
Cherniak, McDermott; Introduction to Artificial Intelligence
Ed. Addison-Wesley, USA; 1985
Rich, E.; Artificial Intelligence
Ed. McGraw-Hill, USA; 1983
Nilsson, N.J.; Principles of Artificial Intelligence
Tioga Publishing Co; 1980
Pearl, J.; Heuristics: intelligent search strategies for computer problem solving
Addison-Wesley, USA; 1985
Goldberg, D.E.; Genetic Algorithms in Search, Optimization, and Machine Learning.
Ed. Addison-Wesley, USA; 1989
Calvin, William H.; Cómo Piensan los Cerebros. La evolución de la inteligencia, antes y ahora.
Edit. Debate, SA; Madrid, España; 2001  
Trillas, Enric; La Inteligencia Artificial. Máquinas y personas.
Edit. Debate, SA, Madrid, España; 1998
Poblet, J.M.; Inteligencia Artificial. Conceptos, técnicas y aplicaciones
Marcombo Boixareu Editores, Barcelona, España; 1987


Los alumnos deberán tener portal propio y rastrear temas y bibliografía por INTERNET, tomando como centro el "distrito" en castellano "Inteligencia Artificial" de
http://distritos.telepolis.com/inteligenciaartificial/
donde individualmente deberán especializarse en temas específicos de la asignatura