UNIVERSIDAD NACIONAL DEL SUR 1 BAHÍA BLANCA. Laboratorio 12 hs CORRELATIVAS DESCRIPCIÓN

Transcripción

1 UNIVERSIDAD NACIONAL DEL SUR 1 CÓDIGO: 684 CARRERAS Licenciatura en Ciencias de la Computación PROFESOR RESPONSABLE: Dr. Guillermo Simari Profesor Titular con Dedicación Exclusiva CARGA HORARIA Teoría 64 hs Práctica 2 hs PARA CURSAR LA MATERIA APROBADAS CURSADAS Lógica para Ciencias Bases de Datos de la Computación CORRELATIVAS Laboratorio 12 hs CANTIDAD DE SEMANAS PARA APROBAR LA MATERIA APROBADAS CURSADAS Bases de Datos 16 DESCRIPCIÓN El área de Inteligencia Artificial está formada por una multiplicidad de subáreas. Este curso provee los fundamentos necesarios para el posterior desarrollo de los temas incluídos en las subáreas mas importantes, apoyandose en los desarrollos recientes. Se presenta el concepto de Agencia (Agentes Inteligentes y Sistemas Multiagentes) como motivador de la temática del curso. Se introducen los conceptos generales, teóricos y prácticos, de la Inteligencia Artificial simbólica y no simbólica, con énfasis en la Representación de Conocimiento y Razonamiento. Se presentan los métodos de búsqueda, los algoritmos genéticos, se discuten diferentes formas de representación de conocimiento y razonamiento, y se estudian algunas aplicaciones importantes tales como la representación de acciones y los sistemas de planeamiento. También se exploran los métodos de aprendizaje más importantes y se presenta una introducción sucinta a la problemática de los sistemas robóticos. METODOLOGÍA DE ENSEÑANZA Durante el cursado se dictan 64 horas de clases teóricas con el esquema general de dos clases de dos horas por semana. Se realizan 2 horas de práctica Y 12 de laboratorio con apoyo docente (un asistente y varios ayudantes). Tanto las clases teóricas como las prácticas están orientadas a desarrollar en el alumno de la capacidad de comprender los problemas de la Inteligencia Artificial y aplicar los fundamentos teóricos para encontrar soluciones computacionales prácticas. Se plantean problemas complejos para los que no existen algoritmos capaces de encontrar soluciones optimales, o

2 UNIVERSIDAD NACIONAL DEL SUR 2 CÓDIGO: 684 que por su costo computacional en tiempo y/o espacio su uso no resulta apropiado. La realización de proyectos es esencial dentro de este enfoque, porque permite abordar cada contenido combinando aspectos teóricos y prácticos. En los proyectos se utilizan lenguajes de programación simbólica (PROLOG, LISP) y se utiliza también JAVA. Se estimula la programación multiparadigma donde JAVA se usa para el desarrollo de interfaces y los lenguajes simbólicos para implementar los algoritmos específicos del curso. MECANISMO DE EVALUACIÓN La evaluación consiste de 3 exámenes parciales obligatorios (con sus correspondientes exámenes recuperatorios). Se desarrollan tres proyectos obligatorios que se evalúan. El resultado de la evaluacion de los proyectos contribuye a la nota final. Aquellos alumnos que aprueban estos exámenes parciales y los proyectos tendran el cursado de la asignatura aprobado. Los requisitos de la materia se completan con un examen final. PROGRAMA SINTÉTICO 1. Fundamentos de la Inteligencia Artificial Simbólica y no Simbólica. Introducción y Motivaciones. 2. Agentes Inteligentes. 3. Búsqueda. Uso de heurísticas en algoritmos. 4. Representación de Conocimiento y Razonamiento.. Razonamiento por Defecto y Basado en Suposiciones. 6. Razonamiento con Conocimiento Incierto. 7. Representación de Acciones y Sistemas de Planeamiento. 8. Aprendizaje. 9. Introducción a la Robótica. PROGRAMA ANALÍTICO 1. Fundamentos de la Inteligencia Artificial Simbólica y no Simbólica. Introducción y motivaciones. Actuando de forma humanamente inteligente, el Test de Turing. Pensando de forma humana, la aproximación Cognitiva. Pensando racionalmente, las leyes del pensamiento. Actuando racionalmente, el Agente Racional. Fundamentos de la Inteligencia Artificial. Historia. Inteligencia Computacional. El Cuarto Chino. Problemas Filosóficos.

3 UNIVERSIDAD NACIONAL DEL SUR 3 CÓDIGO: Agentes Inteligentes. Introducción. Definiciones alternativas. Características principales. Estructura de un Agente Autónomo. El entorno. Los agentes en contexto. Sistemas Multiagente. Teorías y Arquitecturas. 3. Búsqueda. Resolución de Problemas. Definiciones y Conceptos Básicos. Ejemplos. El Algoritmo de Búsqueda Genérico. Estrategias de Búsqueda. Propiedades de las Estrategias. Búsqueda Ciega. Uso de heurísticas en algoritmos. Búsqueda Informada: Heurísticas. Ejemplos. Primero el Mejor. Primero en Profundidad Heurístico. Búsqueda en Trepada. Problemas. Algoritmo A *. Admisibilidad. Búsqueda Adversaria. Juegos Binarios. Definiciones. Algoritmo MiniMax. Exploración. Funciones de Evaluación. Limitando la búsqueda: efecto horizonte. Poda Alfa/Beta. Resolución de Problemas usando Búsqueda: Sistemas de Producciones. Definición del Sistema. Control Heurístico. Ventajas y desventajas. Algoritmos Genéticos. 4. Representación de Conocimiento y Razonamiento. Representación de Conocimiento. Distintos Roles. Exploración de la noción de comportamiento inteligente. Representación y Razonamiento. Distintos componentes. Implementación. Proceso de Razonamiento. Representaciones y Mapeos. Propiedades. Agentes Basados en Conocimiento. Terminología. Bases de Conocimiento. Ejemplos. Arquitecturas de Agentes. Agentes Reflejos, Agentes Basados en Modelos, Agentes Basados en Metas. Diseño. Ventajas y Limitaciones. Representación y Razonamiento Temporal. Dificultades.. Razonamiento por Defecto y Basado en Suposiciones. Razonamiento. Bases de Conocimiento. Mecanismos Inferenciales. Suposición de Mundo Cerrado. Lógica Default de Reiter. Ejemplos. Razonamiento Basado en Suposiciones. Argumentación. Predicción Default. Semántica de Modelos Mínimos. Razonamiento Abductivo. Razonamiento Evidencial y Causal. Implementación del Razonamiento Basado en Suposiciones. 6. Razonamiento con Conocimiento Incierto. Razonamiento Probabilístico. Interpretación Estadística y Bayesiana de la Probabilidad. Mundos Posibles. Semántica. Axiomática. Probabilidad Condicional. Evidencia y Conocimiento. Semántica de la Probabilidad Condicional. Teorema de Bayes. Redes de Creencias. Ejemplos. Construcción y Uso de Redes de Creencias. Inferencia y Razonamiento en Redes de Creencias. 7. Representación de Acciones y Sistemas de Planeamiento. Acciones. El Cálculo de Situaciones. La representación STRIPS. El Cálculo de Eventos. Ejemplos. Razonar y Planear en el mundo. Planeamiento hacia adelante. El Sistema de Planeamiento STRIPS. Problemas y Soluciones para este sistema. Regresión. Orden Parcial. 8. Aprendizaje. Definiciones básicas. Arquitectura para el Aprendizaje. Tareas de Aprendizaje. Retroalimentación. Ponderación del éxito. Bias. Aprendizaje y Búsqueda. Ruido y Overfitting. Caracterizaciones del Aprendizaje. Arboles de decisión. Redes Neuronales.

4 UNIVERSIDAD NACIONAL DEL SUR 4 CÓDIGO: 684 Usos. Retroalimentación hacia delante. Función de Activación. Ejemplos. Axiomatización. Error de Predicción. Back-propagation. Algoritmos. Gradiente Descendente. 9. Introducción a la Robótica. El robot físico (hardware). Sensores y Efectores. Percepción. Localización. Planeamiento. Espacio de Configuración. Planeamiento de movimientos inciertos. Métodos robustos. Dinámica y Control. Arquitecturas Robóticas: Subsumisión, Tres Capas. Lenguajes de Programación Robótica. Dominios de Aplicación. BIBLIOGRAFÍA Bibliografía Básica RUSSELL, S., P. NORVIG. Artificial Intelligence: A Modern Approach. Prentice Hall. 3 rd Edition, POOLE, D., A. MACKWORTH. Artificial Intelligence: Foundations of Computational Agents. Cambridge University Press Bibliografía Adicional POOLE, D., A. MACKWORTH, R. GOEBEL. Computational Intelligence. Oxford University Press, NILSSON, N.J.. Artificial Intelligence: A New Synthesis. Morgan Kaufmann, RICH, E. Artificial Intelligence. Mc. Graw Hill. 2nd Ed, BRATKO, I. Prolog, Programming for Artificial Intelligence. Addison-Wesley. 3rd Ed.,2000- STERLING, L., SHAPIRO, E. The Art of Prolog. Mit Press. 2nd Ed., SHOHAM, J, Artificial Intelligence Techniques in Prolog. Morgan Kaufman Kaufmann, LUGER, G y STUBBLEFIELD, W. Artificial Intelligence. Benjamin Cummings, 4th Ed., NILSSON, N. J. Principles of Artificial Intelligence. Springer-Verlag GENNESERETH, M y NILSSON, N. Logical Foundations of Artificial Intelligence, Morgan Kaufmann, Artículos de revistas:

5 UNIVERSIDAD NACIONAL DEL SUR CÓDIGO: 684 R. Reiter, Nonmonotonic Reasoning, Annual Review of Computer Science 1987,.- J. McCarthy, P.J. Hayes, Some Problems from the Standpoint of Artificial Intelligence, Machine Intelligence 4, B. Metzer y D. Mitchie (eds), Edinburgh Univ. Press, A. Turing, Computing Machinery E Intelligence, mind, Vol. LIX, nr 23-6, AÑO FIRMA PROFESOR RESPONSABLE 2016 COORDINADOR ÁREA VISADO SECRETARIO ACADÉMICO DIRECTOR DEPARTAMENTO

6 UNIVERSIDAD NACIONAL DEL SUR 1 CÓDIGO: 684 CARRERAS Licenciatura en Ciencias de la Computación PROFESOR RESPONSABLE: Dr. Guillermo Simari Profesor Titular con Dedicación Exclusiva CARGA HORARIA Teoría 64 hs Práctica 2 hs PARA CURSAR LA MATERIA APROBADAS CURSADAS Lógica para Ciencias de la Computación CORRELATIVAS Laboratorio 12 hs CANTIDAD DE SEMANAS PARA APROBAR LA MATERIA APROBADAS CURSADAS Lógica para Ciencias de la Computación 16 DESCRIPCIÓN El área de Inteligencia Artificial está formada por una multiplicidad de subáreas. Este curso provee los fundamentos necesarios para el posterior desarrollo de los temas incluídos en las subáreas mas importantes, apoyandose en los desarrollos recientes. Se presenta el concepto de Agencia (Agentes Inteligentes y Sistemas Multiagentes) como motivador de la temática del curso. Se introducen los conceptos generales, teóricos y prácticos, de la Inteligencia Artificial simbólica y no simbólica, con énfasis en la Representación de Conocimiento y Razonamiento. Se presentan los métodos de búsqueda, los algoritmos genéticos, se discuten diferentes formas de representación de conocimiento y razonamiento, y se estudian algunas aplicaciones importantes tales como la representación de acciones y los sistemas de planeamiento. También se exploran los métodos de aprendizaje más importantes y se presenta una introducción sucinta a la problemática de los sistemas robóticos. METODOLOGÍA DE ENSEÑANZA Durante el cursado se dictan 64 horas de clases teóricas con el esquema general de dos clases de dos horas por semana. Se realizan 2 horas de práctica Y 12 de laboratorio con apoyo docente (un asistente y varios ayudantes). Tanto las clases teóricas como las prácticas están orientadas a desarrollar en el alumno de la capacidad de comprender los problemas de la Inteligencia Artificial y aplicar los fundamentos teóricos para encontrar soluciones computacionales prácticas. Se plantean problemas

7 UNIVERSIDAD NACIONAL DEL SUR 2 CÓDIGO: 684 complejos para los que no existen algoritmos capaces de encontrar soluciones optimales, o que por su costo computacional en tiempo y/o espacio su uso no resulta apropiado. La realización de proyectos es esencial dentro de este enfoque, porque permite abordar cada contenido combinando aspectos teóricos y prácticos. En los proyectos se utilizan lenguajes de programación simbólica (PROLOG, LISP) y se utiliza también JAVA. Se estimula la programación multiparadigma donde JAVA se usa para el desarrollo de interfaces y los lenguajes simbólicos para implementar los algoritmos específicos del curso. MECANISMO DE EVALUACIÓN La evaluación consiste de 3 exámenes parciales obligatorios (con sus correspondientes exámenes recuperatorios). Se desarrollan tres proyectos obligatorios que se evalúan. El resultado de la evaluacion de los proyectos contribuye a la nota final. Aquellos alumnos que aprueban estos exámenes parciales y los proyectos tendran el cursado de la asignatura aprobado. Los requisitos de la materia se completan con un examen final. PROGRAMA SINTÉTICO 1. Fundamentos de la Inteligencia Artificial Simbólica y no Simbólica. Introducción y Motivaciones. 2. Agentes Inteligentes. 3. Búsqueda. Uso de heurísticas en algoritmos. 4. Representación de Conocimiento y Razonamiento.. Razonamiento por Defecto y Basado en Suposiciones. 6. Razonamiento con Conocimiento Incierto. 7. Representación de Acciones y Sistemas de Planeamiento. 8. Aprendizaje. 9. Introducción a la Robótica. PROGRAMA ANALÍTICO 1. Fundamentos de la Inteligencia Artificial Simbólica y no Simbólica. Introducción y motivaciones. Actuando de forma humanamente inteligente, el Test de Turing. Pensando de forma humana, la aproximación Cognitiva. Pensando racionalmente, las leyes del pensamiento. Actuando racionalmente, el Agente Racional. Fundamentos de la Inteligencia

8 UNIVERSIDAD NACIONAL DEL SUR 3 CÓDIGO: 684 Artificial. Historia. Inteligencia Computacional. El Cuarto Chino. Problemas Filosóficos. 2. Agentes Inteligentes. Introducción. Definiciones alternativas. Características principales. Estructura de un Agente Autónomo. El entorno. Los agentes en contexto. Sistemas Multiagente. Teorías y Arquitecturas. 3. Búsqueda. Resolución de Problemas. Definiciones y Conceptos Básicos. Ejemplos. El Algoritmo de Búsqueda Genérico. Estrategias de Búsqueda. Propiedades de las Estrategias. Búsqueda Ciega. Uso de heurísticas en algoritmos. Búsqueda Informada: Heurísticas. Ejemplos. Primero el Mejor. Primero en Profundidad Heurístico. Búsqueda en Trepada. Problemas. Algoritmo A *. Admisibilidad. Búsqueda Adversaria. Juegos Binarios. Definiciones. Algoritmo MiniMax. Exploración. Funciones de Evaluación. Limitando la búsqueda: efecto horizonte. Poda Alfa/Beta. Resolución de Problemas usando Búsqueda: Sistemas de Producciones. Definición del Sistema. Control Heurístico. Ventajas y desventajas. Algoritmos Genéticos. 4. Representación de Conocimiento y Razonamiento. Representación de Conocimiento. Distintos Roles. Exploración de la noción de comportamiento inteligente. Representación y Razonamiento. Distintos componentes. Implementación. Proceso de Razonamiento. Representaciones y Mapeos. Propiedades. Agentes Basados en Conocimiento. Terminología. Bases de Conocimiento. Ejemplos. Arquitecturas de Agentes. Agentes Reflejos, Agentes Basados en Modelos, Agentes Basados en Metas. Diseño. Ventajas y Limitaciones. Representación y Razonamiento Temporal. Dificultades.. Razonamiento por Defecto y Basado en Suposiciones. Razonamiento. Bases de Conocimiento. Mecanismos Inferenciales. Suposición de Mundo Cerrado. Lógica Default de Reiter. Ejemplos. Razonamiento Basado en Suposiciones. Argumentación. Predicción Default. Semántica de Modelos Mínimos. Razonamiento Abductivo. Razonamiento Evidencial y Causal. Implementación del Razonamiento Basado en Suposiciones. 6. Razonamiento con Conocimiento Incierto. Razonamiento Probabilístico. Interpretación Estadística y Bayesiana de la Probabilidad. Mundos Posibles. Semántica. Axiomática. Probabilidad Condicional. Evidencia y Conocimiento. Semántica de la Probabilidad Condicional. Teorema de Bayes. Redes de Creencias. Ejemplos. Construcción y Uso de Redes de Creencias. Inferencia y Razonamiento en Redes de Creencias. 7. Representación de Acciones y Sistemas de Planeamiento. Acciones. El Cálculo de Situaciones. La representación STRIPS. El Cálculo de Eventos. Ejemplos. Razonar y Planear en el mundo. Planeamiento hacia adelante. El Sistema de Planeamiento STRIPS. Problemas y Soluciones para este sistema. Regresión. Orden Parcial. 8. Aprendizaje. Definiciones básicas. Arquitectura para el Aprendizaje. Tareas de Aprendizaje. Retroalimentación. Ponderación del éxito. Bias. Aprendizaje y Búsqueda. Ruido

9 UNIVERSIDAD NACIONAL DEL SUR 4 CÓDIGO: 684 y Overfitting. Caracterizaciones del Aprendizaje. Arboles de decisión. Redes Neuronales. Usos. Retroalimentación hacia delante. Función de Activación. Ejemplos. Axiomatización. Error de Predicción. Back-propagation. Algoritmos. Gradiente Descendente. 9. Introducción a la Robótica. El robot físico (hardware). Sensores y Efectores. Percepción. Localización. Planeamiento. Espacio de Configuración. Planeamiento de movimientos inciertos. Métodos robustos. Dinámica y Control. Arquitecturas Robóticas: Subsumisión, Tres Capas. Lenguajes de Programación Robótica. Dominios de Aplicación. BIBLIOGRAFÍA Bibliografía Básica RUSSELL, S., P. NORVIG. Artificial Intelligence: A Modern Approach. Prentice Hall. 3 rd Edition, POOLE, D., A. MACKWORTH. Artificial Intelligence: Foundations of Computational Agents. Cambridge University Press Bibliografía Adicional POOLE, D., A. MACKWORTH, R. GOEBEL. Computational Intelligence. Oxford University Press, NILSSON, N.J.. Artificial Intelligence: A New Synthesis. Morgan Kaufmann, RICH, E. Artificial Intelligence. Mc. Graw Hill. 2nd Ed, BRATKO, I. Prolog, Programming for Artificial Intelligence. Addison-Wesley. 3rd Ed.,2000- STERLING, L., SHAPIRO, E. The Art of Prolog. Mit Press. 2nd Ed., SHOHAM, J, Artificial Intelligence Techniques in Prolog. Morgan Kaufman Kaufmann, LUGER, G y STUBBLEFIELD, W. Artificial Intelligence. Benjamin Cummings, 4th Ed., NILSSON, N. J. Principles of Artificial Intelligence. Springer-Verlag GENNESERETH, M y NILSSON, N. Logical Foundations of Artificial Intelligence, Morgan Kaufmann,

10 UNIVERSIDAD NACIONAL DEL SUR CÓDIGO: 684 Artículos de revistas: R. Reiter, Nonmonotonic Reasoning, Annual Review of Computer Science 1987,.- J. McCarthy, P.J. Hayes, Some Problems from the Standpoint of Artificial Intelligence, Machine Intelligence 4, B. Metzer y D. Mitchie (eds), Edinburgh Univ. Press, A. Turing, Computing Machinery E Intelligence, mind, Vol. LIX, nr 23-6, AÑO FIRMA PROFESOR RESPONSABLE 2016 COORDINADOR ÁREA VISADO SECRETARIO ACADÉMICO DIRECTOR DEPARTAMENTO

11 UNIVERSIDAD NACIONAL DEL SUR 1 CÓDIGO: 684 CARRERAS Licenciatura en Ciencias de la Computación PROFESOR RESPONSABLE: Dr. Guillermo Simari Profesor Titular con Dedicación Exclusiva CARGA HORARIA Teoría 64 hs Práctica 2 hs PARA CURSAR LA MATERIA APROBADAS CURSADAS Lógica para Ciencias de la Computación CORRELATIVAS Laboratorio 12 hs CANTIDAD DE SEMANAS PARA APROBAR LA MATERIA APROBADAS CURSADAS Lenguajes de Programación 16 DESCRIPCIÓN El área de Inteligencia Artificial está formada por una multiplicidad de subáreas. Este curso provee los fundamentos necesarios para el posterior desarrollo de los temas incluídos en las subáreas mas importantes, apoyandose en los desarrollos recientes. Se presenta el concepto de Agencia (Agentes Inteligentes y Sistemas Multiagentes) como motivador de la temática del curso. Se introducen los conceptos generales, teóricos y prácticos, de la Inteligencia Artificial simbólica y no simbólica, con énfasis en la Representación de Conocimiento y Razonamiento. Se presentan los métodos de búsqueda, los algoritmos genéticos, se discuten diferentes formas de representación de conocimiento y razonamiento, y se estudian algunas aplicaciones importantes tales como la representación de acciones y los sistemas de planeamiento. También se exploran los métodos de aprendizaje más importantes y se presenta una introducción sucinta a la problemática de los sistemas robóticos. METODOLOGÍA DE ENSEÑANZA Durante el cursado se dictan 64 horas de clases teóricas con el esquema general de dos clases de dos horas por semana. Se realizan 2 horas de práctica Y 12 de laboratorio con apoyo docente (un asistente y varios ayudantes). Tanto las clases teóricas como las prácticas están orientadas a desarrollar en el alumno de la capacidad de comprender los problemas de la Inteligencia Artificial y aplicar los fundamentos teóricos para encontrar soluciones computacionales prácticas. Se plantean problemas

12 UNIVERSIDAD NACIONAL DEL SUR 2 CÓDIGO: 684 complejos para los que no existen algoritmos capaces de encontrar soluciones optimales, o que por su costo computacional en tiempo y/o espacio su uso no resulta apropiado. La realización de proyectos es esencial dentro de este enfoque, porque permite abordar cada contenido combinando aspectos teóricos y prácticos. En los proyectos se utilizan lenguajes de programación simbólica (PROLOG, LISP) y se utiliza también JAVA. Se estimula la programación multiparadigma donde JAVA se usa para el desarrollo de interfaces y los lenguajes simbólicos para implementar los algoritmos específicos del curso. MECANISMO DE EVALUACIÓN La evaluación consiste de 3 exámenes parciales obligatorios (con sus correspondientes exámenes recuperatorios). Se desarrollan tres proyectos obligatorios que se evalúan. El resultado de la evaluacion de los proyectos contribuye a la nota final. Aquellos alumnos que aprueban estos exámenes parciales y los proyectos tendran el cursado de la asignatura aprobado. Los requisitos de la materia se completan con un examen final. PROGRAMA SINTÉTICO 1. Fundamentos de la Inteligencia Artificial Simbólica y no Simbólica. Introducción y Motivaciones. 2. Agentes Inteligentes. 3. Búsqueda. Uso de heurísticas en algoritmos. 4. Representación de Conocimiento y Razonamiento.. Razonamiento por Defecto y Basado en Suposiciones. 6. Razonamiento con Conocimiento Incierto. 7. Representación de Acciones y Sistemas de Planeamiento. 8. Aprendizaje. 9. Introducción a la Robótica. PROGRAMA ANALÍTICO 1. Fundamentos de la Inteligencia Artificial Simbólica y no Simbólica. Introducción y motivaciones. Actuando de forma humanamente inteligente, el Test de Turing. Pensando de forma humana, la aproximación Cognitiva. Pensando racionalmente, las leyes del pensamiento. Actuando racionalmente, el Agente Racional. Fundamentos de la Inteligencia

13 UNIVERSIDAD NACIONAL DEL SUR 3 CÓDIGO: 684 Artificial. Historia. Inteligencia Computacional. El Cuarto Chino. Problemas Filosóficos. 2. Agentes Inteligentes. Introducción. Definiciones alternativas. Características principales. Estructura de un Agente Autónomo. El entorno. Los agentes en contexto. Sistemas Multiagente. Teorías y Arquitecturas. 3. Búsqueda. Resolución de Problemas. Definiciones y Conceptos Básicos. Ejemplos. El Algoritmo de Búsqueda Genérico. Estrategias de Búsqueda. Propiedades de las Estrategias. Búsqueda Ciega. Uso de heurísticas en algoritmos. Búsqueda Informada: Heurísticas. Ejemplos. Primero el Mejor. Primero en Profundidad Heurístico. Búsqueda en Trepada. Problemas. Algoritmo A *. Admisibilidad. Búsqueda Adversaria. Juegos Binarios. Definiciones. Algoritmo MiniMax. Exploración. Funciones de Evaluación. Limitando la búsqueda: efecto horizonte. Poda Alfa/Beta. Resolución de Problemas usando Búsqueda: Sistemas de Producciones. Definición del Sistema. Control Heurístico. Ventajas y desventajas. Algoritmos Genéticos. 4. Representación de Conocimiento y Razonamiento. Representación de Conocimiento. Distintos Roles. Exploración de la noción de comportamiento inteligente. Representación y Razonamiento. Distintos componentes. Implementación. Proceso de Razonamiento. Representaciones y Mapeos. Propiedades. Agentes Basados en Conocimiento. Terminología. Bases de Conocimiento. Ejemplos. Arquitecturas de Agentes. Agentes Reflejos, Agentes Basados en Modelos, Agentes Basados en Metas. Diseño. Ventajas y Limitaciones. Representación y Razonamiento Temporal. Dificultades.. Razonamiento por Defecto y Basado en Suposiciones. Razonamiento. Bases de Conocimiento. Mecanismos Inferenciales. Suposición de Mundo Cerrado. Lógica Default de Reiter. Ejemplos. Razonamiento Basado en Suposiciones. Argumentación. Predicción Default. Semántica de Modelos Mínimos. Razonamiento Abductivo. Razonamiento Evidencial y Causal. Implementación del Razonamiento Basado en Suposiciones. 6. Razonamiento con Conocimiento Incierto. Razonamiento Probabilístico. Interpretación Estadística y Bayesiana de la Probabilidad. Mundos Posibles. Semántica. Axiomática. Probabilidad Condicional. Evidencia y Conocimiento. Semántica de la Probabilidad Condicional. Teorema de Bayes. Redes de Creencias. Ejemplos. Construcción y Uso de Redes de Creencias. Inferencia y Razonamiento en Redes de Creencias. 7. Representación de Acciones y Sistemas de Planeamiento. Acciones. El Cálculo de Situaciones. La representación STRIPS. El Cálculo de Eventos. Ejemplos. Razonar y Planear en el mundo. Planeamiento hacia adelante. El Sistema de Planeamiento STRIPS. Problemas y Soluciones para este sistema. Regresión. Orden Parcial. 8. Aprendizaje. Definiciones básicas. Arquitectura para el Aprendizaje. Tareas de Aprendizaje. Retroalimentación. Ponderación del éxito. Bias. Aprendizaje y Búsqueda. Ruido

14 UNIVERSIDAD NACIONAL DEL SUR 4 CÓDIGO: 684 y Overfitting. Caracterizaciones del Aprendizaje. Arboles de decisión. Redes Neuronales. Usos. Retroalimentación hacia delante. Función de Activación. Ejemplos. Axiomatización. Error de Predicción. Back-propagation. Algoritmos. Gradiente Descendente. 9. Introducción a la Robótica. El robot físico (hardware). Sensores y Efectores. Percepción. Localización. Planeamiento. Espacio de Configuración. Planeamiento de movimientos inciertos. Métodos robustos. Dinámica y Control. Arquitecturas Robóticas: Subsumisión, Tres Capas. Lenguajes de Programación Robótica. Dominios de Aplicación. BIBLIOGRAFÍA Bibliografía Básica RUSSELL, S., P. NORVIG. Artificial Intelligence: A Modern Approach. Prentice Hall. 3 rd Edition, POOLE, D., A. MACKWORTH. Artificial Intelligence: Foundations of Computational Agents. Cambridge University Press Bibliografía Adicional POOLE, D., A. MACKWORTH, R. GOEBEL. Computational Intelligence. Oxford University Press, NILSSON, N.J.. Artificial Intelligence: A New Synthesis. Morgan Kaufmann, RICH, E. Artificial Intelligence. Mc. Graw Hill. 2nd Ed, BRATKO, I. Prolog, Programming for Artificial Intelligence. Addison-Wesley. 3rd Ed.,2000- STERLING, L., SHAPIRO, E. The Art of Prolog. Mit Press. 2nd Ed., SHOHAM, J, Artificial Intelligence Techniques in Prolog. Morgan Kaufman Kaufmann, LUGER, G y STUBBLEFIELD, W. Artificial Intelligence. Benjamin Cummings, 4th Ed., NILSSON, N. J. Principles of Artificial Intelligence. Springer-Verlag GENNESERETH, M y NILSSON, N. Logical Foundations of Artificial Intelligence, Morgan Kaufmann,

15 UNIVERSIDAD NACIONAL DEL SUR CÓDIGO: 684 Artículos de revistas: R. Reiter, Nonmonotonic Reasoning, Annual Review of Computer Science 1987,.- J. McCarthy, P.J. Hayes, Some Problems from the Standpoint of Artificial Intelligence, Machine Intelligence 4, B. Metzer y D. Mitchie (eds), Edinburgh Univ. Press, A. Turing, Computing Machinery E Intelligence, mind, Vol. LIX, nr 23-6, AÑO FIRMA PROFESOR RESPONSABLE 2016 COORDINADOR ÁREA VISADO SECRETARIO ACADÉMICO DIRECTOR DEPARTAMENTO