ASIGNATURA: INTELIGENCIA ARTIFICIAL

Transcripción

1 ASIGNATURA: INTELIGENCIA ARTIFICIAL Código: Régimen: cuatrimestral Horas reloj semanales: 4 Horas teóricas: 26 Horas prácticas: 34 Carrera: Sistemas Año del programa: 2016 FUNDAMENTOS: La evolución de la tecnología en temas como robótica, informática industrial, reconocimiento de imágenes, como así también todos los sistemas de predicción utilizados para datos de procesamiento estadístico y cumplimiento de especificaciones en programas, requieren el manejo de técnicas propias a la inteligencia artificial, por lo que esta materia se hace imprescindible para el profesional de las ciencias informáticas. OBJETIVOS: Impartir los métodos fundamentales para la resolución de los problemas, y dotar al alumno de la capacidad de decisión para optar por las técnicas más adecuadas. CONTENIDOS MINIMOS: Unidad I: Introducción a la Inteligencia Artificial. Unidad II: Sistemas de Producción. Unidad III: Sistemas de representación del conocimiento. Unidad IV: Introducción a la programación en lógica. Unidad V: Niveles y estructuras de representación del conocimiento. Unidad VI: Sistemas Expertos. Unidad VII: Algoritmos Genéticos. Unidad VIII: Inteligencia artificial e inteligencia natural. PROGRAMA ANALITICO: Unidad I: Introducción a la Inteligencia Artificial. Historia de la Inteligencia Artificial. Definición y objetivos científicos y tecnológicos. Las habilidades intelectuales y su reproducción en el computador. Relación con otras ciencias. El enfoque cognitivo: La metáfora del ordenador. Paradigmas de la inteligencia artificial. Aplicaciones a la solución de problemas, deducción mecanizada, traducción automática. Aprendizaje mecánico, sistemas expertos, programación automática y robótica. Problemas y Límites de la Inteligencia Artificial. 1

2 Unidad II: Sistemas de Producción. Componentes y funcionamiento. Base de datos global, reglas de producción, sistemas de control. Problemas de la Representación del Conocimiento. Admisibilidad, optimalidad y complejidad computacional de los algoritmos. Aplicaciones a la resolución de problemas combinatorios. Unidad III Sistemas de representación del conocimiento. Reglas de producción, plantillas, marcos de referencia, libretos y redes semánticas. Representación en lógica. Propagación de restricciones. Objetivos conflictuantes y combinaciones de métodos. Unidad IV: Introducción a la programación en lógica. Fundamentos teóricos. Uso de la lógica como lenguaje de programación. Elementos de lógica proposicional y de primer órden: Enfoque sintáctico y semántico. 10 hs. El lenguaje de la lógica de primer orden. Universo de Hebrand. Método de resolución. Teoría de la sustitución - Propiedades de la sustitución. Teoría de la unificación. Solución de problemas por deducción. Solución por inducción y analogia. Reglas de Mill. Unidad V: Niveles y estructuras de representación del conocimiento. Cláusulas de Horn y resolución unitaria. Predicados determinísticos y no-determinísticos. Técnicas de programación en lógica. La representación de cuantificadores universales. Influencia del orden de los predicados en una conjunción. Aplicación a la construcción de árboles de identificación. Procesamiento del lenguaje natural. Jerarquía de Chomsky. Gramáticas e Isomorfismos. Reglas sintácticas y conocimiento semántico. Unidad VI: Sistemas Expertos Definiciones y funciones. Sistemas basados en el conocimiento. Arquitectura - Base de conocimientos y motor de inferencia. Construcción de bases de conocimientos sencillas. Técnicas de meta programación. Generación automática de justificaciones y de explicaciones. Problemas de predicción, interpretación, diagnóstico, diseño, planeamiento, monitoreo y control. Aplicaciones prácticas al diagnóstico de fallas, al planeamiento de la producción y a la asignación óptima de recursos. Aprendizaje mecánico, aprendizaje autónomo, supervisado y no supervisado. Agentes inteligentes. Modelos modulares y conductistas. Estructura funcional del agente. Base de datos de conocimiento. Planificación. El modelo expectativa - Valor. 2

3 Teorías de los agentes inteligentes reactivos. Multi-Agentes. Unidad VII: Algoritmos genéticos. Base teórica de los algoritmos genéticos. Genes, cromosomas y alelos. Las leyes de la evolución Darwin - Wallace. Funcionamiento de los sistemas evolutivos artificiales. Analisis de casos y rendimento. Ventajas y desventajas frente a otros metodos. Unidad VIII: Inteligencia artificial e inteligencia natural. Fundamentos de inteligencia artificial simbólica y no simbólica. Similitudes y diferencias. El problema del sentido común. Redes neuronales. Perceptron y redes multicapa. Redes de Kohonen. Aprendizaje en las redes artificiales. Objeciones a la inteligencia artificial. Técnicas usadas en Minería de datos. (Data mining). 5 hs. Aplicaciones a la generación de planes inteligentes para robots. Tendencia y futuro de las ideas de la inteligencia artificial. METODOLOGIAS DE ENSEÑANZA Y APRENDIZAJE: El carácter de la asignatura es fundamentalmente práctico, con un trabajo de implementación final. En la primera parte del curso se trabajará sobre los temas teóricos que se utilizarán en la segunda parte.. EVALUACION: Si el nivel de rendimiento del curso fuera satisfactorio se tomará un parcial y el desarrollo de un trabajo de implementación acerca de aspectos novedosos de las aplicaciones. En el caso de ser insuficiente el rendimiento con respecto al nivel pretendido se evaluará a los alumnos en dos parciales El examen final es obligatorio, al igual que el 75 % de asistencia a clases. CRONOGRAMA: Clase Nº 1 Unidad I Clase Nº 2 Unidad II Clase Nº 3 Unidad III Clase Nº 4 Unidad IV Clase Nº 5 Unidad V Clase Nº 6 Unidad VI. Evaluación parcial. Clase Nº 7 Unidad VI Clase Nº 8 Unidad VI Clase Nº 9 Unidad VIII Clase Nº 10 Evaluación parcial y planteo de un desarrollo de implementación. Clase Nº 11 Seguimiento del desarrollo de implementación. Clase Nº 12 Seguimiento del desarrollo de implementación. 3

4 Clase Nº 13 Seguimiento del desarrollo de implementación. Clase Nº 14 Seguimiento del desarrollo de implementación. Clase Nº 15 Presentación Final BIBLIOGRAFIA: E BOOK GARCÍA, Alberto : Inteligencia artificial - fundamentos, práctica y aplicaciones - edición: Alfaomega PYTHON 3 AL DESCUBIERTO NORVIG & RUSSELL: "Inteligencia Artificial: Un Enfoque Moderno". Editorial Pearson Educación NILSSON, Nils : Artificial Intelligence: A New Synthesis Ed. Nilsson, WINSTON, J. C.: "Inteligencia Artificial"- 4ta Ed., Addison- Wesley Iberoamericana, NILSSON, Nils: "Principles of Artificial Intelligence"-Nils Nilson Ed., Planeamiento Educativo [email protected] 4

5 5