Inteligencia Artificial

primavera 2005
 profesor: Alejandro Bassi

Objetivos:

Estudiar tópicos seleccionados de la inteligencia artificial para la resolución de problemas mediante técnicas simbólicas (lógica) y no simbólicas (redes neuronales). Profundizar el conocimiento en programación lógica. Se espera que el alumno adquiera una visión general del campo y sea capaz de aplicar las técnicas estudiadas en problemas cognitivos.

Contenidos:

  1. Introducción
    2. Caracterización de los problemas abordados por la inteligencia artificial. Los límites del enfoque algorítmico exhaustivo. Enfoque heurístico. Grandes tendencias de la inteligencia artificial.

  2. Representación de conocimiento y aprendizaje
    Introducción. Ejemplo concreto: árboles de clasificación y regresión (CART).

  3. Lógica
    1. Introdución a PROLOG
    2. Lógica proposicional
      Expresiones bien formadas. Interpretación semántica. Tablas de verdad. Validez. Satisfacibilidad. Noción de consecuencia lógica.
    3. Lógica de predicados de primer orden
      Variables y cuantificadores. Interpretación semántica. Dominios estructurados. Demostraciones formales.
    4. Cláusulas y resolución
      Cláusulas. Regla de resolución. Demostración por resolución de contradicción. Normalización a forma clausal. Unificación. Resolución con unificación. Cláusulas de Horn.

  4. Resolución de problemas mediante búsqueda en espacio de estados
    1. Espacios de estados. Estrategias de búsqueda. Búsqueda en profundidad. Búsqueda en amplitud. Búsqueda iterativa. Búsqueda heurística. Funciones de evaluación heurística. Algoritmo A. Heurísticas admisibles (algoritmo A*).
    2. Algoritmos de juego. Algoritmo mini-max. Algoritmo alfa-beta.
    3. Planificación. Grafos AND-OR.

  5. Procesamiento de lenguaje natural
    Análisis sintáctico. Representaciones semánticas.

  6. Redes semánticas
    Grafos conceptuales. Redes asociativas. Wordnet.

  7. Sistemas expertos
    Diseño de sistemas basados en reglas. Ingeniería del conocimiento. Agentes inteligentes.

  8. Percepción artificial o reconocimiento de formas (pattern recognition)
    1. Métodos supervisados
      Métodos estadísticos. Redes neuronales. HMM.
    2. Métodos no supervisados. Clustering.
    3. Aplicaciones a reconocimiento del habla y visión artificial.

  9. Computación evolutiva
    Algoritmos genéticos. Programación genética.

  10. La inteligencia como comportamiento emergente
    Agentes concurrentes. Algoritmos de hormigas.

Bibliografía: