Mster ISIA' Fundamentos Tericos de IA 200708 Tema 1'1

1
Fundamentos Teóricos de la IA

• J. L. Pérez de la Cruz
• R. Morales

2
Evaluación

• Asistencia a clase
• Al final de cada clase el profesor propone una
  cuestión o problema.
• Los alumnos entregan sus respuestas al comienzo
  de la clase siguiente (Latex).
• Se seleccionan algunas de ellas y se realiza una
  puesta en común.

3
INDICE

• Objetivos de la asignatura
• La investigación y sus métodos
• La comunicación científica
• Cienciometría y demás

4
Objetivos genéricos

• La iniciación en la investigación en la
  Inteligencia Artificial.
• La formación interdisciplinar en aspectos
  avanzados de la Inteligencia Artificial.

5
Objetivos instrumentales

• Adquisición de conocimientos
• Adquisición de competencias y habilidades

6
Competencias y Habilidades

• Concebir, diseñar y llevar a cabo un proceso de
  investigación científico-tecnológica
• que cumpla los estándares académicos
• con el fin de realizar una contribución original
  que amplíe las fronteras del conocimiento
• que merezca ser publicada en los ámbitos
  adecuados de la comunidad científica en los
  congresos internacionales más relevantes o en
  revistas científicas de acreditado impacto.

7
Competencias y Habilidades (2)

• Comunicar las conclusiones y los conocimientos y
  razones últimas que las sustentan
• al resto de la comunidad académica
• respetando la deontología científica y
  tecnológica
• en forma expositiva adecuada.

8
INDICE

• Objetivos de la asignatura
• La investigación y sus métodos
• La comunicación científica
• Cienciometría y demás

9
Qué es investigar (1)
Etimología remota

• Investigar
• Seguir los vestigios (las huellas)
• Research, Recherche.

10
Qué es investigar (2)

• INVESTIGAR
• Realizar actividades intelectuales y
  experimentales de modo sistemático con el
  propósito de aumentar los conocimientos sobre una
  determinada materia.
• (DRAE, ed. actual)

11
Algunas palabras (1)

• IDi
• Investigación,
• Desarrollo,
• innovación.

12
Algunas palabras (2)

• Ciencia,
• Tecnología,
• Arte.

13
Los métodos de investigación

• Método analítico
• Método empírico
• Método del diseño

14
Método analítico (1)

• Cálculo deductivo
• Conclusiones incontrovertibles
• A priori (no requiere experiencias)
• No ampliativo (bueno)

15
Método análítico (2)

• Lógica
• Álgebra
• Matemática Discreta
• Cálculo Infinitesimal

16
Método Analítico (3)

• CRITERIOS DE EVALUACIÓN
• Corrección
• Dificultad
• Elegancia
• Y ADEMÁS
• Origen de la cuestión
• Ámbito de aplicación

17
Método Analítico (4)

• FASES (reconstrucción racional)
• 1. Enunciar las hipótesis
• 2. Sucesión de pasos de deducción
• 3. Llegar a la conclusión
• Proceso real
• Conclusión deseada lt-gt Hipótesis necesarias

18
Método Analítico (5)

• Es el más respetable
• porque parece muy científico y difícil
• y a veces realmente lo es
• aunque siempre queda la pregunta
• Realmente es útil el resultado?

19
Método empírico (1)

• Cálculo inductivo
• Conclusiones controvertibles
• A posteriori de las experiencias
• Ampliativo (bueno)

20
Método empírico (2)

• Estadística
• Cálculo de Probabilidades
• Simulación

21
Método Empírico (3)

• CRITERIOS DE EVALUACIÓN
• Corrección
• Dificultad
• Elegancia
• Y ADEMÁS
• Origen de la cuestión
• Ámbito de aplicación

22
Método Empírico (4)

• FASES (reconstrucción racional)
• 1. Generación de la hipótesis
• 2. Diseño del experimento
• 3. Recogida de datos
• 4. Aceptación o rechazo de la hipótesis.

23
Método de diseño (1)

• Construcción
• de un artefacto
• para un propósito
• Pruebas de existencia y de variabilidad
• A priori y a posteriori
• Ampliativo (bueno)

24
Método de diseño (2)

• Análisis de requisitos
• Analogía
• Pensamiento creativo
• gt
• Diseño de metodologías
• Diseño de lenguajes
• Diseño de aplicaciones

25
Método de diseño (3)

• CRITERIOS DE EVALUACIÓN
• Adecuación al propósito
• Originalidad
• Elegancia
• Ámbito de aplicación

26
Método de diseño (4)

• FASES (reconstrucción racional)
• 1. Generación del artefacto
• 2. Uso del artefacto
• 3. Recogida de datos
• 4. Determinación del cumplimiento del propósito.

27
INDICE

• Objetivos de la asignatura
• La investigación y sus métodos
• La comunicación científica
• Cienciometría y demás

28
Para qué comunicar?

• Contrastación intersubjetiva.
• Transmisión del nuevo conocimiento.
• y promoción individual.

29
Tipos

• Informes Técnicos
• Comunicaciones a Talleres (Workshops)
• Comunicaciones a Congresos
• Artículos en revistas científicas
• La Tesis Doctoral

30
Estructura de un artículo

• Resumen, palabras clave
• 1. Introducción
• 2. Antecedentes
• 3. Método y resultados
• 4. Discusión
• 5. Conclusiones.
• Referencias.

31
Publica o perece (1)

• 1. Publica algo sólo si tienes una buena razón
  para confiar en su corrección
• Una mera opinión no es una buena razón
• Sólo la opinión de los grandes dinosaurios
  (merece ser/ es) publicada

32
Publica o perece (2)

• 2. Publica algo si y sólo si has contribuido a
  la investigación.
• The authors listed for a paper must all have made
  a significant contribution to its content, and
  all who have made such a contribution must be
  offered the opportunity to be listed as an author
  (AMS Standards)
• Ser amigo de los autores no es contribuir
• Ser jefe de los autores no es contribuir
• Conseguir financiación no es contribuir
• Recolectar datos no es contribuir

33
Publica o perece (3)

• 3. Publica algo sólo si no sabes que ha sido
  descubierto o publicado previamente
• --Por otro (plagio)
• No hagas uso de lo que sepas como revisor o
  evaluador.
• Las citas textuales deben entrecomillarse.
• Las citas o resúmenes deben siempre atribuirse a
  sus autores (incluso si es material
  introductorio).
• No ocultes que te has apoyado en el trabajo
  previo de otros.

34
Publica o perece (4)

• 4. Publica algo sólo si no se ha publicado
  previamente
• --Por ti (autoplagio)
• El mismo resultado no debe publicarse dos veces.
• Al publicar un enfoque o análisis parcialmente
  nuevo debe referenciarse claramente la
  publicación anterior y señalar las diferencias.
• Algunos discuten la licitud de volver a emplear
  material introductorio ya publicado.
• Hay que distinguir entre los diversos foros
  (workshops, congresos, revistas).

35
Publica o perece (5)

• 5. y nunca! mientas.
• No digas que has hecho lo que no has hecho.
• No digas que has obtenido datos que no has
  obtenido
• No ocultes datos que has obtenido.
• No alegues haber conseguido prestaciones que no
  has conseguido.

36
El estilo científico (1)

• Rigor
• Tratar todos los aspectos del problema
• Incluir todos los antecedentes relevantes
• Describir escrupulosamente el experimento o el
  sistema, de forma que sea repetible.
• Señalar con precisión las limitaciones de los
  resultados obtenidos.

37
El estilo científico (2)

• Claridad y concisión
• Evitar la retórica.
• Emplear las palabras técnicas adecuadas
• No repetir innecesariamente resultados ya
  conocidos.

38
El estilo científico (3)

• Convencionalismos
• Referencias bibliográficas.
• Primera persona singular (NO).
• Nombres de otros (SIN RETORICA).

39
Un poco de humor (1)

• Cómo decirlo?
• Mi jefe me propuso este aburrido problema.
• Es muy fácil
• Este problema es de gran importancia teórica y
  práctica.
• Cómo decirlo?
• Este problema es una tontería, pero es el único
  que he podido resolver.
• Es muy fácil
• Este problema es de gran importancia teórica y
  práctica.

40
Un poco de humor (2)

• Cómo decirlo?
• Yo creo que
• Es muy fácil
• Es una hipótesis ampliamente aceptada que
• Cómo decirlo?
• No he encontrado la referencia original, pero
  todo el mundo repite que
• Es muy fácil
• Es bien sabido que

41
Un poco de humor (3)

• Cómo decirlo?
• Tras detenido análisis de varios centenares de
  casos, les mostramos la mejor salida del
  programa
• Es muy fácil
• Una salida típica del programa es la siguiente
• Cómo decirlo?
• Tomé a un grupo de estudiantes y les obligué a
  rellenar en mi presencia un cuestionario acerca
  del sistema.
• Es muy fácil
• El sistema fue evaluado por un grupo de usuarios.

42
Un poco de humor (4)

• Cómo decirlo?
• Solamente tres casos se ajustan a mi modelo.
• Es muy fácil
• Tres casos se seleccionaron para un estudio más
  detallado
• Cómo decirlo?
• Los datos conservados en el último back-up, un
  año anterior a la destrucción de mi disco duro
• Es muy fácil
• Los datos disponibles

43
Un poco de humor (5)

• Cómo decirlo?
• Créanme que es verdad, se lo juro, aunque no
  tengo tiempo ni paciencia para escribir todos los
  enojosos detalles.
• Es muy fácil
• La demostración/el sistema/el experimento se
  puede encontrar descrita con más detalle en
  (Pérez, 2007) informe técnico escrito en arameo
  e inaccesible vía WWW
• Cómo decirlo?
• Si me obligan a ello, puedo trabajar más duro.
• Es muy fácil
• Otros resultados se exponen en (Pérez, 2008)
  (próxima aparición).

44
Un poco de humor (6)

• Cómo decirlo?
• La verdad es que mi modelo no se ajusta muy bien
  a los datos.
• Es muy fácil
• Las predicciones del modelo son exactas dentro de
  un orden de magnitud.
• Cómo decirlo?
• No tengo ni idea de lo que significa esto.
• Es muy fácil
• Es claro que una completa comprensión de este
  fenómeno requerirá cierto trabajo adicional

45
Un poco de humor (7)

• Cómo decirlo?
• Mi artículo es una porquería, pero los demás no
  son mucho mejores.
• Es muy fácil
• Esperamos que este estudio estimule las
  investigaciones en este campo.
• Cómo decirlo?
• No me ha salido lo que yo quería, pero, por
  favor, publíquenme el artículo.
• Es muy fácil
• Los resultados obtenidos son esperanzadores,
  aunque algunas de las cuestiones originalmente
  planteadas no han podido responderse por completo.

46
Un poco de humor (8)

• Cómo decirlo?
• No me pregunten acerca del programa, porque lo
  escribió mi amigo García.
• Es muy fácil
• Agradecimientos agradecemos a García su valiosa
  ayuda en las tareas de programación.
• Cómo decirlo?
• No entendíamos nada de esto, pero García nos lo
  explicó y ahora se lo contamos a ustedes.
• Es muy fácil
• Agradecimientos agradecemos a García las
  valiosas discusiones que hemos mantenido acerca
  de este artículo.

47
INDICE

• Objetivos de la asignatura
• La investigación y sus métodos
• La comunicación científica
• Cienciometría y demás

48
Cienciometría y demás

• Bibliometría el estudio de los aspectos
  cuantitativos de la producción, diseminación y
  utilización de la información registrada.
  Desarrolla modelos y mediciones matemáticas para
  estos procesos y utiliza sus resultados para
  elaborar pronósticos y tomar decisiones
• Cienciometría el estudio de los aspectos
  cuantitativos de la ciencia como disciplina o
  actividad económica. Forma parte de la sociología
  de la ciencia y se aplica en la elaboración de
  las políticas científicas comprende estudios
  cuantitativos de las actividades científicas,
  incluidas las publicaciones y de esa forma se
  superpone a la bibliometría.
• Informetría el estudio de los aspectos
  cuantitativos de la información en cualquier
  forma, no sólo a partir de registros
  catalográficos o bibliografías, y abarca
  cualquier grupo social por lo que no se limita
  sólo al científico.
• (Tague-Sutcliff, 1992)

49
Las citas

• Todo artículo de revista lleva su lista de citas.
• La cita se puede considerar un reconocimiento de
  mérito por parte de los autores del artículo.
• Hay organismos que compilan índices de citas
• Las citas recibidas se han convertido en una
  medida muy usada para estimar la calidad de la
  producción científica.

50
Most cited authors in Computer Science - August
2006 (CiteSeer)

• 26. R. Jain   628727. J. Hennessy
    626728. C. Leiserson   613229. A. Pentland
    613130. D. Estrin   603831. J. Mitchell  
  599332. T. Anderson   593533. R. Katz  
  593234. D. Patterson   586035. G. Hinton  
  583136. D. Towsley   582637. C. Hoare  
  580138. D. Clark   578639. J. Quinlan  
  576040. J. Pearl   574941. C. Lee   569342.
  S. Abiteboul   566643. J. Hopcroft   555544.
  A. Shamir   554645. L. Cardelli   546346. D.
  Culler   544647. O. Faugeras   543048. A.
  Jain   542849. I. Foster   541750. J. Liu  
  5328

• 1. D. Johnson   162272. J. Ullman   132453.
  A. Gupta   101564. R. Rivest   99675. R.
  Milner   98786. S. Shenker   94567. V.
  Jacobson   86598. S. Floyd   84879. M. Garey
    848510. R. Tarjan   826911. E. Clarke  
  790912. J. Smith   789313. L. Lamport  
  775914. J. Dongarra   772215. L. Zhang  
  728416. D. Knuth   726917. R. Agrawal  
  707318. R. Karp   683319. C. Papadimitriou  
  681620. H. Zhang   680221. R. Johnson  
  676922. A. Pnueli   660923. H. Garcia-Molina
    659224. A. Aho   652325. D. Goldberg  
  6299

51
Factor de impacto de una revista

• Inventado por Eugene Garfield para comparar la
  relevancia de las revistas.
• Science Citation Index del ISI (desde 1961).
• Cálculo
• número de citas en un cierto año a los documentos
  publicados en una revista en los dos años
  anteriores (numerador),
• dividido por el número de documentos publicados
  por esa revista en el mismo período de tiempo.
• f.i. Citas /Artículos

52
Uso correcto del f. i.

• Para las bibliotecas el f.i. de cada revista
  indica cuán leída es. Por tanto, permite
  seleccionar las subscripciones más útiles. El f.
  i. fue concebido justamente para esto.
• Para los autores el f.i. de cada revista indica
  cuán leída es. Por tanto, un autor preferirá
  enviar su artículo a una revista de alto f.i.

53
Uso discutible del f.i.

• Para comités de selección y promoción
• el f.i. de un artículo no es el mismo que el de
  la revista donde aparece.
• No se pueden comparar los f. i. entre diversas
  especialidades.
• El f.i. puede ser manipulado
• Por errores al aplicar el algoritmo
• Intencionadamente

54
Trabajo para la próxima clase

• Redactar un documento en Latex de unas 500-1000
  palabras donde se motiven al menos 5 razones a
  favor y al menos 5 en contra de esta afirmación
• El número de citas recibidas por un artículo es
  un indicador excelente de la calidad de la
  investigación en él expuesta.

55

• FIN DE LA PRESENTACIÓN