Asignatura: Inteligencia Artificial

1
Asignatura Inteligencia Artificial

• URL de la asignatura
• http//www.ii.uam.es/ia
• Profesores y grupos de teoría
• Fernando Díez (grupo 31). Coordinador
• Despacho B-346.
• E-mail fernando.diez_at_uam.es
• Horario.
• Lunes, Miércoles 900 - 1000 h.
• Viernes 1000 - 1100 h.
• Tutorías previa petición por correo electrónico
• Alberto Suárez (grupo 32). Inglés.
• Ruth Cobos (grupos 36 y 40).

2
Información relevante

• EXAMENES
• Control intermedio 26 ó 27 /11/2007
• Final (teoría prácticas) 30/01/2008
• Reglas de calificación
• Prácticas.
• Web de prácticas http//www.ii.uam.es/ia/practic
  as/iap.htm
• Coordinadora Ruth Cobos
• Inicio de laboratorios jueves 4/10/2007
• No se convalidan prácticas
• Temario.
• Bibliografía.

3
Temario, I

• El lenguaje LISP 2 sesiones.
• Introducción a la IA 1 sesión.
• Propósito de la Inteligencia Artificial.
• Definiciones y Aproximaciones a la Inteligencia
  Artificial.
• Agentes Racionales y Entornos.
• Representación del conocimiento y razonamiento
  lógico
• Lógica proposicional 6 sesiones.
• Sintaxis y semántica.
• Mecanismos de inferencia proposicional.
• Resolución en lógica proposicional.
• Representación, razonamiento y lógica.
• Lógica de primer orden (FOL). 9 sesiones.
• Ontologías, sintaxis y semántica en cálculo de
  predicados.
• Reglas de inferencia.
• Unificación.
• Resolución en lógica de predicados.
• Ingeniería del conocimiento en FOL.

4
Temario, II

• Resolución de problemas mediante búsqueda. 1
  sesión.
• Formulación y resolución de problemas.
• Resolución mediante búsqueda.
• Búsqueda ciega o no informada 3 sesiones.
• Criterios de evaluación. Primero en anchura.
  Coste uniforme. Primero en profundidad. En
  profundidad limitada. Profundización iterativa.
• Búsqueda informada (heurística). 6 sesiones.
• Estrategias informadas
• Búsqueda el primero mejor.
• Búsqueda Avara (Greedy).
• Búsqueda A.
• Funciones heurísticas.
• Búsqueda local algoritmos de optimización.
• Búsqueda con adversarios. 3 sesiones.
• Juegos.
• Juegos con decisiones perfectas.
• Poda alfa-beta.
• Juegos con decisiones imperfectas.
• Juegos que incluyen factores de azar.

5
Temario, III

• Planificación. 3 sesiones.
• Representación de problemas de planificación.
• Cálculo de situaciones.
• STRIPS.
• Planificación de orden parcial.

6
Bibliografía, I

• Teoría
• S. Russell y P.Norvig Artificial Intelligence, a
  modern approach (2ª ed.). Prentice Hall, 2003.
• N.J. Nilsson Artificial Inteligence, a new
  synthesis. Morgan Kaufmann Publishers, 1998.
• E. Rich y K. Knight Inteligencia Artificial. Mc
  Graw Hill, Madrid, 1998.

7
Bibliografía, II

• Prácticas
• G.L. Steele Common LISP Language. Segunda
  edición, 1990.
• Versión WWW
• http//www.cs.cmu.edu/afs/cs.cmu.edu/project/ai-re
  pository/ai/html/cltl/mirrors.html
• P. Graham ANSI Common Lisp. Prentice Hall. 1996.
• P. Norvig Paradigms of AI Programming Case
  studies in common Lisp. Morgan Kaufmann, 1992.
• H. Winston y P. Henry LISP. Berthold Klaus Paul
  Horn (3ª ed.). 1993.

8
Asignatura Inteligencia Artificial

• Relación IA con otras asignaturas.

9
Una primera idea sobre IA
La Inteligencia Artificial es un campo de la
ciencia que trata de realizar con máquinas tareas
que son realizadas por el ser humano
(comportamiento inteligente) aplicando cualquier
tipo de razonamiento.

• Comportamiento inteligente
• Percepción, razonamiento, aprendizaje,
  comunicación, interacción con un entorno complejo
  (incluyendo a otros agentes).

• Requisitos para IA
• Representación del conocimiento, razonamiento
  automático, aprendizaje automático, PLN,
  percepción, visión, robótica, etc.