Inteligencia artificial I Código: 81.006    Créditos: 6
Consulta de los datos generales   Descripción   Objetivos   Contenidos   Consulta de los materiales de que dispone la asignatura   Consulta de la bibliografía disponible en la biblioteca   Materiales y herramientas de soporte   Metodología   Temporalización   Consulta del modelo de evaluación   Evaluación continua  
Nota importante: La información de esta página tiene valor orientativo, no es vinculante en ninguno de sus apartados y corresponde a las características de la asignatura en el último semestre activo con docencia. Para poder concretar la información en lo referente a los objetivos, los contenidos, los materiales, la metodología, la evaluación y las fechas clave de esta asignatura debéis consultar el Plan docente, que tendréis disponible en el aula correspondiente coincidiendo con el inicio del semestre, dentro del apartado Planificación.

Esta asignatura es una introducción a la Inteligencia Artificial (IA). A lo largo de los 4 módulos en que se ha dividido la asignatura se dará una visión general del campo, se presentarán los métodos y técnicas básicos de la IA y se describirán algunos ejemplos de aplicación.

En particular, se verá cómo formalizar un problema y como la formulación permite aplicar los llamados métodos de busca con el fin de encontrar una solución. Se verán algunos de estos métodos de busca. También se estudiarán algunos de los mecanismos para la representación del conocimiento, necesarios para incorporar en un sistema el conocimiento sobre el entorno a aplicación.

A lo largo de la asignatura se verá que los temas planteados tienen conexiones con otras asignaturas de las ingenierías en informática. En particular, el tema de representación del conocimiento está relacionado, entre de otros, con la asignatura de Lógica y la de Estructura de la Información. Como se verá, no hay un único mecanismo de representación del conocimiento sino que hay diversos (se anunciará que la lógica de primer orden es uno de ellos). Eso plantea, de hecho, el problema de escoger la representación más adecuada para un problema, como pasa a la hora de escoger entre diferentes estructuras de datos. Además, la representación del conocimiento necesita implementaciones eficientes dado que la cantidad de conocimiento que se tiene que representar es habitualmente grande. El tema de busca también está relacionado con la asignatura de Estructura de la Información. Allí se vieron los grafos y los recorridos en un grafo. Encontrar la solución a un problema se verá como un recorrido en un grafo.

Subir

Los objetivos de esta asignatura son:

    1. Situar la asignatura y su temario dentro del área de la Inteligencia Artificial.
    2. Introducir los conceptos fundamentales de la Inteligencia Artificial.
    3. Aprender que problemas muy diferentes en apariencia pueden formularse de la misma manera.
    4. Conocer algunos de los algoritmos de resolución de problemas.
    5. Ver las dificultades de la representación del conocimiento.
    6. Estudiar algunos de los formalismos de representación del conocimiento existentes.
    7. Descubrir la problemática de la representación del conocimiento cuando el conocimiento es incompleto.

Nota: como se verá a continuación la asignatura incluye un módulo dedicado al lenguaje Lisp. El objetivo del módulo es la comprensión del código que se incluye en los otros módulos de la asignatura (módulos II e IV) pero no el dominio de este lenguaje.

Subir

 

MÓDULOS DIDÁCTICOS

DESCRIPCIÓN

Módulo 1.
Qué es la inteligencia artificial.

Este módulo introduce la asignatura y pretende dar algunas respuestas a la pregunta de que es la inteligencia artificial. Con el fin de dar una visión práctica de este campo, se describen algunas de las aplicaciones existentes. Este módulo permite situar los otros en el contexto de la inteligencia artificial.

Módulo 2.
Resolución de problemas y búsqueda.

Aquí se verá cómo formular un problema con el fin de encontrar una solución. Se verán algunos tipos de problemas y algunos algoritmos con el fin de resolverlos. Por ejemplo, se verán los algoritmos generales para encontrar la solución en un juego con adversario (por ejemplo el tres en raya o el ajedrez).

Módulo 3.
Sistemas basados en el conocimiento.

El módulo presenta sistemas que utilizan conocimiento del entorno a la aplicación. Se verán diferentes alternativas con el fin de representar la información que necesitan los sistemas.

Módulo 4.
Incertidumbre y razonamiento aproximado.

Para tratar situaciones diferentes se han desarrollado mecanismos de representación específicos. Por ejemplo, se han creado herramientas para razonar sobre el tiempo (que es antes o después), para razonar sobre el espacio (qué hay delante o detrás). En este módulo nos centramos en una de las cuestiones: como trabajar cuando la información de que se dispone no se completa. Se verán dos herramientas para tratar este problema: los sistemas difusos y las redes bayesianas.

Módulo 5.
Anexo: Lisp.

Dado que algunos de los programas que ilustran la asignatura se han desarrollado en el lenguaje Lisp, se incluye un módulo con la descripción de los elementos básicos del lenguaje. Esta descripción está orientada a aquello que hace falta para comprender el código que aparece en la documentación de la asignatura.

Subir

    Módulo 1. Que es la inteligencia artificial. (0.5 créditos)
    1. Breve repaso histórico de la inteligencia artificial
    2. Que es la inteligencia artificial: Definiciones y puntos de vista
    3. Algunas aplicaciones
    4. Algunas características de los programas

    Módulo didáctico 2. Resolución de problemas y búsqueda. (2.5 créditos)
    1. Resolución de problemas y busca: introducción
    2. Construcción de una solución
    3. Estrategias de busca no informada
    4. Coste y función heurística
    5. Grafos I/O
    6. Busca con adversario: los juegos
    7. Algoritmos genéticos

    Módulo didáctico 3. Sistemas basados en el conocimiento. (1 créditos)
    1. Sistemas basados en el conocimiento: introducción
    2. La representación del conocimiento
    3. Sistemas basados en reglas
    4. Sistemas con representación estructurada
    5. Sistema de razonamiento basado en casos
    6. Sistemas de razonamiento basado en modelos
    7. Redes neurales

    Módulo didáctico 4. Incertidumbre y razonamiento aproximado. (1.5 créditos)
    1. Razonamiento con información incompleta: incertidumbre e imprecisión
    2. Sistemas difusos
    3. Redes causales probabilísticas

    Módulo didáctico 5. Anexo: Introducción al lenguaje Lisp. (0.5 créditos)

Subir

Material Soporte
Inteligencia artificial I  

Subir

  • ANSI Common Lisp / Paul Graham
    Graham , Paul
    0011-79760
  • Inteligencia artificial / Patrick Henry Winston
    Winston , Patrick Henry
    0011-01960 - 3ª ed.
  • Artificial intelligence / Patrick Henry Winston
    Winston , Patrick Henry
    0009-59360 - 3rd ed.
  • Artificial intelligence : a modern approach / Stuart J. Russell and Peter Norvig / contributing writers: John F. Canny, Jitendra M. Malik, Douglas D. Edwards
    Russell , Stuart J.
    0009-59260

Subir

La asignatura se compone de los módulos didácticos en formato papel, que contienen, con la excepción del módulo dedicado al lenguaje Lisp, ejercicios de autoevaluación con soluciones y actividades diversas.

Este material se complementará con aquél que los consultores pongan al alcance de los estudiantes al aula de la asignatura.

En el material didáctico se incluye la bibliografía complementaria para cada módulo.

Subir

Dado el cariz teórico de la asignatura, no se trata en ningún caso de memorizar los conocimientos introducidos sino de entenderlos, aunque conviene adquirir una cierta destreza en determinadas técnicas que se utilizan a menudo.

Por lo que respecta al estudio de los materiales, conviene remarcar que se considera fundamental la realización de los ejercicios de autoevaluación del final de cada módulo. Sólo así se conseguirá una buena asimilación de los conceptos y métodos presentados en el módulo. Se recomienda sobre todo no consultar la solución de cabeza de los ejercicios de evaluación antes de haber resuelto el ejercicio en cuestión. Los ejercicios de autoevaluación tienen que servir por qué evaluáis vuestro nivel de comprensión, no para ver más ejemplos. Por eso recomendamos, para cada ejercicio de autoevaluación:

  • Resolverlo.
  • Comparar la solución con la del solucionario (pueden ser diferentes).
  • Si tenéis dudas sobre la corrección de vuestra solución, dirigíos al profesor consultor.
Se recomienda también, para cada tema:
  • Leer las explicaciones contenidas en cada apartado, haciendo especial énfasis en los ejercicios resueltos que se dan como ejemplos.
  • Si surgen dudas ponerse en contacto con el consultor a través del foro de la asignatura intentando ser el máximo de concretos posible.
  • Una vez se considera que se han asimilado los conocimientos introducidos, intentar resolver los ejercicios de autoevaluación correspondientes a aquel apartado.
  • La participación en las actividades propuestas en el Foro.

Subir

En el calendario, el estudiante dispondrá de una distribución orientativa del tiempo que se propone para el estudio de cada módulo. Además, el calendario incluye las fechas clave del semestre, como la publicación y la entrega de las Pruebas de Evaluación continua (PEC) y de la práctica. Las fechas de entrega de las PEC y de la práctica se tienen que respetar estrictamente. Por lo tanto, es muy recomendable que se siga la temporización propuesta y se intenten respetar las fechas indicadas para el estudio de cada módulo didáctico.

El estudiante podrá acceder a los enunciados de las PEC y de la práctica en el espacio de Planificación del Aula Virtual, en la fecha del calendario señalada como publicación de la actividad en cuestión. Conjuntamente con los enunciados de las pruebas, se publicarán plantillas a fin de que el estudiante entregue la solución de la actividad en el formato adecuado.

Subir

Esta asignatura se puede superar mediante una doble vía: por un lado, a partir de la evaluación continua, cuya calificación final se confirma mediante una prueba de validación, y de otro lado, a partir de la realización de un examen final (presencial). La fórmula de acreditación de la asignatura es la siguiente: EC + PV o EXFp.

 
Modelo de calificaciones finales a partir de la evaluación continua
   
C. Ev. continua
  Calif. final
A
B
C+
C-
D
N
F
M/SB
NO
A
SU
SU
NP
 
Modelo de calificaciones finales
   
Calif. Ex. final
  C. E v. c o n t i n u a
A
B
C+
C-
D
N
A
M/SB
SB
NO
A
SU
NP
B
SB
NO
NO/A
A
SU
NP
C+
SB
NO
A
A
SU
NP
C-
SB
NO
A
SU
SU
NP
D
SB
NO
A
SU
SU
NP
N
SB
NO
A
SU
SU
NP

M/SB Matrícula de honor o sobresaliente
NO Notable
A Aprobado
SU Suspenso
NP No presentado

Subir

La Evaluación continua (EC) se compone de cuatro pruebas de evaluación continua (PEC).

La nota final de EC se determinará en función de las calificaciones obtenidas parcialmente, la participación del estudiante en el foro y haber demostrado un dominio suficiente en los aspectos fundamentales de la asignatura durante el semestre.

Dos de estas pruebas corresponderán a los módulos I y II, una al módulo III y una otro al módulo IV. Cada una de las PEC tendrá el mismo valor.

Para poder superar la EC tendréis que entregar cada uno de las cuatro PEC dentro de los plazos establecidos.

El hecho de entregar cualquier actividad de evaluación continua implica que obtendréis una nota final de evaluación continua.


El seguimiento correcto de la asignatura os compromete a realizar las actividades propuestas de manera individual y según las indicaciones que pauta este Plan Docente. En caso de que no sea así, las actividades se os evaluarán con una D.

Por otra parte, y siempre a criterio de los Estudios, el incumplimiento de este compromiso puede suponer que no se os permita superar ninguna otra asignatura mediante evaluación continua ni en el semestre en curso ni en los siguientes

Validación y examen final

Recibiréis más detalles al respecto de la estructura tanto de la prueba de validación como del examen en su momento en el aula a través de vuestro consultor

Subir