Inteligencia artificial Código:  75.582    :  6
Consulta de los datos generales   Descripción   Objetivos y competencias   Contenidos   Consulta de los materiales de los que dispone la asignatura   Materiales y herramientas de apoyo   Informaciones sobre la evaluación a la UOC   Consulta del modelo de evaluación  
Este es el plan docente de la asignatura para el segundo semestre del curso 2023-2024. Podéis consultar si la asignatura se ofrece este semestre en el espacio del campus Más UOC / La universidad / Planes de estudios). Una vez empiece la docencia, tenéis que consultarlo en el aula. El plan docente puede estar sujeto a cambios.
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 búsqueda con el fin de encontrar una solución. Se verán algunos de estos métodos de búsqueda. 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 del grado en informática. En particular, el tema de representación del conocimiento está relacionado, entre de otros, con la asignatura que lleva el mismo nombre (Representación del Conocimiento). 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 el problema de escoger la representación más adecuada para un problema, como sucede 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 búsqueda también está relacionado con la asignatura de Grafos y Complejidad. 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. Aún estando relacionda con las dos asignaturas, su superación no es un prerrequisito para cursar IA.

La IA tiene una continuación natural en el grado en la asignatura de Aprendizaje Computacional, que cubre los aspectos relacionados con la extracción de características, los modelos de aprendizaje automático (supervisado y no supervisado) sobre un conjunto de datos, y los sistemas basados en agentes. El Aprendizaje Computacional es una de les áreas donde más investigación avanzada se está realizando en los últimos años, permitiendo aplicaciones como la conducción automática de vehículos, el diagnóstico automático de enfermedades, el reconocimiento de caras y objetos genéricos, el estudio de grandes volúmenes de datos y redes sociales, y las aplicaciones a la bioinformática y/o estudio del genoma. Todas les técnicas que se utilizan tienen su base en la IA clásica que se introduce en la asignatura de Inteligencia Artificial descrita en este plan docente.

Amunt

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) así como una introducción en el uso de este lenguaje.

Competencias de grado:

  • Capacidad de analizar un problema en el nivel de abstracción adecuado a cada situación y aplicar las habilidades y conocimientos adquiridos para abordarlo y resolverlo.
  • Capacidad para proponer y evaluar diferentes alternativas tecnológicas para resolver un problema concreto.

Competencias específicas:

  • Saber representar les particularidades de un problema según un modelo de representación del conocimiento.
  • Saber resolver problemas intratables a partir de razonamientos aproximados y heurísticos (algoritmos voraces, algoritmos genéticos, lógica difusa, redes bayesianas, redes neuronales, min-max).
  • Conocer los diferentes modelos de representación del conocimiento (marcos, sistemas basados en reglas, razonamiento basado en casos, ontologías, programación lógica).

 

Amunt

La asignatura está dividida en cuatro módulos didácticos y un anexo.

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.

A continuación se muestra el contenido de cada uno de estos módulos.

Módulo didáctico 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 búsqueda: introducción
2. Construcción de una solución
3. Estrategias de búsqueda no informada
4. Coste y función heurística
5. Grafos I/O
6. Búsqueda con adversario: los juegos
7. Algoritmos genéticos

Módulo didáctico 3
Sistemas basados en el conocimiento (1 crédito)
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

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)

Amunt

Amunt

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.

Amunt

La Normativa académica de la UOC dispone que el proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.

La falta de originalidad en la autoría o el mal uso de las condiciones en las que se hace la evaluación de la asignatura es una infracción que puede tener consecuencias académicas graves.

El estudiante será calificado con un suspenso (D/0) si se detecta falta de originalidad en la autoría de alguna actividad evaluable (práctica, prueba de evaluación continua (PEC) o final (PEF), o la que se defina en el plan docente), ya sea porque ha utilizado material o dispositivos no autorizados, ya sea porque ha copiado de forma textual de internet, o ha copiado de apuntes, de materiales, manuales o artículos (sin la citación correspondiente) o de otro estudiante, o por cualquier otra conducta irregular.

La calificación de suspenso (D/0) en la evaluación continua (EC) puede conllevar la obligación de hacer el examen presencial para superar la asignatura (si hay examen y si superarlo es suficiente para superar la asignatura según indique este plan docente).

Cuando esta mala conducta se produzca durante la realización de las pruebas de evaluación finales presenciales, el estudiante puede ser expulsado del aula, y el examinador hará constar todos los elementos y la información relativos al caso.

Además, esta conducta puede dar lugar a la incoación de un procedimiento disciplinario y la aplicación, si procede, de la sanción que corresponda.

La UOC habilitará los mecanismos que considere oportunos para velar por la calidad de sus titulaciones y garantizar la excelencia y la calidad de su modelo educativo.

Amunt

Puedes superar la asignatura a través de dos vías:

  1. Con evaluación continua (EC) y una prueba de síntesis (PS):
    • Si superas la evaluación continua y en la prueba de síntesis obtienes la nota mínima necesaria, la nota final será la ponderación que se especifique en el plan docente.
    • Si superas la evaluación continua y en la prueba de síntesis no obtienes la nota mínima necesaria, la calificación final será la nota cuantitativa que obtengas en la prueba de síntesis.
    • Si superas la evaluación continua y no te presentas a la prueba de síntesis, la nota final será un No presentado.
    • Si suspendes la evaluación continua, la nota final será un No presentado.
    • Si no te presentas a la evaluación continua, la nota final será un No presentado.

  2. Con examen (para seguir esta vía no es necesario haber superado la evaluación continua para hacer el examen):
    • Si no has presentado la evaluación continua, la nota final será la calificación numérica obtenida en el examen.
    • Si en la evaluación continua has obtenido una nota distinta a un No presentado, la nota final será el cálculo más favorable entre la nota numérica del examen y la ponderación de la nota de la evaluación continua con la nota del examen, según lo establecido en el plan docente. Para aplicar este cálculo, es necesario obtener una nota mínima de 4 en el examen (si es inferior, la nota final de la asignatura será la calificación del examen).
    • Si no te presentas al examen, la calificación final será un No presentado.

 

Amunt