Intel·ligència artificial Codi:  05.582    :  6
Consulta de les dades generals   Descripció   Objectius i competències   Continguts   Consulta dels materials de què disposa l'assignatura   Materials i eines de suport   Informacions sobre l'avaluació a la UOC   Consulta del model d'avaluació  
Aquest és el pla docent de l'assignatura. Us servirà per planificar la matrícula (consulteu si l'assignatura s'ofereix aquest semestre a l'espai del Campus Més UOC / La Universitat / Plans d'estudis). Un cop comenci la docència, heu de consultar-lo a l'aula. (El pla docent pot estar subjecte a canvis.)

Aquesta assignatura és una introducció a la Intel·ligència Artificial (IA). Al llarg dels 4 mòduls en que s'ha dividit l'assignatura es donarà una visió general del camp, es presentaran els mètodes i tècniques bàsiques de la IA i es descriuran alguns exemples d'aplicació.

En particular, es veurà com formalitzar un problema i com la formulació permet aplicar els anomenats mètodes de cerca per tal de trobar-ne una solució. Es veuran alguns d'aquests mètodes de cerca. També s'estudiaran alguns dels mecanismes per a la representació del coneixement, necessaris per a incorporar en un sistema el coneixement sobre l'entorn d'aplicació.

Al llarg de l'assignatura es veurà que els temes plantejats tenen connexions amb altres assignatures del grau en informàtica. En particular, el tema de representació del coneixement està relacionat, entre d'altres, amb l'assignatura que porta el mateix nom al grau (Representació del coneixement). Com es veurà, no hi ha un únic mecanisme de representació del coneixement sinó que n'hi ha diversos (s'anunciarà que la lògica de primer ordre és un d'ells). Això planteja, de fet, el problema de triar la representació més adequada per a un problema, com passa a l'hora de triar entre diferents estructures de dades. A més, la representació del coneixement necessita implementacions eficients atès que la quantitat de coneixement que s'ha de representar és habitualment gran. El tema de cerca també està relacionat amb l'assignatura de grafs i complexitat. Allà es van veure els grafs i els recorreguts en un graf. Trobar la solució a un problema es veurà com un recorregut en un graf. Tot i està relacionada amb ambdues assignatures, la seva superació no és un prerequisit necessari per a cursar IA.

La IA té una continuació natural en el grau en l'assignatura d'Aprenentatge Computacional, que cobreix els aspectes relacionats amb l'extracció de característiques, els models d'aprenentatge automàtic (supervisat i no supervisat) sobre un conjunt de dades, i els sistemes basats en agents. L'Aprenentatge Computacional és una de les àrees on més recerca avançada s'està fent en els darrers anys, permeten aplicacions com ara la conducció automàtica de vehicles, el diagnòstic automàtic de malalties, el reconeixement de cares i objectes genèrics, l'estudi de grans volums de dades i xarxes socials, i les aplicacions a la bioinformàtica i/o estudi del genoma. Totes les tècniques que s'hi utilitzen tenen la seva base en la IA clàssica que s'introdueix en l'assignatura d'Intel·ligència Artificial descrita en aquest pla docent.

Amunt

Els objectius d'aquesta assignatura, com apareixen en la documentació escrita, són:

  1. Situar l'assignatura i el seu temari dins de l'àrea de la intel·ligència artificial.
  2. Introduir els conceptes fonamentals de la Intel·ligència Artificial.
  3. Aprendre que problemes molt diferents en aparença poden formular-se de la mateixa manera.
  4. Conèixer alguns dels algorismes de resolució de problemes.
  5. Veure les dificultats de la representació del coneixement.
  6. Estudiar alguns dels formalismes de representació del coneixement existents.
  7. Descobrir la problemàtica de la representació del coneixement quan el coneixement és incomplet.

Nota: com es veurà a continuació l'assignatura inclou un mòdul dedicat al llenguatge Lisp. L'objectiu del mòdul és la comprensió del codi que s'inclou en els altres mòduls de l'assignatura (mòduls II i IV) així com una introducció en la utilització d'aquest llenguatge.

Competències de grau:

  • Capacitat d'analitzar un problema amb el nivell d'abstracció adient a cada situació i aplicar les habilitats i coneixements adquirits per abordar-lo y solucionar-lo.
  • Capacitat per a proposar i avaluar diferents alternatives tecnològiques per a resoldre un problema concret.
Competències específiques:
  • Saber representar les particularitats d'un problema segons un model de representació del coneixement.
  • Saber resoldre problemes intractables a partir del raonaments aproximats i heurístics (algoritmes voraços, algoritmes genètics,  lògica difusa, xarxes bayesianes, xarxes neuronals, min-max).
  • Conèixer els diferents models de representació del coneixement (marcs, sistemes basats en regles, raonament basat en casos, ontologies, programació lògica)

Amunt

L'assignatura està dividida en quatre mòduls didàctics i un annex.

 

Mòdul 1. Què és la intel·ligència artificial.

Aquest mòdul introdueix l'assignatura i pretén donar algunes respostes a la pregunta de què és la intel·ligència artificial. Per tal de donar una visió pràctica d'aquest camp, es descriuen algunes de les aplicacions existents. Aquest mòdul permet situar els altres en el context de la intel·ligència artificial.

 

Mòdul 2. Resolució de problemes i cerca.

Aquí es veurà com formular un problema per tal de trobar-ne una solució. Es veuran alguns tipus de problemes i alguns algorismes per tal de resoldre'ls. Per exemple, es veuran els algorismes generals per a trobar la solució en un joc amb adversari (per exemple el tres en ratlla o els escacs).

 

Mòdul 3. Sistemes basats en el coneixement.

El mòdul presenta sistemes que utilitzen coneixement de l'entorn de l'aplicació. Es veurà diferents alternatives per tal de representar la informació que necessiten els sistemes.

 

Mòdul 4. Incertesa i raonament aproximat.

Per a tractar situacions diferents s'han desenvolupat mecanismes de representació específics. Per exemple, s'han creat eines per a raonar sobre el temps (que és abans o després), per a raonar sobre l'espai (què hi ha davant o darrera). En aquest mòdul ens centrem en una de les qüestions: com treballar quan la informació de què es disposa no es completa. Es veuran dues eines per a tractar aquest problema: els sistemes difusos i les xarxes bayesianes.

 

Mòdul 5. Annex: Lisp.

Atès que alguns dels programes que il·lustren l'assignatura s'han desenvolupat en el llenguatge Lisp, s'inclou un mòdul amb la descripció dels elements bàsics del llenguatge. Aquesta descripció està orientada a allò que fa falta per a comprendre el codi que apareix en la documentació de l'assignatura.

 

 

A continuació es dóna el contingut de cadascun d'aquests mòduls.

 

Mòdul didàctic 1

Que és la intel·ligència artificial (0.5 crèdits)

1.    Breu repàs històric de la intel·ligència artificial

2.    Que és la intel·ligència artificial: Definicions i punts de vista

3.    Algunes aplicacions

4.    Algunes característiques dels programes

 

Mòdul didàctic 2

Resolució de problemes i cerca (2.5 crèdits)

1.    Resolució de problemes i cerca: introducció

2.    Construcció d'una solució

3.    Estratègies de cerca no informada

4.    Cost i funció heurística

5.    Grafs I/O

6.    Cerca amb adversari: els jocs

7.    Algorismes genètics

 

Mòdul didàctic 3

Sistemes basats en el coneixement (1 crèdits)

1.    Sistemes basats en el coneixement: introducció

2.    La representació del coneixement

3.    Sistemes basats en regles

4.    Sistemes amb representació estructurada

5.     Sistema de raonament basat en casos

6.    Sistemes de raonament basat en models

 

Mòdul didàctic 4

Incertesa i raonament aproximat (1.5 crèdits)

1.    Raonament amb informació incompleta: incertesa i imprecisió

2.    Sistemes difusos

3.    Xarxes causals probabilístiques

 

Mòdul didàctic 5. Annex

Introducció al llenguatge Lisp (0.5 crèdits)

Amunt

Amunt

L'assignatura es compon dels mòduls didàctics en suport paper, que contenen, amb l'excepció del mòdul dedicat al llenguatge Lisp, exercicis d'autoavaluació amb solucions i activitats diverses.

 

Aquest material es complementarà amb aquell que els consultors posin a l'abast dels estudiants a l'aula de l'assignatura.

 

En el material didàctic s'inclou la bibliografia complementària per a cada mòdul. Per a una visió global del camp podeu consultar:

 

U.Cortés, J.Béjar, A.Moreno et al. (1993). Inteligencia Artificial.

Col.lecció Politext, Àrea de Computació i Control no. 17, Edicions UPC.

Amunt

La Normativa acadèmica de la UOC disposa que el procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis fets.

La manca d'originalitat en l'autoria o el mal ús de les condicions en què es fa l'avaluació de l'assignatura és una infracció que pot tenir conseqüències acadèmiques greus.

L'estudiant serà qualificat amb un suspens (D/0) si es detecta manca d'originalitat en l'autoria d'alguna activitat avaluable (pràctica, prova d'avaluació contínua (PAC) o final (PAF), o la que es defineixi al pla docent), sigui perquè ha utilitzat material o dispositius no autoritzats, sigui perquè ha copiat textualment d'internet, o ha copiat d'apunts, de materials, de manuals o d'articles (sense la citació corresponent), d'altres estudiants, o per qualsevol altra conducta irregular.

La qualificació de suspens (D/0) en les qualificacions finals d'avaluació contínua pot comportar l'obligació de fer l'examen presencial per a superar l'assignatura (si hi ha examen i si superar-lo és suficient per a superar l'assignatura segons indiqui el pla docent).

Quan aquesta mala conducta es produeixi durant la realització de les proves d'avaluació finals presencials, l'estudiant pot ser expulsat de l'aula, i l'examinador farà constar tots els elements i la informació relatius al cas.

D'altra banda, aquesta conducta pot donar lloc a la incoació d'un procediment disciplinari i l'aplicació, si escau, de la sanció que correspongui.

La UOC habilitarà els mecanismes que consideri oportuns per a vetllar per la qualitat de les seves titulacions i garantir l'excel·lència i la qualitat del seu model educatiu.

Amunt

Aquesta assignatura es pot superar per una doble via: d'una banda, a partir de l'avaluació contínua (AC) i una prova de síntesi (PS) i, d'altra banda, amb la realització d'un examen final (EX).
- Per a fer la PS cal haver superat l'AC.
- Per a fer l'EX no cal haver superat l'AC.
- En cas d'haver superat l'AC hi ha l'opció d'optar per l'EX en comptes de la PS.
La fórmula d'acreditació de l'assignatura és la següent: AC+PS o EX.

 

Amunt