| Intel·ligència artificial | Codi: 05.582 : 6 |
Aquesta assignatura és una introducció a la Intel·ligència Artificial (IA). Al llarg dels 5 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, així com també es veurà una introducció a l'aprenentatge computacional.
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. El cinquè mòdul de l'assignatura d'IA està dedicat a una introducció a l'Aprenentatge Computacional. L'Aprenentatge Computacional és una de les àrees on més recerca avançada s'està fent en els darrers anys, permetent 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.
Per a la realització de l'assignatura s'assumeix que l'estudiant té un base sòlida de programació. En les activitats s'utilitzarà el llenguatge de programació Python, que és un dels més utilitzats actualment per implementar algoritmes d'IA.
Es recomana haver superat les següents assignatures abans de cursar Intel·ligència Artificial: Grafs i complexitat, Àlgebra, Lògica i Pràctiques de programació.
Els objectius d'aquesta assignatura, com apareixen en la documentació escrita, són:
- Situar l'assignatura i el seu temari dins de l'àrea de la intel·ligència artificial.
- Introduir els conceptes fonamentals de la Intel·ligència Artificial.
- Aprendre que problemes molt diferents en aparença poden formular-se de la mateixa manera.
- Conèixer alguns dels algorismes de resolució de problemes.
- Veure les dificultats de la representació del coneixement.
- Estudiar alguns dels formalismes de representació del coneixement existents.
- Descobrir la problemàtica de la representació del coneixement quan el coneixement és incomplet.
- Conèixer els diferents tips d'aprenentatge computacional (supervisat, no supervisat i per reforç), així com els algorismes més habituals per cadascun d'ells.
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)
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 els sistemes difusos per a tractar aquest problema.
Mòdul 5. Introducció a l'aprenentatge computacional
El mòdul està dedicat a una introducció a l'aprenentatge computacional, més conegut com a Machine Learning. En aquest mòdul, farem un repàs més superficial i introductori dels seus principis, conceptes generals i mètodes existents més rellevants. El mòdul consta de 5 temes:
- El primer tema està destinat a exposar la classificació del tipus d'aprenentatge computacional més freqüentment utilitzada: aprenentatge supervisat, aprenentatge no supervisat i aprenentatge per reforç.
- El segon tema s'aprofundeix en l'aprenentatge supervisat: kNN, arbres de decisió, SVM i xarxes neuronals.
- El tercer tema presenta una visió de l'aprenenatge no supervisat a partir dels algorismes d'agrupament: k-means i fuzzy c-means.
- El quart tema està dedicat a l'estudi dels algorismes d'aprenentatge per reforç: Q-learning i algorismes genètics.
- En el cinquè i últim tema s'exposen els fonaments teòrics de la partició de dades i els protocols de validació en l'aprenentatge computacional.
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 (1.5 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. Cerca amb adversari: els jocs
Mòdul didàctic 3
Sistemes basats en el coneixement (1.5 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
Mòdul didàctic 5
Introducció a l'aprenentatge computacional (1 crèdit)
1. Taxonomia de les tècniques d'aprenentatge computacional
2. Mètodes d'aprenentatge supervisat
3. Mètodes d'aprenentatge no supervisat
4. Mètodes d'aprenentatge per reforç
5. Partició de dades i protocols de validació
L'assignatura es compon dels mòduls didàctics en suport digital (pdf, web, etc.), que contenen exercicis d'autoavaluació amb solucions i activitats diverses.
Aquest material es complementarà amb aquell que els professors col·laboradors 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.
A la UOC, l'avaluació generalment és virtual. S'estructura entorn de l'avaluació contínua, que inclou diferents activitats o reptes; l'avaluació final, que es porta a terme mitjançant proves o exàmens, i el treball final de la titulació.
Les activitats o proves d'avaluació poden ser escrites i/o audiovisuals, amb preguntes aleatòries, proves orals síncrones o asíncrones, etc., d'acord amb el que decideixi cada equip docent. Els treballs finals representen el tancament d'un procés formatiu que implica la realització d'un treball original i tutoritzat que té com a objectiu demostrar l'adquisició competencial feta al llarg del programa.
Per verificar la identitat de l'estudiant i l'autoria de les proves d'avaluació, la UOC es reserva la potestat d'aplicar diferents sistemes de reconeixement de la identitat i de detecció del plagi. Amb aquest objectiu, la UOC pot dur a terme enregistrament audiovisual o fer servir mètodes o tècniques de supervisió durant l'execució de qualsevol activitat acadèmica.
Així mateix, la UOC pot exigir a l'estudiant l'ús de dispositius electrònics (micròfons, càmeres o altres eines) o programari específic durant l'avaluació. És responsabilitat de l'estudiant assegurar que aquests dispositius funcionen correctament.
El procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat de les activitats acadèmiques. Al web sobre integritat acadèmica i plagi de la UOC hi ha més informació respecte d'aquesta qüestió.
La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; la suplantació d'identitat; l'acceptació o l'obtenció de qualsevol activitat acadèmica a canvi d'una contraprestació o no; la col·laboració, l'encobriment o l'afavoriment de la còpia, o l'ús de material, programari o dispositius no autoritzats en el pla docent o l'enunciat de l'activitat acadèmica, inclosa la intel·ligència artificial i la traducció automàtica, entre altres, són conductes irregulars en l'avaluació que poden tenir conseqüències acadèmiques i disciplinàries greus.
Aquestes conductes irregulars poden comportar el suspens (D/0) en les activitats avaluables que es defineixin en el pla docent -incloses les proves finals- o en la qualificació final de l'assignatura, sigui perquè s'han utilitzat materials, programari o dispositius no autoritzats durant les proves (com l'ús d'intel·ligència artificial no permesa, xarxes socials o cercadors d'informació a internet), perquè s'han copiat fragments de text d'una font externa (internet, apunts, llibres, articles, treballs o proves d'altres estudiants, etc.) sense la citació corresponent, per la compravenda d'activitats acadèmiques, o perquè s'ha dut a terme qualsevol altra conducta irregular.
Així mateix, i d'acord amb la normativa acadèmica, les conductes irregulars en l'avaluació també poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui, de conformitat amb el que estableix la normativa de convivència de la UOC.
En el marc del procés d'avaluació, la UOC es reserva la potestat de:
- Sol·licitar a l'estudiant que acrediti la seva identitat segons el que estableix la normativa acadèmica.
- Sol·licitar a l'estudiant que acrediti l'autoria del seu treball al llarg de tot el procés d'avaluació, tant en l'avaluació contínua com en l'avaluació final, per mitjà d'una entrevista oral síncrona, que pot ser objecte d'enregistrament audiovisual, o pels mitjans que estableixi la Universitat. Aquests mitjans tenen l'objectiu de verificar els coneixements i les competències que garanteixin la identitat de l'estudiant. Si no és possible garantir que l'estudiant és l'autor de la prova, aquesta pot ser qualificada amb una D, en el cas de l'avaluació contínua, o amb un suspens, en el cas de l'avaluació final.
Intel·ligència artificial en el marc de l'avaluació
La UOC reconeix el valor i el potencial de la intel·ligència artificial (IA) en l'àmbit educatiu, alhora que posa de manifest els riscos que comporta si no s'utilitza de manera ètica, crítica i responsable. En aquest sentit, en cada activitat d'avaluació s'informarà l'estudiantat sobre les eines i els recursos d'IA que es poden utilitzar i en quines condicions. Per la seva banda, l'estudiantat es compromet a seguir les indicacions de la UOC a l'hora de dur a terme les activitats d'avaluació i de citar les eines utilitzades i, concretament, a identificar els textos o les imatges generats per sistemes d'IA, els quals no podrà presentar com si fossin propis.
Amb relació a fer servir o no la IA per resoldre una activitat, l'enunciat de les activitats d'avaluació indica les limitacions en l'ús d'aquestes eines. Cal tenir en compte que fer-les servir de manera inadequada, com ara en activitats en què no estan permeses o no citar-les en les activitats en què sí que ho estan, es pot considerar una conducta irregular en l'avaluació. En cas de dubte, es recomana que, abans de lliurar l'activitat, es faci arribar una consulta al professorat col·laborador de l'aula.
|
Pots superar l'assignatura per mitjà de dues vies:
|