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: [email protected]
– Horario.
 Lunes, Miércoles 9:00 - 10:00 h.
 Viernes 10:00 - 11:00 h.
– Tutorías: previa petición por correo electrónico
» Alberto Suárez (grupo 32). Inglés.
» Ruth Cobos (grupos 36 y 40).
1
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/practicas/iap.htm
» Coordinadora: Ruth Cobos
» Inicio de laboratorios: jueves 4/10/2007
» No se convalidan prácticas


Temario.
Bibliografía.
2
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.
3
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.
4

Temario, III
» Planificación. 3 sesiones.
–
–
–
–
Representación de problemas de planificación.
Cálculo de situaciones.
STRIPS.
Planificación de orden parcial.
5
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.
6
Bibliografía, II

Prácticas:
» G.L. Steele: Common LISP Language.
Segunda edición, 1990.
– Versión WWW:
http://www.cs.cmu.edu/afs/cs.cmu.edu/project/airepository/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.
7
Asignatura:
Inteligencia Artificial

Relación IA con otras asignaturas.
>> MTP (I y II), EDI (I y II), TALF, Estadística, Matemática discreta.
>> Ingeniería del conocimiento. Temas Avanzados en Ingeniería
Informática: Lógica y Representación del Conocimiento. Temas
Avanzados en Ciencias de la Computación III: Reconocimiento de
patrones.
8
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.
9
Descargar

Curso de Java