Asignatura: Inteligencia Artificial

1. 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: fernando.diez@uam.es • 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).

2. 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.

3. 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.

4. 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.

5. Temario, III • Planificación. 3 sesiones. • Representación de problemas de planificación. • Cálculo de situaciones. • STRIPS. • Planificación de orden parcial.

6. 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.

7. Bibliografía, II • Prácticas: • G.L. Steele: Common LISP Language. Segunda edición, 1990. • Versión WWW: http://www.cs.cmu.edu/afs/cs.cmu.edu/project/ai-repository/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.

8. >> 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. Asignatura: Inteligencia Artificial • Relación IA con otras asignaturas.

9. 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. 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.