Atributos
Sigla: 
CI-0129
Créditos: 
4
Horas: 
5
Clasificación: 
Curso propio
Énfasis y ciclo: 
Ciencias de la Computación 3.II
Descripción: 

 Este curso básico de Inteligencia Artificial presenta mediante un enfoque teórico-práctico una visión integral de los fundamentos para la comprensión y construcción de sistemas inteligentes.  El estudiante desarrollará la capacidad para reconocer los diferentes enfoques y temáticas relevantes que han surgido durante el desarrollo histórico de este campo de estudio y el impacto que representan estos sistemas para la humanidad.  El estudiante aplicará los algoritmos, técnicas y modelos teóricos para la construcción de programas enfocados en la resolución de problemas relacionados con las funciones fundamentales de los sistemas inteligentes. Específicamente, la percepción del entorno, creación de modelos de representación del conocimiento, resolución automática de problemas, aprendizaje y acción. 

Objetivo general: 

El objetivo general del curso es que cada estudiante desarrolle una visión fundamental de los sistemas inteligentes mediante el estudio e implementación de algoritmos, técnicas, modelos y métodos para percepción, representación de conocimiento, resolución de problemas, aprendizaje y acción. 

Objetivos específicos: 

Durante este curso cada estudiante desarrollará habilidades para:

1. Describir los antecedentes históricos y los principales enfoques de la inteligencia artificial.
2. Comprender el concepto de agente inteligente y los tipos de agente: agente reactivo simple, agente basado en modelos, agente orientado a objetivos y agente basado en su utilidad.
3. Aplicar los algoritmos, técnicas y modelos para resolución de problemas de percepción, representación de conocimiento, resolución de problemas, aprendizaje y acción.
4. Conocer algunas investigaciones y desarrollos recientes en el área y comprender la dirección y el impacto de la inteligencia artificial en la humanidad.
 

Objetivos Transversales
1. Comunicar efectivamente  resultados tanto en forma escrita como oral.
2. Desarrollar habilidades para el trabajo en equipo.
3. Desarrollar habilidades para la  investigación.
 

Contenidos: 

Objetivo específico

Eje Temático

Desglose

1

Fundamentos

  • Introducción

  • Antecedentes históricos

  • Principales enfoques 

  • Conceptos

2

Agentes Inteligentes

  • Noción 

  • Tipos de agente, por ej:

    • reactivo simple

    • basado en modelos

    • orientado a objetivos 

    • basado en su utilidad

2 y 3

Resolución de Problemas

  • Problemas de búsqueda

  • Búsqueda clásica

  • Búsqueda heurística

3

Representación de conocimiento y razonamiento.

  • Lógica:

    • Proposicional

    • Predicados de primer orden

    • Inferencia

  • Prolog

  • Motores de Inferencia

  • Sistemas Expertos

3

Aprendizaje

  • Definición de aprendizaje automático y aprendizaje profundo

  • Tipos

    • No supervisado

    • Supervisado

    • Por refuerzo

  • Modelos paramétricos y no paramétricos

Ejemplo de aprendizaje no supervisado y no paramétrico:  agrupamiento automático.  Ejemplo de supervisado parametrizado: modelo bayesiano, red neuronal, máquina de soporte vectorial. Ejemplo de aprendizaje con refuerzo: algoritmos genéticos.  Ejemplo de supervisado no paramétrico: árbol de decisión.

2 y 3

Comunicación y acción

  • Interacción entre agentes

    • Fundamentos de sistemas multi agente: comportamientos, actos comunicativos, ontologías y protocolos de comunicación 

    • Sistemas complejos e  inteligencia de enjambre

  • Fundamentos de robótica

  • Fundamentos de procesamiento de lenguaje natural: 

    • Tareas de procesamiento de lenguaje natural

    • Modelos de lenguaje  (probabilísticos)

    • Definición de modelo generativo de lenguaje 

4

Inteligencia artificial presente y futuro.

  • Representaciones vectoriales empotradas de palabras

  • Modelos generativos de lenguaje: Prompting 

  • Investigaciones recientes

  • Reflexión de cierre de curso: El futuro de la inteligencia artificial y sus implicaciones para la humanidad

Bibliografía: 

[1] John E. Hopcroft, Rajeev Motwani y Jeffrey D. Ullman. ((Introduction to Automata Theory, Languages, and Computation (3rd Edition))). Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA (2006).
[2] Stuart J. Russell y Peter Norvig. ((Artificial Intelligence: A Modern Approach)). Pearson Education, 2 edición (2003).

 

LIberación de responsabilidad: 

Este no es un documento oficial. Documentos oficiales se entregan en la secretaría de la escuela.