Este curso está dirigido a los estudiantes de tercer año del énfasis en Ciencias de la Computación. Se estudiarán los temas fundamentales de los sistemas inteligentes para resolver problemas mediante las técnicas y los modelos propios de la inteligencia artificial. En este curso el estudiante desarrollará la capacidad de crear soluciones que usen las técnicas, modelos y paradigmas de la inteligencia artificial. En particular, el estudiante aprenderá a representar conocimiento y resolver problemas que requieran el uso de mecanismos de inferencia, exploración y búsqueda en espacios de soluciones. Adicionalmente, el estudiante podrá utilizar algunas técnicas básicas de control y aprendizaje para la resolución de problemas. El enfoque teórico-práctico del curso permite que el estudiante comprenda la teoría mediante la implementación de prototipos programados.
El objetivo general es que cada estudiante desarrolle la capacidad de explicar los problemas fundamentales de los sistemas inteligentes, en particular la representación del conocimiento, la inferencia, la búsqueda, el control y el aprendizaje; y resolver problemas mediante modelos basados en las técnicas y métodos de la inteligencia artificial.
Durante este curso el estudiante desarrollará habilidades para:
- Describir los antecedentes históricos de la inteligencia artificial, sus precursores y su relación con los sistemas inteligentes.
- Describir la jerarquía de lenguajes de Chomsky, enfocándose en los lenguajes regulares, libres de contexto y recursivamente enumerables.
- Describir y explicar las propiedades de máquina de Turing y su funcionamiento al procesar problemas de decisión.
- Desarrollar métodos para resolver problemas de representación, inferencia, búsqueda, control, aprendizaje, percepción y acción.
- Conocer los principales modelos de razonamiento bajo incertidumbre en sistemas inteligentes.
- Explicar los componentes esenciales y las metodologías de desarrollo de modelos computacionales de las capacidades cognoscitivas humanas.
Objetivo específico | Eje temático | Desglose |
---|---|---|
1 | La noción de inteligencia | Historia de la inteligencia artificial. Requerimientos de los sistemas inteligentes. |
2 | Introducción a los lenguajes formales | Autómatas finitos deterministas y no deterministas. Expresiones regulares (propiedades y pumping lemma). Lenguajes libres de contexto (autómatas con pila). |
2,3 | La máquina de Turing | Diseño de la máquina. Modelos razonables. La Máquina Universal. Computabilidad y decidibilidad. |
4 | Problemas fundamentales de la inteligencia artificial: representación, inferencia, búsqueda, control y aprendizaje. | Lenguajes de representación: cálculo de predicados, redes semánticas, marcos y representaciones subsimbólicas. Métodos de búsqueda en espacios finitos de estados. Búsqueda heurística. Modelado computacional de la inferencia: deductiva, abductiva, inductiva y analógica. Aprendizaje computacional: árboles de decisión, redes neuronales artificiales y computación evolutiva, en particular algoritmos genéticos. |
4 | Percepción y acción | Visión computacional, procesamiento de señales, reconocimiento de patrones. |
5 | Razonamiento bajo incertidumbre | Representación del conocimiento incierto y de creencias, lógicas para el razonamiento bajo incertidumbre, medidas de probabilidad, medidas de posibilidad y de plausibilidad, teorema de Bayes y redes bayesianas. |
6 | Ciencias cognoscitivas e inteligencia artificial | Supuestos teóricos y metodológicos. Percepción, reconocimiento de patrones, memoria, modelos mentales y resolución de problemas. |
[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).
Este no es un documento oficial. Documentos oficiales se entregan en la secretaría de la escuela.