LICENCIATURA

Introducción a la Inteligencia Artificial

Descripción y conceptualización del curso: El campo de la inteligencia artificial concierne al diseño y análisis de algoritmos que simulen la inteligencia humana. Estos algoritmos son implementados en programas de computadora. Dichas computadoras pueden tener cuerpo y constituir un agente autó nomo, con sensores y actuadores. Un agente autónomo tiene que percibir su entorno y realizar tareas dentro de él, posiblemente interactuando con otros agentes o con seres humanos. Este curso cubre las bases de las principales técnicas desarrolladas para proveer una computadora con la capacidad de razonar o responder en forma similar al ser humano. Ejemplo de estas técnicas son lógica simbólica, razonamiento probabilístico, redes neuronales y algoritmos de búsqueda en grafos con heurísticas. También son cubiertas algunas técnicas de simulación de vida artificial, con algoritmos genéticos por ejemplo.

Objetivo general: Introducir al alumno a los conceptos fundamentales y a las técnicas básicas de la inteligencia artificial.

Abril

Contenido tematico

  1. Problemas Fundamentales de la Inteligencia Artificial. (Dias 01, Dias 02 , Dias 03)
    1. Turing y el juego. (Turing)
    2. Sistemas simbolicos. (Newell)
    3. El cuarto chino de Searle. (Searle)
    4. El problema de la cimentacion de simbolos. (Harnad)
    5. Barsalou y la cognición cimentada (Barsalou)


  2. Estrategias de búsqueda básicas.
    1. Búsqueda en espacios de estado. Grafos de estado. Búsqueda no informada (Programa en c)
    2. Búsqueda informada (heurísticas). Primero el mejor. Búsqueda A* y admisibilidad. (Clase 1 y 2)
    3. Búsqueda entre adversarios. Los procedimientos minimax y alfa-beta. (Clase 3) (Mapa robot) (Mapas 6X6) (Mapas 15X15) (Programa robot)


  3. Representación del conocimiento.
    1. Lógica proposicional y de predicados.
    2. Razonamiento Probabilistico.
    3. Teorema de Bayes. Definición del teorema de Bayes, aplicación del teorema de Bayes en problemas prácticos.


  4. Evolución artificial.
    1. Algoritmos genéticos. (Descargar_Presentación)

      Definición de los algoritmos genéticos, recombinación y mutación, programación genética.
    2. Vida artificial


  5. Aprendizaje de maquina.
    1. Definición y ejemplos de máquinas de aprendizaje.
    2. Aprendizaje supervisado. Redes de aprendizaje neural. El perceptrón. Perceptrón multicapa. Propagación del error.
    3. Aprendizaje no supervisado. Mapas de Kohonen. (mapas)
    4. Algoritmo del vecino más cercano.


  6. Agentes Autiónomos Artificiales.
    1. Definición de agentes. Vehículos Braitenberg. Principios de diseño de agentes. (Presentación)
    2. Cogniciión embebida. Fundamentos historicos. (Embodied cognition)

    3. Robótica evolutiva. Casos de estudio. (archivo 1) (archivo 2) (archivo 3)
    4. Robótica cognitiva. Casos de estudio. (mapa 1)
      5. (mapa 2)







MCC

Introduccion a la Inteligencia Artificial

OBJETIVO: Introducir al alumno a los conceptos fundamentales y técnicas de la inteligencia artificial alumno. El alumno conocerá las diferencias fundamentales en las principales escuelas de pensamiento de la Inteligencia Artificial, asi mismo el alumno podra relacionar la evolucion de estas escuelas con respecto a los descubrimientos y escuelas de las ciencias cognitivas.

Perfil de Egreso: El alumno podra hacer una clara distinción entre la antigua escuela de inteligencia artificial, conocida como GOFAI y basada en la manipulación de simbolos no cimentados y las nuevas escuelas tales como la robótica cognitiva. Al mismo tiempo, el alumno conocerá las técnicas básicas utilizadas para representar el conocimiento. Al finalizar el curso, el alumno conocerá las razones que justifican el uso de agentes artificiales autónomos para el estudio y comprensión de la cognicion humana.



Contenido tematico

  1. Problemas Fundamentales de la Inteligencia Artificial. (Articulo mio, Presentacion)
    1. El test de Turing. (Turing)
    2. El cuarto chino de Searle. (Searle)
    3. El problema de la cimentacion de simbolos. (Harnad)
    4. El problema de la relevancia (The frame problem). (Dennet)
    5. Nueva inteligencia artificial vs GOFAI (Ziemke)
    6. Grounded Cognition (Dias)


  2. Representación del conocimiento.
    1. Lógica proposicional y de predicados.
    2. Razonamiento Probabilistico.
    3. Teorema de Bayes. Definición del teorema de Bayes, aplicación del teorema de Bayes en problemas prácticos.


  3. Evolución artificial.
    1. Algoritmos genéticos. (Descargar_Presentación)

      Definición de los algoritmos genéticos, recombinación y mutación, programación genética.
    2. Vida artificial


  4. Aprendizaje de maquina.
    1. Definición y ejemplos de máquinas de aprendizaje.
    2. Aprendizaje supervisado. Redes de aprendizaje neural. El perceptrón. Perceptrón multicapa. Propagación del error.
    3. Aprendizaje no supervisado. Mapas de Kohonen. (mapas)
    4. Algoritmo del vecino más cercano.


  5. Agentes Autónomos Artificiales.
    1. Definición de agentes. Vehículos Braitenberg (Vehiculos) . Principios de diseño de agentes. (Presentacin)
    2. Cognición embebida. Fundamentos historicos. (Embodied cognition)

    3. Robótica cognitiva. Casos de estudio. (articulo 1) (articulo 2) (articulo 3)
      4. (articulo 4)