Intel.ligència Artificial ( IA )

Professors

Responsable:	Javier Béjar Alonso (bejarlsi.upc.edu).
Altres:	Jordi Turmo Borrás (turmolsi.upc.edu) M. Teresa Abad Soriano (teresalsi.upc.edu) Miquel Sanchez Marre (miquellsi.upc.edu) Nuria Castell Ariño (castelllsi.upc.edu) Ramon Sangüesa I Sole (sanguesalsi.upc.edu).

Objectius Generals

Presentar un panorama dels problemes que tracta la Intel·ligència
Artificial, així com dels fonaments teòrics i formes d'aplicació de
les tècniques generals que inclou. Es tractaran les dues àrees
bàsiques de la Intel·ligència Artificial: la resolució de problemes
(incloent l'espai d'estats, la cerca heurística i la satisfacció de
restriccions), i la representació del coneixement. Per completar la
visió de l'àrea es presentaran els dos temes que tenen actualment un
major grau de presència a l'àmbit de les aplicacions i de recerca: el
Tractament del Llenguatge Natural i els Sistemes Basats en el
Coneixement. L'enfocament de l'assignatura serà pràctic.

Objectius Específics

Coneixements

1. Abast i necessitat de les técniques d'Intel·ligència Artificial
2. Conceptes bàsics sobre resolució de problemes i representació del coneixement.
3. Conceptes bàsics de sistemes basats en el coneixement, disseny i construcció de sistemes basats en el coneixement.
4. Conceptes bàsic de les tècniques de tractament del llenguatge natural, utilització d'eines i anàlisi d'aplicacions.
5. Coneixement bàsic dels llenguatges que es fan servir a les aplicacions d'Intel.ligència Artificial.

Habilitats

1. Analitzar un problema i determina quines técniques d'intel.ligència artificial son les mes adequades.
2. Analitzar les necesitats de coneixement necesaries per resoldre un problema.
3. Extreure i representar el coneixement necesari per construir una aplicació dins de ls àmbits dels sistemes basats en el coneixement i el tractament del llenguatge natural.

Competències

1. Capacitat de resoldre problemes aplicant els mètodes de la ciència i l'enginyeria
2. Capacitat per crear i utilitzar models de la realitat.
3. Capacitat per dissenyar i dur a terme experiments, i d'analitzar-ne els resultats.
4. Saber aplicar el cicle de resolució de problemes típic de la ciència i l'enginyeria: especificació, generació d'idees i alternatives, disseny d'una estratègia de solució, execució de l'estratègia, validació, interpretació i avaluació dels resultats. Capacitat d'analitzar el procés un cop acabat.
5. Capacitat per argumentar lògicament les decisions preses, la feina feta o un punt de vista. Capacitat per donar opinions, raonaments i justificacions fonamentades per tal de convèncer.
6. Capacitat d'anàlisi i de síntesi.

Continguts

Hores estimades de:

Metodologia docent

Les clases estan dividides en sessions de teoría, problemes i laboratori. A les sessions de teoría es desenvoluparan els coneixements de l'assignatura. Les classes de problemes permetran aprofondir en les técniques i algorismes explicats a les sessions de teoría.

A les clases de laboratori es desenvoluparan petites pràctiques utilitzant eines i llenguatges propis de la Intel·ligència Artificial que permetran practicar i reforçar els coneixements de les classes de teoría

Mètode d'avaluació

L'avaluació constarà d'un examen pacial, un examen final i una nota de laboratori.

L'examen parcial no serà alliberatori i es fara a hores de clase. Les persones que no aprovin o no facin l'examen parcial seran avaluades només amb la nota de l'examen final.

La nota de laboratori provindrà dels informes que es faran de les practiques realitzades. El càlcul de la nota final es farà de la següent manera:

Nota Final= max (Nota examen parcial* 0.15 + Nota examen final * 0.55, Nota examen final * 0.7)+ Nota laboratori * 0.3

Bibliografía bàsica

• Russell, S. & Norvig. P Artificial Intelligence a Modern Approach, Prentice Hall, 2003.
• Luger, G, Stubblefield, W Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Addison-Wesley, 1998.
• P. Jackson Introduction to Expert Systems, Addison-Wesley, 1990.
• Lucas, P., van Der Gaag, L. Principles of Expert Systems, Addison-Wesley, 1991.
• R. Mitkov (editor) The Oxford handbook of Computational Linguistics, Oxford University Press, 2003.

Bibliografía complementària

• Nilsson, N. Artificial Intelligence: A new Synthesis, Morgan Kauffman, 1998.
• Escolano, F. et al Inteligencia Artificial. Modelos, técnicas y áreas de aplicación, Thomson , 2003.
• Gonzalez, A.J., Dankel, D.D. The engineering of Knowledge-Based Systems, Prentice-Hall, 1993.
• Allen, J. Natural Language Understanding, Benjamin/CummingsPublishing Company, 195.
• Clocksin, W.F., Mellish, C.S. Programming in Prolog, Springer Verlag, 1987.

Enllaços web

1. http://www.lsi.upc.edu/~bejar/ia/ia.html
   Página oficial de l'assignatura

Capacitats prèvies

- Conceptes bàsic de lógica de proposicions i predicats
- Capacitat de formular un problema en termes lógics.
- Inferència lógica. Resolució. Estrategies de resolució.
- Estructures d'àrbres i grafs, algorismes de recorregut i cerca.
- Nocions bàsiques de complexitat.

Per tant, es proposa que per cursar IA calgui haver superat
Introducció a la Lògica i Estructures de Dades i Algorismes.