|
|
|
|
Inteligencia Artificial
Objetivo:
Los trabajos desarrollados en Inteligencia Artificial (IA) versan sobre la ciencia del conocimiento y las máquinas inteligentes. La primera modela y desarrolla estructuras que permiten explicar los mecanismos utilizados por el ser humano para resolver problemas. En cambio, las máquinas inteligentes son sistemas que ejecutan funciones similares a las desarrolladas por un especialista. Estas últimas constituyen las ramas de aplicación de la IA: Resolución de problemas, Sistemas Expertos, Procesamiento de Lenguaje Natural, Aprendizaje automático, Demostración automática de teoremas, Visión, Robótica, etc. Este curso se orienta principalmente a este último enfoque: las aplicaciones de la IA
Contenido:
- Representación del Conocimiento y mecanismo de inferencia en: Lógica simbólica: Cálculo proposicional
- Redes semánticas
- Reglas de producción
- Objetos estructurados
- Resolución de problemas
- Métodos clásicos en resolución. Descripción de estados y operadores. Procesos de búsqueda en grafos
- Métodos de propagación y de enumeración.
- Métodos de resolución por enumeración.
- Método del gradiente (escalada).
- Programación dinámica.
- Coloración optimal.
- Heurísticas admisibles. Funciones de evaluación. Algoritmos de búsqueda óptima
- Deducción automática empleando Cálculo Proposicional
- Algoritmo de unificación de acuerdo con la teoría de la demostración
- Encadenamiento hacia adelante y unificación
- Principio de resolución
- Ejemplos de aplicaciones
- Sistemas Expertos
- Diferentes modelos de razonamiento
- Arquitectura de sistemas expertos
- Motores de inferencia Cero
- Motores de inferencia con variable
- Razonamiento aproximado
- Origen de la incertidumbre
- Tratamiento de la incertidumbre
- Ejemplos de SE
- Aprendizaje automático
- Taxonomía del aprendizaje
- Aprendizaje Inductivo de conceptos
- Ejemplos de sistemas de aprendizaje
- Procesamiento de lenguaje natural escrito
- Diversas técnicas de análisis sintáctico y semántico. ATN, RTN. Descriptores funcionales
- Ejemplos de sistemas de comprensión de LN
Bibliografía:
- Stuart Russell y Peter Norvig. Artificial Intelligence: A Modern Approach, 2nd Edition. Prentice Hall. 2003. ISBN: 0137903952.
- Bolc, Leonard, Natural language parsing systems, 1987
- Brooke, Deborha L., Natural language processor as a universal front end to expert systems, 1983.
- C.L. Chang, R. Lee. Symbolic Logic and Mechanical Theorem Proving. Academic Press, 1973.
- Charniak, Eugene, Introduction to artificial intelligence, 1985
- Charniak, Eugene, Artificial intelligence programming, 1980
- Clancey, William J. de. Artificial intelligence and learning environments,
- Farreny, "Les Systèmes Experts: Principes et Examples". Cepadues, eds., 1985
- N. J. Nilson, Principios de Inteligencia Artificial. Díaz de Santos, 1987.
- P.H. Winston. Artificial Intelligence (Second Edition). Addison Wesley, Iberoamericana, eds., 1992
- Thayse, André, From natural language processing to logic for expert systems : a logic based approach to artificial intelligence, 1991.
|
|
|
|
|
|