Contenido del curso ia

1. U. CENTRAL DEL VALLE DEL CAUCA
FACULTAD DE INGENIERIA
PROGRAMA DE INGENIERIA DE SISTEMAS
Asignatura: INTELIGENCIA ARTIFICIAL
1. TELEOLOGÍA
• Introducción: Existen problemas tan complejos que no hay ningún algoritmo determinista que los solucione en un tiempo razonable. Sin embargo, las
personas (inteligencia humana) resuelven habitualmente estos problemas sin demasiado esfuerzo. Para intentar abordarlos con ayuda del computador, se
hace necesario recurrir a técnicas que se aproximen a la inteligencia humana. Estas técnicas se agrupan en lo que se ha dado en llamar inteligencia artificial.
Primero se dará una introducción a la lógica clásica donde se verán sus propiedades y conceptos sobre los que se soporta: completitud, monotonía, prueba
versus verdad, sistemas deductivos, sistemas axiomáticos de tipo Hilbert, etc.
La lógica clásica, que es bien conocida, no modela necesariamente nuestro problema del mundo real que queremos resolver. Por ello se han desarrollado
extensiones (llamadas lógicas no clásicas) donde algunos de los principios básicos se violan (por ejemplo, el principio del ?tercero excluido?) tratando de
preservar el resto de propiedades. Con ello surgen otras lógicas (multivaluada, borrosa, anotada, modal, temporal...) que pueden servir para modelar con
mayor exactitud el problema que queremos abordar.
Una tendencia que se ha impuesto para abordar problemas difíciles es tratar de imitar como la naturaleza los resuelve. De ahí surgen dos áreas: a) redes
neuronales, que imitan grosso modo la arquitectura del cerebro, en la esperanza de lograr así comportamientos similares (la capacidad del cerebro de
resolver problemas). Y b) computación evolutiva, donde lo que se imita son los procesos adaptativo-creativos, descubiertos por Darwin en los sistemas
biológicos, y que hoy día se ha visto que ocurren también en sistemas económicos, sociales, físicos, químicos y computacionales.
Por último se presentarán algunas técnicas de razonamiento probabilístico, que sirven para crear modelos de problema a estudiar, donde sabemos y
aceptamos desde el primer momento que las medidas que hagamos en esos sistemas son imprecisas, contienen ruido y que, por tanto, lo más que podemos
hacer es asignar probabilidades de que el sistema esté en un estado o que vaya a hacer transición a otro estado.
Todas estas técnicas, si bien no resuelven todavía el problema general de ?como abordar un problema difícil?, si han madurado lo suficiente como para que
sean de aplicación en variados campos de la industria. Como consecuencia de ello, también han cruzado entre sí múltiples ideas, que dan lugar a técnicas
híbridas (neuro-borrosas, evolución para entrenar redes neuronales, etc.).
• Justificación: Para los ingenieros en sistemas, se hace necesario conocer las técnicas que permitan proporcionar a los sistemas de computo un nivel de
decisión que trate de emular las realizadas por un humano.
• Presentación de la asignatura: El curso de inteligencia artificial esta estructurado en sesiones teóricas y prácticas donde se ven los conceptos básicos y se
plantean problemas relacionados con el tema que se deben estudiar y tratar de solucionar.
• Objetivos de aprendizaje: El objetivo del curso es conocer cuales son estas técnicas, cual es su fundamento teórico, como se utilizan, cuando tiene sentido
utilizar cada una y cuales son sus limitaciones.

2. UNIDAD CENTRAL DEL VALLE DEL CAUCA
FACULTAD
PROGRAMA
ASIGNATURA: INTELIGENCIA ARTIFICIAL CÓDIGO: SEMESTRE: VIII
INTENSIDAD HORARIA: 4 h/sem ÁREA: CRÉDITOS:
PRERREQUISITOS:
SESIÓN Y DURACIÓN UNIDADES TEMATICAS CONCEPTOS ESTRATEGIAS COMPETENCIAS INDICADOR EVALUACION
HP AC AU SEM PEDAGÓGICAS A ALCANZAR
4 2 2 2 Introducción a la inteligencia • Bases y Explicación Conocer los Conoce la Participación en
artificial antecedentes teórica sobre los conceptos terminología clase.
• Concepto e temas básicos de mas usada en
historia propuestos, inteligencia inteligencia
presentación de artificial artificial, la
documentales historia y los
sobre conceptos modelos mas
y plataformas usados.
12 2 2 3 lógica clásica • Cálculo de Explicación de -Conocer los Resolucion de Talleres en
predicados. los conceptos y fundamentos problemas dentro grupo
planteamiento de de la logica del marco logico
• Completitud. problemas. Uso clasica. Participación en
de lisp y prolog clase.
• Monotonía.
8 2 2 2 Lógica no clásica 1. Equivalencia Explicación de - Conocer los Resolucion de Talleres en
Lógica y los conceptos diferentes problemas dentro grupo
Sustitución modelos y su del marco logico
aplicación en
2. Funciones y inteligencia
Términos artificial.

3. 3. Modelos
Herbrand
8 2 2 2 Logica difusa • Conceptos Explicación de Saber abordar Escribir Participación en
basicos. los conceptos y problemas programas para clase.
• Conjuntos planteamiento de desde el punto realizar tareas
difusos. problemas. Uso de vista difuso. difusas.
• Reglas de simuladores,
difusas. para comprobar
los conceptos.
8 2 2 2 • Modelos de Conoce Saber cuales Poder escoger el Talleres en
Razonamiento probabilístico Markov. razonamientos son los mod.elo grupo
• Teorema de donde se hacen modelos de adecuado ante
bayes. uso de modelos markov y el diferentes tipos
donde se admite teorema de de problemas
imprecisión bayes y
escoger las
situaciones
donde mejor se
aplican.
12 1 1 3 Redes neuronales • Conceptos Explicar los Conocer los Escribir Participación en
básicos: modelos basados diferentes programas que clase.
motivación y en el modelos representen los
origen. funcionamiento neuronales y diferentes
Inspiración del cerebro. saber en que modelos de
bológica. La situaciones se redes
neurona artificial. pueden usar. neuronales.
• Arquitecturas
: redes mono
capa, multicapa y
recurrentes
• Procesos de
aprendizaje:
corrección de
error, basado en
memoria,
Hebbiano,
competitivo y

4. estocástico.
• Algoritmos
backpropagation
y métodos de
aceleración del
aprendizaje.
• Mapas auto-
organizados y
redes de base
radial.
• Aplicaciones
en
reconocimiento y
clasificación de
patrones.
8 2 2 2 Computación evolutiva • Algoritmos Explicar Saber Poder escoger Participación en
geneticos conceptos y implementar un tipo de clase.
• modelos aplicaciones en una aplicación rmodelo
hibridos inteligencia poder especifico.
artificial. Utilizar programarla.
simuladores para
afianzar el
conocimiento
HP: Horas Presénciales AC: Horas con Acompañamiento AU: Horas de trabajo Autónomo SEM: Semana
BIBLIOGRAFIA
• ARTIFICIAL INTELLIGENCE, A Systems Approach . M. TIM JONES. INFINITY SCIENCE PRESS LLC, 2008
• Fuzzy Modeling and Genetic Algorithms for Data Mining and Exploration, Earl Cox . Morgan Kaufmann Publishers,2005
• C++ Neural Networks and Fuzzy Logic. Valluru B. Rao. MTBooks, IDG Books Worldwide, Inc., 1995