Intel.ligència Artificial (IA)

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.

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.

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

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 treball continuat a classe de laboratori pot pujar la nota final de laboratori.

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

Adicionalment es podran proposar treballs voluntaris que podran pujar la nota final de l'assignatura fins a un punt extra

• 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.
• R. Mitkov (editor) The Oxford handbook of Computational Linguistics, Oxford University Press, 2003.
• Giarratano, Joseph C., Riley, Gary D. Expert Systems: Principles and Programming, Brooks/Cole, 2003.
• PALMA, Jose, MARIN, Roque Inteligencia Artificial: Técnicas, métodos y aplicaciones, McGraw Hill, 2008.

• 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.
• Dechter, Rina Constraint processing, Morgan Kaufmann Publishers , .
• Jackson, P. Introduction to Expert Systems, Addison-Wesley, 1990.

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

- Conceptes bàsics 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 IL i ADA