Coneixement i Raonament Automàtic

Esteu aquí

Crèdits
6
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
CS
Mail
L'assignatura és una introducció als conceptes bàsics del raonament i la seva automatització. Comença amb una introducció a la lògica proposicional i de primer ordre i a la programació lògica. A partir de la caracterització lògica de les diverses formes d'inferència s'introdueixen les variants que permeten enfrontar el raonament aproximat sota incertesa i ambigüitat. A partir d'aquests coneixements es presenten incomparen les representacions de coneixement relacionals i les arquitectures clàssiques dels sistemes basats en coneixement.

Professors

Responsable

  • Ramon Sangüesa Sole ( )

Hores setmanals

Teoria
2
Problemes
1
Laboratori
1
Aprenentatge dirigit
0.4
Aprenentatge autònom
5.6

Competències

Competències Transversals

Transversals

  • CT4 [Avaluable] - Treball en equip. Ser capaç de treballar com a membre d'un equip interdisciplinari, ja sigui com un membre més o realitzant tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes amb pragmatisme i sentit de la responsabilitat, assumint compromisos tenint en compte els recursos disponibles.
  • CT5 [Avaluable] - Ús solvent dels recursos d'informació. Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i informació en l'àmbit de l'especialitat i valorar de forma crítica els resultats d'aquesta gestió.

Competències Tècniques

Específiques

  • CE02 - Dominar els conceptes bàsics de matemàtica discreta, lògica, algorísmica i complexitat computacional i la seva aplicació per al tractament automàtic de la informació per mitjà de sistemes computacionals i la seva aplicació per a la resolució de problemes.
  • CE15 - Adquirir, formalitzar i representar el coneixement humà en una forma computable per a la resolució de problemes mitjançant un sistema informàtic en qualsevol àmbit d'aplicació, particularment els relacionats amb aspectes de computació, percepció i actuació en ambients o entorns intel·ligents.
  • CE18 - Adquirir i desenvolupar tècniques d'aprenentatge computacional i dissenyar i implementar aplicacions i sistemes que les utilitzin, incloent les dedicades a extracció automàtica d'informació i coneixement a partir de grans volums de dades.

Competències Tècniques Generals

Genèriques

  • CG2 - Utilitzar els coneixements fonamentals i metodologies de treball sòlides adquirits durant els estudis per adaptar-se als nous escenaris tecnològics de el futur.
  • CG4 - Raonar, analitzant la realitat i dissenyant algoritmes i formulacions que la modelin. Identificar problemes i construir solucions algorísmiques o matemàtiques vàlides, eventualment noves, integrant el coneixement multidisciplinari necessari, valorant diferents alternatives amb esperit crític, justificant les decisions preses, interpretant i sintetitzant els resultats en el context de l'domini d'aplicació i establint generalitzacions metodològiques a partir de aplicacions concretes.
  • CG5 - Treballar en equips i projectes multidisciplinaris relacionats amb la intel·ligència artificial i la robòtica, interactuant fluidament amb enginyers/es i professionals d'altres disciplines.

Objectius

  1. Conèixer el concepte de lògica (sintaxi i semàntica).
    Competències relacionades: CE02, CE15,
  2. Entendre, escriure i manipular àgilment fórmules en diverses lògiques (proposicional, de primer ordre, descriptiva, difusa), amb especial èmfasi en les aplicacions a la informàtica.
    Competències relacionades: CG4, CE02, CE15, CE18,
  3. Saber aplicar els fonaments lògics a algunes de les aplicacions, cada vegada més abundants, en la informàtica dels mètodes de raonament.
    Competències relacionades: CG2, CG4, CE02, CE15,
  4. Analitzar les necessitats de coneixement per resoldre un problema.
    Competències relacionades: CG2, CG4, CG5, CT5, CE15, CE18,
  5. Analitzar un problema i determinar quines tècniques de representació i raonament són les més adequades.
    Competències relacionades: CG2, CG4, CG5, CT5, CE15,
  6. Extreure i representar el coneixement necessari per a construir una aplicació en l'àmbit dels sistemes basats en el coneixement
    Competències relacionades: CG2, CG4, CG5, CT4, CT5, CE15, CE18,

Continguts

  1. Introducció: Intel·ligencia, Coneixement, Raó, Raonament i Computació.
    Presentació del paper del raonament en la intel·ligència. El coneixement i la seva representació en relació al raonament. Els diversos tipus de coneixement: declaratiu (relacional, heretable, inferible), procedural, implícit, a priori i accionable.
  2. Raonament i Lògica.
    Lògica com a representació del coneixement. Lògica con a mecanisme de raonament. Clausura lògica.
  3. Lògica proposicional.
    Introducció a la lògica i els conceptes bàsics de caractertizació i ús: satisfacció, tautologia, conseqüència i equivalència. Poder expressiu vs. cost computacional. Deducció en Lògica Proposicional.
  4. Lògica de Primer Ordre
    Lògica de primer ordre: formes normals, literals i clàusules. Poder expressiu i decidibilitat. Propietats dels sistemes lògics computacionals. Deducció en Lògica de Primer Ordre.
  5. Programació Lògica
    Introducción a la programació lógica càlcul de respostes, estrategsie de resolució, gestió de l'backtracking.
  6. Sistemes Basats en Coneixement: arquitectures bàsiques
    Els sistemes basats en coneixement: similituds i diferències amb els sistemes lògics. Components d'un sistema basats en coneixement. Estratègies de raonament.
  7. Raonament aproximat.
    Caracterització del raonament aproximat: Incertesa, imprecisió, ambigüetat. Els condicionants del raonament aproximat. Incertesa en el coneixement vs. incertesa en les dades. Caracterització genèrica dels principals mètodes de raonament aproximat.
  8. Raonament Probabilistic.
    Teoria de la Probabilitat per al tractament de la incertesa. Xarxes Bayesianes. Inferència en Xarxes Bayesianes. Variants: factors de certesa, evidència.
  9. Raonament Difús.
    Teoria de la Possibilitat i Lògica Difusa. Incertesa i Ambigüitat. Inferència en Lògica Difusa.
  10. Altres formes d'inferència.
    Inducció, abducció, analogia, raonament basat en casos, Raonament Basat en Casos: model i cicle d'execució dels sistemes basats en casos. Organització interna de la Base de Casos.
  11. Modelat de coneixement semàntic.
    Xarxes Semàntiques i xarxes de Frames. Lògica Descriptiva.
  12. Ontologies i raonament.
    Concepte d'Ontologia. Formes de raonament en ontologies.
  13. L'enginyeria dels sistemes basats en coneixement.
    Enginyeria del coneixement. Fases del desenvolupament d'un sistema basat en coneixement,.

Activitats

Activitat Acte avaluatiu


Intel·ligencia, Coneixement, Raó, Raonament i Computació

Presentació dels conceptes fonamentals que lliguen intel·ligència amb raonament, raonament amb coneixement i aquest amb la seva representació. El raonament com a manipulació de representacions. Raonament com a càlcul.
Objectius: 1 2 3
Continguts:
Teoria
1h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
2h

Lògica proposicional.


  • Problemes: Problemes bàsics dels esquemes fonamentals d'inferència
Objectius: 1 2
Continguts:
Teoria
4h
Problemes
2h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
6h

Lògica de primer ordre

Cal entendre i practicar les diveres formes i mètodes d'inferència lògica així com encabir els límits expressius d'aquest llenguatge, que resulta una extensió del que permet la lògica proposicional i alhora ens permet entendre la seva relació amb les propietats que interessen des del punt de vista de la seva realització per mitjans computacionals. Això permet entendre les bases de la programació lògica.
Objectius: 1 2 3 4
Continguts:
Teoria
6h
Problemes
4h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
7h

Programació Lògica.

Cal entendre el llenguatge de programació lògica com una transposició computacional dels mecanismes d'inferència de la lògica de primer ordre i al mateix temps entendre'n les diferències. Es practicarà intensament al laboratori amb exercicis de dificultat creixent que serviran per preparar l'examen específic de programació lògica.
Objectius: 1 2 3 4
Continguts:
Teoria
4h
Problemes
0h
Laboratori
7h
Aprenentatge dirigit
0h
Aprenentatge autònom
17h

Sistemes basats en coneixement. Arquitectures bàsiques.

Cal entendre i estudiar el paper del coneixement en general (més enllà de les representacions lògicques) en sistemes que utilitzen coneixement per prendre decisions i veure les diferències i similituds amb el que es pot representar i amb el que es pot inferir en sistemes lògics.
Objectius: 4 5
Continguts:
Teoria
1h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
1h

Raonament probabilistic.

Cal entendre i practicar amb diversos exercicis com treballar amb coneixement que és incert. Les formalitzacions probabilistes permeten enfrontar-nos a la molt comuna situació en què hi ha incertesa en la realitat sobre la que hem de raonar. Al laboratori practicarem en la representació de coneixement probabilistic i utilitzarem entorns que l'admenten, realitzant exercicis cada cop més complexos que ens permetran perparar l'examen corresponent.
Objectius: 2 3 4 5 6
Continguts:
Teoria
2h
Problemes
1h
Laboratori
1h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Raonament Difús.

Veurem que la teoria de la probabilitat té algunes dificultats per representar situacions que son imprecises o ambigües o que combinen aquestes propietats amb la incertesa. Cal entendre la Teoria de la Possibilitat com relacionada amb una representació adient per aquests condicions: els conjunts difusos. Al laboratori practicarem amb exercicis de representació i raonament difusos cada cop més complexos per confrontar l'examen corresponent.
Objectius: 2 3 4 5 6
Continguts:
Teoria
2h
Problemes
1h
Laboratori
1h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Altres formes d'inferència

Cal entendre que la deducció és una forma de raonament entre moltes altres que hem desenvolupat. Entendrem i practicarem mitjançant exercicis la inferència inductiva, base de les ciències experimentals i, en general, de totes les que generaltizen a partir d'observacions (i les dades corresponents) ; la inferència abductiva com una inferència generativa i l'analogia o el raonament basat en casos com un tipus de raonament on la similitud entre els components i estructura d'una situació posen en marxa un raonament que té conseqüències útils i pràctiques. Els diversos exercicis ens permetran afermar el coneixement de les possibilitats i limitacions d'aquests tipus de coneixement, sempre comparant-los amb les propietats de les lògiques estàndard.
Objectius: 1 2 3 4 5 6
Continguts:
Teoria
2h
Problemes
1h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
2h

Modelat del coneixement semàntic. Ontologies.

Les ontologies son formalismes basats en jerarquies de conceptes i relacions. N'estudiarem les principals realitzacions i formalismes i a laboratori treballarem amb entorns de desenvolupament d'ontologies. Els estudiants no només han d'assistir a les lliçons, sinó també fer exercicis sobre la utilització de les ontologies i discutir amb el professor i altres estudiants quan és millor utilitzar cada tècnica. Al laboratori els estudiants aplicaran el que han après en un problema.
Objectius: 3 4 5 6
Continguts:
Teoria
2h
Problemes
1h
Laboratori
2h
Aprenentatge dirigit
0h
Aprenentatge autònom
7h

Inferència amb ontologies. Lògica de descripcions.

Veurem la relació entre ontologies i lògica a través d'un tipus concret de lògica: la lògica de descripciones. Practicarem amb aquests conceptes al laboratori.
Objectius: 1 2 3 4 5 6
Continguts:
Teoria
4h
Problemes
1h
Laboratori
3h
Aprenentatge dirigit
0h
Aprenentatge autònom
6h

Els Sistemes Basats en Coneixement i la seva enginyeria.

Aprendrem com es construeix un sistema basat en coneixement des de la seva concepció fins a la seva implementació amb especial èmfasi en les tècniques d'elicitació de coneixements i en la importància de validar-los. Estudiarem la relació dels mètodes necessaris en cada fase de la construció del SBC i els compararem amb altres mètodes alternatius i complementàries de construcció de bases de coneixement a partir de dades. Haureu de realitzar el disseny d'un petit sistema basat en coneixements.
Objectius: 4 5 6
Continguts:
Teoria
2h
Problemes
2h
Laboratori
0h
Aprenentatge dirigit
3h
Aprenentatge autònom
6h

Control Raonament Aproximat.



Setmana: 8
Tipus: examen de problemes
Teoria
0h
Problemes
1h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
4h

Control Ontologies i Lógica de Descripciones


Objectius: 1 2 3 4 5 6
Setmana: 11
Tipus: examen de problemes
Teoria
0h
Problemes
1h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
8h

Controll de programació lògica

Examen usant entorn de programació lògica que es composa d'exercicis de programació lógica per comprobar el nivell d'assoliment en aquest enfoc de la programació que està relacionat amb diverses formes de raonament.
Objectius: 1 2 3
Setmana: 6
Tipus: examen de laboratori
Teoria
0h
Problemes
0h
Laboratori
1h
Aprenentatge dirigit
0h
Aprenentatge autònom
10h

Examen Final

Exercici teòrico-pràctic que cobreix els temes del curs.
Objectius: 1 2 3 4 5 6
Setmana: 18 (Fora d'horari lectiu)
Tipus: examen final
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
3h
Aprenentatge autònom
0h

Metodologia docent

La metodologia docente consistirà en l'exposició de la teoria en classes de teoria i l'aplicació dels conceptes en les classes de problemes i laboratori i a petits projectes de treball en grup.


.

Mètode d'avaluació

L'avaluació es basa en diversos controls de blocs temàtics i un examen i l'avaluació de les assignacions del curs en problemes i laborator.L'examen final posa a prova els coneixements teòrics i de metodologia adquirits pels estudiants durant el curs. La qualificació de les assignacions del curs es basarà en les presentacions dels petits problemes proposats durant el curs. La nota de laboratori es basarà en els informes i treballs pràctics de laboratori duts a terme durant el curs.

La qualificació final es calcularà de la següent manera:

0.30*nota control programació lògica + 0.1* nota control Raonament Aproximat + 0.20*control Ontologies i Lògica de descripcions + 0,1* treballs de problemes i laboratori + 0.35 Examen final.


Evaluació de les competencies

L'avaluació de la competència de treball en equip es basa en el treball realitzat durant els treballs de pràctiques.

L'avaluació de la competència. Ús solvent dels recursos d'informació es basa tant en el treball de pràctiques com en els exercis de problemes i laboratoris.

Bibliografia

Bàsica:

Complementaria:

  • Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference - Pearl, Judea, Morgan Kaufmann, Publishers , 1988. ISBN: 1558604790

Capacitats prèvies

Les habituals en un primer curs universitari amb especial rellevància dels continguts de ciència i matemàtiques,

Addenda

Continguts

No es preveu cap canvi de continguts.

Metodologia docent

La metodologia docent s'adequarà a la situació del moment. Es faran de forma no presencial amb Meet les activitats que no es puguin dur a terme de forma presencial.

Mètode d'avaluació

Està previst fer els exàmens de forma presencial. Si la situació no ho permetès, es farien de forma no presencial amb Meet i/o la plataforma Atenea, o qualsevol medi similar facilitat per la UPC.

Pla de contingència

Si no fos possible dur a terme activitats presencials, es farien tant les classses de teoria, com de problemes de forma no presencial amb Meet, així com tots els actes d'avaluació de forma no presencial utilitzant Meet i/o la plataforma Atenea.