Conocimiento y Razonamiento Automático

Usted está aquí

Inicio » Estudios » Grados » Grado en Inteligencia Artificial » Plan de estudios » Asignaturas » Conocimiento y Razonamiento Automático
Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
CS
Mail
La asignatura es una introducción a los conceptos básicos del razonamiento y su automatización.

Empieza con una introducción histórica sobre los diversos paradigmas de la IA para ubicar el papel del conocimiento en la inteligencia, así como el del razonamiento. Se argumenta que la manipulación de representaciones del conocimiento puede estar en la base de la automatización del razonamiento, que es una de las formas de obtener comportamientos inteligentes en agentes artificiales.

Se caracteriza a la lógica como un formalismo básico para representar conocimiento. A partir de la caracterización lógica de las distintas formas de inferencia se motiva la necesidad del aprendizaje para que un agente inteligente pueda actuar como tal.

Profesorado

Responsable

  • Ramon Sangüesa Sole ( )

Otros

  • Caroline König ( )

Horas semanales

Teoría
2
Problemas
1
Laboratorio
1
Aprendizaje dirigido
0
Aprendizaje autónomo
6

Competencias

Competencias Transversales

Transversales

  • CT4 [Avaluable] - Trabajo en equipo. Ser capaz de trabajar como miembro de un equipo interdisciplinar, ya sea como un miembro más o realizando tareas de dirección, con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.
  • CT5 [Avaluable] - Uso solvente de los recursos de información. Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información en el ámbito de especialidad y valorar de forma crítica los resultados de dicha gestión.

Competencias Técnicas

Específicas

  • CE02 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica y complejidad computacional, y su aplicación para el tratamiento automático de la información por medio de sistemas computacionales y su aplicación para la resolución de problemas.
  • CE15 - Adquirir, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación,percepción y actuación en ambientes o entornos inteligentes.
  • CE18 - Adquirir y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.

Competencias Técnicas Genéricas

Genéricas

  • CG2 - Utilizar los conocimientos fundamentales y metodologías de trabajo sólidas adquiridos durante los estudios para adaptarse a los nuevos escenarios tecnológicos del futuro.
  • CG4 - Razonar, analizando la realidad y diseñando algoritmos y formulaciones que la modelen. Identificar problemas y construir soluciones algorítmicas o matemáticas válidas, eventualmente nuevas, integrando el conocimiento multidisciplinar necesario, valorando distintas alternativas con espíritu crítico, justificando las decisiones tomadas, interpretando y sintetizando los resultados en el contexto del dominio de aplicación y estableciendo generalizaciones metodológicas a partir de aplicaciones concretas.
  • CG5 - Trabajar en equipos y proyectos multidisciplinares relacionados con la inteligencia artificial y la robótica, interactuando fluidamente con ingenieros/as y profesionales de otras disciplinas.

Objetivos

  1. Conocer el concepto de lógica (sintaxis y semántica).
    Competencias relacionadas: CE02, CE15,
  2. Saber aplicar los fundamentos lógicos al creciente número de aplicaciones de los métodos de razonamiento a la informática
    Competencias relacionadas: CG2, CG4, CE02, CE15,
  3. Analizar las necesidades de conocimiento para resolver un problema
    Competencias relacionadas: CG2, CG4, CG5, CT5, CE15, CE18,
  4. Analizar un problema y determinar qué técnicas de representación y razonamiento són las más adecuades.
    Competencias relacionadas: CG2, CG4, CG5, CT5, CE15,
  5. Extraer y representar el conocimiento necesario para construir una aplicación en el ámbito de los sistemas basados en conocimientos.
    Competencias relacionadas: CG2, CG4, CG5, CT4, CT5, CE15, CE18,
  6. Entender, escribir y manipular ágilmente fórmulas en varias lógicas (proposicional, de primer orden, descriptiva, difusa), con especial énfasis en las aplicaciones a la informática.
    Competencias relacionadas: CG4, CE02, CE15, CE18,

Contenidos

  1. Introducción: Inteligencia, Conocimiento, Razón, Razonamiento y Computación.
    Breve historia de la IA y sus paradigmas.. Presentación del papel del razonamiento en la inteligencia. El conocimiento y su representación en relación al razonamiento. Los diversos tipos de conocimiento: declarativo (relacional, heredable, inferible), procedural, implícito, a priori y accionable.
  2. Razonamiento y lógica
    Lógica como representación del conocimiento. Lógica como mecanismo de razonamiento. Deducción. Propiedades de los sistemas lógicos.
  3. Lógica de primer orden
    Lógica de primer orden: formas normales, literales y cláusulas. Poder expresivo y decidibilidad. Propiedades de los sistemas lógicos computacionales. Deducción en Lógica de Primer Orden.
  4. Programación lógica.
    Introducción a la programación lógica cálculo de respuestas, estrategsie de resolución, gestión del backtracking.
  5. Otras formas de inferencia.
    Razonamiento no monótono. Inducción. Abducción. Analogía. Razonamiento protopico y taxonómico. Aprendizaje.
  6. Modelado del conocimiento semántico
    Ontología. Lógica descriptiva.

Actividades

Actividad Acto evaluativo


Inteligencia, Conocimiento, Razón, Razonamiento y Computación

Presentación de los conceptos fundamentales que conectat inteligencia con razonamiento, razonamiento con conocimiento y éste con su representación. El razonamiento como manipulación de representaciones. Razonamiento como cálculo.
Objetivos: 1 6 2
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
2h

Lógica proposicional.


  • Problemas: Problemas básicos de los esquemas fundamentales de inferencia
Objetivos: 1 6
Contenidos:
Teoría
6h
Problemas
4h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
8h

Lógica de primer orden

It is necessary to understand and practice the various forms and methods of logical inference as well as fit the expressive limits of this language, which is an extension of what allows propositional logic and at the same time allows us to understand its relationship with the properties of interest from the point of view of its realization by computer means. This allows us to understand the basics of logical programming.
Objetivos: 1 6 2 3
Contenidos:
Teoría
8h
Problemas
7h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
16h

Programación lógica

Hay que entender el lenguaje de programación lógica como una transposición computacional de los mecanismos de inferencia de la lógica de primer orden y al mismo tiempo entender las diferencias. Se practicará intensamente en el laboratorio con ejercicios de dificultad creciente que servirán para prepare el examen específico de programció lógica.
Objetivos: 1 6 2 3
Contenidos:
Teoría
8h
Problemas
1h
Laboratorio
10h
Aprendizaje dirigido
0h
Aprendizaje autónomo
21h

Otras formas de inferencia

Hay que entender que la deducción es una forma de razonamiento entre muchas otras que hemos desarrollado. Entenderemos y practicaremos mediante ejercicios la inferencia inductiva, base de las ciencias experimentales y, en general, de todas las que generaltizen a partir de observaciones (y los datos correspondientes); la inferencia abductiva como una inferencia generativa y la analogía o el razonamiento basado en casos como un tipo de razonamiento donde la similitud entre los componentes y estructura de una situación ponen en marcha un razonamiento que tiene consecuencias útiles y prácticas. Los diversos ejercicios nos permitirán afianzar el conocimiento de las posibilidades y limitaciones de este tipo de conocimiento, siempre comparándolos con las propiedades de las lógicas estándar.
Objetivos: 1 6 2 3 4 5
Contenidos:
Teoría
2h
Problemas
1h
Laboratorio
1h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Modelado del conocimiento semántico. Ontologías.

Las ontologías son formalismos basados en jerarquías de conceptos y relaciones. Estudiaremos las principales realizaciones y formalismos y en laboratorio trabajaremos con entornos de desarrollo de ontologías. Los estudiantes no sólo tienen que asistir a las lecciones, sino también hacer ejercicios sobre la utilización de las ontologías y discutir con el profesor y otros estudiantes cuando es mejor utilizar cada técnica. En el laboratorio los estudiantes aplicarán lo aprendido en un problema.
Objetivos: 2 3 4 5
Contenidos:
Teoría
2h
Problemas
2h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
7h

Examen Final

Exercici teòrico-pràctic que cobreix els temes del curs.
Objetivos: 1 6 2 3 4 5
Semana: 15 (Fuera de horario lectivo)
Tipo: examen de teoría
Teoría
2h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
8h

Práctica de Programación Lógica

Proyecto en equipo usando entorno a programación lógica que va enfocado a resolver un problema acotado aplicando los conocimientos sobre programación lógica y estrategias de razonamiento
Objetivos: 1 6 2
Semana: 6 (Fuera de horario lectivo)
Tipo: entrega
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
18h

Examen Parcial

Evaluación de los contenidos, técnicas y métodos cubiertos hasta el momento del examen. Examen teórico-práctico con preguntas sobre lecturas realizadas, conceptos y ejercicios.
Objetivos: 1 6 2
Semana: 6
Tipo: examen de teoría
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
6h

Metodología docente

La metodología docente consistirá en la exposición de la teoría en clases de teoría y la aplicación de los conceptos en las clases de problemas y laboratorio y a pequeños proyectos a realizar en grupo.

Método de evaluación

La evaluación se basa en varios controles de bloques temáticos y un examen y la evaluación de las asignaciones del curso en problemas y laborator.L'examen final pone a prueba los conocimientos teóricos y de metodología adquiridos por los estudiantes durante el curso. La calificación de las asignaciones del curso se basará en las presentaciones de los pequeños problemas propuestos durante el curso. La nota de laboratorio se basará en los informes y trabajos prácticos de laboratorio llevados a cabo durante el curso.

La calificación final se calculará de la siguiente manera:

0.30* Práctica de programación lógica + 0.3* Examen parcial+ 0.40 * Examen Final


Evaluación de las competencias

La evaluación de la competencia de trabajo en equipo se basa en el trabajo realizado durante los trabajos de prácticas.

La evaluación de la competencia. Uso solvente de los recursos de información se basa tanto en el trabajo de prácticas como en los desempeñen de problemas y laboratorios.

Bibliografía

Básica:

Capacidades previas

Las habituales en un primer curso universitario con especial relevancia de los contenidos de ciencia y matemáticas,