TIA

Tema- 0: Tcnicas de Inteligencia Artificial

Tcnicas de Inteligencia Artificial

Carga ditos (3 sem CargaLectiva: Lectiva:6 6cr crditos (3+ +3) 3)//2+2 2+2h/ h/sem Federico fbarber@dsic.upv.es) 2 -26 (DSIC) FedericoBarber Barber((fbarber@dsic.upv.es) 2-26 (DSIC)

Objetivo: conocer nuevas tcnicas y metodologas de Inteligencia Artificial, y aplicarlas para la resolucin de nuevos tipos de problemas. De esta forma, se tratar de aprender a: Reconocer nuevos tipos de problemas, Tipificarlos / Modelarlos y Aplicar y evaluar las tcnicas adecuadas de IA para su resolucin.

Tcnicas a tratar
Ingeniera del Conocimiento Razonamiento Aproximado Problemas de Satisfaccin de Restricciones Heursticas y Metaheursticas. Algoritmos Genticos

Identificar , Modelar Identificar, Modelary yResolver Resolvernuevos nuevostipos tiposde deproblemas problemas

Ampliar Ampliarlos losconocimientos conocimientossobre sobre Modelos ,T cnicas y Modelos, Tcnicas yAplicaciones Aplicacionesde dela laInteligencia InteligenciaArtificial Artificial

Ing. Conocimiento
Adquisicin, Representacin, Utilizacin (Procesamiento, Razonamiento), Reutilizacin, Mantenimiento y Validacin del Conocimiento para la Resolucin de Problemas Bien Tipificados. Desarrollo de Sistemas Basados en el Conocimiento (Sistemas Expertos).

Representacin : :Frames, Representacindel delConocimiento Conocimiento Frames,reglas, reglas,funciones. funciones.Metaconocimiento. Metaconocimiento. Inferencia Inferenciay yControl: Control:Cmo Cmorazonar, razonar,obtener obtenersoluciones? soluciones? Metodologas Metodologasde deDesarrollo: Desarrollo:Cmo Cmohacer hacerel eldesarrollo desarrollode deSBC? SBC? Verificacin Verificaciny yValidacin: Validacin:Como Comoasegurar asegurarla lacorreccin correccinyyutilidad utilidaddel delSBC? SBC? Modelos Modelosde deRazonamiento: Razonamiento:Problemticas Problemticasespecficas especficas(incertidumbre, (incertidumbre,imprecisin, imprecisin, temporalidad, temporalidad,hiptesis, hiptesis,etc). etc). Reutilizacin Reutilizacindel delConocimiento: Conocimiento:Razonamiento RazonamientoBasados Basadosen enCasos. Casos. Sistemas SistemasCooperantes: Cooperantes:Blackboard, Blackboard,Multiagentes. Multiagentes. Entornos Entornosde deDesarrollo: Desarrollo:Herramientas. Herramientas. Poder desarrollar SBC (SE), mediante el aprendizaje/repaso de tcnicas de Ingeniera del Conocimiento relacionadas, aplicando una Metodologa y utilizando un Entorno de Desarrollo.

Ing. Conocimiento

Conocimientos Previos: Mtodos de Representacin del Conocimiento (Frames, Reglas). Razonamiento en IA (Bsqueda, Inferencia y Control, Encadenamiento).

Desarrollar y aplicar la representacin mediante frames / objetos. Desarrollar y aplicar el control y el encadenamiento inferencial. Aproximacin a una metodologa de desarrollo. Utilizar un entorno de desarrollo. Introduccin a las nuevas problemticas Razonamiento Aproximado

PRCTICAS

Ing. Conocimiento

Ingeniera del Conocimiento (aplicaciones)

Ing. Conocimiento

Raz. Aproximado

Los sistemas convencionales de razonamiento, basados en la lgica de predicados de primer orden, trabajan con informacin: completa, consistente, cierta, concreta e inalterable (esttica). Sin embargo, los humanos toman decisiones en base a informacin; incompleta, contradictoria, incierta, imprecisa, dinmica, ... Se necesita ampliar la base de la lgica clsica a fin de poder representar y tratar informacin con dichas caractersticas.

Razonamiento :: Razonamientoaproximado aproximado Informacin Informacin incierta incierta (en (en lugar lugar de de simplemente simplemente CIERTO CIERTO o o FALSO) FALSO) o o imprecisa imprecisa (en (envez vezde deconjuntos conjuntosclsicos, clsicos,o opredicados predicadosde deprimer primerorden). orden). Razonamiento .. Razonamientono-montono: no-montono:por pordefecto defecto/ /hipottico hipottico/ /mundos mundosposibles posibles Los Losaxiomas axiomasy/o y/oreglas reglasde deinferencia inferenciase seextienden extiendenpara paraque quesea seaposible posiblerazonar razonar con coninformacin informacinincompleta, incompleta,por pordefecto, defecto,hipottica, hipottica,dependiente dependienteyycambiante. cambiante. Razonamiento Razonamientotemporal: temporal: Permite Permite razonar razonar sobre sobre la la dinmica dinmica (evolucin) (evolucin) de de la la informacin informacin en en un un mundo mundo cambiante. cambiante.El Eltiempo tiempoes esuna unavariable variableimportante importantedel delrazonamiento. razonamiento.

Ing. Conocimiento

Raz. Aproximado

Razonamiento Aproximado (inexacto o plausible)

Incertidumbre: Grado de certeza del conocimiento Instrumentos defectuosos, confianza en las medidas, en las relaciones, etc. Hechos: La probabilidad de que hoy llueva es 0,6 Reglas: El 45% de los humanos son hombres Imprecisin: Grado de precisin del conocimiento. Datos conocidos aproximadamente, Precisin de las medidas, Datos cualitativos, Datos simblicos, etc. Hechos: Hoy llueve 'mucho', Es 'bastante cierto' que... Reglas: Los hombres ricos son felices, Si nuboso entonces probablemente llueva Los coches caros duran mucho. Si el agua est muy fra, abre mucho el grifo de la caliente. Implica un Razonamiento con inexacta y/o incierta informacin, que requiere: Representacin del conocimiento incierto / impreciso Combinacin de varios datos inciertos/imprecisos en una premisa. Propagacin de la incertidumbre / imprecisin desde las premisas a la conclusin.

Ing. Conocimiento

Raz. Aproximado

Tcnicas de Razonamiento Aproximado

Incertidumbre:
Teora de la probabilidad: punto de partida para el desarrollo de modelos que manejan informacin incierta en SE basados en reglas. Mtodos cuasi-Probabilsticos (Teora de Bayes). Modelo de factores de certeza Redes Bayesianas Mtodos Posibilsticos Basadas en la Lgica difusa

Imprecisin:
Lgica difusa de Zadeh Conjuntos (conceptos, predicados) difusos y extensin de las reglas de inferencia. Razonamiento difuso

Ing. Conocimiento

Raz. Aproximado

CSP

Problemas de Satisfaccin de Restricciones (CSP) Programacin por Restricciones

Muchos problemas pueden ser (declarativamente) expresados mediante: Un conjunto de variables, Un dominio de interpretacin (posibles valores) para las variables. Un conjunto de restricciones entre las variables. tal que la solucin al problema es una asignacin vlida (y ptima) de valores a las variables. Problemas de Empaquetamiento. Problemas de Rutas, Logstica. Problemas de Scheduling. Problemas de Razonamiento Temporal. Sistemas de Documentacin Diseo, Planificacin, Control, etc, etc.

Ing. Conocimiento

Raz. Aproximado

CSP

Variables: s,e,n,d,m,o,r,y Dominios: s,e,n,d,m,o,r,y{0,,9} Restricciones

send +more money

El Problema de las 8 Reinas

103(s+m)+102(e+o)+10(n+r)+d+e=104m+103o+102n+y

Coloreado de Mapas Variables: x,y,z,w Dominios: x,y,z,w :{r,v,a} Restricciones: binarias

x y, yz, z x, ...

Ing. Conocimiento

Raz. Aproximado

CSP

Problemas de Satisfaccin de Restricciones (CSP) Programacin por Restricciones

Representacin de Problemas CSP: Variables, Dominios y Restricciones. Cmo deducir informacin: Tcnicas Inferenciales Cmo obtener soluciones: Tcnicas de Bsqueda. Heursticas.

Aplicaciones Entornos de Desarrollo

+ CTICAS + PR PRCTICAS

Ing. Conocimiento

Raz. Aproximado

CSP

Alg. Genticos

Optimizacin de Problemas Combinatorios

Obtencin de soluciones optimizadas (y factibles). Complejidad Exponencial: NP-hard. Tcnicas heursticas / metaheursticas de bsqueda de la solucin. Heursticos: A*, Variantes A*, Metaheursticos: Genticos, Enfriamiento Simulado, Grasp, Bsqueda Tab, Hormigas, etc. Eficiencia vs Optimalidad. Otros requerimientos: Robustez, Reparacin en tiempo-real, etc.

Ing. Conocimiento

Raz. Aproximado

CSP

Alg. Genticos

PROBLEMAS DE BSQUEDA COMBINATORIOS (OPTIMIZACIN

HEURSTICOS

META-HEURSTICOS

CONSTRUCTIVOS

Bsqueda Metaheurstica Tab, Enfriamiento Simulado

BSQUEDA LOCAL

BSQUEDA GLOBAL

Hbridos: Constructivos + Mejora Local GRASP

Best First

Voraz

A*

IDA*

Bio-Inspirados Evolutivos Evolutivos Algoritmos AlgoritmosGenticos Genticos Enjambre, Alg. Hormigas

Poca memoria No Completos

Completos Mucha memoria

Ing. Conocimiento

Raz. Aproximado

CSP

Alg. Genticos

Computacin Evolutiva. Algoritmos Genticos.

Aplicacin de los procesos darwinianos de una evolucin gentica. Problemas Combinatorios (Bsqueda) Conceptos Representacin de Individuos. Seleccin de los Padres. Operacin de seleccin, cruce, mutacin.
PADRES Seleccin Combinacin gentica POBLACIN

El Ciclo Evolutivo

Mutacin gentica

Reemplazamiento DESCENCIENTES

Ing. Conocimiento

Raz. Aproximado

CSP

Alg. Genticos Otras Tcn.

Tcnicas, mtodos, lenguajes, entornos de IA, .

Lenguajes y Entornos de IA: LISP, etc. Algoritmos de Bsqueda: Variantes A, Grafos And/Or, Tiempo real, etc. Heursticas y Metaheursticas: Diseo y evaluacin.

Razonamiento Temporal, Hipottico, Por Defecto. Razonamiento Basado en Casos. Modelos de Aprendizaje (Simblicos).

Tcnicas de Inteligencia Artificial: TEMARIO 1. Sistemas Basados en el Conocimiento: Sistemas Expertos.

Ingeniera del Conocimiento. Conceptos. Representacin, Inferencia y Control. Metodologas de Desarrollo. Entornos de Desarrollo. Validacin y Verificacin. Aplicaciones.

PRCTICAS

2. Razonamiento Aproximado.
Tratamiento de la Incertidumbre: Mtodos Probabilsticos. Tratamiento de la Imprecisin: Lgica Difusa. Incertidumbre Difusa. Aplicaciones

3. Problemas de Satisfaccin de Restricciones (CSP).

PRCTICAS Tipologa problemas CSP. reas de aplicacin. Especificacin CSP: variables, dominios y restricciones. Tcnicas Inferenciales CSP. Algoritmos de Clausura. Tcnicas de Resolucin CSP: Tcnicas de bsqueda. Heursticas. Optimizacin en CSP. Entornos de Aplicacin. Aplicaciones.
Tcnicas metaheursticas. Algoritmos Genticos y Problemas Combinatorios. Representacin de Estados. Seleccin, Cruce, Mutacin y Reemplazo. Aplicaciones.

4. Computacin Evolutiva.

Tcnicas de Inteligencia Artificial Laboratorio LaboratorioDSIC DSIC Horario: Horario:Jueves, Jueves,15-17 15-17h. h. Prcticas Prcticasindividuales individuales

PRCTICAS
Conocimiento Entorno KAPPA (3-4 sesiones) Desarrollo de un prototipo de SBC (4-5 sesiones) Memoria Final

a) Sistemas Basados en el Conocimiento: Sistemas Expertos. ( 8 semanas)

b) Problemas de Satisfaccin de Restricciones (CSP). ( 4 semanas) Presentacin entorno CSP (Conflex) (1 sesin) Modelizacin de problemas CSP (3 sesiones) Evaluacin de alternativas: Memoria final

Presentaci n de Presentacin de Trabajos Trabajos Aplicados Aplicados c) n c) Razonamiento Razonamiento aproximado: aproximado: Incertidumbre Incertidumbre e e Imprecisi Imprecisin d) d) Algoritmos ticos Algoritmos Gen Genticos

Fecha
22-IX 29-IX 6-X
OCTUBRE

TEMAS Jueves (8,30-10,30) Presentacin

LABOR. Juev (15-17) Lab-DSIC Entregas

Tema-1 Ing. del Conocimiento: SBC

Representacin, Razonamiento y Control Metodologa, V&V Entornos y Aplicaciones

Kappa-PC
Frames - Reglas Encadenamiento Forward Encadenamiento Backward Interfaz Prototipo KAPPA-PC

13-X 20-X 27-X 3-XI

Tema-2 Razonamiento Aproximado

Incertidumbre Imprecisin

NOVIEMBRE

10-XI 17-XI 24-XI 1-XII

Tema-3 CSP
Restricciones, Modelizacin Tcnicas Inferenciales, Bsqueda
ConFlex Evaluacin CSP Aplicacin CSP

Memoria Prototipo KAPPA-PC Extensin Aproximado

DIC

15-XII 22-XII

Tema-4. Heursticas y Metaheursticas Algoritmos Genticos

Memoria-CSP Memoria-Genticos

Tcnicas de Inteligencia Artificial

EVALUACIN
a) Evaluacin del Temario (45%) Cuestionario temas de la asignatura. ( 15) * Trabajo de aplicacin: Razonamiento Aproximado ( 10+10) E * Trabajo de aplicacin: Algoritmos Genticos. ( 10) E

b) Evaluacin de las Prcticas (55%) * Presentacin prcticas/memoria: Prctica SBC/KAPPA ( 5 + 35) E * Presentacin memoria: Prctica desarrollo CSP ( 15) E

Tcnicas de Inteligencia Artificial

BIBLIOGRAFA (+ especfica en cada tema)

Inteligencia Artificial. Tcnicas, mtodos y aplicaciones. Palma, Marn. McGraw Hill (2008) Inteligencia Artificial. Un enfoque moderno. S. Russell, P. Norvig. Prentice Hall (2004). Inteligencia Artificial. Una nueva sntesis", Nilsson, N. J. McGraw Hill, (2000) KAPPA- User Manual ConFlex- User manual (http://www.inra.fr/bia/T/conflex/) POLIFORMAT: Presentaciones de la asignatura. Otra documentacin.
Principles of Expert Systems. Peter Lucas and Linda Van Der Gaag. Addison Wesley. 1991. Expert systems : principles and programming, Joseph Giarratano, Gary Riley Thomson Course Technology, 2005. The engineering of knowledge-based systems: theory & practice. Gonzlez, J. Avelino & Dankel Douglas D. Prentice Hall. 1993.

Tcnicas de Inteligencia Artificial: Bibliografa GENETICOS CSP SBC

APROX

Contenido 1. Introduccin. 2. Agentes inteligentes. 3. Solucin de problemas mediante la bsqueda. 4. Mtodos de bsqueda respaldados con informacin. 5. Problemas de Constraint Satisfaction. 6. Bsqueda adversarial. 7. Agentes que razonan de manera lgica. 8. Lgica de primer orden. 9. La inferencia en la lgica de primer orden. 10. Sistemas que razonan lgicamente. 11. Planificacin. 12. Planificacin y actuacin. 13. Incertidumbre. 14. Sistemas probabilsticos de razonamiento. 15. Sistemas probabilsticos de razonamiento over time. 16. Toma de decisiones sencillas. 17. Toma de decisiones complejas. 18. Aprendizaje a partir de la observacin. 19. El aprendizaje estadstico. 20. Aprendizaje por refuerzo. 21. El conocimiento en el aprendizaje. 22. Agentes que se comunican. 23. Procesamiento prctico del lenguaje natural. 24. Percepcin. 25. Robtica. 26. Fundamentos filosficos. IA, presente y futuro.

Tcnicas de Inteligencia Artificial: Bibliografa

CSP GENETICOS APROX

SBC

Contenido 0. Introduccin 1. Lgica. Sistemas de produccin 2. Redes Semnticas y marcos 3. Ontologas 4. Tcnicas Basadas en Bsquedas Ciegas 5. Tcnicas Basadas en Bsquedas Heursticas 6. Tcnicas de satisfaccin de restricciones 7. Computacin evolutiva 8 Razonamiento Basado en Casos 9. Lgica Difusa/Borrosa 10. Modelos Probabilistas 11. Planificacin 12. Diagnstico 13. Control Inteligente 14. Procesamiento Lenguaje Natural 15. Reconocimiento de Formas 16. Redes Neuronales 17. Tcnicas de induccin 18. Extraccin de Reglas 19. Tcnicas de Agrupamiento 20. Ingeniera del Conocimiento 21. Sistemas Multiagentes 22. Verificacin y validacin