Razonamiento y Planificación

La asignatura introduce al alumno en las técnicas de representación del conocimiento y razonamiento habitualmente aplicadas en IA. Se le capacitará en la definición automática de planes como herramienta básica para la consecución de un objetivo fijado, proporcionándole los conocimientos necesarios para la representación del problema y su resolución en entornos reales caracterizados por la presencia, en mayor o menor grado, de incertidumbre.

- Representación del conocimiento.
- Lógica formal y pensamiento humano.
- Modelos y técnicas para el razonamiento automático.
- Paradigmas para el razonamiento impreciso y con incertidumbre.
- Modelos de planificación.
- Planificación con incertidumbre.

Textos básicos:
- Artificial intelligence: a modern approach - Russell, S.J.; Norvig, P, Prentice Hall, 2010. ISBN: 9781292153964
- Automated planning: theory and practice - Ghallab, M.; Nau, D.S.; Traverso, P, Elsevier/Morgan Kaufmann, 2004. ISBN: 1558608567
- Fuzzy sets and fuzzy logic: theory and aplications - Klir, G.J.; Yuan, B, Prentice Hall, 1995. ISBN: 0131011715

Textos complementarios:
- Fuzzy logic with engineering applications - Ross, T.J, John Wiley & Sons, 2017. ISBN: 9781119235866

Competencias específicas:
- CE5: Capacidad para diseñar y desarrollar sistemas inteligentes mediante la aplicación de algoritmos de inferencia, representación del conocimiento y planificación automática.
- CE6: Capacidad para reconocer aquellos problemas que necesiten de una arquitectura distribuida que no esté prefijada durante el diseño del sistema, que serán adecuados para la implementación de sistemas multiagente inteligentes.
- CE7: Capacidad para entender las implicaciones del desarrollo de un sistema inteligente explicable e interpretable
- CE8: Capacidad para diseñar y desarrollar sistemas inteligentes seguros, en términos de integridad, confidencialidad y robustez.

Resultados de aprendizaje:
- Conocer los principales modelos de razonamiento impreciso para valorar su adecuación a la resolución de problemas en el ámbito de la Inteligencia Artificial.
- Introducir el concepto de sistemas multiagente a partir de la necesidad de arquitecturas distribuidas en los sistemas inteligentes.
- Comprender las diferentes aproximaciones a las arquitecturas de los agentes inteligentes.
- Comprender la noción de negociación como un aspecto básico inherente a los sistemas multiagentes.
- Comprender las nociones y los aspectos básicos de la coordinación, la cooperación y la comunicación.
- Analizar las diversas metodologías existentes para el desarrollo de sistemas multiagente.
- Conocer aplicaciones de este tipo de sistemas en entornos industriales, biomédicos, informáticos, etc.
- Desarrollar capacidades para un adecuado tratamiento de la privacidad, confiabilidad, transparencia e interpretabilidad de modelos y resultados
- Identificar y analizar sesgos y su impacto en el diseño de algoritmos de Inteligencia Artificial
- Conocer y comprender las implicaciones sociales y éticas de la tecnología en general y la Inteligencia Artificial en particular
- Conocer los principales modelos de razonamiento impreciso para valorar su adecuación a la resolución de problemas en el ámbito de la Inteligencia Artificial.
- Conocer los modelos computacionales de la mente humana
- Distinguir los procesos básicos asociados a la inteligencia humana
- Conocer las principales aproximaciones computacionales a la cognición social

Clases teóricas, en las que se expone el contenido de cada tema. El alumno dispondrá de copias de las transparencias con anterioridad y el profesor promoverá una actitud activa, realizando preguntas que permitan aclarar aspectos concretos y dejando cuestiones abiertas para la reflexión del alumno.
Lectura y estudio de material diverso proporcionado por el profesor en forma de libros de la bibliografía, artículos y revistas científicas,

Clases prácticas con uso de ordenador, que permiten al alumno familiarizarse desde un punto de vista práctico con las cuestiones expuestas en las clases teóricas.

Oportunidad ordinaria:
- Trabajos y prácticas: 50%
- Pruebas periódicas y/o examen final: 50% (con la obtención de un mínimo de 4 sobre 10)
- Seguimiento continuo: 0%

Si no se supera el mínimo del examen, se suspende la asignatura y se truncará la nota a un 4,8, en el caso de tener una nota superior a 5.

Oportunidad extraordinaria:
- Examen final con las mismas condiciones que en la convocatoria ordinaria (mínimo de 4 sobre 10).
- Para los trabajos prácticos:
a) Si el alumno no ha superado (<5 sobre 10) esta parte en la convocatoria ordinaria, deberá superar una prueba complementaria junto con el examen final, equivalente a las prácticas.
b) Si el alumno ha superado (>=5 sobre 10) esta parte en la convocatoria ordinaria, podrá presentar una nueva versión de las prácticas para mejorar su nota.

Condición de No Presentado/a:
- Aquellos alumnos/as que no hayan sido evaluado en ningún aspecto de la materia.

En el caso de realización fraudulenta de ejercicios o pruebas, se aplicará la Normativa de evaluación del rendimiento académico de los estudiantes y de revisión de cualificaciones.
En aplicación de la Normativa da ETSE sobre plaxio (aprobada por la Xunta de la ETSE el 19/12/2019), la copia total o parcial de algún ejercicio de prácticas o de teoría supondrá el suspenso en las dos oportunidades del curso, con la calificación de 0,0 en ambos casos.

Clases de pizarra: 21 h presenciales + 21 h trabajo autónomo del alumno
Clases de prácticas: 14 h presenciales + 48 h trabajo autónomo del alumno
Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: 7 h presenciales + 39 h trabajo autónomo del alumno

Total: 150 h

Se hace uso del campus virtual.