Razoamento e Planificación

O curso introduce ao alumno nas técnicas de representación e razoamento do coñecemento que se aplican habitualmente na IA. Formarase na definición automática de plans como ferramenta básica para a consecución dun obxectivo marcado, proporcionándolle os coñecementos necesarios para representar o problema e a súa resolución en contornas reais caracterizadas pola presenza, en maior ou menor grao, de incerteza.

- Representación do coñecemento.
- Lóxica formal e pensamento humano.
- Modelos e técnicas de razoamento automático.
- Paradigmas para razoamentos imprecisos e incertos.
- Modelos de planificación.
- Planificación con incerteza.

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

Habilidades específicas:
- CE5: Capacidade para deseñar e desenvolver sistemas intelixentes mediante a aplicación de algoritmos de inferencia, representación do coñecemento e planificación automática.
- CE6: Capacidade para recoñecer aqueles problemas que requiran unha arquitectura distribuída non predeterminada durante o deseño do sistema, que será axeitada para a implantación de sistemas intelixentes multiaxente.
- CE7: Capacidade para comprender as implicacións do desenvolvemento dun sistema intelixente explicable e interpretable
- CE8: Capacidade para deseñar e desenvolver sistemas intelixentes seguros, en termos de integridade, confidencialidade e robustez.

Resultados de aprendizaxe:
- Coñecer os principais modelos de razoamento impreciso para valorar a súa idoneidade para a resolución de problemas no ámbito da Intelixencia Artificial.
- Introducir o concepto de sistemas multiaxente baseado na necesidade de arquitecturas distribuídas en sistemas intelixentes.
- Comprender as diferentes aproximacións ás arquitecturas dos axentes intelixentes.
- Entender a noción de negociación como aspecto básico inherente aos sistemas multiaxente.
- Comprender as nocións e aspectos básicos de coordinación, cooperación e comunicación.
- Analizar as distintas metodoloxías existentes para o desenvolvemento de sistemas multiaxente.
- Coñecer aplicacións deste tipo de sistemas en contornos industriais, biomédicos, informáticos, etc.
- Desenvolver capacidades para un tratamento axeitado da privacidade, fiabilidade, transparencia e interpretabilidade dos modelos e resultados
- Identificar e analizar sesgos e o seu impacto no deseño de algoritmos de Intelixencia Artificial.
- Coñecer e comprender as implicacións sociais e éticas da tecnoloxía en xeral e da Intelixencia Artificial en particular.
- Coñecer os principais modelos de razoamento impreciso para valorar a súa idoneidade para a resolución de problemas no ámbito da Intelixencia Artificial.
- Coñecer os modelos computacionais da mente humana
- Distinguir os procesos básicos asociados á intelixencia humana
- Coñecer os principais enfoques computacionais da cognición social

Clases teóricas, nas que se expón o contido de cada tema. O alumno disporá previamente de copias das transparencias e o profesor promoverá unha actitude activa, formulando preguntas que permitan aclarar aspectos concretos e deixando preguntas abertas para a reflexión do alumno.
Lectura e estudo de material diverso proporcionado polo profesor en forma de libros de bibliografía, artigos e revistas científicas,

Clases prácticas co uso do ordenador, que permitan ao alumno familiarizarse dende un punto de vista práctico coas cuestións expostas nas clases teóricas.

Oportunidade ordinaria:
- Traballos e prácticas: 50%
- Probas periódicas e/ou exame final: 50% (obtención dun mínimo de 4 sobre 10)
- Seguimento continuo: 0%

Se non se supera o mínimo do exame, suspéndese a materia e truncarase a nota a 4,8, no caso de ter unha nota superior a 5.

Oportunidade extraordinaria:
- Exame final coas mesmas condicións que na convocatoria ordinaria (mínimo de 4 sobre 10).
- Para traballos prácticos:
a) Se o alumno non ten superada (< 5 sobre 10) esta parte na convocatoria ordinaria, deberá superar unha proba complementaria xunto co exame final, equivalente ás prácticas.
b) Se o alumno superou (>= 5 sobre 10) esta parte na convocatoria ordinaria, poderá presentar unha nova versión das prácticas para mellorar a súa nota.

Condición de non-presentado:
- Consideraranse non presentados aqueles estudantes que non sexan avaliados en ningún aspecto da materia.

No caso de realización fraudulenta de exercicios ou probas, será de aplicación o recollido na Normativa de avaliación do rendemento académico dos estudantes e de revisión de cualificacións.
En aplicación da Normativa da ETSE sobre plaxio (aprobada pola Xunta da ETSE o 19/12/2019), a copia total ou parcial dalgún exercicio de prácticas ou teoría suporá o suspenso nas dúas oportunidades do curso, coa cualificación de 0,0 en ambos casos.

Clases en encerado: 21:00 horas presenciais + 21:00 horas traballo de alumnado autónomo
Clases prácticas: 14 horas presenciais + 48 horas de traballo autónomo do alumnado
Aprendizaxe por problemas, seminarios, estudos de casos e proxectos: 7 horas presenciais + 39 horas de traballo autónomo do alumnado

Total: 150 horas

Faise uso do campus virtual.