INTELIGENCIA ARTIFICIAL
FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA
Escuela Académico Profesional de Ingeniería de Sistemas


1. ESPECIFICACIONES GENERALES
Nombre del Curso : INTELIGENCIA ARTIFICIAL
Código del Curso : 207008
Duración del Curso : 17 semanas
Forma de Dictado : Técnico - experimental
Horas semanales : Teoría: 3h – Laboratorio: 2h
Naturaleza : Formación profesional
Número de créditos : Cuatro (04)
Prerrequisitos : 205007 – Investigación Operativa I
Semestre académico : 2010 - 2

2. SUMILLA
La Inteligencia Artificial, conceptos, paradigmas y aplicaciones en la industria y servicios.
Representación del conocimiento. Representación de problemas de IA como búsqueda en el
espacio de estado. Métodos de búsqueda ciegos e informados. Juegos inteligentes hombremáquina.
Sistemas Expertos. Sistemas inteligentes.

3. OBJETIVO GENERAL
La Inteligencia Artificial es una de las áreas de la ciencia de la computación que presenta
grandes expectativas de desarrollo, debido a su diversidad de aplicaciones en la industria, en los
sectores de educación, servicios y, ciencia y tecnología.
El presente curso visa introducir el área de inteligencia artificial, la representación del
conocimiento, los métodos básicos para la resolución de problemas y sus principales
aplicaciones en el contexto de la demanda nacional, dando énfasis al estudio y desarrollo de
juegos y sistemas expertos.

4. OBJETIVOS ESPECÍFICOS
• Representar el conocimiento mediante técnicas ad hoc tales como redes semánticas,
predicados, y listas.
• Representar y resolver problemas determinada clase de problemas de la Inteligencia
Artificial mediante las técnicas de búsqueda en un espacio de estados.
• Diseñar y desarrollar software de juegos inteligentes hombre-máquina que usen técnicas
de la Inteligencia Artificial.
• Diseñar y desarrollar sistemas expertos basados en diversos motores de inferencia
(métodos de encadenamiento y redes neuronales artificiales).
• Presentar los fundamentos de los sistemas inteligentes y sus diversas aplicaciones, así
como establecer las diferencias respecto de los métodos basados en búsqueda y los
sistemas expertos.

5. CONTENIDO
Semana
Temas
Trabajo Laboratorio
1
Fundamentos de la Inteligencia Artificial

  • Presentación del curso.
  • Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Revisión de los lenguajes de la inteligencia artificial. Aplicaciones en la industria y servicios.
  • Referencias: [1] Capítulo 1, [2] Capítulo 1.
2
Representación del conocimiento – Clasificación de problemas algorítmicos
  • Representación del conocimiento: redes semánticas, registros, y predicados.
  • Clasificación de problemas algorítmicos. Problemas de decisión, localización y optimización. Problemas P y NP. Descripción de algunos problemas.
  • Referencias: [1] Capítulos 6, 7 y 10, [2] Capítulo 2, [3] Capítulos 4 y 5, [4] Capítulo 1
Ejercicios en Lisp
3
Búsqueda en un espacio de estados
  • Definición de problemas de la IA como problemas de búsqueda en un espacio de estado.
  • Referencias: [1] Capítulos 3 y 4, [2] Capítulo 3, [3] Capítulo 2 y 3, [4] Capítulo 3
Recursividad Lisp
4
Métodos de búsqueda en un espacio de estados
  • Métodos de búsqueda ciega: amplitud, profundidad y no determinista.
  • Referencias: [1] Capítulo 4, [2] Capítulos 3 y 4, [3] Capítulo 3, [4] Capítulos 5 y 6
5
Métodos de búsqueda informados
  • Métodos que usan información adicional: primero el mejor, ascenso a la colina, ramificación y acotación.
  • Referencias: [1] Capítulo 4, [2] Capítulo 5, [3] Capítulo 3, [4] Capítulos 5 y 6.
6
Métodos de búsqueda para juegos hombre-máquina
  • Métodos MIN-MAX para desarrollar juegos inteligentes hombre-máquina.
  • Referencias: [1] Capítulo 5, [2] Capítulos 5 y 6, [3] Capítulos 3 y 12, [4] Capítulos 5 y 6.
JUEGO DE LOS 3 MOSQUETEROS
7
Presentación de trabajos computacionales
  • Presentación de trabajos computacionales
8
Solucion del Examen Parcial
Examen Parcial
9
Fundamentos de Sistemas Expertos
  • Definición de Sistemas Expertos. Arquitectura de un sistema experto. Taxonomía y aplicaciones de los sistemas expertos. Requisitos para el desarrollo de sistemas expertos y ventajas del uso de sistemas expertos. Algunos problemas basados en el conocimiento.
  • Referencias: [6] Capítulo 1
SE-Organigrama FISI
10
Diseño de Sistemas Expertos
  • Diseño de Sistemas Expertos (SE). Ingeniería de software y SE Ciclo de vida de un SE.
  • Referencias: [6] Capítulos 1 y 6.
ARBOL DE COMIDAS
11
Desarrollo de Sistemas Expertos
  • Construcción de la base de hechos y base de conocimiento. El motor de inferencia. Los métodos de encadenamiento regresivo y progresivo. Ventajas y desventajas del uso de los métodos de encadenamiento. Consideraciones para el desarrollo de interfaces. .
  • Referencias: [1] Capítulos 6 y 7, [2] Capítulo 7, [6] Capítulo 3.
    .
12
Sistemas expertos basados en Redes Neuronales
  • Conceptos básicos de redes neuronales artificiales (RNA). El problema de identificación de patrones y sus aplicaciones. Identificación de patrones a través de RNA. Algoritmos de RNA para identificación de patrones. Consideraciones para resolver problemas basados en el conocimiento a través de RNA.
13
Calidad y validación de sistemas expertos
  • Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Eficiencia y error de sistemas expertos .
14
Introducción a los Sistemas Inteligentes
  • Introducción a los sistemas inteligentes Conceptos de aprendizajes Aplicaciones de RNA y de Sistemas Inteligentes.
15
Presentación de trabajos computacionales
  • Presentación de trabajos computacionales .
16
EXAMEN FINAL
Solucion del Examen Final

6.  METODOLOGIA

El curso se desarrolla a través de actividades teórico - prácticas, dando énfasis a aplicaciones en la industria y servicios. Los estudiantes, organizados en grupos de 3 estudiantes, desarrollarán dos trabajos computacionales.

7.  EVALUACIÓNEl Promedio Final (PF) se determina de la forma siguiente:
 
PF = 0.025(CL1 + CL2 + CL3 + CL4) + 0.075(TB1 + TB2) + 0.15*LA + 0,30*EA + 0,30*EB
Donde:

  CLx: Controles de Lecturas (CL1, CL2, CL3 y CL4)
 TB1: Trabajo Grupal (Juegos Inteligentes Hombre - Máquina)
  TB2: Trabajo Grupal (Sistemas Expertos)
  EA: Examen Parcial
  EB: Examen Final
  LA: Laboratorio

8. BIBLIOGRAFÍA

v  STUART, RUSSELL; PETER, NORVIG - 1996 Inteligencia artificial, un enfoque moderno. Ed Prentice Hall.
v  PATRICK, WINSTON - 1984 Inteligencia Artificial. Ed. Addison-Wesley
v  ELAINE, RICH - 1988 Inteligencia Artificial. Ed McGraw-Hill
v  DAVID, MAURICIO - 2000 Apuntes de Inteligencia Artificial.
v  BONIFACIO, MARTIN; ALFREDO, SANZ - 2002 Redes Neuronales y Sistemas Difusos. Ed. Alfaomega
v  GIARRATANO RILEY - 2001 Sistemas Expertos, principios y programación. Ed. Ciencias Thomson