Información del Curso

Horario:

Martes y jueves de 11:30 a 13:00.

Profesor:

Ayudantes:


Calendario

Contenido


Parte 1

Bloque Semana Título Capítulo del libro del curso
Diapo-
sitivas		 Videos
1 Presentación del curso Presentación
1 2,3 El programa General de la IA 1 S1
Sesión 1: Discusión del artículo de Turing "Computing Machinery and Intelligence" (1950).
Sesión 2: Continuación de la exposición del Programa General.
Sesión 3: Se presenta el panorama de las diferentes especialidades de la IA y algunas de sus dimensiones de análisis.
Sesión 4: Se presenta y discute el artículo "Minds, Brains and Programs" de Joh Searle en el que se introduce la historia del Cuarto Chino.
2 4 Prolog Prolog
Sesión 5: Se introduce el lenguaje de programación Prolog en el que se deberán desarrollar los proyectos del curso.
Sesión 6: Se concluye la introducción al lenguaje de programación Prolog.
3 5-8 La Inteligencia Natural 2 S2
Sesión 7: Se presenta la teoría del desarrollo mental de Piaget. Conductas generales y las etapas de desarrollo del bebe y la primera infancia.
Sesión 8: Se describen las etapas del desarrollo mental de la segunda infancia y la adolescencia, y las implicaciones para la construcción de la "Máquina Niño" propuesta por Turing.
Sesión 9: Se presenta el artículo Research on attention networks as a model for the integration of psychological science, M. Posner, M.K. Rothbart. Annu Rev Psychol, 58 1-23, 2007.
Sesión 10: Se concluye el módulo de inteligencia natural con la presentación el artículo "Theories of development: in dialog with Jean Piaget", S. Carey et al.
4 9-11 Razonamiento
Sesión 11: Se presenta una introducción al razonamiento lógico
Sesión 12: Se concluye la presentación de la inferencia lógica-deductiva y se da una introducción a la inducción de aprendizaje y el aprendizaje de máquina.
Sesión 13: Se presenta el razonamiento Bayesiano para modelar la percepción, la acción y la toma de decisiones.
Sesión 14: Se presenta la inferencia de toma de decisiones, el algoritmo Minimax y los modelos de ajedrez computacional hasta los desarrollos más recientes.
Sesión 15: Presentación por parte de estudiantes del artículo "Generalized Best-First Search Strategies and the Optimality of A*". Rina Dechter y Judea Pearl. Journal of the ACM, volumen 32, issue 3, 505--536, 1985"
5 12-14 Representación del conocimiento: Ontologías 4 S4
Sesión 16: Se presentan las bases de las ontologías y la hipótesis del mundo cerrado.
Sesión 17: Se presenta el concepto de base de datos no-monotónica. Se describen sus aplicaciones en robots de servicio, en particular en el robot Golem-III.
Sesión 18: Se continua con la exposición de un sistema de conocimiento no-monotónico, con preferencias y explicaciones, con aplicaciones a la robótica de servicio y la creación de bases de datos para dominios no regimentados.
Sesión 19: La red semántica. Plática invitada impartida por el Dr. Ricardo Cruz.
Sesión 20: Lógicas Descriptivas. Presentación por alumnos del artículo "A Description Logic Primer. Markus Krötzsch, František Simanˇcík, Ian Horrocks Department of Computer Science, University of Oxford, UK."
Sesión 21: Introducción a la Programación por Conjunto de Respuestas (Answer Set Programming. Exposición por parte de alumnos del artículo "Answer Set Programming at Glance, Gerhard Brewka, Thomas Eiter, Mirosław Truszczyński, Communications of the ACM, December 2011".
6 15-17 Aprendizaje
Sesión 22: Se presenta una introducción al aprendizaje de máquina y al aprendizaje profundo. Plática invitada impartida por el Dr. Gibrán Fuentes, IIMAS, UNAM.
Sesión 23: Se presenta una introducción al aprendizaje profundo. Plática invitada impartida por el Dr. Antonio Neme, IIMAS, Unidad Mérida.
Sesión 24: Se da una introducción a los autocodificadores y su uso en la memoria asociativa entrópica. Plática invitada impartida por el Dr. Rafael Morales de la Universidad de Guadalajara.
Sesión 25: Se presenta una introducción al aprendizaje por refuerzo. Plática invitada impartida por el Dr. Ivan Meza, IIMAS-UNAM.
Sesión 26: Se expone la teoría de la Memoria Asociativa Entrópica.

Libro del curso

Inteligencia Artificial y Natural. Luis A. Pineda, 2021.

  1. Capítulo 1 - El Programa General de la IA Liga
  2. Capítulo 2 - Introducción a la Inteligencia Natural Liga
  3. Capítulo 4 - Conocimiento Liga

Libro Racionalidad Computacional, Luis A. Pineda, 2021. Liga

Lecturas

Bloque 1

  1. Computing Machinery and Intelligence. Alan M. Turing. Mind, 433-460, 1950. Liga
  2. Minds, brains and programs. J.R. Searle. Behavioral and Brain Sciences, 3 (3) 417-57,1980. Liga

Bloque 2

  1. Prolog Programming for Artificial Intelligence, 4th Edition. Prof Ivan Bratko, University of Ljubljana, Addison-Wesley, 2012. Liga

Bloque 3

  1. Seis estudios de psicología, Jean Piaget. 1991. Liga
  2. Research on attention networks as a model for the integration of psychological science, M. Posner, M.K. Rothbart. Annu Rev Psychol, 58 1-23, 2007 Liga
  3. Theories of development: in dialog with Jean Piaget, S. Carey, D Zaitchik, I. Bascandzlev. Developmental Review, 38 36-54, 2015 Liga

Bloque 4

  1. Libro Racionalidad Computacional, Capítulos 1, 3, 9. Luis A. Pineda, 2021. Liga
  2. Logic, Language and Meaning, Vol.1. Introduction to Logica, L. T. F. Gamut, The University of Chicago Press, 1991. Cap. 1, 2 y 3.
  3. Artificial Inteligence a Modern Approach, Stuart Rusell y Peter Norvig, Segunda Edición, Prentice-Hall. Part II: Problem-Solving, Caps. 3, 4 y 5 Liga
  4. Deliberative and Conceptual Inference in Service Robots. Luis A. Pineda, Noé Hernández, Arturo Rodríguez, Ricardo Cruz, Gibran Fuentes. Appl. Sci., vol. 11, no. 4, 1523, 2021. Liga
  5. Generalized Best-First Search Strategies and the Optimality of A*. Rina Dechter y Judea Pearl. Journal of the ACM, volumen 32, issue 3, 505--536, 1985. Liga

Bloque 5

  1. A light non-monotonic knowledge-base for service robots. Luis A. Pineda, Arturo Rodríguez, Gibran Fuentes, Caleb Rascón, Ivan Meza. Intelligent Service Robotics, 2017, Volumen 10, pp. 159-171.Liga
  2. Conocimientyo y Razonamiento. L. A. Pineda, R. Brena, L. E. Sucar, J. M. Ahuactzin, J. M. Alavarado, O. D. Cervantes, J. P. García, G. Vargas, J. L. Zechinelli, C. Zozaya. En La Computación en México por especialidades académicas (Luis A. Pineda, Coordinador y Editor). Academia Mexicana de Computación (AMEXCOMP), Ciudad de México, pp. 33-64, 2017. ISBN: 978-607-97357-1-5Liga
  3. Reasoning with Preferences in Service Robots. Ivan Torres, Noé Hernández, Arturo Rodríguez, Gibrán Fuentes, Luis A. Pineda. Journal of Intelligent & Fuzzy Systems. 36:(5):5105-5114. DOI:10.3233/JIFS-179055, 2019 Liga
  4. Practical Non-Monotonic Knowledge-Base System for Un-Regimented Domains: A Case-Study in Digital Humanities, Luis A. Pineda, Noé Hernández, Ivan Torres, Gibran Fuentes, Nydia Pineda, enviado a Information Processing and Management, 2019. Liga
  5. A Logic of Default Reasoning. Raymond Reiter. Artificial Intelligence, volumen 13, 81-132, 1980. Liga
  6. A Description Logic Primer. Markus Krötzsch, František Simanˇcík, Ian Horrocks Department of Computer Science, University of Oxford, UK. Liga
  7. Answer Set Programming: A Primer. Thomas Eiter, Giovambattista Ianni, Thomas Krennwallner. Part of the Lecture Notes in Computer Science book series (LNCS, volume 5689). Liga
  8. Foundations of Semantic Web Technologies, Pascal Hitzler, Markus Krötzsch, Sebastian Rudolph, CRC Press/Chapman and Hall, 2009Liga
  9. Answer Set Programming at Glance, Gerhard Brewka, Thomas Eiter, Mirosław Truszczyński, Communications of the ACM, December 2011, Vol. 54 No. 12, Pages 92-103. Liga

Bloque 6

  1. Reducing the dimensionality of Data with Neural Networks. G.E.Hinton, R.R. Salakhutdinov, Science, Vol. 313, pp. 504-507, No. 5786. 2006 Liga
  2. Deep Learning. LeCun, Y., Bengio, Y., Hinton, G.. Nature 521:436--444, 27 May 2015. doi:10.1038/nature14539l. Liga
  3. A general reinforcement learning algorithm that masters chess, shogi, and go through self-play. D. Silver, T. Hubert, J. Schrittwieser. Science. 362 (6419): 1140–1144, 2018. Liga
  4. Hybrid computing using a neural network with dynamic external memory. Graves, A., Wayne, G., et al. Nature 538:471--476 (27 October 2016). doi:10.1938/nature20101.Liga
  5. Reinforcement Learning: An Introduction. Richard S. Sutton and Andrew G. Barto. Second Edition MIT Press, Cambridge, MA, 2018. Liga
  6. A Survey of Monte Carlo Tree Search Methods. C. Browne et al. IEEE Transactions on Computational Intelligence and AI in Games, Vol. 4, No. 1. pp- 1–49. 2012 Liga
  7. Review of Deep Learning Algorithms and Architectures, A. Shrestha and A. Mahmood, IEEE Access, vol. 7, pp. 53040-53065, 2019. Liga
  8. Deep Learning's Diminishing Returns, Neil C. Thompson, Kristjan Greenewald, Keeheon Lee, Gabriel F. Manso, 2021. Liga

Modo de evaluación

  • Proyectos 70%
  • Tareas 10%
  • Participación 20%

Tareas

  1. Tarea 3. Introducción a Prolog.
  2. Tarea 4. Recursividad y listas.

Proyectos

  1. Representación del Conocimiento (como ayuda en el manejo de archivos puedes utilizar estos predicados en prolog: manejo de archivos)